[发明专利]基于聚类分析的异常数据识别方法、系统和存储介质

权利要求书

1.基于聚类分析的异常数据识别方法，其特征在于，包括以下步骤：

获取各监测点的历史监测数据，历史监测数据包括：压力数据和/或流量数据；

获取各监测点的主要参数，主要参数包括：历史监测数据的均值和/或标准方差；

对各监测点间历史监测数据的相关性进行聚类分析；

根据聚类分析的结果，将监测点的历史监测数据进行线性拟合处理，得到拟合函数；

根据拟合函数得到监测点数据的预测值；

根据历史监测数据、预测值以及主要参数对监测点数据进行异常识别。

2.根据权利要求1所述的基于聚类分析的异常数据识别方法，其特征在于：所述获取各监测点的历史监测数据的步骤中，包括以下步骤：

基于预设的数据同步误差要求，以预设的时间间隔为采样周期获取历史监测数据；

以监测点为单元对获取的历史监测数据进行存储。

3.根据权利要求1所述的基于聚类分析的异常数据识别方法，其特征在于：还包括以下步骤：

对历史监测数据进行预处理并储存，其中，预处理的步骤包括：

将错误数据的内容替代为空集；

通过历史监测数据的均值对空集进行填充处理。

4.根据权利要求1所述的基于聚类分析的异常数据识别方法，其特征在于：所述对各监测点间历史监测数据的相关性进行聚类分析的步骤中，包括以下步骤：

将各监测点作为不同的分类对象，计算两两分类对象之间的距离；

找出距离最小的两个分类对象，并将所述两个分类对象合并为一个新的分类对象；

根据合并得到的新的分类对象，计算两两分类对象之间的距离，返回执行找出距离最小的两个分类对象，并将所述两个分类对象合并为一个新的分类对象的步骤，直至所有分类对象合并为一个分类对象。

5.根据权利要求4所述的基于聚类分析的异常数据识别方法，其特征在于：所述将各监测点作为不同的分类对象，计算两两分类对象之间的距离的步骤中，包括以下步骤：

将任意两个分类对象作为两个向量；

计算所述两个向量之间的欧氏距离。

6.根据权利要求1所述的基于聚类分析的异常数据识别方法，其特征在于：所述根据聚类分析的结果，将监测点的历史监测数据进行线性拟合处理，得到拟合函数的步骤中，包括以下步骤：

将相关系数的值大于预设阈值的历史监测数据进行线性拟合处理，得到拟合函数。

7.根据权利要求1所述的基于聚类分析的异常数据识别方法，其特征在于：所述根据历史监测数据、预测值以及主要参数对监测点数据进行异常识别的步骤中，包括以下步骤：

计算预测值与历史监测数据的差值；

判断所述差值是否大于被预测监测点的2倍标准方差；

若是，则确认监测点数据异常；

反之，则确认监测点数据正常。

8.基于聚类分析的异常数据识别系统，其特征在于，包括：

第一获取模块，用于获取各监测点的历史监测数据，历史监测数据包括：压力数据和/或流量数据；

第二获取模块，用于获取各监测点的主要参数，主要参数包括：历史监测数据的均值和/或标准方差；

分析模块，用于对各监测点间历史监测数据的相关性进行聚类分析；

处理模块，用于根据聚类分析的结果，将监测点的历史监测数据进行线性拟合处理，得到拟合函数；

预测模块，用于根据拟合函数得到监测点数据的预测值；

判断模块，用于根据历史监测数据、预测值以及主要参数对监测点数据进行异常识别。

9.基于聚类分析的异常数据识别系统，其特征在于，包括：

至少一处理器；

至少一存储器，用于存储至少一程序；

当所述至少一程序被所述至少一处理器执行，使得所述至少一处理器实现如权利要求1-7任一项所述基于聚类分析的异常数据识别方法。

10.存储介质，存储有处理器可执行的指令，其特征在于：处理器执行所述处理器可执行的指令时执行如权利要求1-7任一项所述基于聚类分析的异常数据识别方法。