(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111638348.X (22)申请日 2021.12.2 9 (71)申请人 深圳市宏电技 术股份有限公司 地址 518000 广东省深圳市龙岗区布吉街 道甘李工业园甘李六路12 号中海信科 技园厂房第一栋A座14层、 1501、 1502、 1503、 16层 (72)发明人 冯阳　李丛　周志明　戴聪聪　 王桐　 (74)专利代理 机构 北京品源专利代理有限公司 11332 代理人 潘登 (51)Int.Cl. G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 水位测量数据中异常数据的检测方法、 装 置、 设备及 介质 (57)摘要 本发明实施例公开了一种水位测量数据中 异常数据的检测方法、 装置、 设备及介质。 该方法 包括： 获取待检测的水位测量数据； 分别将各个 水位测量数据输入到对应训练好的逆传播神经 网络中进行拟合， 得到各个水位测量数据的拟合 值， 并根据拟合值计算各个水位测量数据的残差 值； 分别计算各个水位测量数据所在时刻之前的 测量数据的相邻相关系数； 分别将各个水位测量 数据的残差值与预设粗差检验阈值比较， 将各个 水位测量数据对应的相邻相关系数与预设相关 阈值比较， 并根据比较结果确定各个水位测量数 据是否为异常数据。 从而实现了独立及成片异常 数据的有效剔除， 并提高了异常数据的别除率， 同时也使得模型 具有更好的稳定性和可靠性。 权利要求书2页 说明书10页 附图2页 CN 114298281 A 2022.04.08 CN 114298281 A 1.一种水位测量数据中异常数据的检测方法， 其特 征在于， 包括： 获取待检测的水位测量数据； 分别将各个所述水位测量数据输入到对应训练好的逆传播神经网络 中进行拟合， 得到 各个所述水位测量数据的拟合值， 并根据所述拟合值计算各个所述水位测量数据 的残差 值； 分别计算各个所述水位测量数据所在时刻之前的测量数据的相邻相关系数； 分别将各个所述水位测量数据的所述残差值与 预设粗差检验阈值比较， 将各个所述水 位测量数据对应的所述相 邻相关系数与预设相关阈值比较， 并根据比较结果确定各个所述 水位测量数据是否为异常数据。 2.根据权利要求1所述的水位测量数据中异常数据的检测方法， 其特征在于， 在所述分 别将各个所述水位测量数据输入到对应训练好的逆传播神经网络中进行拟合之前， 还包 括： 构建所述逆传播神经网络， 并基于遗传算法对所述逆传播神经网络进行优化， 以得到 所述逆传播神经网络的最优权 重及最优阈值。 3.根据权利要求2所述的水位测量数据中异常数据的检测方法， 其特征在于， 所述构建 所述逆传播神经网络， 包括： 针对每个所述水位测量数据， 采用去己法确定对应的所述逆传播神经网络的训练样本 数据， 以使用所述训练样本数据对所述逆传播神经网络进行训练。 4.根据权利要求3所述的水位测量数据中异常数据的检测方法， 其特征在于， 所述基于 遗传算法对所述逆传播神经网络进行优化， 以得到所述逆传播神经网络的最优权重及最优 阈值， 包括： 初始化所述逆传播神经网络， 并将所述逆传播神经网络的权重和阈值编码为遗传算法 染色体， 记为初始种群； 将完成编码后的所述逆传播神经网络代入对应的所述训练样本数据中进行交叉重组 和变异， 以形成新种群； 根据染色体编码及神经网络误差函数建立适应度函数， 若所述适应度函数的结果满足 预设适应度条件， 则终止遗传算法， 并挑选最佳个体解码得到所述最优权重及所述最优阈 值， 若所述适应度函数的结果不满足预设适应度条件， 则继续进 行交叉重组和变异， 直至满 足。 5.根据权利要求1所述的水位测量数据中异常数据的检测方法， 其特征在于， 在所述分 别将各个所述水位测量数据输入到对应训练好的逆传播神经网络中进行拟合之前， 还包 括： 根据所述水位测量数据的高度对所述水位测量数据进行分段， 并分别采用多项式拟合 方法将各 段数据中偏差大于预设偏差阈值的所述水位测量数据剔除。 6.根据权利要求5所述的水位测量数据中异常数据的检测方法， 其特征在于， 所述分别 采用多项式拟合方法将各段数据中偏差大于预设偏差阈值的所述水位测量数据剔除， 包 括： 针对每段数据， 对其中的所述水位测量数据进行多项式拟合， 得到系数矩阵和拟合多 项式， 并计算得到相应的拟合 值序列及拟合残差值序列；权　利　要　求　书 1/2 页 2 CN 114298281 A 2根据所述拟合残差值序列， 若所述水位测量数据的残差值小于预设门限值， 则判定所 述水位测 量数据为正常数据， 若所述水位测量数据的残差值大于等于所述预设门限值， 则 判定所述水位测量数据为异常数据， 并使用所述水位测量数据所在时刻之前的测量数据的 中位值替代所述水位测量数据。 7.根据权利要求1所述的水位测量数据中异常数据的检测方法， 其特征在于， 在所述根 据比较结果确定各个所述水位测量数据是否为异常数据之后， 还 包括： 若确定所述水位测量数据为异常数据， 则将所述水位测量数据剔除， 并采用多项式插 值法对正常数据进行 逐时拟合， 以对剔除的所述水位测量数据进行修复补偿。 8.一种水位测量数据中异常数据的检测装置， 其特 征在于， 包括： 测量数据获取模块， 用于获取待检测的水位测量数据； 残差值计算模块， 用于分别将各个所述水位测量数据输入到对应训练好的逆传播神经 网络中进行拟合， 得到各个所述水位测 量数据的拟合值， 并根据所述拟合值计算各个所述 水位测量数据的残差值； 相关系数计算模块， 用于分别计算各个所述水位测量数据 所在时刻 之前的测量数据的 相邻相关系数； 异常数据判断模块， 用于分别将各个所述水位测量数据的所述残差值与预设粗差检验 阈值比较， 将各个所述水位测量数据对应的所述相邻相关系 数与预设相关阈值比较， 并根 据比较结果确定各个所述水位测量数据是否为异常数据。 9.一种计算机设备， 其特 征在于， 包括： 一个或多个处 理器； 存储器， 用于存 储一个或多个程序； 当所述一个或多个程序被所述一个或多个处理器执行， 使得所述一个或多个处理器实 现如权利要求1 ‑7中任一所述的水位测量数据中异常数据的检测方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器 执行时实现如权利要求1 ‑7中任一所述的水位测量数据中异常数据的检测方法。权　利　要　求　书 2/2 页 3 CN 114298281 A 3