1.一种水文遥测实时数据异常检测方法,其特征在于:包括以下步骤:步骤1:获取水文遥测站的原始时间序列,采用分段聚集近似方法对原始时间序列进行划分,得到多个子序列,计算每个子序列的特征;
步骤2:基于每个子序列的特征,采用I‑Leader聚类方法对所有子序列进行聚类,得到聚类结果;
步骤3:根据聚类结果,判断数据异常;
其中,所述步骤2具体包括以下子步骤:S210:将第一个子序列放入第一个簇中,并作为第一个簇的质心;
S220:计算第二个子序列到第一个簇的距离,若距离小于等于阈值,则将第二个子序列聚类到第一个簇中,并进行簇质心更新,否则创建第二个簇,将第二个子序列聚类到第二个簇中,并进行簇质心更新;
计算第三个子序列到第一个簇的距离,若距离小于等于阈值,则将第三个子序列聚类到第一个簇中,并进行簇质心更新,否则计算第三个子序列到第二个簇的距离,若距离小于等于阈值,则将第三个子序列聚类到第二个簇中,并进行簇质心更新,否则创建第三个簇,将第三个子序列聚类到第三个簇中,并进行簇质心更新;
以此类推,直至所有子序列都被放入簇中;
S230:将所有簇分为带有“未满”标签的簇和带有“良好”标签的簇,并将带有“未满”标签的簇合并至与之距离最近的带有“良好”标签的簇中,得到聚类结果。
2.根据权利要求1所述的一种水文遥测实时数据异常检测方法,其特征在于:步骤1中,所述的采用分段聚集近似方法对原始时间序列进行划分,得到多个子序列,具体包括:采用分段聚集近似方法对原始时间序列从后向前进行划分,得到等长的子序列,定义等长的子序列长度为窗口长度,若在划分过程中最前面的数据长度小于窗口长度,则放弃该段数据。
3.根据权利要求1所述的一种水文遥测实时数据异常检测方法,其特征在于:所述特征包括结构特征和统计特征。
4.根据权利要求3所述的一种水文遥测实时数据异常检测方法,其特征在于:采用子序列的均值和平方差作为其统计特征,采用子序列的斜率作为其结构特征,每组子序列的特征的值域规范在0至1之间。
5.根据权利要求1所述的一种水文遥测实时数据异常检测方法,其特征在于:S220中,根据下式进行簇质心更新:
其中,MassCentrei是第i个簇原本的质心;NewMassCentrei是添加完新的子序列之后第i个簇的质心;Ci是新分配给第i个簇的子序列,m是第i个簇中原本的子序列的数量。
6.根据权利要求1所述的一种水文遥测实时数据异常检测方法,其特征在于:S250中,根据下式将所有簇分为带有“未满”标签的簇和带有“良好”标签的簇:式中,m为聚类的簇的个数,μβ为均值,σβ为所有聚类的β值分布的标准偏差,βi=n/N,N代表所有数据的个数,i代表聚类形成的m个簇中的第i个簇,n代表第i个簇里面的数据的个数。
7.根据权利要求1所述的一种水文遥测实时数据异常检测方法,其特征在于:S250中,根据下式计算带有“未满”标签的簇与带有“良好”标签的簇的距离:式中,x为带有“未满“标签的簇的质心;NewCentrei是带有“良好”标签的簇的质心;m为带有“良好”标签的簇的个数。
8.根据权利要求1所述的一种水文遥测实时数据异常检测方法,其特征在于:所述步骤
3具体包括:根据聚类结果,计算所有簇中所有对象的异常因子,将计算出的异常因子按照从大到小的顺序排列,将前k个对象判断为异常。
9.根据权利要求1所述的一种水文遥测实时数据异常检测方法,其特征在于:所述步骤
3具体包括:根据聚类结果,将所有的簇按照从大到小的顺序排列,根据公式(8)将簇分为大小簇,将大簇称为LS,小簇称为SS:式中,α为参数,C={C1,C2,C3…Cm}表示在数据集S上的聚类的结果,Ci表示第i个簇,S表示数据集,k、m、i表示表示序列;计算所有小簇中所有对象的异常因子,将计算出的异常因子按照从大到小的顺序排列,将前k个对象判断为异常。
10.根据权利要求8所述的一种水文遥测实时数据异常检测方法,其特征在于:根据式(9)计算异常因子:
式中,p表示该簇中第p个子序列。