基于模糊規(guī)則的數(shù)據(jù)異常檢測系統(tǒng)

周愛平，常 俊，陳為高，楊彥飛，杜垣江，賈子熙

(1.國家能源集團(tuán)煤炭運輸部，北京 100011；2.勝利能源公司工程部，沈陽 110000；3.中國神華煤炭管理部綜合處，北京 100011；4.中煤科工集團(tuán)沈陽設(shè)計研究院有限公司，沈陽 110000；5.東北大學(xué)機(jī)器人科學(xué)與工程學(xué)院，沈陽 110819)

0 引言

異常檢測(anomaly detection)是指利用數(shù)學(xué)概率計算或深度學(xué)習(xí)等機(jī)器學(xué)習(xí)的方法識別數(shù)據(jù)中的“異常點”。常用的異常檢測算法有：基于統(tǒng)計模型、基于距離、基于密度、基于聚類[1]的方法。但是這些方法通常只適用于低維空間的異常檢測，對于高維空間的異常檢測，通常表現(xiàn)較差。

在異常檢測方面，丁小歐等[2]針對多維時間序列數(shù)據(jù)，提出了一種基于序列相關(guān)性分析的多維時間序列異常檢測方法；王偉等[3]針對工業(yè)數(shù)據(jù)的異常檢測，提出了一種基于PU學(xué)習(xí)的工業(yè)控制系統(tǒng)異常檢測方法；李超等[4]對工業(yè)控制系統(tǒng)中的基于單類支持向量機(jī)異常檢測方法作了深入的研究。張仁斌等[5]對傳統(tǒng)k均值算法作了改進(jìn)，將改進(jìn)后的K-均值算法與傳統(tǒng)自回歸模型結(jié)合，對異常數(shù)據(jù)進(jìn)行檢測。

針對傳統(tǒng)機(jī)械生產(chǎn)領(lǐng)域中各種基礎(chǔ)設(shè)備的異常數(shù)據(jù)檢測及異常預(yù)警，本文提出了一種基于模糊規(guī)則的數(shù)據(jù)異常檢測系統(tǒng)框架，分為檢測和預(yù)測兩部分。對于異常檢測，預(yù)期效果是準(zhǔn)確率達(dá)到80%以上；對于異常預(yù)測，主要是在理論上進(jìn)行探索，嘗試根據(jù)歷史數(shù)據(jù)，以下一時刻的樣本標(biāo)簽為預(yù)期輸出，對數(shù)據(jù)進(jìn)行訓(xùn)練，嘗試發(fā)現(xiàn)數(shù)據(jù)中存在的異常趨勢特征。……