人工免疫算法在AETA异常检测中的应用研究

李柏杭，王新安，雍珊珊，徐伯星，黄继攀

(北京大学 深圳地震监测预测技术研究中心，广东 深圳 518055)

0 引 言

在实际工程应用中，对设备运行状态的刻画与描述往往是建立在对系统一系列参数的观测与分析基础之上的。因此，异常数据的识别问题可视为对观测到的时间序列中异常数据的发现与提取。随着异常检测理论及技术的发展，出现了各种异常信号检测方法，如基于时间序列的方法、基于神经网络的方法、基于模式识别的方法等。这些方法或需要数据有较好的时间连续性或需要大量正常/异常特征信号作为先验知识进行训练，而数据缺失和先验知识的获取难度限制了这些方法在实际检测中的应用[1]。

相比之下，人体免疫系统对异常的检测更多地依赖于对正常状态的经验累积，避免了对异常特征信号的收集。从系统的角度看，免疫系统是一个自组织、自适应的强鲁棒性系统。从信息处理的角度看，免疫系统是一个具有多样性识别能力的强大信息处理系统。自20世纪90年代起，越来越多研究人员模拟和应用人体免疫系统的信息处理能力以解决工程和科学问题，并逐渐形成了一种计算范式——人工免疫系统(artificial immune system，AIS)。人工免疫算法主要应用于模式识别、异常检测以及最优值求解。其中，异常检测是人工免疫算法最主要的应用领域。Timmis等[2-5]将人工免疫系统应用于模式识别领域并且指出AIS在异常值识别中的应用是可行且有效的。Hunt和Cooke[6]研究了基于AIS模型的无监督学习算法，并将其应用到DNA序列的分类任务中。……