一种基于时变邻站回归与关系稳定性约束的水文数据异常识别方法、设备及介质与流程
本申请涉及水文分析，特别是涉及一种基于时变邻站回归与关系稳定性约束的水文数据异常识别方法、设备及介质。
背景技术：
1、水文数据是水文分析、水资源调度和防洪决策的基础。然而，水文观测数据在采集、传输和存储过程中，不可避免地受到仪器故障、人为录入错误、通信异常和环境影响等因素的干扰，产生异常值。
2、在一些情形下，相关技术方案采用单变量统计的阈值法、全局回归的邻站对比法和时序分解的方法，但以上方法存在以下问题：1、单变量统计的阈值法，在面对发生全流域特大洪水或持续干旱时，所有测站的数值同时偏离历史均值，导致这一方法结果表现异常，但此异常为真实的水文过程，而非记录错误等，导致水文数据异常识别不准确；2、全局回归法假设各监测站间关系恒定，容易导致系统性误报，比如：监测站搬迁、仪器更换、河床演变和上游水利工程建设等因素都会导致站间关系发生偏移，而全局回归法无法反映这种动态变化，导致水文数据异常识别不准确；3、即使识别出水文数据异常，但无法确定水文数据的异常类型。因此，存在水文数据异常识别不准确和异常类型不明确的问题。
技术实现思路
1、本申请的目的是提供一种基于时变邻站回归与关系稳定性约束的水文数据异常识别方法、设备及介质，可提高水文数据异常识别的准确性和异常类型识别的准确性。
2、为实现上述目的，本申请提供了如下方案。
3、第一方面，本申请提供了一种基于时变邻站回归与关系稳定性约束的水文数据异常识别方法，包括：
4、获取多个水文监测站的水文数据；所述水文数据包括：流量序列或雨量序列；
5、在第一预设滑动窗口内，对所述水文数据分别进行时序自洽、空间互洽和关系稳定性特征提取，得到时变回归参数、标准化偏离度、变化率异常度、季节分解残差、时变回归局部标准化残差、滞后交叉相关残差改善量、回归系数时变幅度和投票一致性；
6、基于所述时变回归参数、所述水文数据、所述标准化偏离度、所述变化率异常度、所述季节分解残差、所述时变回归局部标准化残差、所述滞后交叉相关残差改善量、所述回归系数时变幅度和所述投票一致性，计算并优化信度评分，得到最优信度评分；
7、基于所述最优信度评分，以及所述水文数据、所述标准化偏离度、所述变化率异常度、所述季节分解残差、所述时变回归局部标准化残差、所述滞后交叉相关残差改善量、所述回归系数时变幅度和所述投票一致性进行异常分类，得到水文数据的判定结果和异常类别，完成水文数据异常识别；所述判定结果包括正常和异常；所述异常类别包括：系统偏移异常、孤立跳变异常和逻辑矛盾异常。
8、第二方面，本申请提供了一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现上述基于时变邻站回归与关系稳定性约束的水文数据异常识别方法的步骤。
9、第三方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述基于时变邻站回归与关系稳定性约束的水文数据异常识别方法的步骤。
10、根据本申请提供的具体实施例，本申请具有了以下技术效果：
11、本申请在第一预设滑动窗口内，对水文数据分别进行时序自洽、空间互洽和关系稳定性特征提取，得到时变回归参数、标准化偏离度、变化率异常度、季节分解残差、时变回归局部标准化残差、滞后交叉相关残差改善量、回归系数时变幅度和投票一致性，再计算并优化信度评分，得到最优信度评分，分别从时序自洽、空间互洽和关系稳定性三个层次提取了不同类型可能存在的异常，不仅提高了数据多维分析的准确性，还可提高最优信度评分的准确性，最终再基于以上特征提取的多维度的特征和准确的最优信度评分进行异常分类，得到水文数据的判定结果和异常类别，完成水文数据异常识别，从而最终提高了水文数据异常识别的准确性和异常类型识别的准确性。
1.一种基于时变邻站回归与关系稳定性约束的水文数据异常识别方法，其特征在于，所述基于时变邻站回归与关系稳定性约束的水文数据异常识别方法包括：
2.根据权利要求1所述的基于时变邻站回归与关系稳定性约束的水文数据异常识别方法，其特征在于，在第一预设滑动窗口内，对所述水文数据分别进行时序自洽、空间互洽和关系稳定性特征提取，得到时变回归参数、标准化偏离度、变化率异常度、季节分解残差、时变回归局部标准化残差、滞后交叉相关残差改善量、回归系数时变幅度和投票一致性，具体包括：
3.根据权利要求2所述的基于时变邻站回归与关系稳定性约束的水文数据异常识别方法，其特征在于，在所述第一预设滑动窗口内，对所述水文数据进行时序自洽特征提取，得到水文数据的初始标准化偏离度、初始变化率异常度和初始季节分解残差，具体包括：
4.根据权利要求2所述的基于时变邻站回归与关系稳定性约束的水文数据异常识别方法，其特征在于，在所述第一预设滑动窗口内，采用时变回归模型对所述水文数据进行空间互洽特征提取，得到时变回归参数、初始时变回归局部标准化残差和初始滞后交叉相关残差改善量，具体包括：
5.根据权利要求4所述的基于时变邻站回归与关系稳定性约束的水文数据异常识别方法，其特征在于，在所述第一预设滑动窗口内，结合所述时变回归参数对所述水文数据进行关系稳定性特征提取，得到初始回归系数时变幅度和初始投票一致性，具体包括：
6.根据权利要求4所述的基于时变邻站回归与关系稳定性约束的水文数据异常识别方法，其特征在于，基于所述时变回归参数、所述水文数据、所述标准化偏离度、所述变化率异常度、所述季节分解残差、所述时变回归局部标准化残差、所述滞后交叉相关残差改善量、所述回归系数时变幅度和所述投票一致性，计算并优化信度评分，得到最优信度评分，具体包括：
7.根据权利要求1所述的基于时变邻站回归与关系稳定性约束的水文数据异常识别方法，其特征在于，所述初始信度评分的计算公式为：
8.根据权利要求1所述的基于时变邻站回归与关系稳定性约束的水文数据异常识别方法，其特征在于，基于所述最优信度评分，以及所述水文数据、所述标准化偏离度、所述变化率异常度、所述季节分解残差、所述时变回归局部标准化残差、所述滞后交叉相关残差改善量、所述回归系数时变幅度和所述投票一致性进行异常分类，得到水文数据的判定结果和异常类别，具体包括：
9.一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-8中任一项所述的基于时变邻站回归与关系稳定性约束的水文数据异常识别方法。
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，该计算机程序被处理器执行时实现权利要求1-8中任一项所述的基于时变邻站回归与关系稳定性约束的水文数据异常识别方法。