版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、冶金工業(yè)能源系統(tǒng)結(jié)構(gòu)復(fù)雜、能源介質(zhì)種類(lèi)繁多、涉及設(shè)備種類(lèi)多,現(xiàn)場(chǎng)數(shù)據(jù)對(duì)能源系統(tǒng)的安全性與穩(wěn)定性有重要的指導(dǎo)意義。然而由于工業(yè)數(shù)據(jù)采集與監(jiān)測(cè)系統(tǒng)的不穩(wěn)定及易受干擾等特點(diǎn),采集到的數(shù)據(jù)常存在異常,而異常數(shù)據(jù)的存在會(huì)影響基于數(shù)據(jù)的模型的建立效果,進(jìn)而可能會(huì)對(duì)現(xiàn)場(chǎng)的能源系統(tǒng)平衡調(diào)度人員產(chǎn)生錯(cuò)誤的引導(dǎo)。目前生產(chǎn)現(xiàn)場(chǎng)往往依靠操作人員的個(gè)人生產(chǎn)經(jīng)驗(yàn)進(jìn)行數(shù)據(jù)異常的判斷,而諸多形式的海量數(shù)據(jù)使得人工判斷方法變得不現(xiàn)實(shí)。
本文根據(jù)鋼鐵企業(yè)的能源系
2、統(tǒng)數(shù)據(jù)特性,將數(shù)據(jù)異常歸結(jié)為類(lèi)周期數(shù)據(jù)趨勢(shì)異常與一般穩(wěn)定數(shù)據(jù)偏離點(diǎn)異常兩大類(lèi),提出基于自適應(yīng)模糊聚類(lèi)(Adaptive Fuzzy C-meansClustering,AFCM)的異常數(shù)據(jù)檢測(cè)方法。對(duì)于第一種數(shù)據(jù)趨勢(shì)異常,提出基于動(dòng)態(tài)時(shí)間彎曲(Dynamic Time Warping,DTW)的序列伸縮方法,該方法在保持序列樣本間相似性對(duì)應(yīng)關(guān)系的基礎(chǔ)上對(duì)劃分得到的樣本進(jìn)行維度統(tǒng)一,然后結(jié)合AFCM進(jìn)行異常檢測(cè)。對(duì)于第二種一般穩(wěn)定數(shù)據(jù)的偏
3、離點(diǎn)檢測(cè),本文提出一種K最近鄰AFCM(K NearestNeighbors AFCM,KNN-AFCM)算法,該算法通過(guò)引入序列點(diǎn)鄰近值信息與樣本權(quán)重系數(shù)來(lái)檢測(cè)穩(wěn)定數(shù)據(jù)的局部異常。
為驗(yàn)證所提方法的有效性,選取我國(guó)某鋼鐵企業(yè)能源系統(tǒng)中的實(shí)際數(shù)據(jù)進(jìn)行驗(yàn)證實(shí)驗(yàn)。首先將本文所提方法與其它兩種方法進(jìn)行對(duì)比實(shí)驗(yàn)以驗(yàn)證其檢測(cè)效果,之后討論了部分參數(shù)選取對(duì)檢測(cè)結(jié)果的影響。除此之外,針對(duì)第二種數(shù)據(jù),通過(guò)實(shí)驗(yàn)驗(yàn)證了樣本權(quán)重系數(shù)的作用及必要性。
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于正常簡(jiǎn)檔聚類(lèi)的自適應(yīng)異常檢測(cè)技術(shù)研究.pdf
- 基于模糊聚類(lèi)算法的自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)研究.pdf
- 自適應(yīng)模糊C-均值聚類(lèi)算法研究.pdf
- 基于小波變換和模糊聚類(lèi)的自適應(yīng)水印嵌入方法.pdf
- 自適應(yīng)判別降維模糊聚類(lèi)算法研究.pdf
- 基于自適應(yīng)聚類(lèi)算法的DDoS攻擊檢測(cè)方法研究.pdf
- 自適應(yīng)微分進(jìn)化模糊聚類(lèi)分割算法研究.pdf
- 基于特征降維與模糊聚類(lèi)的自適應(yīng)點(diǎn)云壓縮研究.pdf
- 關(guān)聯(lián)數(shù)據(jù)自適應(yīng)模糊聚類(lèi)與帶鋼板形前饋控制.pdf
- 復(fù)雜網(wǎng)絡(luò)中基于數(shù)據(jù)場(chǎng)的自適應(yīng)聚類(lèi)算法研究.pdf
- 基于密度的聚類(lèi)和異常檢測(cè).pdf
- 基于聚類(lèi)的異常入侵檢測(cè)技術(shù)
- 基于自適應(yīng)聚類(lèi)算法的小群體檢測(cè)與跟蹤.pdf
- 基于秩約束的自適應(yīng)聚類(lèi)方法.pdf
- 基于聚類(lèi)的數(shù)據(jù)流異常檢測(cè)算法的研究.pdf
- 基于DBSCAN的自適應(yīng)聚類(lèi)算法研究.pdf
- 基于自適應(yīng)行聚類(lèi)的自然場(chǎng)景文字檢測(cè)算法研究.pdf
- 基于模糊C-均值聚類(lèi)與模糊支持向量機(jī)的自適應(yīng)圖像分割算法.pdf
- 基于自適應(yīng)聚類(lèi)的中文自動(dòng)文摘研究
- 基于聚類(lèi)的異常入侵檢測(cè)技術(shù).pdf
評(píng)論
0/150
提交評(píng)論