[发明专利]基于多维数据模型的传感器数据流异常检测方法

权利要求书

1.基于多维数据模型的传感器数据流异常检测方法，其特征在于，

包括以下步骤：

S1构造多维数据模型，传感器节点采集的多维数据模型表示为：

其中j表示数据维数，r_j(t_i)表示传感器节点在采样时刻t_i采集的数据；

S2采用异常数据的检测方法判断传感器节点是否为异常节点，如果是，则进入S3；

S3采用异常数据的验证方法对S2中判定的异常节点进行确认该异常节点的异常来源，所述异常来源包括异常节点所在区域发生特定事件和节点本身存在故障；

S2中所述异常数据的检测方法包括以下步骤：

S21如果传感器节点采集的数据r_j(t_i)满足公式1或者传感器节点在若干个采样时刻采集的数据均相同即满足公式2，则判定传感器节点采集的数据r_j(t_i)为潜在异常数据，

其中，E_e(t)表示正常工作的传感器节点在发生特定事件的区域中读数的期望函数，E_n(t)表示正常工作的传感器节点在正常区域中读数的期望函数，E_n(t)为常数，δ表示预先设定的阈值，

r_j(t_i)＝r_j(t_i-1) 公式2

其中，r_j(t_i)表示传感器节点在t_i时刻采集的数据，r_j(t_i-1)表示传感器节点在t_i-1时刻采集的数据；

S22针对存在潜在异常数据的传感器节点，根据公式3计算传感器节点出现异常的概率P_j(t_i)：

P_j(t_i)＝P_j(t_i-1)+c·m² 公式3

其中，P_j(t_i)表示传感器节点在采样时刻t_i出现异常的概率，P_j(t_i-1)表示传感器节点在采样时刻t_i-1出现异常的概率，m表示传感器节点采集的数据r_j(t_i)满足公式1或公式2的次数，c表示控制m增长速度的参数；

S23判断传感器节点是否为异常节点，根据公式4计算传感器节点的P_T(t_i)值，如果传感器节点的P_T(t_i)值不小于80％，则判定该传感器节点为异常节点：

其中，λ_j表示第j维数据的权重系数，

2.根据权利要求1所述的基于多维数据模型的传感器数据流异常检测方法，其特征在于，S3中所述异常数据的验证方法具体包括以下步骤：

S31计算被判定为异常节点的传感器节点的邻居节点的P_T(t_i)值；

S32如果被判定为异常节点的传感器节点的邻居节点中存在半数以上的邻居节点的P_T(t_i)值大于80％，则判定该异常节点所在区域发生特定事件；如果被判定为异常节点的传感器节点的邻居节点中存在半数以上的邻居节点的P_T(t_i)值小于60％，则判定该异常节点本身存在故障。