CN116335925B - 基于数据增强的煤矿井下乳化泵站智能调控系统 - Google Patents

Abstract

本发明涉及数据处理技术领域，提出了基于数据增强的煤矿井下乳化泵站智能调控系统，包括：采集乳化泵站的压力数据；根据压力数据的数据波动获取若干分段数据，根据数据之间变化获取每个分段数据的波动特征值，根据相邻分段数据中的数据变化以及波动特征值，获取任意相邻两个分段数据的波动关联性；根据波动特征值及波动关联性，对所有分段数据构建关联空间，根据关联空间获取每个分段数据的异常概率；根据当前数据点所处分段数据的异常概率，进行压力数据的实时异常监测，完成乳化泵站的智能调控。本发明旨在解决数据波动变化导致异常监测结果不准确的问题。

Description

基于数据增强的煤矿井下乳化泵站智能调控系统

技术领域

本发明涉及数据处理技术领域，具体涉及基于数据增强的煤矿井下乳化泵站智能调控系统。

背景技术

煤矿井下乳化泵站智能调控是通过传感器、自动控制装置和人工智能技术实现对煤矿井下乳化泵站的智能化调控；乳化泵站是煤矿井下的关键设备之一，主要负责向井下注入乳化液；传统的乳化泵站调控方式主要依靠人工操作，难以满足长期连续运行的需要，容易出现运行负荷不均衡、设备故障以及维护成本高等问题；而引入人工智能技术的智能调控系统，可以通过自动化、智能化的手段对乳化泵站进行实时监控、分析及调整，从而实现经济高效且安全稳定的运行；智能调控系统利用多种传感器获取乳化泵站的实时数据，并对这些数据进行采集、传输、分析和挖掘，通过人工智能算法进行实时智能调度，优化乳化泵站的运行状态，提高其安全性和效率。

现有技术中通过在乳化泵站周围安装传感器，用于实时感知运行状态、环境参数和乳化液质量等信息，然后根据传感器数据的变化来对乳化泵站的运行状况进行反馈调节；通常在对乳化泵站的监控中，其压力数据是非常的重要的监测数据，若乳化泵的运行存在异常时，泵内的压力会产生波动；因此需要根据传感器采集得到的压力数据来分析数据中存在的异常，然后根据异常数据来对乳化泵站进行异常监测；然而较小的压力波动就会引起乳化泵站的运行异常，而波动会导致持续一段时间内的数据都处于异常状态，但这些异常状态的数据之间没有发生波动，仅依靠波动变化无法对这些异常状态数据准确监测；因此需要通过数据波动进行分段，结合相邻分段之间数据之间的关联性来进行异常监测，从而准确获取乳化泵站的压力异常数据并进行智能调控。

发明内容

本发明提供基于数据增强的煤矿井下乳化泵站智能调控系统，以解决现有的数据波动变化导致异常监测结果不准确的问题，所采用的技术方案具体如下：

本发明一个实施例提供了基于数据增强的煤矿井下乳化泵站智能调控系统，该系统包括：

压力数据采集模块，采集乳化泵站的压力数据；

压力数据处理模块：根据压力数据中每个数据点的压力值获取若干分段点，通过分段点将压力数据划分为若干分段数据，根据分段数据中的压力值获取每个分段数据的波动特征值，根据波动特征值以及相邻分段数据中的压力值，获取每相邻两个分段数据的波动关联性；

将每个分段数据的波动特征值作为每个分段数据对应坐标点的纵坐标，将第一个分段数据的横坐标设置为0，根据波动关联性获取每个分段数据对应坐标点的横坐标并构建关联空间，根据关联空间及每个分段数据获取每个分段数据对应坐标点的向量及主成分方向，根据坐标点的向量、主成分方向及波动关联性，获取每个分段数据的异常概率；

异常监测调控模块，根据当前数据点所处分段数据的异常概率，进行压力数据的实时异常监测。

可选的，所述根据压力数据中每个数据点的压力值获取若干分段点，包括的具体方法为：

获取压力数据中第个数据点的压力值与第个数据点的压力值，将减 去得到的差值与采样间隔的比值作为第个数据点的斜率，表示为；获取压力数据中 每个数据点的斜率；

获取第个数据点的斜率，将记为第个数据点的斜率变化 量；获取每个数据点的斜率变化量；

以第个数据点为中心，构建一个长度为的时间窗口，获取窗口内的所有数据点 的斜率变化量之和，记为第个数据点的分段指标，若第个数据点的分段指标不等于0，将 第个数据点记为分段点；获取压力数据中的所有分段点。

可选的，所述根据分段数据中的压力值获取每个分段数据的波动特征值，包括的具体方法为：

将任意一个分段数据作为目标分段数据，对目标分段数据中所有数据点根据压力值计算目标分段数据的压力均值及压力方差，将压力均值与压力方差的乘积，作为目标分段数据的波动特征值；获取每个分段数据的波动特征值。

可选的，所述获取每相邻两个分段数据的波动关联性，包括的具体方法为：

第个分段数据与第个分段数据为相邻的分段数据，两个分段数据的波动关联性的计算方法为：

其中，表示第个分段数据的波动特征值，表示第个分段数据的波动特征值，表示第个分段数据的压力方差，表示第个分段数据的压力方差，表示第个分段数 据的数据点数量，表示第个分段数据中第个数据点的压力值，表示第个分段数据的 压力均值，表示第个分段数据的数据点数量，表示第个分段数据中第个数据点的 压力值，表示第个分段数据的压力均值，表示求绝对值，表示以自然常数为底的 指数函数。

可选的，所述根据波动关联性获取每个分段数据对应坐标点的横坐标并构建关联空间，包括的具体方法为：

获取每相邻两个分段数据的波动关联性，将1减去波动关联性得到的差值作为相邻两个分段数据的波动距离，根据波动距离从第二个分段数据开始逐个获取每个分段数据对应坐标点的横坐标，将所有分段数据根据横坐标及纵坐标作为坐标点置于坐标系中，将得到的坐标系记为关联空间。

可选的，所述根据关联空间及每个分段数据获取每个分段数据对应坐标点的向量及主成分方向，包括的具体方法为：

将任意一个分段数据作为目标分段数据，目标分段数据对应的坐标点记为目标坐标点，将第一个坐标点指向目标坐标点的方向记为目标坐标点的向量方向，将目标分段数据中数据点数量作为目标坐标点的向量模长，得到目标坐标点的向量；

获取每个分段数据对应坐标点的向量；根据所有坐标点的向量通过主成分分析，获取到关联空间中的主成分方向。

可选的，所述获取每个分段数据的异常概率，包括的具体方法为：

其中，表示第个分段数据的异常程度，表示主成分方向，表示第个分段数 据对应的坐标点的向量方向，表示第个分段数据与第个分段数据的波动关 联性，表示第个分段数据对应的坐标点的向量方向，表示第个分段数据 与第个分段数据的波动关联性，表示第个分段数据对应的坐标点的向量方 向，与分别表示分段数据的参考权重以及分段数据的相邻分段数据的参考权重；

获取每个分段数据的异常程度，对所有分段数据的异常程度进行归一化，得到的结果记为每个分段数据的异常概率。

本发明的有益效果是：本发明通过对压力数据根据数据点的压力值的波动变化进行分段，得到若干段数据，确保了每个分段数据中数据点的波动变化相近；通过波动特征值及相邻分段数据的波动关联性，使得根据波动特征值及波动关联性可以较为准确反映分段数据是否发生异常；根据波动特征值及波动关联性构建关联空间，并结合分段数据的数据点数量获取关联空间中坐标点的向量，进而主成分分析得到主成分方向，使得主成分方向趋近于正常数据的向量方向，而使得异常数据的向量方向差异较为明显；再通过结合分段数据的向量方向与主成分方向的差异，结合相邻分段数据的方向差异，提高分段数据的波动特征值与波动关联性所反映出的每个分段数据的异常特征，进而提高其异常概率，从而准确地判断分段数据是否发生异常，进而提高乳化泵站智能调控的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一个实施例所提供的基于数据增强的煤矿井下乳化泵站智能调控系统结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，其示出了本发明一个实施例所提供的基于数据增强的煤矿井下乳化泵站智能调控系统结构框图，该系统包括：

压力数据采集模块S101，采集乳化泵站的压力数据。

本实施例的目的是对乳化泵站的压力数据进行实时的监测分析，然后根据监测的数据结果对乳化泵站的运行情况进行监测及反馈调节，因此首先需要采集煤矿井下乳化泵站的压力数据；本实施例采用KS200压力变送器来采集乳化泵站的压力数据，采样间隔设置为一分钟采集一次压力数据，则得到的压力数据为时序序列数据；为了减小在对异常压力数据分析时的误差，通过小波变换算法对采集到的压力数据进行去噪处理，小波变换算法为公知技术，本实施例不再赘述；则对时序序列的压力数据完成了去噪处理，后续压力数据分析均为对去噪处理后的压力数据进行分析。

至此，获取到了乳化泵站的压力数据。

压力数据处理模块S102：

需要说明的是，乳化泵站主要由乳化液箱、乳化液泵组(两组)及液压控制系统组成，是用来向综采工作的液压支架或普采工作面的单体液压支柱提供动力的设备；因此在进行作业时，对乳化泵站的压力监测是非常有必要的，需要根据实时监测的数据来对乳化泵站进行调节，避免因为乳化泵的内压不足，导致提供的动力不够的情况。

进一步需要说明的是，在对压力数据进行分析时，因为当前时刻的压力波动会在时序上产生影响，即不但影响当前一段时间内的压力数据的变化，还会影响下一段时间内数据的变化，因为正常的压力数据不会出现较大程度的改变，只会在某一范围内波动，当在某一时刻压力数据突然发生了变化时，其在接下来的一段时间内数据都是处于异常状态；并且较小的压力波动就会引起乳化泵站的运行异常，因此在对异常数据进行分析时，如果直接根据数据的波动变化来进行判断，会将因前一段时间发生异常而受到影响的异常数据因波动变化较小，误认为是正常的压力数据，进而使得压力数据的判断不准确；因此在进行异常数据分析时，需要根据数据的波动变化以及相邻数据之间的关联性来判断哪些数据存在异常，获得每个数据的异常程度，然后根据数据的异常程度来对乳化泵站的运行进行反馈调节。

为了能够在较小的数据波动中获得异常数据，在对压力数据进行异常分析时，本实施例根据数据特征构建数据关联空间，数据的关联空间是表示数据之间的相关关系以及差异，关联空间是对所有数据点进行分析，进而获得数据之间的差异，使得异常分段内的数据特征更加明显，进而在获取数据异常程度时，能够将数据进行区分。

（1）根据压力数据的数据波动获取若干分段数据，根据数据之间变化获取每个分段数据的波动特征值，根据相邻分段数据中的数据变化以及波动特征值，获取任意相邻两个分段数据的波动关联性。

需要说明的是，由于压力数据是一个时序序列数据，序列中的每个数据点表示的是每个时刻下的压力值，在分析压力的变化时，需要反映的是一段时间内压力的变化程度；因此首先根据压力的变化对压力数据进行分段，每一段内数据的变化程度是不相同的，并且每一段内数据的波动范围也不相同；通过计算每相邻两个数据点之间的斜率，然后根据斜率的变化对压力数据分段。

具体的，获取压力数据中第个数据点的压力值与第个数据点的压力值 ，将减去得到的差值与采样间隔的比值作为第个数据点的斜率，表示为；按照上述 方法获取压力数据中每个数据点的斜率，压力数据中第一个数据点的斜率设置为0；获取第个数据点的斜率，将记为第个数据点的斜率变化量；按照上述方 法获取每个数据点的斜率变化量，第一个数据点不计算斜率变化量且不参与后续分段点计 算；以第个数据点为中心，构建一个长度为的时间窗口，本实施例采用进行计算，获 取窗口内的所有数据点的斜率变化量之和，记为第个数据点的分段指标，若第个数据点 的分段指标不等于0，将第个数据点记为分段点；窗口内数据点的斜率变化量之和不等于 0，表明斜率在发生变化，则窗口内的数据点出现了数据波动，因此可以作为分段点对压力 数据进行分段；按照上述方法获取压力数据中的所有分段点，分段点将压力数据划分为若 干段数据，每段数据记为一个分段数据；需要说明的是，每个分段数据均是一个压力值的时 序序列，每个时序序列的最后一个数据点围分段点，压力数据中的第一个数据点由于不参 与分段点计算，不会将其设置为分段点。

进一步需要说明的是，由于每一个分段数据中每个数据的变化都可能存在压力数据的异常，因此在对每一段压力数据进行分析时，不仅仅是根据当前数据区间的数据来进行判断，而是需要根据不同数据段之间的相关性来判断每个分段数据的异常；因此通过每个分段内数据的变化获取波动特征值，并根据相邻分段中数据的变化差异获取波动关联性。

具体的，以任意一个分段数据为例，对该分段数据中所有数据点根据压力值计算该分段数据的压力均值以及压力方差，将压力均值与压力方差的乘积，作为该分段数据的波动特征值，按照上述方法获取每个分段数据的波动特征值；压力均值反映的是分段数据中数据的波动范围，压力方差反映的是分段数据中数据的变化程度，因此通过压力均值与压力方差的乘积来作为分段数据的波动特征值。

进一步的，对于第个分段数据与第个分段数据，其中第个分段数据与第个分 段数据为相邻的分段数据，两个分段数据的波动关联性的计算方法为：

其中，表示第个分段数据的波动特征值，表示第个分段数据的波动特征值，表示第个分段数据的压力方差，表示第个分段数据的压力方差，表示第个分段数 据的数据点数量，表示第个分段数据中第个数据点的压力值，表示第个分段数据的 压力均值，表示第个分段数据的数据点数量，表示第个分段数据中第个数据点的 压力值，表示第个分段数据的压力均值，表示求绝对值，表示以自然常数为底的 指数函数；波动特征值之间的差异越小，表明相邻两个分段数据的波动范围及变化程度相 近，而对于波动导致的后续一段时间内的异常，由于后续数据处于异常状态但波动变化程 度较小而波动范围相近，则此时会表现出波动特征值较之正常分段数据更加接近异常数 据，同时与相邻分段数据的波动关联性同时也较小，进而可以根据这种差异表现来判断无 法通过数据波动获取到的异常数据；通过压力方差及分段数据内每个数据点压力值与压力 均值的差异量化，类似于协方差及协方差相关系数计算获取波动关联性，使得数据变化相 近的相邻分段数据之间的波动关联性更大；按照上述方法获取任意相邻两个分段数据的波 动关联性。

至此，获取到了若干分段数据，并得到了每个分段数据的波动特征值以及相邻分段数据的波动关联性。

（2）根据波动特征值及波动关联性，对所有分段数据构建关联空间，根据关联空间获取每个分段数据的异常概率。

需要说明的是，获取到每个分段数据的波动特征值及波动关联性后，则将每个分段数据作为一个关联空间中的坐标点，坐标点的纵坐标为波动特征值，波动关联性表示了相邻分段数据之间的波动关联性，通过波动关联性量化相邻分段数据对应的坐标点之间的距离，波动关联性越大则坐标点之间的横坐标距离越小，则得到了关联空间；此时的关联空间中，正常的分段数据其波动特征值较小，与相邻分段数据的波动关联性同样较小，则坐标点之间的横坐标距离就会较大；而异常的分段数据波动特征值会较大，与相邻分段数据的异常数据的波动关联性相较于正常分段数据会更大，则坐标点之间横坐标距离就会较小；通过主成分分析，会获取到整个数据序列的变化方向，而由于相邻的异常数据之间的横坐标距离较小，主成分分析过程中两坐标点对于主成分的影响差异较小，进而可以通过相邻分段数据的坐标点来量化每个分段数据的异常概率。

具体的，首先将每个分段数据的波动特征值作为纵坐标，第一个分段数据对应的 坐标点横坐标为0，获取每相邻两个分段数据的波动关联性，需要说明的是，由于为 归一化函数，且类似协方差相关系数计算部分的值域范围为，因此波动关联性的值域 范围为；将1减去波动关联性得到的差值作为相邻两个分段数据的波动距离，根据波动 距离从第二个分段数据开始逐个获取每个分段数据对应坐标点的横坐标，将所有分段数据 根据横坐标及纵坐标作为坐标点置于坐标系中，将得到的坐标系记为关联空间。

进一步的，对于关联空间中任意一个坐标点，将第一个坐标点指向该坐标点的方 向记为该坐标点的向量方向，其中第一个坐标点的向量方向设置为水平向右，即认为第一 个坐标点对应的分段数据不存在异常数据，则设置为水平向右；将每个坐标点对应的分段 数据中数据点数量作为每个坐标点的向量模长，则得到了每个坐标点的向量；根据所有坐 标点的向量通过PCA算法进行主成分分析，获取到关联空间中的主成分方向，记为，其中 PCA算法为公知技术，本实施例不再赘述。

进一步的，获取到主成分方向后，对于每个分段数据的异常程度，以第个分段数 据为例，其异常概率的计算方法为：

其中，表示第个分段数据的异常程度，表示主成分方向，表示第个分段数 据对应的坐标点的向量方向，表示第个分段数据与第个分段数据的波动关 联性，表示第个分段数据对应的坐标点的向量方向，表示第个分段数据 与第个分段数据的波动关联性，表示第个分段数据对应的坐标点的向量方 向，与分别表示分段数据的参考权重以及分段数据的相邻分段数据的参考权重，本实 施例认为二者同样重要，采用进行叙述；通过坐标点本身的向量方向与主成 分方向的差异先获取异常程度的一部分，向量方向由波动特征值及波动关联性决定，而主 成分方向由于正常数据的数据点数量较大，其主成分方向会趋向于正常数据对应坐标点的 向量方向，则差异越大，坐标点对应分段数据的异常程度越大；同时引入左右相邻分段数据 的异常程度，并通过波动关联性来进行限制，波动关联性小的异常程度影响就会越小，进而 提高每个分段数据异常程度的准确性；按照上述方法获取每个分段数据的异常程度，需要 说明的是，若仅存在一侧相邻的分段数据，则仅计算一侧的分段数据的异常程度进行参考； 对所有分段数据的异常程度进行线性归一化，得到的结果记为每个分段数据的异常概率。

至此，获取到了每个分段数据的异常概率。

异常监测调控模块S103，根据当前数据点所处分段数据的异常概率，进行压力数据的实时异常监测，完成乳化泵站的智能调控。

获取到每个分段数据的异常概率后，将当前数据点所在的分段数据记为当前分段数据，对除当前分段数据之外的其他分段数据的异常概率求均值，得到的结果作为异常判断阈值；若当前分段数据的异常概率大于异常判断阈值，则表明当前数据点的压力值出现异常；若当前分段数据的异常概率小于等于异常判断阈值，则表明当前数据点的压力值正常；将压力值监测结果反馈给调控系统，调控系统控制乳化泵的流量及速度参数，使进口和出口的压力之差趋于稳定，进而保证压力数据不再波动，完成对于压力数据异常的智能调控，则完成了乳化泵站的智能调控。

至此，完成了乳化泵站的智能调控。

需要说明的是，在实际的井下工作环境中，乳化泵站的压力调控需要考虑因地制宜，根据实际地质和工作条件等因素进行合理的参数设定和智能调控；对于动态变化的工况，控制系统需要具有灵活性和自适应性，以有效应对各种情况的压力控制，确保井下工作的稳定和安全。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.基于数据增强的煤矿井下乳化泵站智能调控系统，其特征在于，该系统包括：

压力数据采集模块，采集乳化泵站的压力数据；

压力数据处理模块：根据压力数据中每个数据点的压力值获取若干分段点，通过分段点将压力数据划分为若干分段数据，根据分段数据中的压力值获取每个分段数据的波动特征值，根据波动特征值以及相邻分段数据中的压力值，获取每相邻两个分段数据的波动关联性；

将每个分段数据的波动特征值作为每个分段数据对应坐标点的纵坐标，将第一个分段数据的横坐标设置为0，根据波动关联性获取每个分段数据对应坐标点的横坐标并构建关联空间，根据关联空间及每个分段数据获取每个分段数据对应坐标点的向量及主成分方向，根据坐标点的向量、主成分方向及波动关联性，获取每个分段数据的异常概率；

异常监测调控模块，根据当前数据点所处分段数据的异常概率，进行压力数据的实时异常监测；

所述根据分段数据中的压力值获取每个分段数据的波动特征值，包括的具体方法为：

将任意一个分段数据作为目标分段数据，对目标分段数据中所有数据点根据压力值计算目标分段数据的压力均值及压力方差，将压力均值与压力方差的乘积，作为目标分段数据的波动特征值；获取每个分段数据的波动特征值；

所述获取每相邻两个分段数据的波动关联性，包括的具体方法为：

第个分段数据与第/>个分段数据为相邻的分段数据，两个分段数据的波动关联性的计算方法为：

其中，表示第/>个分段数据的波动特征值，/>表示第/>个分段数据的波动特征值，/>表示第/>个分段数据的压力方差，/>表示第/>个分段数据的压力方差，/>表示第/>个分段数据的数据点数量，/>表示第/>个分段数据中第/>个数据点的压力值，/>表示第/>个分段数据的压力均值，/>表示第/>个分段数据的数据点数量，/>表示第/>个分段数据中第/>个数据点的压力值，/>表示第/>个分段数据的压力均值，/>表示求绝对值，/>表示以自然常数为底的指数函数；

所述根据波动关联性获取每个分段数据对应坐标点的横坐标并构建关联空间，包括的具体方法为：

获取每相邻两个分段数据的波动关联性，将1减去波动关联性得到的差值作为相邻两个分段数据的波动距离，根据波动距离从第二个分段数据开始逐个获取每个分段数据对应坐标点的横坐标，将所有分段数据根据横坐标及纵坐标作为坐标点置于坐标系中，将得到的坐标系记为关联空间。

2.根据权利要求1所述的基于数据增强的煤矿井下乳化泵站智能调控系统，其特征在于，所述根据压力数据中每个数据点的压力值获取若干分段点，包括的具体方法为：

获取压力数据中第个数据点的压力值/>与第/>个数据点的压力值/>，将/>减去/>得到的差值与采样间隔的比值作为第/>个数据点的斜率，表示为/>；获取压力数据中每个数据点的斜率；

获取第个数据点的斜率/>，将/>记为第/>个数据点的斜率变化量；获取每个数据点的斜率变化量；

以第个数据点为中心，构建一个长度为/>的时间窗口，获取窗口内的所有数据点的斜率变化量之和，记为第/>个数据点的分段指标，若第/>个数据点的分段指标不等于0，将第/>个数据点记为分段点；获取压力数据中的所有分段点。

3.根据权利要求1所述的基于数据增强的煤矿井下乳化泵站智能调控系统，其特征在于，所述根据关联空间及每个分段数据获取每个分段数据对应坐标点的向量及主成分方向，包括的具体方法为：

将任意一个分段数据作为目标分段数据，目标分段数据对应的坐标点记为目标坐标点，将第一个坐标点指向目标坐标点的方向记为目标坐标点的向量方向，将目标分段数据中数据点数量作为目标坐标点的向量模长，得到目标坐标点的向量；

获取每个分段数据对应坐标点的向量；根据所有坐标点的向量通过主成分分析，获取到关联空间中的主成分方向。

4.根据权利要求1所述的基于数据增强的煤矿井下乳化泵站智能调控系统，其特征在于，所述获取每个分段数据的异常概率，包括的具体方法为：

其中，表示第/>个分段数据的异常程度，/>表示主成分方向，/>表示第/>个分段数据对应的坐标点的向量方向，/>表示第/>个分段数据与第/>个分段数据的波动关联性，/>表示第/>个分段数据对应的坐标点的向量方向，/>表示第/>个分段数据与第/>个分段数据的波动关联性，/>表示第/>个分段数据对应的坐标点的向量方向，与/>分别表示分段数据的参考权重以及分段数据的相邻分段数据的参考权重；

获取每个分段数据的异常程度，对所有分段数据的异常程度进行归一化，得到的结果记为每个分段数据的异常概率。