[發(fā)明專利]一種基于分布式在線主成分分析的空氣質(zhì)量異常檢測方法

有效

• 申請?zhí)枺?/td>: 201810129053.1
• 申請日: 2018-02-08
• 公開（公告）號: CN108490115B
• 公開（公告）日: 2020-06-05
• 發(fā)明（設計）人: 李春光;苗雪丹;王濤
• 申請（專利權）人: 浙江大學
• 主分類號: G01N33/00
• 分類號: G01N33/00
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 林超

本發(fā)明公開了一種基于分布式在線主成分分析的空氣質(zhì)量異常檢測方法。獲取城市的已知空氣污染物濃度數(shù)據(jù)，設計分布式在線主成分分析模型，采用基于分布式在線主成分分析模型的空氣質(zhì)量異常檢測方法對空氣污染物濃度數(shù)據(jù)進行處理獲得判斷結果，從而對空氣質(zhì)量進行異常檢測。本發(fā)明能便捷地預測某一范圍內(nèi)的整體空氣質(zhì)量，能夠抑制異常訓練數(shù)據(jù)帶來的影響，起到去噪作用，處理速度更快，用時更短。

技術領域

本發(fā)明屬于分布式信號處理、機器學習以及異常檢測領域，特別是涉及一種基于分布式在線主成分分析的空氣質(zhì)量異常檢測方法。

背景技術

主成分分析(Principal Component Analysis，簡稱PCA)是一種常用的無監(jiān)督降維方法。通過PCA能夠得到數(shù)據(jù)分布的主要方向。常規(guī)的PCA通過構造數(shù)據(jù)協(xié)方差矩陣并計算其特征向量來實現(xiàn)主成分分析過程。這些特征向量是原始數(shù)據(jù)空間中含信息量較多的方向，因此被視為主要成分或主要方向。對于常規(guī)的PCA而言，一般需要獲得全部的原始數(shù)據(jù)，生成原始數(shù)據(jù)的協(xié)方差矩陣。顯然主成分分析方法可以應用于異常檢測領域，通過分析得到訓練數(shù)據(jù)的主要成分，然后根據(jù)主要成分判斷測試數(shù)據(jù)是否異常。

在實際中，用于異常檢測的數(shù)據(jù)可以通過無線傳感器網(wǎng)絡(wireless sensornetworks，簡稱WSNs)來進行采集。例如，利用氣體傳感器組成的傳感器網(wǎng)絡測量空氣中污染物的濃度。一般來說，衡量空氣質(zhì)量的主要指標是空氣中主要污染物，即SO₂、NO₂、CO、PM10、PM2.5和O₃的濃度。可以通過氣體傳感器分散地測量空氣中各個污染物的濃度，然后通過合理的計算確定最終的空氣質(zhì)量。在這種情況下，數(shù)據(jù)是分散地被多個傳感器節(jié)點采集的，因此常規(guī)PCA利用數(shù)據(jù)協(xié)方差矩陣求解主成分的方法顯然是不太合適的。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對數(shù)據(jù)是分布式采集的這樣一種實際情況，提出一種基于分布式在線主成分分析的空氣質(zhì)量異常檢測方法，通過不需要數(shù)據(jù)協(xié)方差矩陣的分布式在線主成分分析方法進行空氣質(zhì)量數(shù)據(jù)的異常檢測。

如圖1所示，本發(fā)明所采用的技術方案具體包括如下步驟：

(1)獲取城市的已知空氣污染物濃度數(shù)據(jù)；

(2)設計分布式在線主成分分析模型；

(3)采用基于分布式在線主成分分析模型的空氣質(zhì)量異常檢測方法對待測空氣污染物濃度數(shù)據(jù)進行處理獲得該城市的判斷結果，從而對空氣質(zhì)量進行異常檢測。

所述步驟(1)的城市的已知空氣污染物濃度數(shù)據(jù)是包括某一城市在某一時間段內(nèi)的每日多地點空氣污染物濃度數(shù)據(jù)。

具體實施中，將得到的空氣污染物濃度數(shù)據(jù)分成訓練所用空氣污染物濃度數(shù)據(jù)及測試所用空氣污染物濃度數(shù)據(jù)。

具體實施中可在環(huán)保部數(shù)據(jù)中心及相關的網(wǎng)站上獲得空氣污染物濃度數(shù)據(jù)，例如在青悅開放環(huán)境數(shù)據(jù)中心獲得杭州市每日空氣污染物濃度的歷史數(shù)據(jù)。

所述的空氣污染物濃度數(shù)據(jù)是由傳感器網(wǎng)絡采集獲得的，傳感器網(wǎng)絡是由分布于不同地點的傳感器節(jié)點用無線/有線方式互相連接而組成，每兩個傳感器節(jié)點具有直接/間接通信連接關系，每個傳感器節(jié)點采集獲得各自監(jiān)測范圍的空氣污染物濃度數(shù)據(jù)，每個傳感器節(jié)點均能接收其他所有鄰居傳感器節(jié)點依據(jù)所采集到的空氣污染物濃度數(shù)據(jù)計算出的每個時刻的特征矩陣信息。

所述的步驟(2)具體建立以下公式表示的傳感器節(jié)點的目標函數(shù)作為分布式在線主成分分析模型(doPCA模型)：