期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到78篇文章
< 1 2 … 4 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于MDS-LOF的锂离子电池双层阈值故障诊断 认领 引用
1
作者 刘光军 汪圣奇 +1 位作者 杨达 吴铁洲 《电池》 CAS 北大核心 2026年第2期376-384,共9页
构建覆盖电压异常的可靠电池故障检测方法十分重要。利用真实运行的故障车辆数据,提出一种多维尺度放缩降维(MDS)-局部离群因子(LOF)的锂离子电池双层阈值故障诊断方法。首先,利用小波包阈值去噪去除原始电压的噪声信号;其次,利用绝对... 构建覆盖电压异常的可靠电池故障检测方法十分重要。利用真实运行的故障车辆数据,提出一种多维尺度放缩降维(MDS)-局部离群因子(LOF)的锂离子电池双层阈值故障诊断方法。首先,利用小波包阈值去噪去除原始电压的噪声信号;其次,利用绝对中值平均偏差(MMD)放大电池的微小故障特征,并使用基尼系数结合第一层阈值检测故障时间;最后,提出一种融合MDS与LOF算法,并结合第二层阈值精准定位故障电池的方法,可区分正常电池与故障电池之间的差异。与香农熵、孤立森林方法相比,该方法在不同工况下均保持更高的检测精度与更早的预警时间,表现出优异的适应性。 展开更多
关键词 锂离子电池 多维尺度放缩降维(MDS)-局部离群因子(LOF)模型 故障诊断 双层阈值
暂未订购 下载PDF
融合时空聚类和ILOF的混凝土坝变形异常值识别方法 认领 引用 被引量：1
2
作者 金思彤 欧斌 +3 位作者 魏明芳 李嘉豪 李梦华 傅蜀燕 《人民长江》 北大核心 2026年第5期236-244,共9页
针对传统大坝变形监测数据异常值识别方法难以表征各测点异常值时空关联的问题,提出了一种融合时空聚类和改进的局部离群因子(ILOF)的混凝土坝变形异常值识别方法。首先,融合最大最小距离法与动态时间规整(DTW)算法,构建时空综合距离度... 针对传统大坝变形监测数据异常值识别方法难以表征各测点异常值时空关联的问题,提出了一种融合时空聚类和改进的局部离群因子(ILOF)的混凝土坝变形异常值识别方法。首先,融合最大最小距离法与动态时间规整(DTW)算法,构建时空综合距离度量模型;其次,采用K-Means算法实现测点时空聚类分区;再次,在各分区内选取代表性测点,结合基于加权马氏距离改进LOF算法进行异常值识别;最后,通过分析测点的环境相关性变化来验证该方法的有效性。在锦屏一级拱坝变形监测中的应用表明:不同程度的异常值干扰下,该方法查全率达93.02%,查准率达88.54%,准确率达96.54%;识别准确率较传统LOF、K-Means-LOF及基于DTW的识别方法均有所提升。该方法通过深度挖掘监测数据的时空关联特征,显著提升了异常值识别精度,为大坝安全监测数据的质量控制提供了有效技术支撑。 展开更多
关键词 大坝安全监测 异常值识别 时空聚类分区 加权马氏距离 局部离群因子(LOF) 锦屏一级拱坝
暂未订购 下载PDF
基于SIP-LOF算法的地形变仪器监测数据异常识别方法 认领 引用 被引量：1
3
作者 冯晓晗 杨江 《地震工程学报》 CSCD 北大核心 2026年第1期242-250,共9页
为进一步检测地形变仪器的异常数据,提升仪器数据可用率及运维人员故障初步判别效率,文章提出一种基于数据挖掘的序列重要点-局部异常因子(SIP-LOF)算法。将地形变仪器的原始观测序列分割成子序列,通过计算序列中每个点的离群距离和局... 为进一步检测地形变仪器的异常数据,提升仪器数据可用率及运维人员故障初步判别效率,文章提出一种基于数据挖掘的序列重要点-局部异常因子(SIP-LOF)算法。将地形变仪器的原始观测序列分割成子序列,通过计算序列中每个点的离群距离和局部异常因子等,判断该数据点是否为离群点,进而量化每个数据点的异常程度,实现对前兆形变观测中自然干扰、设备故障、地震前兆等典型事件的异常检测。研究结果表明,相较于传统方法,该方法针对多个台站前兆数据的异常检测均有较好的检测效果,异常类型覆盖面更广;并且,当LOF限值为2.5时平均异常判定准确率最高,对前兆数据的处理工作具有积极意义。 展开更多
关键词 观测数据 典型事件 异常检测 局部异常因子
暂未订购 下载PDF
基于LOF-KF-WOA优化模糊PID的带钢酸洗温度控制系统 认领 引用 被引量：5
4
作者 王力 辛宇罡 +3 位作者 杨洪凯 张磊 何松霖 杨武全 《轧钢》 北大核心 2025年第5期142-149,183,共8页
针对带钢酸洗温度控制过程中,模糊PID易受噪音干扰、模糊规则匹配性差及系统适应性降低等问题的影响,本文提出了一种基于局域离群因子(Local Outlier Factor,LOF)、卡尔曼滤波(Kalman Filter,KF)与鲸鱼优化算法(Whale Optimization Algo... 针对带钢酸洗温度控制过程中,模糊PID易受噪音干扰、模糊规则匹配性差及系统适应性降低等问题的影响,本文提出了一种基于局域离群因子(Local Outlier Factor,LOF)、卡尔曼滤波(Kalman Filter,KF)与鲸鱼优化算法(Whale Optimization Algorithm,WOA)优化模糊PID的控制策略。首先,应用LOF与平均值法检测并修正传感器的异常温度值,减小异常值对系统的影响;然后,通过KF对多组传感器数据融合,降低噪音和扰动的影响;最后,采用WOA优化模糊PID,减少对人工经验的依赖并提升温度控制的精准度。通过系统仿真软件验证,本方案与常规PID控制、模糊PID控制相比,调节时间缩短了30.2%和17.3%,超调量减少了2.56%和1.88%,同时在准确性、鲁棒性和扰动过滤方面均显著提升,优化了带钢酸洗过程中的温度控制的整体效果。本研究不仅对保证酸洗过程可持续性、提升生产效率及降低成本具有重要意义,还为其他领域PID控制系统的改进提供了有价值的参考。 展开更多
关键词 带钢酸洗 温度控制 局部离群因子 卡尔曼滤波 鲸鱼优化算法 模糊PID 数据融合
暂未订购 下载PDF
基于近红外光谱和LOF的蛋清粉非定向掺杂鉴别研究 认领 引用
5
作者 祝志慧 李沃霖 +4 位作者 韩雨彤 叶文杰 金永涛 王巧华 马美湖 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2025年第6期1768-1775,共8页
蛋清粉的掺杂鉴别技术对保障蛋粉质量安全具有重要意义,然而目前传统的生物分子检测方法存在操作复杂且耗时长的问题,且针对蛋清粉的掺杂鉴别模型仍主要为定向鉴别模型,其检测范围有限,无法有效覆盖所有可能的掺杂物质,亟需开发一种快... 蛋清粉的掺杂鉴别技术对保障蛋粉质量安全具有重要意义,然而目前传统的生物分子检测方法存在操作复杂且耗时长的问题,且针对蛋清粉的掺杂鉴别模型仍主要为定向鉴别模型,其检测范围有限,无法有效覆盖所有可能的掺杂物质,亟需开发一种快速、准确、泛用的蛋清粉掺杂鉴别方法。该研究引入近红外光谱检测技术,构建了LOF非定向鉴别模型。该模型是一种无监督单分类模型,且在原模型基础上加入MSC预处理和CARS波长筛选处理,提高模型提取光谱特征的能力,减少噪声干扰,降低模型计算量。试验结果表明,LOF非定向鉴别模型针对掺杂蛋清粉的检测率可达到93.6%,其准确率、精确率、召回率、F1分数分别达到了93.6%、95.5%、93.6%、94.5%,针对掺杂浓度超过15%的蛋清粉,可达到100%的检测率,两种测试集的总准确率(AAR)均为93.6%,平均检测时间(AATS)可达到0.0011 s;与其他非定向算法相比具有更高的精度,且相比于传统的定向模型泛用性更强,更适合应用于市面上掺杂种类繁杂的蛋清粉掺杂鉴别。该研究可为后续开发针对蛋粉质量检测的便携式近红外光谱检测仪提供一定的科学基础。 展开更多
关键词 蛋清粉 近红外光谱 真实性检测 局部离群因子检测算法 非定向检测
暂未订购 下载PDF
基于LOF-EEMD-LSTM模型的污水水质预测研究 认领 引用 被引量：1
6
作者 游旭 陈会娟 余昭旭 《自动化仪表》 CAS 2025年第2期51-56,共6页
为了精准预测污水中溶解氧(DO)浓度值,通过局部异常因子(LOF)算法对深圳某污水处理厂5个月的数据进行分析。利用集合经验模态分解(EEMD)-长短期记忆(LSTM)神经网络模型,对曝气控制系统的出水水质影响较大的DO浓度进行准确预测。首先,通... 为了精准预测污水中溶解氧(DO)浓度值,通过局部异常因子(LOF)算法对深圳某污水处理厂5个月的数据进行分析。利用集合经验模态分解(EEMD)-长短期记忆(LSTM)神经网络模型,对曝气控制系统的出水水质影响较大的DO浓度进行准确预测。首先,通过LOF算法剔除数据中的异常值。然后,使用EEMD算法筛选出输入数据中强相关的特征子序列。最后,将特征子序列输入LSTM模型中以得到DO预测值。试验结果表明,LOF-EEMD-LSTM模型的准确率可达95.4%、平均绝对误差(MAE)为0.036、均方误差(MSE)为0.0038、均方根误差(RMSE)为0.0614、平均绝对百分比误差(MAPE)为0.046。以上指标相比于反向传播(BP)神经网络、随机森林、LSTM、LOF-LSTM、EEMD-LSTM和变分模态分解-最小二乘支持向量机(VMD-LSSVM)预测模型皆有明显的提升。所提模型的预测精度较高,具有较高的实用价值。 展开更多
关键词 污水处理 水质预测 溶解氧 局部异常因子算法 集合经验模态分解 长短期记忆神经网络
暂未订购 下载PDF
基于改进高斯过程回归模型的光伏发电功率预测 认领 引用 被引量：1
7
作者 肖春 郝俊博 +1 位作者 杨晓霞 韩肖清 《太原理工大学学报》 CAS 北大核心 2026年第2期287-295,共9页
【目的】随着我国光伏发电占比不断提高,光伏发电受气象因素的影响较大,其输出功率因气象特征的复杂多变表现出强烈的间歇性和波动性,对未来光伏发电功率预测的准确度将直接影响电网的稳定安全运行。针对光伏发电功率的预测精度提升问题... 【目的】随着我国光伏发电占比不断提高,光伏发电受气象因素的影响较大,其输出功率因气象特征的复杂多变表现出强烈的间歇性和波动性,对未来光伏发电功率预测的准确度将直接影响电网的稳定安全运行。针对光伏发电功率的预测精度提升问题,提出了一种融合局部离群因子算法、遗传算法与高斯过程回归(GA-LOF-GPR)的预测模型。【方法】首先,本文挖掘发电功率与气象特征的关系,并采用特征权重K均值聚类对气象类型进行分类;其次,将局部离群因子算法与高斯过程回归模型结合,构建局部异常因子加权的高斯过程回归(LOFGPR)的预测模型;最后,通过运用遗传算法优化加权高斯过程回归模型的超参数。【结果】通过对2018年澳大利亚的光伏发电数据的仿真预测,验证了该预测模型的有效性和准确性。 展开更多
关键词 功率预测 特征权重K均值聚类 局部离群因子 高斯过程回归 遗传算法
暂未订购 下载PDF
基于改进聚类分析算法的时间序列数据分类和清洗研究 认领 引用
8
作者 高祖彦 《自动化与仪器仪表》 2026年第1期35-39,共5页
鉴于时间序列数据中,可能包含来自不可靠设备或故障计量系统的数据,这些数据可能表现为噪声或异常值,增加清洗的难度,研究基于改进聚类分析算法的时间序列数据分类和清洗方法。此方法以多元时间序列数据为清洗目标,使用局部离群因子分... 鉴于时间序列数据中,可能包含来自不可靠设备或故障计量系统的数据,这些数据可能表现为噪声或异常值,增加清洗的难度,研究基于改进聚类分析算法的时间序列数据分类和清洗方法。此方法以多元时间序列数据为清洗目标,使用局部离群因子分析算法,改进K-means算法,在时间序列数据聚类过程中,约束初始中心点的取值区间,将离群因子数值较小的数据,设成初始中心,遵循“就近分配”的标准,将时间序列数据划分至不同类型数据的聚类中心中,实现多元时间序列数据分类后,由SNM算法分析多类型时间序列数据的实体唯一标识,以识别并剔除与所属类型数据标识不符的数据点,完成数据清洗。实验结果显示:该方法对多种电力负荷时间序列数据的分类精度较高,分类后数据轮廓系数不小于0.95,展现出了极高的精确度,分类速度较高,且数据清洗效果佳,能够提升电力负荷时间序列数据质量。 展开更多
关键词 改进聚类分析算法 时间序列 数据分类清洗 K-means算法 SNM算法 局部离群因子
暂未订购 下载PDF
基于局部异常因子算法的智能盾构掘进与沉降相关性分析研究 认领 引用 被引量：1
9
作者 邹瑾 赵智涛 +4 位作者 钱泓阳 陈建虹 齐子豪 兰钰昌 白志强 《铁道标准设计》 北大核心 2026年第3期159-166,189,共8页
为实现盾构施工过程中“智能化”“精准化”风险管控,探究掘进土压与地表沉降间的相关性问题,建立一种基于局部异常因子算法(LOF)的盾构掘进异常土压分析模型,对盾构掘进的土压监测数据进行深度挖掘。通过训练LOF模型学习正常土压密度... 为实现盾构施工过程中“智能化”“精准化”风险管控,探究掘进土压与地表沉降间的相关性问题,建立一种基于局部异常因子算法(LOF)的盾构掘进异常土压分析模型,对盾构掘进的土压监测数据进行深度挖掘。通过训练LOF模型学习正常土压密度数据集,实现对土压异常、密度异常时段的有效识别,并通过分析发现异常密度土压与地表沉降之间具有显著的相关性。以北京地铁22号线政政区间为工程案例,验证了模型的有效性。结果表明:(1)局部异常因子算法通过比较数据点在其局部邻域中的影响程度来检测异常,能够有效地处理具有噪声和异常值的复杂数据集,验证了该算法在盾构掘进土压异常识别应用中的可行性;(2)基于盾构掘进异常土压分析模型,通过对土压数据的预处理、LOF算法案例应用、模型训练、测试和评估等环节的研究,实现准确的土压参数异常检测。以22号线政务中心站至政务中心东站区间施工数据为依托,LOF算法识别出土压异常时间段沉降大于30 mm的对应环1个,10~20 mm的对应环5个,且异常时段的土压力平均值、最值及累计沉降值明显小于训练集数据,证明了该模型的有效性。 展开更多
关键词 地铁 盾构隧道施工 智能掘进 局部异常因子算法 异常土压识别 沉降分析
暂未订购 下载PDF
基于iForest和LOF的流量异常检测 认领 引用 被引量：13
10
作者 杭菲璐 郭威 +2 位作者 陈何雄 张振红 易东阳 《计算机应用研究》 CSCD 北大核心 2022年第10期3119-3123,共5页
异常检测在现代大规模分布式系统的安全管理中起着重要作用,而网络流量异常检测则是组成异常检测系统的重要工具。网络流量异常检测的目的是找到和大多数流量数据不同的流量,并将这些离群点视为异常。由于现有的基于树分离的孤立森林(iF... 异常检测在现代大规模分布式系统的安全管理中起着重要作用,而网络流量异常检测则是组成异常检测系统的重要工具。网络流量异常检测的目的是找到和大多数流量数据不同的流量,并将这些离群点视为异常。由于现有的基于树分离的孤立森林(iForest)检测方法存在不能检测出局部异常的缺陷,为了克服这个缺陷,提出一种基于iForest和局部离群因子(LOF)近邻集成的无监督的流量异常检测方法。首先,改进原始的iForest与LOF算法,在提升检测精度的同时控制算法时间;然后分别使用两种改进算法进行检测,并将结果进行融合以得到最终的检测结果;最后在自制数据集上对所提方法进行有效性验证。实验结果表明,所提方法能够有效地隔离出异常,获得良好的流量异常检测效果。 展开更多
关键词 流量异常检测 大规模多维数据 孤立森林 特征离群系数 局部离群因子
暂未订购 下载PDF
IncLOF:动态环境下局部异常的增量挖掘算法 认领 引用 被引量：34
11
作者 杨风召 朱扬勇 施伯乐 《计算机研究与发展》 EI 北大核心 2004年第3期477-484,共8页
异常检测是数据挖掘领域研究的最基本的问题之一 ,它在欺诈甄别、贷款审批、气象预报、客户分类等方面有广泛的应用 以前的异常检测算法只适应于静态环境 ,在数据更新时需要进行重新计算 在基于密度的局部异常检测算法LOF的基础上 ,提... 异常检测是数据挖掘领域研究的最基本的问题之一 ,它在欺诈甄别、贷款审批、气象预报、客户分类等方面有广泛的应用 以前的异常检测算法只适应于静态环境 ,在数据更新时需要进行重新计算 在基于密度的局部异常检测算法LOF的基础上 ,提出一种在动态环境下局部异常挖掘的增量算法IncLOF ,当数据库中的数据更新时 ,只对受到影响的点进行重新计算 ,这样可以大大提高异常的挖掘速度 实验表明 ,在动态环境下IncLOF的运行时间远远小于LOF的运行时间 ,并且用户定义的邻域中的最小对象个数与记录数之比越小 。 展开更多
关键词 数据挖掘 异常检测 局部异常因子 局部可达密度 增量挖掘算法
暂未订购 下载PDF
基于LOF的K-means聚类方法及其在微震监测中的应用 认领 引用 被引量：14
12
作者 刘德彪 李夕兵 +1 位作者 李响 尚雪义 《中国安全生产科学技术》 CAS CSCD 北大核心 2019年第6期81-87,共7页
矿山微震事件集群是分析矿震的重要参考之一,其准确的划分对矿山微震分布特征和微震活动分析具有重要作用。提出了1种基于局部离群因子(Local Outlier Factor,LOF)的K-means聚类算法并构建了综合SSE评价指标和模型,通过LOF算法检测异常... 矿山微震事件集群是分析矿震的重要参考之一,其准确的划分对矿山微震分布特征和微震活动分析具有重要作用。提出了1种基于局部离群因子(Local Outlier Factor,LOF)的K-means聚类算法并构建了综合SSE评价指标和模型,通过LOF算法检测异常微震事件和选取初始聚类中心,利用Krzanowski-Lai指数确定最佳聚类分组数;采用模拟计算比较了不同数据集大小的聚类效果。结果表明:基于LOF的K-means聚类方法评分最高,聚类结果最好;并利用该聚类方法分析用沙坝矿1649个微震事件的分布特征与微震活动性。实例表明,K=7为最佳聚类分组数,聚类簇的划分受断层滑移和矿山生产活动的影响。 展开更多
关键词 矿山微震 局部离群因子 K-means聚类 微震活动性
暂未订购 下载PDF
基于AP-LOF离群组检测的配电网连接验证 认领 引用 被引量：6
13
作者 司方远 韩英华 +1 位作者 赵强 汪晋宽 《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心 2020年第8期1070-1074,共5页
现有配电网连接验证工作将可疑异常值视为具有二元属性的独立个体,因此难以有效识别和验证具有高度内在相关性的局部离群组.针对这一问题,提出了基于AP-LOF离群组检测的配电网连接验证方法.通过引入近邻传播(affinity propagation,AP)... 现有配电网连接验证工作将可疑异常值视为具有二元属性的独立个体,因此难以有效识别和验证具有高度内在相关性的局部离群组.针对这一问题,提出了基于AP-LOF离群组检测的配电网连接验证方法.通过引入近邻传播(affinity propagation,AP)聚类方法,将待校验台区用户聚类为多簇,并基于局部离群因子(local outlier factor,LOF)算法对所有簇心进行离群点检测,从而准确识别出台区内的离群组用户.以某电力公司实际用户电压数据进行算例分析,结果证明了AP-LOF算法在配电网连接验证中的适用性和有效性. 展开更多
关键词 电压数据分析 配电网连接验证 局部离群组检测 近邻传播聚类 LOF算法
暂未订购 下载PDF
基于IKNN和LOF的变压器回复电压数据清洗方法研究 认领 引用 被引量：10
14
作者 陈啸轩 邹阳 +3 位作者 翁祖辰 林锦茄 林昕亮 张云霄 《电子测量与仪器学报》 CSCD 北大核心 2024年第2期92-100,共9页
基于回复电压极化谱提取特征参量是目前广泛应用的变压器油纸绝缘状态评估方法,但极化谱易受工况干扰、人工失误等因素影响而出现特征数据异常的情况,严重降低评估准确性。针对上述问题,该文提出了一种基于局部离群因子(LOF)和改进K最近... 基于回复电压极化谱提取特征参量是目前广泛应用的变压器油纸绝缘状态评估方法,但极化谱易受工况干扰、人工失误等因素影响而出现特征数据异常的情况,严重降低评估准确性。针对上述问题,该文提出了一种基于局部离群因子(LOF)和改进K最近邻(IKNN)的回复电压数据清洗方法。首先,选取回复电压极化谱的回复电压极大值Urmax、初始斜率Sr与主时间常数tcdom作为老化特征参量,并基于LOF算法对非标准极化谱中的异常特征量数据进行识别与筛除。其次,利用模糊C均值(FCM)聚类算法减小噪声点对KNN算法的干扰,并通过加权欧氏距离标度突出各特征量间的关联性,进而构建出基于IKNN的数据填补模型架构以实现特征缺失数据的填补。最后,代入多组实测数据验证所提数据清洗方法的实效性。结果表明,数据清洗后的状态评估准确率相较于原有数据上升了50%左右,有效提高了变压器回复电压数据质量,为准确感知变压器运行状况奠定坚实的基础。 展开更多
关键词 油纸绝缘 特征数据清洗 局部离群因子算法 回复电压极化谱 改进K最近邻算法
暂未订购 下载PDF
MELOF算法的理论分析与拓展 认领 引用 被引量：1
15
作者 李健 阎保平 李俊 《计算机工程》 CAS 北大核心 2009年第19期94-96,共3页
介绍LOF算法、记忆效应以及MELOF算法,对记忆效应进行理论证明,验证MELOF算法的正确性,同时分析该算法的不足和记忆效应的一些特性。针对MELOF算法中的不足进行改进,介绍未来的研究方向,即参数自动选择和利用分而治之思想提高运行效率等。
关键词 数据挖掘 异常检测 局部异常因子 记忆效应 MELOF算法
暂未订购 下载PDF
基于DBSCAN算法的电力自动化计量异常数据点剔除 认领 引用
16
作者 董新微 王超 +2 位作者 江蒗 胡志亮 黄心心 《微型电脑应用》 2026年第3期61-65,共5页
电力自动化计量数据易受噪声干扰,导致异常数据识别非常困难,因此,提出基于密度的带噪声空间聚类(DBSCAN)算法的电力自动化计量异常数据点剔除方法。提取电力自动化计量数据特征,将时间序列重新排序。计算电力自动化计量数据点的局部密... 电力自动化计量数据易受噪声干扰,导致异常数据识别非常困难,因此,提出基于密度的带噪声空间聚类(DBSCAN)算法的电力自动化计量异常数据点剔除方法。提取电力自动化计量数据特征,将时间序列重新排序。计算电力自动化计量数据点的局部密度与最小距离,判断并剔除异常计量数据点。实验结果表明,所提出的方法对电力自动化计量异常数据点检测准确,且剔除效果好。 展开更多
关键词 DBSCAN算法 电力自动化计量数据 局部离群因子算法 数据点剔除 异常检测
暂未订购 下载PDF
基于特征优化和IWOA-TCN-Attention的变压器油中溶解气体含量预测方法 认领 引用
17
作者 郭汉斌 李志斌 《电工电能新技术》 CSCD 北大核心 2026年第4期33-43,共11页
油中溶解气体含量的准确预测,可为变压器故障预警提供一定的依据。针对油中溶解气体数据中异常值干扰以及单一模型预测精度偏低的问题,本文提出一种基于特征优化和改进鲸鱼优化算法-时间卷积网络-注意力机制(IWOA-TCN-Attention)的变压... 油中溶解气体含量的准确预测,可为变压器故障预警提供一定的依据。针对油中溶解气体数据中异常值干扰以及单一模型预测精度偏低的问题,本文提出一种基于特征优化和改进鲸鱼优化算法-时间卷积网络-注意力机制(IWOA-TCN-Attention)的变压器油中溶解气体预测方法。首先,利用最优变分模态分解(OVMD)提取变压器时间序列的运行趋势,将原始序列的运行趋势去除,在此基础上采用局部离群因子(LOF)对序列进行异常值识别和修正。然后,通过OVMD将修正后的时间序列分解成一系列不同频率的子序列以降低其波动性。其次,结合Sobol序列、非线性收敛因子、自适应权重、差分进化和柯西变异策略对鲸鱼优化算法进行改进,利用改进鲸鱼优化算法(IWOA)对时间卷积网络(TCN)的超参数进行优化,并引入注意力机制提升模型对重要时序信息的捕捉能力。最后,对各子序列分别构建IWOA-TCN-Attention预测模型,通过叠加各子序列的预测结果,得到最终油中溶解气体含量的预测结果。实验结果表明,所提方法的均方根误差、平均绝对误差、平均绝对百分比误差分别为0.0530、0.0429、0.0041,相比其他模型具有更高的预测精度。 展开更多
关键词 油中溶解气体 最优变分模态分解 局部离群因子 改进鲸鱼优化算法 时间卷积网络 注意力机制
暂未订购 下载PDF
基于LOF分析算法的异常用电行为研究 认领 引用 被引量：4
18
作者 苏鹏涛 孙晨辉 《信息与电脑》 2022年第15期55-57,共3页
综合分析历史电量和负荷等数据特征,建立用电行为特征库,提出一种基于用电特征分析的无监督方式异常用电检测方法。该检测方法引入离群点查找算法,量化海量数据中不同异常用电行为,将其提取为异常用电特征序列,再构建基于局部离群因子(L... 综合分析历史电量和负荷等数据特征,建立用电行为特征库,提出一种基于用电特征分析的无监督方式异常用电检测方法。该检测方法引入离群点查找算法,量化海量数据中不同异常用电行为,将其提取为异常用电特征序列,再构建基于局部离群因子(Local Outlier Factor,LOF)检测算法,实现疑似异常用电用户的在线快速识别与精准定位,提高现场检查的命中率,降低运营成本。 展开更多
关键词 异常用电 局部离群因子(LOF)检测 特征序列
暂未订购 下载PDF
基于网格LOF和自适应K-means的离群点检测算法 认领 引用 被引量：8
19
作者 张硕 金鑫 +1 位作者 李兆峰 高建 《指挥信息系统与技术》 2019年第1期90-94,共5页
为了提高大数据背景下离群点检测方法的准确性和时效性,深入研究并分析了聚类算法的特征,提出了一种基于网格局部异常因子(LOF)算法和自适应K-means算法的改进型离群点检测聚类算法。先对大数据信息使用网格LOF算法进行预处理,过滤掉数... 为了提高大数据背景下离群点检测方法的准确性和时效性,深入研究并分析了聚类算法的特征,提出了一种基于网格局部异常因子(LOF)算法和自适应K-means算法的改进型离群点检测聚类算法。先对大数据信息使用网格LOF算法进行预处理,过滤掉数据中孤立的离群点,再用自适应K-means算法精确地进行离群点检测。最后,试验结果表明,该算法相比于同类离群点检测算法节约了检测运行时间,并提高了检测准确度,对大数据集和高维数据也有较理想的离群点检测效果。 展开更多
关键词 局部异常因子 K-means 聚类算法 大数据 离群点
暂未订购 下载PDF
基于LOF+SVM的异常用电用户分阶段识别方法 认领 引用 被引量：5
20
作者 顾臻 庄葛巍 +3 位作者 贺青 周磊 安佰龙 段艳 《电气传动》 2023年第3期90-96,共7页
准确的电力异常用户识别方法能为供电企业锁定存在窃电行为或其他违规行为的电力用户提供参考。大多数基于机器学习的异常识别模型采用了无监督算法,但模型的准确度还较低。针对上述问题,提出一种结合无监督的局部离群因子(LOF)算法与... 准确的电力异常用户识别方法能为供电企业锁定存在窃电行为或其他违规行为的电力用户提供参考。大多数基于机器学习的异常识别模型采用了无监督算法,但模型的准确度还较低。针对上述问题,提出一种结合无监督的局部离群因子(LOF)算法与有监督的支持向量机(SVM)算法的两阶段异常用电用户识别方法。基于分析异常电能表区别于正常电能表的电流电压表现,构建异常识别模型的输入特征;采用无监督的LOF算法进行采样,筛选出可疑样本交给人工进行标记,然后利用标记样本训练有监督的SVM模型;在之后的检测工作中,直接将LOF算法筛选出可疑样本交给SVM模型进行识别。实例结果表明,该方法对电力异常用户的识别准确度高,对供电企业的窃电稽查工作具有指导意义。 展开更多
关键词 电力异常用户识别 机器学习 局部离群因子(LOF) 支持向量机(SVM)
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 4 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈