基于SIP-LOF算法的地形变仪器监测数据异常识别方法OA

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。