基于EEMD的水资源监测数据异常值检测与校正

发布时间：2018-01-04 08:14

  本文关键词：基于EEMD的水资源监测数据异常值检测与校正　出处：《农业机械学报》2017年09期 　论文类型：期刊论文

  更多相关文章： 水资源 监测数据 异常值 集成经验模态分解 中位数 分段曲线拟合

【摘要】：提出利用中位数法与集成经验模态分解(EEMD)相结合的方法对时间序列数据的异常值进行检测,首先通过中位数法对明显异常的数据进行初步筛选,再用EEMD对剩余数据进行分解,通过叠加低频分量可以拟合出大多数数据的整体变化趋势,而不受异常值的影响,从而根据偏差比率可有效检测出异常值。然后根据异常值检测后的时间序列数据的凹凸性变化趋势,用分段曲线拟合对异常值校正。最后,以H1自来水厂的日取水量数据为例进行实证分析。结果表明:提出的中位数法与EEMD相结合的方法能够有效地检测异常值,校正后得到的数据能够真实反映该水厂取用水情况,可为后续分析提供更加真实可靠的数据。
[Abstract]:The decomposition using median method and ensemble empirical mode (EEMD) combined with the method of time series data outlier detection, first through the median method used for preliminary screening of abnormal data, then EEMD of the remaining data is decomposed by superimposing the low frequency components can be fitted with the overall change trend of most of the data, but not influence the abnormal value, according to the deviation ratio can effectively detect outliers. Then according to the abnormal value of convex trend time series data after detection, correction of abnormal value by piecewise curve fitting. Finally, in order to tap water plant water on H1 data for empirical analysis. The results show that the method median method EEMD with the combination of proposed can effectively detect outliers, the corrected data can reflect the water intake of water, can be provided for the subsequent analysis More truthful and reliable data.

【作者单位】： 中国航天系统科学与工程研究院研究生部;中国水利水电科学研究院水资源研究所;湖南农业大学理学院;水利部水资源管理中心;
【基金】：国家自然科学基金委员会-广东联合基金项目(U1501253) 广东省省级科技计划项目(2016B010127005)
【分类号】：TV213.4
【正文快照】： 引言水资源是人类社会赖以生存和发展的基本条件,是一个国家经济社会发展的重要战略资源。2011年中央1号文件和中央水利工作会议明确要求实行最严格水资源管理制度。为支撑最严格水资源管理制度更好地实施,2012年国家启动了水资源监控能力建设项目[1-2]。在此之前,国家也已开，

本文编号：1377775