融合离群点判别的稳态检测方法及其应用

针对可能含有离群点的过程数据,提出一种融合离群点判别的稳态检测(Steady StateIdentification,SSID)方法,即基于新型3δ法则离群点判别与自适应多项式滤波(Adaptive Poly-nomial Filtering,APF)稳态检测相结合的方法。该方法首先根据历史稳态数据自适应地确定滤波窗口的长度;然后针对过程数据离群点的特点,采用提出的新型3δ法则滤除并替换窗口数据中的离群点;通过对消除离群点的窗口数据进行多项式滤波,得到反映该窗口内数据变化特征的曲线,并根据曲线的特征判断过程是否处于稳态。仿真研究与实际应用表明:融合离群点判别的稳态检测方法克服传统稳态检测方法中离群点对稳态检测结果的影响,检测结果明显优于传统的APF方法。     

应用相似度测量的图离群点检测方法

针对传统离群点检测方法精确度不高的问题,提出了一种同时基于全局和局部视野综合考虑的离群点检测方法,并将其成功应用于事务图数据集的离群点检测。该方法利用极大公共频繁子图来测量任意两个事务图之间的相似度,提出利用基于公共近邻的裁剪方法对相似矩阵进行裁剪,通过计算数据结点的往返距离得出各个结点的离群值评分,弥补了传统基于稳态分布随机游走的离群点检测方法的缺陷。实验结果表明:该方法在事务图数据离群点检测方面的性能明显优于基于subdue的方法,精确度和错误报警率以及召回率提高了约10%。     

基于有权重超图模型的离群点发现

结合基于有权重支持度框架的关联规则挖掘方法和基于超图模型的离群点检测方法,给出了一种离群数据的改进定义,并通过一个简单的实例说明了这种离群数据的离群含义,且与原离群点定义做了比较,分析了新定义离群数据的应用价值.     

一种改进的离群点检测方法

现有的离群点检测算法运用于规模较大的数据集时,其时间效率和检测效果通常不够理想.通过对离群点分布特征的分析,在计算每个数据点到其kth最近邻对象距离的同时,结合其k最近邻的分布情况,给出一种改进的离群点度量方法.基于上述思想构造的离群点检测算法DokOF能够处理混合属性数据.实验表明,该算法具有良好的适用性和有效性.     

基于统计的自适应窗数据流离群点检测算法

使用滑动窗口的统计方法进行数据流离群点检测,是一种有效的在低纬度下进行离群点查找的方法,但是该法无法处理数据密度不均匀的数据流.据此提出一种自适应的基于统计的数据流动态检测算法.首先利用局部数据欧式空间中距离的数学期望和方差找到一个合适的k阶邻域,然后对这个k阶邻域内数据点的欧式距离和进行基于统计的离群点检测,实现自动适应数据流中稀疏段和稠密段的密度变化.理论和实验结果均表明,该算法可以有效地解决数据流离群点检测问题.     

一种基于目标函数的局部离群点检测方法

针对传统的基于密度的局部离群点检测算法对原始数据集没有进行预处理导致该算法在面对未知数据集时检测效果不理想,又由于其需要计算每一个数据点的离群因子,在数据量过多时,计算量大大增加的问题,通过对局部离群点检测算法的分析,提出了一种基于目标函数的局部离群点检测方法FOLOF(FCM objective function-based LOF).首先,使用肘部法则确定数据集的最佳聚类个数;然后,通过FCM的目标函数对数据集进行剪枝,得到离群点候选集;最后,利用加权局部离群因子检测算法计算候选集中每个点的离群程度.利用该方法在人工数据集和UCI数据集上进行了相关实验,并与其他相关方法进行了对比,结果显示,该算法能够提高离群点检测精度,减少计算量,有效提高离群点检测性能.     

基于梯度提升回归树的大数据集离群点挖掘模型构建①

为了提高大数据集离群点挖掘能力,提出基于梯度提升回归树的大数据集离群点挖掘模型,构建大数据集离群点的回归树分布模型,采用多维特征融合方法进行大数据集离群点的特征检测,提取大数据集离群点的空间区域分布特征量,采用梯度提升回归分析方法对提取的大数据集离群点特征进行模糊聚类处理,在聚类中心中实现对大数据集离群点数据的自适应融合和分布式检测,通过梯度提升回归树分析方法实现大数据集离群点挖掘。仿真结果表明,采用该方法进行大数据集离群点挖掘的准确性较高,抗干扰性较好,提高了大数据集离群点挖掘过程的收敛和控制能力。     

基于流形学习的离群点检测方法

为了提高高维数据集合离群数据挖掘效率,提出了一种基于流形学习的离群点检测算法。局部线 性嵌入（ locally linear embedding, LLE）算法是流形学习中有效的非线性降维方法,它的优势在于只定义唯一的 参数,即邻域数。根据LLE算法的思想寻找样本数据的内在嵌入分布,并通过邻域数选取和降维后数据点之 间的距离调整,提高了数据集中离群点发现效率,同时利用离群点权值判别式进行权值数据判定,根据权值 的大小标识出数据集中的离群点,仿真实验的结果表明了该方法能够有效地发现高维数据集中的离群点。 与此同时,该算法具有参数估计简单、参数影响不大等优点,该算法为离群点检测问题的机器学习提供了一 条新的途径。     

异构分布式环境中的并行离群点检测算法

离群点检测是数据挖掘领域研究的热点之一,主要目的是识别出数据集中异常但有价值的数据点. 随着数据规模不断扩大,使得处理海量数据的效率降低,随即引入分布式算法. 目前现有的分布式算法大都用于解决同构分布式的处理环境,但在实际应用中,由于参与分布式计算的处理机配置的差异,现有的分布式离群点检测算法不能很好地适用于异构分布式环境. 针对上述问题,本文提出一种面向异构分布式环境的离群点检测算法. 首先提出基于网格的动态数据划分方法（Gird-based Dynamic Data Partitioning,GDDP）,充分利用各处理机的计算资源,同时根据数据点的空间位置信息进行数据划分,可有效减少网络通信. 其次基于GDDP算法,提出了异构分布式环境中并行的离群点检测算法（GDDP-based Outlier Detection Algorithm,GODA）. 该算法包括2个阶段：在每个处理机本地,按照索引中数据点的顺序进行过滤,通过2次扫描得到离群点候选集;判断候选离群点需要进行网络通信的处理机,使用较低网络开销得出全局离群点. 最后,通过大量实验验证了本文提出的GDDP和GODA算法的有效性.     

数据分布特性对空调系统能耗预测的影响

空调系统能耗预测是实现智能调控、能源需求管理、系统节能的重要手段和前提之一,当前的空调系统能耗预测主要是基于机器学习算法。诸多机器学习算法的重要理论前提是数据的分布应尽量满足正态分布,然而空调系统的实际运行数据很少能满足正态分布特性,目前的研究鲜有涉及数据分布特性对空调系统能耗预测的影响。首先基于实际项目的空调系统能耗数据,从偏度和峰度两个指标分析了实际能耗数据分布与正态分布呈现出的偏离;然后通过对数变换对能耗数据进行数据变换,使能耗数据更接近于正态分布;接着以常见的4种能耗预测机器学习算法(广义线性回归算法、支持向量回归算法、人工神经网络算法、随机森林算法)对原始数据和经过数据变换后的数据分别进行空调系统能耗预测工作,分析负荷预测结果的RMSE和R~2统计量。结果对比发现,数据的分布特性对能耗预测有着重要的影响,合适的数据变换可以有效地提高空调系统能耗预测机器学习算法模型的预测效果。     

基于智能多级亮度的城乡路灯照明系统节能控制设计

在路灯照明控制系统中,维持特殊天气情况时光线强度对环境的平衡以及节能减耗是控制的目的,因此根据光强控制灯光的开灯率是控制系统设计过程中的重要环节．在分析了光照强度检测条件的前提下,提出了灰色理论的路灯照明多级亮度智能控制策略,解决了开灯率高和能源浪费的问题．     

能耗实时监测的数据挖掘方法

针对能耗监测常用的设定能耗阈值方法和基于历史数据的数据分析方法在实时性和智能性方面的不足,提出了一种基于数据挖掘技术的能耗实时监测方法。该方法通过对历史能耗数据进行聚类分析识别耗能体特有的能耗模式集合,对数据分类后获得能耗模式判定树,在能耗实时监测过程中对动态采集的能耗数据进行模式匹配,与相同模式历史数据进行离群点分析,可判别当前能耗是否异常。结合某综合大楼能耗数据进行了实验,验证了该方法及时发现能耗数据异常的有效性。     

利用发送速率调节无线传感器网络节点的能耗策略研究

无线传感器网络一般都采用节点逐跳转发方式进行数据传输,这一通信机制容易导致网络局部区域的节点能量消耗较快,进而导致整个网络过早死亡。根据无线传感器网络的数据传输特点建立了一种以节点跳数为基础的全新网络模型,通过分析网络的数据特征得到了节点承载的数据量模型,进而得出了传感器网络的能耗及其数据发送延迟。在此基础上,在保证应用延迟需求前提下,提出了网络寿命最大化的求解算法。这一算法通过依次降低能耗较高节点的数据发送速率来降低其能耗,同时通过升高能耗较低节点的数据传输率,最终取得最高效率的网络参数。通过理论分析、模拟实验结果及与其他算法效果的比较,文章所提出的解决法案可在很大程度上有效延长网络寿命。     

基于大数据的服刑人员危险性预测

在对监狱服刑人员再犯罪预测与危险性评估应用现状进行分析的基础上,提出了一种基于大数据的监狱服刑人员危险性识别与预测架构体系.在该体系的模型层,针对不同的价值密度、不同的数据类型,重点对架构中的统计模型、离群点检测模型、集成分类模型在服刑人员危险性识别与预测中的应用算法进行了描述,尤其是使用R软件包实验了服刑人员危险性集成分类识别与预测,并给出了分类预测误差.基于大数据的服刑人员危险性识别与预测体系可实现对服刑人员危险性的个性化、精准化预警,为大数据时代监狱的监管安全提供了可靠保障.     

我国能源消费结构的现状及其优化

能源消费结构是否合理是衡量一个国家和地区经济发展状况的重要指标,同时也是评判一个国家经济发展是否具有可持续性的重要指标.我国是个"富煤、少油、短气"的国家,这就导致长期以来我国能源消费以煤炭为主,能源消费结构不够合理.以煤炭为主的能源消费结构带来一系列负面效应,最主要的是造成了环境污染;油气短缺极大地抬高了我国能源的对外依存度,对我国的能源安全造成极大危害;可再生能源具有非常广阔的前景,但体制、技术和成本等障碍重重.要优化我国能源消费结构,首先要立足我国煤炭资源丰富的现实,确立煤炭在我国能源消费结构中的基础地位,既要降低煤炭在能源消费结构中的比重,更要以不断降低终端能源消费中直接消费煤炭的比重为主要目标,通过运用洁净煤技术及煤变油等,使煤成为清洁能源;其次要大力发展油气产业,减轻我国油气的对外依存度;再次要高度重视可再生能源的开发和利用,通过改革体制、改进技术、降低成本等为可再生能源的大力开发和广泛运用创造良好环境.     

中国东部经济增长的驱动因素及其差异性分析

运用扩展的Cobb—Douglas生产函数,分析了区域经济增长的驱动因素,并基于东部11省市的面板数据,采用变系数的SUR统计方法进行研究。结果显示：①能源消费对经济增长的作用显著,但存在区域差异;②资本投入对经济增长存在滞后影响,经济增长不仅受资本投入总量的影响也受到投入结构的影响;③以能源强度表征的技术进步是经济增长的主导因素,认为能源技术进步不仅有利于减少能源消耗,而且还可以促进经济的增长,能源密集型向资本密集型和技术密集型的转变,是东部地区可持续发展的必然趋势。     

中国能源电力安全保供风险预警体系建设

在全球能源绿色低碳转型和碳达峰碳中和目标约束下，我国能源电力供应安全面临许多新挑战，迫切需要建立能源电力安全保供风险预警体系，增强能源系统平稳运行能力。本文首先分析了我国能源电力安全保供风险预警面临的新形势，总结了主要发达国家和地区构建能源电力安全保供风险预警体系的经验；其次，在综述国内外能源电力安全保供预警体系研究进展基础上，提出了能源电力安全保供风险预警体系的内涵、核心要素与特征；最后，分析了构建我国能源电力安全保供预警体系面临的问题与挑战，并提出了建设我国能源电力安全保供预警体系的关键举措建议。     

酒店建筑能耗及空调系统节能潜力分析

使用eQUEST能耗模拟软件模拟了天津市某酒店建筑的用能情况.首先,根据酒店原设计方案模拟酒店能耗,与该酒店的实际能耗进行比对,从而验证模型的可靠性;然后,根据主机占空调系统能耗较大（占47.42％）的特点,采用不同的冷热源方案分析酒店的节能潜力.研究结果表明,与原方案（冷水机组＋地热）相比,地源热泵技术方案可节省21.37％的主机能耗;吸收式制冷技术方案和冰蓄冷技术方案的主机能耗虽比原方案有所增加,但在结合当地实际情况（废热利用、峰谷电价）后,更能体现出两种方案各自的优越性.     

基于Modbus协议的PLC多路温度控制系统的实现

介绍了一种高性价比的多路温度检测、控制系统,系统基于Modbus通信协议,以主从方式实现西门子S7-200PLC主站与SS7-16RTD型热电阻输入组件从站的实时温度数据传输,完成加热系统的温度控制和数据显示.文中给出了系统软、硬件实现方法,该系统已在多个实际工程中成功应用.     

能源管理系统在大型铁路枢纽站的应用研究

以上海虹桥铁路枢纽站为例,对其用于冷热源系统、空调系统、照明系统、引导显示、电梯等重点用能系统集中调度的能源监控系统(EMS)进行了介绍,目的在于使大型铁路枢纽能源管理与能源使用结合起来,运用先进的数据处理与分析技术,进行耗能设备的用能分析与管理,并促使铁路能源管理部门有针对性的开展能源使用管理统计报表分析、平衡分析、实绩管理、预测分析等。通过该系统对铁路枢纽站耗能设备与设施数据的采集、存储和分析,实现了能耗和能效数据的分类、分项、分区对比,找出了其重点用能系统中的无效能耗和节能空间,提高了能源利用效率。根据铁路枢纽站统计的电能消耗数据,预计节能达15%以上。