买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江苏省苏力环境科技有限责任公司;清华大学

摘要：本发明提供一种基于滑动窗口的污染物时序数据异常识别方法及系统。该方法包括以下步骤：S1.获取企业污染物排口的排放量数据和用电设备的用电数据，进行数据清洗后得到各个污染物排放量以及产污治污总费率，并组成数据集；S2.利用基于滑动窗口的无监督学习方式对数据集进行异常检测，进而得到数据异常情况；S3.利用机器学习模型对数据集进行异常检测，进而得到数据异常情况，结合步骤S2中数据异常情况进行核对，核实异常原因并进行异常预警。本发明将基于滑动窗口的无监督学习和机器学习方法进行结合，挖掘用电费率和污染物排放数据间关联关系，在不依赖于历史异常规则数据库的情况下，根据企业需求的特定异常状态进行针对性分析判断。

主权项：1.一种基于滑动窗口的污染物时序数据异常识别方法，其特征在于，其包括以下步骤：S1.获取企业污染物排口的排放量数据和用电设备的用电数据，进行数据清洗后得到各个污染物排放量以及产污治污总费率，并按照时序组成数据集；S2.利用基于滑动窗口的无监督学习方式对数据集进行异常检测，进而得到数据异常情况；异常检测的具体步骤如下：S21.从数据集中选取d天的数据作为判断窗口，将d天的数据以预设的时间节点为分割点分为在先数据d1和在后数据d2；S22.对在先数据d1中的产污治污总费率进行平均值计算得到费率平均值Qavgd1，对在先数据d1中超过c种的关键污染物排放量进行平均值计算得到排放量平均值Pavgd1，将费率平均值Qavgd1和排放量平均值Pavgd1与在后数据d2中每天产污治污总费率Qd2以及每天超过c种的关键污染物排放量Pd2进行对比，根据对比结果作出如下判断：若Qd2≥Qavgd1*n1，Pd2＜Pavgd1*n2；则判定窗口内的数据存在异常；其中，c为低值污染物种类限制常数，n1、n2为低值限制倍率常数；S3.利用机器学习模型对数据集进行异常检测，进而得到数据异常时段情况，结合步骤S2中数据异常情况进行核对，明确异常数据，核实异常原因并进行异常预警。

全文数据：

权利要求：

百度查询： 江苏省苏力环境科技有限责任公司 清华大学 一种基于滑动窗口的污染物时序数据异常识别方法及系统