文献

J-GLOBAL ID：201302286019654945   整理番号：13A1235431

プロセス工業の時系列のためのモデルベースの異常値検出法

Model-based outlier detection method for time series of process industry

著者 (4件)： Su Weixing (Shenyang Inst. of Automation,Chinese Acad. of Sciences, Shenyang) ,  Zhu Yunlong (Shenyang Inst. of Automation,Chinese Acad. of Sciences, Shenyang) ,  Hu Kunyuan (Shenyang Inst. of Automation,Chinese Acad. of Sciences, Shenyang) ,  Liu Fang (School of Information Sci. & Engineering,Northeastern Univ., Shenyang)
資料名： Yiqi Yibiao Xuebao  (Yiqi Yibiao Xuebao)
巻： 33  号： 9  ページ： 2080-2087  発行年： 2012年 
JST資料番号： C2448A  ISSN： 0254-3087  CODEN： YYXUDY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 時系列のための異常値検出は時系列データマイニング研究における重要で基本的研究である。プロセス工業の制御方式における膨大な時系列異常値検出要求を満たすために,簡易迅速オンライン異常値検出法を提示する。それは重要視されない後部項比判定法に基づいている。方式は「偏差」ベースのテストアイデアと統計理論を組み合わせる。ロウデータをデータベースのロバストモデル化技法で適合させて,当てはめ残差を得て,統計ベースの方式で次に当てはめ残差を分析して,データが異常値であるかどうか判断する。オンライン検出要求を実現するために,2重窓構造を導入して改善する。合理的に未知パラメータのための事前分布とジャンルの細分化処理を選択することは,パラメータ数を効果的に減少させるので,方式のアベイラビリティを改善する。シミュレーション結果は,提案方法には時系列のオンライン異常値検出のための優れた精度と実用性があることを実証した。Data from the ScienceChina, LCAS. Translated by JST

シソーラス用語： *プロセス工業 ,  データベース ,  異常値 ,  検出法 ,  データマイニング ,  アベイラビリティ ,  シミュレーション ,  分布
準シソーラス用語： モデルベース ,  時系列データマイニング ,  事前分布

分類 (1件)： システム設計・解析  (IA02030D)

タイトルに関連する用語 (5件)： プロセス ,  工業 ,  時系列 ,  モデルベース ,  異常値検出