基于孤立森林和K均值算法的水位异常数据检测与水位计故障诊断

摘要

水位计在水位监测中会由于设备故障或外部环境变化等原因导致测量值异常。为尽早发现故障并更换设备，需要对水位计测量数据进行异常检测并分辨异常原因。现有检测方法多为监督学习算法，不能满足自动处理数据与异常数据分类的需求，不能分辨异常原因。为提高水位监测的准确性，提出基于孤立森林算法和K均值算法的水位数据异常分析与设备故障诊断方案。首先使用孤立森林算法检测出异常数据，然后用K均值方法区分设备故障和外部环境因素(暴雨、台风等)原因引起的异常数据。根据真实设备异常造成的水位跳变等问题出现的次数及频率，对水位计的故障等级进行诊断。最后，利用实测水位数据验证所提方案的有效性。结果表明所提方案能有效地检测异常的水位数据和对水位计故障进行预警。

关键词

异常检测 / 异常分类 / 孤立森林 / K均值 / 水位计