CN116975768B - 一种肥料安全生产的数据异常检测方法 - Google Patents
一种肥料安全生产的数据异常检测方法 Download PDFInfo
- Publication number
- CN116975768B CN116975768B CN202311225825.9A CN202311225825A CN116975768B CN 116975768 B CN116975768 B CN 116975768B CN 202311225825 A CN202311225825 A CN 202311225825A CN 116975768 B CN116975768 B CN 116975768B
- Authority
- CN
- China
- Prior art keywords
- environmental data
- data
- acquiring
- current moment
- current
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 52
- 239000003337 fertilizer Substances 0.000 title claims abstract description 30
- 238000001514 detection method Methods 0.000 title claims abstract description 17
- 230000005856 abnormality Effects 0.000 claims abstract description 41
- 230000007613 environmental effect Effects 0.000 claims description 185
- 238000000034 method Methods 0.000 claims description 31
- 238000012423 maintenance Methods 0.000 claims description 21
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 description 14
- 239000007789 gas Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明涉及数据异常检测领域,具体涉及一种肥料安全生产的数据异常检测方法。实时获取肥料生产过程中多个时刻的数据;将当前时刻之前的多个时刻数据作为历史数据;获取当前时刻数据的第一可靠指标以及第二可靠指标;根据第一可靠指标以及第二可靠指标获取当前时刻数据的可靠性;根据历史数据对应的多个时刻中每次对生产设备进行检修的时间间隔获取当前时刻设备的安全性;获取当前时刻数据的异常性;根据当前时刻数据的异常性对当前时刻数据进行异常检测。本发明通过分析当前时刻数据与历史数据之间的连续性和相关性,能够避免降低数据不准确带来的负面影响,实现对数据异常的准确检测。
Description
技术领域
本发明涉及数据异常检测领域,具体涉及一种肥料安全生产的数据异常检测方法。
背景技术
肥料是指为植物生长提供一种或多种必需的营养元素,并且改善土壤性质、提高土壤肥力水平的一类物质,是农业生产的物质基础之一,肥料生产过程中,由于生产人员处于较为密闭的空间,且生产过程中会产生大量有害气体,容易危及生产人员的身体,因此需要对肥料生产环境中的数据进行实时检测来保障生产人员的安全。
现有技术中用于环境异常数据检测的算法有多种,其中比较常用的是孤立森林算法和局部异常因子算法;由于孤立森林算法对局部的异常点不敏感,例如对于异常情况较小的数据可能会忽略,从而无法实现准确的环境数据检测,而局部异常因子算法时间复杂度大,运算时间长,对于肥料生产环境中的高维环境数据无法进行及时的处理,不能满足对肥料生产环境中数据进行实时检测的目的。
发明内容
为了解决现有技术中对环境数据的检测准确度低,且无法及时对数据进行处理的问题,本发明提供一种肥料安全生产的数据异常检测方法,该方案包括:实时获取肥料生产过程中多个时刻的数据;将当前时刻之前的多个时刻数据作为历史数据;获取当前时刻数据的第一可靠指标以及第二可靠指标;根据第一可靠指标以及第二可靠指标获取当前时刻数据的可靠性;根据历史数据对应的多个时刻中每次对生产设备进行检修的时间间隔获取当前时刻设备的安全性; 获取当前时刻数据的异常性;根据当前时刻数据的异常性对当前时刻数据进行异常检测。本发明通过分析当前时刻数据与历史数据之间的连续性和相关性,能够避免降低数据不准确带来的负面影响,实现对数据异常的准确检测。
本发明采用如下技术方案,一种肥料安全生产的数据异常检测方法,包括:
实时获取肥料生产过程中多个时刻的环境数据;其中,每个时刻的环境数据均包含多个特征值;
将当前时刻之前的多个时刻环境数据作为历史环境数据;根据当前时刻环境数据与其上一个时刻环境数据的每个特征值、历史环境数据中相邻时刻环境数据的每个特征值,获取当前时刻环境数据中每个特征值的连续性,根据当前时刻环境数据中每个特征值的连续性获取当前时刻环境数据的第一可靠指标;
根据当前时刻环境数据中任意两两特征值的比值以及历史环境数据中对应两两特征值的比值获取当前时刻环境数据中两两特征值的相关性,根据当前时刻环境数据中两两特征值的相关性获取当前时刻环境数据的第二可靠指标;
根据当前时刻环境数据的第一可靠指标以及第二可靠指标获取当前时刻环境数据的可靠性;
获取历史环境数据对应的多个时刻中,对生产设备进行检修的多个检修时刻,根据当前时刻与上一次进行设备检修的时间间隔、及历史环境数据中每次进行设备检修之间时间间隔的平均值获取当前时刻设备的安全性;
根据当前时刻环境数据中每个特征值、历史环境数据中的对应特征值、当前时刻设备的安全性以及当前时刻环境数据的可靠性获取当前时刻环境数据的异常性;
根据当前时刻环境数据的异常性对当前时刻环境数据进行异常检测。
进一步的,一种肥料安全生产的数据异常检测方法,获取当前时刻环境数据中每个特征值的连续性的方法为:
获取当前时刻环境数据与其上一个时刻环境数据中每个特征值的差值绝对值;
选取历史环境数据中与当前时刻的时间间隔小于阈值的多个历史环境数据,作为当前时刻环境数据的参考数据,获取参考数据中相邻参考数据之间每个特征值差值绝对值的均值;
将当前时刻环境数据与其上一个时刻环境数据中每个特征值的差值绝对值,与参考数据中相邻参考数据之间每个特征值差值绝对值的均值做差并取绝对值,对该做差并取绝对值后的值进行负相关并归一化,得到当前数据中每个特征值的连续性。
进一步的,一种肥料安全生产的数据异常检测方法,获取当前时刻环境数据的第一可靠指标的方法为:
获取当前时刻环境数据中所有特征值的连续性均值,得到当前时刻环境数据的第一可靠指标。
进一步的,一种肥料安全生产的数据异常检测方法,获取当前时刻环境数据中两两特征值的相关性的方法为:
获取当前时刻环境数据中任意两两特征值的比值,以及每个历史环境数据中对应的两两特征值的比值;
获取当前时刻环境数据中任意两两特征值的比值,与每个历史环境数据中对应两两特征值的比值的差值绝对值,将该差值绝对值的均值作为当前时刻环境数据中两两特征值的相关性。
进一步的,一种肥料安全生产的数据异常检测方法,获取当前时刻环境数据的第二可靠指标的方法为:
获取当前时刻环境数据中两两特征值的相关性均值,得到当前时刻环境数据的第二可靠指标。
进一步的,一种肥料安全生产的数据异常检测方法,获取当前时刻环境数据的可靠性的方法为:
利用当前时刻环境数据的第一可靠指标和第二可靠指标构建指数函数,根据构建的指数函数获取当前时刻环境数据的可靠性。
进一步的,一种肥料安全生产的数据异常检测方法,获取当前时刻环境数据的异常性的方法为:
获取当前时刻环境数据中每个特征值与历史环境数据中对应特征值均值的差值绝对值之和;
获取该差值绝对值之和与当前时刻设备的安全性的乘积,并将该乘积与当前时刻数据的可靠性的比值,作为当前时刻环境数据的异常性。
本发明的有益效果是:本发明通过实时采集数据进行分析,保证了对数据分析的及时性,通过当前时刻数据中特征值的连续性来获取第一可靠指标,能够判断出连续的数据中是否存在突兀的噪声数据;通过当前时刻数据中两两特征值的相关性来获取第二可靠指标,能够反映出当前时刻数据中两两特征值的浓度关系与历史数据的差异,也能够将分布不规律的噪声数据筛选出去,以第一可靠指标和第二可靠指标得到的数据可靠性,能够准确的作为判断数据异常的依据;同时,本发明还参考了生产设备的维修状况对数据进行判断,能够全面对当前时刻的数据进行实时分析,通过本发明得到的异常性指标对数据进行检测,能够满足对数据进行实时处理的同时,保证对数据异常检测的准确度。
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为本发明实施例的一种肥料安全生产的数据异常检测方法结构示意图。
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。
如图1 所示,给出了本发明实施例的一种肥料安全生产的数据异常检测方法结构示意图,包括:
101.获取肥料生产过程中多个时刻的环境数据。
本发明所针对的具体场景为:在化肥生产过程中,对生产过程中各种有害气体以及易燃易爆气体或原料进行检测,以保障其在生产过程中保护工人以及设备的安全,因此本发明在工人进入加工环境后,对加工环境内的各种有害气体进行检测,在进行安全异常检测时,需要实时检测各个生产流程中各个危险化学品的浓度变化,将获取各个浓度记录在环境数据库中以便后续进行分析。
其中实时采集的环境数据包括,室内温度,压强,以及各个危险化学品浓度,将获取的环境数据记录在向量z中,即z={T,ρ,(,/>),(/>,/>),(/>,/>),…,(/>,/>)},其中设该生产流程中,有m个需要检测的化学品,需要说明的是,本发明中每个时刻环境数据中包含的多个特征值,即为多个危险化学品的浓度。
102.获取当前时刻环境数据中每个特征值的连续性,获取当前时刻环境数据的第一可靠指标。
获取当前时刻环境数据中每个特征值的连续性的方法为:
获取当前时刻环境数据与其上一个时刻环境数据中每个特征值的差值绝对值;
选取历史环境数据中与当前时刻的时间间隔小于阈值的多个历史环境数据,作为当前时刻环境数据的参考数据,获取参考数据中相邻参考数据之间每个特征值差值绝对值的均值;
将当前时刻环境数据与其上一个时刻环境数据中每个特征值的差值绝对值,与参考数据中相邻参考数据之间每个特征值差值绝对值的均值做差并取绝对值,对该做差并取绝对值后的值进行负相关并归一化,得到当前数据中每个特征值的连续性,表达式为:
其中,表示当前时刻环境数据中第g个特征值的连续性,/>表示当前时刻为o的环境数据中第g个特征值,/>表示当前时刻的上一个时刻为o-1的环境数据中第g个特征值,/>表示历史环境数据中,第i个参考数据中第g个特征值,/>表示历史环境数据中,第i-1个参考数据中第g个特征值,B表示历史环境数据中时刻的个数,/>表示以自然常数e为底的指数函数,/>表示相连的o-1个参考数据的变化来获取其平均变化程度,本发明通过比较当前采集环境数据与其相邻采集环境数据量之间的变化量与平均变化量的差异来获取每个特征值的连续性,当差异越小,即所求/>越大时,说明对应该采集环境数据越连续,即说明其获取的环境数据越可靠,/>表示取绝对值。
获取当前时刻环境数据的第一可靠指标的方法为:
获取当前时刻环境数据中所有特征值的连续性均值,得到当前时刻环境数据的第一可靠指标表达式为:
其中,m表示当前时刻环境数据中特征值的个数,E表示当前时刻环境数据的第一可靠指标,表示当前时刻环境数据中第g个特征值的连续性,本发明通过当前时刻环境数据中所有特征值的连续性均值作为当前时刻环境数据的第一可靠指标,从而反应当前时刻环境数据与历史时刻环境数据的连续程度,该指标越大,说明当前时刻环境数据的连续程度越好,则认为获取的当前时刻环境数据越准确,即当前时刻环境数据为噪声环境数据的可能性越低。
103.获取当前时刻环境数据中两两特征值的相关性,获取当前时刻环境数据的第二可靠指标。
获取当前时刻环境数据中两两特征值的相关性的方法为:
获取当前时刻环境数据中任意两两特征值的比值;
获取当前时刻环境数据的历史环境数据中对应两两特征值的比值;
根据当前时刻环境数据中任意两两特征值的比值与历史环境数据中对应两两特征值的比值,获取当前时刻环境数据中两两特征值的相关性,表达式为:
其中,表示当前时刻环境数据中特征值a与特征值b的相关性,/>表示当前时刻环境数据中的特征值a,/>表示当前时刻环境数据中的特征值b,/>表示第j个历史环境数据中的特征值a,/>表示第j个历史环境数据中的特征值b,B表示历史环境数据中时刻的个数,即当前时刻为o的上一个时刻,/>表示取绝对值,本发明通过当前时刻环境数据中任意两个特征值的浓度之比,与之前历史环境数据的两个指标的比值的差异作为当前时刻环境数据中两两特征值的相关性,该差异越小,说明实时检测的指标越符合预期,也即越安全。
获取当前时刻环境数据的第二可靠指标的方法为:
根据当前时刻环境数据中两两特征值的相关性获取当前时刻环境数据的第二可靠指标,表达式为:
其中,D表示当前时刻环境数据的第二可靠指标,表示当前时刻环境数据中特征值a与特征值b的相关性,m表示当前时刻环境数据中特征值的数量,此处为比较各个化学品浓度之间的关系,当前时刻环境数据的化学品浓度之间的比例关系与历史环境数据中各个化学品浓度之间的关系越相近,即D的值越小,则说明获取的当前时刻环境数据越可靠。
104.获取当前时刻环境数据的可靠性。
获取当前时刻环境数据的可靠性的方法为:
利用当前时刻环境数据的第一可靠指标和第二可靠指标构建指数函数,根据构建的指数函数获取当前时刻环境数据的可靠性,表达式为:
其中,F表示当前时刻环境数据的可靠性,D表示当前时刻环境数据的第二可靠指标,E表示当前时刻环境数据的第一可靠指标,表示以自然常数e为底的指数函数,由于大多噪声环境数据其环境数据较为突兀,故在进行检测时,当获取的当前时刻环境数据的连续性越高,对应化学品浓度的比例关系越接近,其环境数据为噪声环境数据的可能性越低,即当E的值越大,说明获取的环境数据与历史环境数据之间的连续性越强,D的值越小,说明环境数据之间各个化学品浓度比例越接近历史环境数据比例,从而通过比值得到的F越大,说明获取的环境数据越可靠,对应当前时刻环境数据为噪声环境数据的可能性越低。
105.获取当前时刻设备的安全性。
对于生产环节中安全性来说,设备自身状态也对设备及工人安全性起到很大作用,当设备安全性较高时,其内可容忍的危险化学品异常程度也有所提高,而当设备安全性较差时,对应的对于化学品含量异常阈值也有所降低,故需要获取设备安全可靠性指标以便更好的进行异常分析。
设备安全性即根据检修人员每次对设备进行检修,对检修过后的设备进行评价,检修过程中获取每次检修记录,即每次检修时首先对设备状态人为根据现有检修标准等进行评分,然后根据评分判断是否需要修补,同时还需记录该设备此次检修与上次检修的时间间隔。
获取当前时刻设备安全性的方法为:
获取对生产设备进行检修时刻中与当前时刻的最短时间间隔;
获取生产设备的维修时刻中每次检修时对应相邻时刻的时间间隔;
根据对生产设备进行检修时对应的多个时刻中与当前时刻的最短时间间隔、以及生产设备的维修时刻中每次检修时对应相邻时刻的时间间隔获取当前时刻设备的安全性,表达式为:
其中,n表示历史环境数据中,对生产设备进行检修时评分为p的次数,即对生产设备进行维修的次数,p表示人为对生产设备进行评分的参数值,取值范围为0-1,本发明中p的值可根据实际需要进行设定,表示历史环境数据中对设备进行维修的两个维修时刻之间的第q个时间间隔,t表示对生产设备进行检修时对应的多个时刻中与当前时刻的最短时间间隔,/>表示当出现检修评价为p时,需要修补的平均时间间隔,本发明中当所求Q越小时,说明生产设备每次需要进行修补的时间间隔越长,则表示生产设备的安全性越高。
106.获取当前时刻环境数据的异常性,对当前时刻环境数据进行异常检测。
获取当前时刻环境数据的异常性的方法为:
获取当前时刻环境数据中每个特征值与历史环境数据中对应特征值均值的差值绝对值之和;
获取该差值绝对值之和与当前时刻设备的安全性的乘积,并将该乘积与当前时刻数据的可靠性的比值,作为当前时刻环境数据的异常性,表达式为:
其中,表示当前时刻环境数据的异常性,/>表示当前时刻设备的安全性,F表示当前时刻环境数据的可靠性,/>表示当前时刻环境数据中第t个特征值,/>表示历史环境数据中第t个特征值的均值,m表示特征值的总数,/>表示取绝对值,本发明通过表示当前时刻环境数据与历史环境数据的差异,差异越小,获取的环境数据越可靠,同时当前时刻设备的安全性值越小,生产设备越安全,当前时刻环境数据的可靠性越大,则当前时刻的环境数据越可靠,从而计算得到当前时刻环境数据的异常性值越小,当前时刻的环境数据越正常。
本发明对当前时刻环境数据的异常性设定安全阈值μ=0.6,该阈值可根据实际情况自行设定,即当前时刻环境数据的异常性大于安全阈值时,认为当前生产环境中存在数据异常,可能会导致安全问题,此时需要停工检测。
本发明通过实时采集环境数据进行分析,保证了对环境数据分析的及时性,通过当前时刻环境数据中特征值的连续性来获取第一可靠指标,能够判断出连续的环境数据中是否存在突兀的噪声环境数据;通过当前时刻环境数据中两两特征值的相关性来获取第二可靠指标,能够反映出当前时刻环境数据中两两特征值的浓度关系与历史环境数据的差异,也能够将分布不规律的噪声环境数据筛选出去,以第一可靠指标和第二可靠指标得到的环境数据可靠性,能够准确的作为判断环境数据异常的依据;同时,本发明还参考了生产设备的维修状况对环境数据进行判断,能够全面对当前时刻的环境数据进行实时分析,通过本发明得到的异常性指标对环境数据进行检测,能够满足对环境数据进行实时处理的同时,保证对环境数据异常检测的准确度。
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 (5)
1.一种肥料安全生产的数据异常检测方法,其特征在于,包括:
实时获取肥料生产过程中多个时刻的环境数据;其中,每个时刻的环境数据均包含多个特征值;
将当前时刻之前的多个时刻环境数据作为历史环境数据;根据当前时刻环境数据与其上一个时刻环境数据的每个特征值、历史环境数据中相邻时刻环境数据的每个特征值,获取当前时刻环境数据中每个特征值的连续性,根据当前时刻环境数据中每个特征值的连续性获取当前时刻环境数据的第一可靠指标;
根据当前时刻环境数据中任意两两特征值的比值以及历史环境数据中对应两两特征值的比值获取当前时刻环境数据中两两特征值的相关性,根据当前时刻环境数据中两两特征值的相关性获取当前时刻环境数据的第二可靠指标;
根据当前时刻环境数据的第一可靠指标以及第二可靠指标获取当前时刻环境数据的可靠性;
获取历史环境数据对应的多个时刻中,对生产设备进行检修的多个检修时刻,根据当前时刻与上一次进行设备检修的时间间隔、及历史环境数据中每次进行设备检修之间时间间隔的平均值获取当前时刻设备的安全性;
根据当前时刻环境数据中每个特征值、历史环境数据中的对应特征值、当前时刻设备的安全性以及当前时刻环境数据的可靠性获取当前时刻环境数据的异常性;
根据当前时刻环境数据的异常性对当前时刻环境数据进行异常检测;获取当前时刻环境数据中每个特征值的连续性的方法为:
获取当前时刻环境数据与其上一个时刻环境数据中每个特征值的差值绝对值;
选取历史环境数据中与当前时刻的时间间隔小于阈值的多个历史环境数据,作为当前时刻环境数据的参考数据,获取参考数据中相邻参考数据之间每个特征值差值绝对值的均值;
将当前时刻环境数据与其上一个时刻环境数据中每个特征值的差值绝对值,与参考数据中相邻参考数据之间每个特征值差值绝对值的均值做差并取绝对值,对该做差并取绝对值后的值进行负相关并归一化,得到当前数据中每个特征值的连续性;
获取当前时刻环境数据中两两特征值的相关性的方法为:
获取当前时刻环境数据中任意两两特征值的比值,以及每个历史环境数据中对应的两两特征值的比值;
获取当前时刻环境数据中任意两两特征值的比值,与每个历史环境数据中对应两两特征值的比值的差值绝对值,将该差值绝对值的均值作为当前时刻环境数据中两两特征值的相关性。
2.根据权利要求1所述的一种肥料安全生产的数据异常检测方法,其特征在于,获取当前时刻环境数据的第一可靠指标的方法为:
获取当前时刻环境数据中所有特征值的连续性均值,得到当前时刻环境数据的第一可靠指标。
3.根据权利要求1所述的一种肥料安全生产的数据异常检测方法,其特征在于,获取当前时刻环境数据的第二可靠指标的方法为:
获取当前时刻环境数据中两两特征值的相关性均值,得到当前时刻环境数据的第二可靠指标。
4.根据权利要求1所述的一种肥料安全生产的数据异常检测方法,其特征在于,获取当前时刻环境数据的可靠性的方法为:
利用当前时刻环境数据的第一可靠指标和第二可靠指标构建指数函数,根据构建的指数函数获取当前时刻环境数据的可靠性。
5.根据权利要求1所述的一种肥料安全生产的数据异常检测方法,其特征在于,获取当前时刻环境数据的异常性的方法为:
获取当前时刻环境数据中每个特征值与历史环境数据中对应特征值均值的差值绝对值之和;
获取该差值绝对值之和与当前时刻设备的安全性的乘积,并将该乘积与当前时刻数据的可靠性的比值,作为当前时刻环境数据的异常性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311225825.9A CN116975768B (zh) | 2023-09-22 | 2023-09-22 | 一种肥料安全生产的数据异常检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311225825.9A CN116975768B (zh) | 2023-09-22 | 2023-09-22 | 一种肥料安全生产的数据异常检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116975768A CN116975768A (zh) | 2023-10-31 |
CN116975768B true CN116975768B (zh) | 2023-12-19 |
Family
ID=88475261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311225825.9A Active CN116975768B (zh) | 2023-09-22 | 2023-09-22 | 一种肥料安全生产的数据异常检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116975768B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108491310A (zh) * | 2018-03-26 | 2018-09-04 | 北京九章云极科技有限公司 | 一种日志监测方法及系统 |
CN109213654A (zh) * | 2018-07-05 | 2019-01-15 | 北京奇艺世纪科技有限公司 | 一种异常检测方法及装置 |
KR20190109644A (ko) * | 2018-03-06 | 2019-09-26 | 한국전자통신연구원 | 온실 데이터 수집 이상 감지 장치 및 그 방법 |
CN111984503A (zh) * | 2020-08-17 | 2020-11-24 | 网宿科技股份有限公司 | 一种监控指标数据异常数据识别的方法及装置 |
WO2021164267A1 (zh) * | 2020-02-21 | 2021-08-26 | 平安科技(深圳)有限公司 | 异常检测方法、装置、终端设备及存储介质 |
CN114859002A (zh) * | 2022-07-07 | 2022-08-05 | 山东爱福地生物股份有限公司 | 基于废水监测数据的质量监控方法及系统 |
CN115311829A (zh) * | 2022-10-12 | 2022-11-08 | 山东未来网络研究院(紫金山实验室工业互联网创新应用基地) | 一种基于海量数据的精准告警方法及系统 |
WO2022252505A1 (zh) * | 2021-06-02 | 2022-12-08 | 杭州安脉盛智能技术有限公司 | 一种基于多指标集群分析的设备状态监测方法 |
CN115600932A (zh) * | 2022-12-12 | 2023-01-13 | 杭州原数科技有限公司(Cn) | 一种基于大数据的文物储藏环境异常评估方法 |
CN115801901A (zh) * | 2023-01-05 | 2023-03-14 | 安徽皖欣环境科技有限公司 | 一种企业生产排放数据压缩处理方法 |
CN116185306A (zh) * | 2023-04-24 | 2023-05-30 | 山东爱福地生物股份有限公司 | 一种利用菹草的污水处理系统数据存储方法 |
WO2023115856A1 (zh) * | 2021-12-21 | 2023-06-29 | 深圳前海微众银行股份有限公司 | 一种任务异常告警方法及装置 |
CN116644975A (zh) * | 2023-07-27 | 2023-08-25 | 山东卓越精工集团有限公司 | 一种防冲隐蔽工程施工的智能监管方法以及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20230039873A (ko) * | 2021-09-14 | 2023-03-22 | 삼성전자주식회사 | 이상 감지 방법 |
-
2023
- 2023-09-22 CN CN202311225825.9A patent/CN116975768B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190109644A (ko) * | 2018-03-06 | 2019-09-26 | 한국전자통신연구원 | 온실 데이터 수집 이상 감지 장치 및 그 방법 |
CN108491310A (zh) * | 2018-03-26 | 2018-09-04 | 北京九章云极科技有限公司 | 一种日志监测方法及系统 |
CN109213654A (zh) * | 2018-07-05 | 2019-01-15 | 北京奇艺世纪科技有限公司 | 一种异常检测方法及装置 |
WO2021164267A1 (zh) * | 2020-02-21 | 2021-08-26 | 平安科技(深圳)有限公司 | 异常检测方法、装置、终端设备及存储介质 |
CN111984503A (zh) * | 2020-08-17 | 2020-11-24 | 网宿科技股份有限公司 | 一种监控指标数据异常数据识别的方法及装置 |
WO2022252505A1 (zh) * | 2021-06-02 | 2022-12-08 | 杭州安脉盛智能技术有限公司 | 一种基于多指标集群分析的设备状态监测方法 |
WO2023115856A1 (zh) * | 2021-12-21 | 2023-06-29 | 深圳前海微众银行股份有限公司 | 一种任务异常告警方法及装置 |
CN114859002A (zh) * | 2022-07-07 | 2022-08-05 | 山东爱福地生物股份有限公司 | 基于废水监测数据的质量监控方法及系统 |
CN115311829A (zh) * | 2022-10-12 | 2022-11-08 | 山东未来网络研究院(紫金山实验室工业互联网创新应用基地) | 一种基于海量数据的精准告警方法及系统 |
CN115600932A (zh) * | 2022-12-12 | 2023-01-13 | 杭州原数科技有限公司(Cn) | 一种基于大数据的文物储藏环境异常评估方法 |
CN115801901A (zh) * | 2023-01-05 | 2023-03-14 | 安徽皖欣环境科技有限公司 | 一种企业生产排放数据压缩处理方法 |
CN116185306A (zh) * | 2023-04-24 | 2023-05-30 | 山东爱福地生物股份有限公司 | 一种利用菹草的污水处理系统数据存储方法 |
CN116644975A (zh) * | 2023-07-27 | 2023-08-25 | 山东卓越精工集团有限公司 | 一种防冲隐蔽工程施工的智能监管方法以及系统 |
Non-Patent Citations (3)
Title |
---|
一种云环境下的高效异常检测策略研究;程云观;台宪青;马治杰;;计算机应用与软件(01);332-339 * |
一种适用于海上风机监测数据实时处理的方法研究;周建华;吕鹏远;王春;;中国水利水电科学研究院学报(04);68-73 * |
基于KL距离的自适应阈值网络流量异常检测;蒋华;张红福;罗一迪;王鑫;;计算机工程(04);114-119+124 * |
Also Published As
Publication number | Publication date |
---|---|
CN116975768A (zh) | 2023-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116105802A (zh) | 一种基于物联网的地下设施安全监测预警方法 | |
CN117079442B (zh) | 基于数据分析的化工园区危化气体泄漏扩散监测系统 | |
CN114429308A (zh) | 一种基于大数据的企业安全风险评估方法及系统 | |
CN116843236A (zh) | 一种基于人工智能的食品存储监管系统 | |
CN112633781A (zh) | 一种基于车联网大数据的车辆能耗评价方法 | |
CN117573667B (zh) | 一种煤矿井间数据优化清洗方法及系统 | |
CN109978059B (zh) | 一种原油蒸馏过程初馏塔冲塔故障预警方法 | |
CN116975768B (zh) | 一种肥料安全生产的数据异常检测方法 | |
CN117152926B (zh) | 基于数据分析的自动压力检测预警系统 | |
CN117411918A (zh) | 一种基于iot物联网的监控报警方法及系统 | |
CN111126490B (zh) | 一种基于深度随机森林的钢板板形异常识别方法 | |
CN116912061A (zh) | 基于大数据的土壤生态环境监测管理方法及系统 | |
CN116718638A (zh) | 一种基于电子鼻物联网的危险化学品检测方法和系统 | |
JPH06117600A (ja) | ガス、蒸気等の漏洩地点および漏洩量推定システム | |
CN115456482A (zh) | 一种基于XGBoost的化工企业风险分级方法 | |
CN113836813B (zh) | 一种基于数据分析的高炉风口漏水检测方法 | |
CN114021864A (zh) | 一种涉氨制冷企业重大风险辨识与实时动态风险评估方法 | |
CN117035230B (zh) | 一种基于大数据分析的污水处理设备运行状态评估方法 | |
CN117975372B (zh) | 一种基于YOLOv8和Transformer编码器相结合的工地安全检测系统及方法 | |
CN112861299A (zh) | 基于红外光谱主成分和神经网络的生物质氯含量测量与建模方法 | |
CN110991940A (zh) | 海洋观测数据产品质量在线检验方法、装置及服务器 | |
CN117007247B (zh) | 一种基于数据分析的化工气体泄露安全反馈系统及方法 | |
CN117826693B (zh) | 一种智慧油库监控预警系统及方法 | |
CN113159605B (zh) | 基于逻辑回归的化工装置智能化报警方法及系统 | |
CN117113259B (zh) | 用于安全隐患预测的煤矿状态数据处理方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A Data Anomaly Detection Method for Fertilizer Safety Production Granted publication date: 20231219 Pledgee: Rizhao Bank Co.,Ltd. Jining Rencheng sub branch Pledgor: SHANDONG AIFUDI BIOLOGY HOLDING Co.,Ltd. Registration number: Y2024980013336 |