基于K-shape聚类的连续液位监测数据异常检测方法

作者：何黎; 陈磊; 纪莎莎^*; 陈泽伟; 宋晨曦

来源：中国给水排水, 2023, 39(11): 56-61.

DOI：10.19853/j.zgjsps.1000-4602.2023.11.009

• K-shape聚类
• 排水管网数据
• 异常检测
• 时间序列

受制于排水管网监测起步较晚、监测环境恶劣等因素，目前城市排水管网运行数据质量不容乐观，直接影响其有效应用及价值挖掘。而异常检测作为数据有效应用的第一步，在排水系统中尚未有效开展。以K-shape聚类算法为基础，提出了一种排水监测数据异常检测流程。首先，对特征序列进行提取并进行聚类分析，以确定描述时间序列集合的整体特征或平均特征的序列，从而降低异常检测的误报和漏报率。然后对识别的异常序列进行整体性判断，以提高异常检测算法的查全率。结果表明，基于K-shape的排水监测数据异常检测算法的查全率和查准率分别可以达到0.891 7和0.812 7。此外，与暴力算法（BF）的对比显示，采用固定长度的时间序列切分方式会导致误报和漏报率增加，其效果劣于K-shape聚类算法。

• 单位
  重庆大学; 上海市城市建设设计研究总院