数据驱动的异常检测与预警问题

李颖莹 郭亦可 蔡艺茗

华北水利水电大学 河南 郑州 450045

1 研究背景

推动生产企业高质量发展,最根本的底线是保证安全、防范风险,而生产过程中产生的数据能够实时反映潜在的风险。在工厂一天的生产中,各物理量不可能保持恒定不变,其观测数值必将产生波动,这可能是电机设备的功率浮动、车间气温变化亦或是供电电压产生跌落导致的,也可能是传感器自身精度所致。温度、浓度、压力等与安全密切相关的数据的波动十分重要,对其数据波动的判定和预测值得深入研究。

2 数学模型假设

假设1:数据库内的所有数据都是真实有效的;

假设2:假设某一类事件出现频率较多时,该事件的某个属性对应的参数分布概率可用同类事件中该参数出现的频率近似表示;

假设3:忽略主成分分析中次要成分带来的微小影响;假设4:假设传感器的精度保持不变

3 数据预处理

考虑到数据库的数据庞大,首先对数据进行归一化预处理,将这些数据转为[0,1]之间的数,可以消除数据因大小不一而造成的偏差。数据的归一化有很多方法,本文采用最大最小法对传感器的数据进行归一化处理。数据进行归一化的公式如下所示:

4 模型的建立与求解

4.1 对数据进行主成分分析

考虑到数据集中传感器有100组数据,过多的数据量对分析造成了影响,故选用主成分分析法进行分析,并对指标进行聚类。现有由100个样本作为行（行数为n）,5519个指标作为列（列数为p）而组……