一种用于轨道平顺性评估的异常数据识别方法与流程

技术特征：
1.一种用于轨道平顺性评估的异常数据识别方法，其特征在于，包括如下步骤：步骤一，获取轨道监测指标数据，按照设定的轨道长度对监测指标数据进行切分，形成数据集；步骤二，对数据集进行预处理后，采用孤立森林算法构建l个隔离树，然后通过系统抽样的方法将l个隔离树分为n组，构建n组子森林异常检测器，所述的构建n组子森林异常检测器为在预处理后的数据集中随机选取一个值，对样本进行二叉划分，将小于该值的样本划分到节点的右边，得到了一个分裂条件和左、右两边的数据集，然后，分别在左右两边的数据集上重复以上过程，直到满足终止条件，生成基森林异常检测器；步骤三，通过基森林异常检测器，对每个到达滑动窗口中的数据进行异常判断，对进入滑动窗口的数据进行抽样，以概率一判定其是否存入缓存区，当滑动窗口中充满数据时，判定滑动窗口数据异常率；当缓存区数据量超过阈值时，按更新比率一触发更新模型策略，对数据集进行更新，得到更新数据集；当滑动窗口数据异常率超过指定阈值时，按更新比率二触发更新模型策略，对数据集进行更新，得到更新数据集；步骤四，基于更新数据集计算每个子森林异常检测器与基森林异常检测器的异常率差值，去除差值大于设定阈值的子森林异常检测器，同时构建相同数量的子森林异常检测器进行补充，组成新的基森林异常检测器，通过新的基森林异常检测器对数据集进行异常数据识别。2.根据权利要求1所述的一种用于轨道平顺性评估的异常数据识别方法，其特征在于，所述的轨道监测指标数据包括定位点信息、轨道检测几何参数信息。3.根据权利要求1所述的一种用于轨道平顺性评估的异常数据识别方法，其特征在于，所述的通过基森林异常检测器，对每个到达滑动窗口中的数据进行异常判断，包括如下过程：对每个到达滑动窗口中的数据，通过基森林异常检测器判断其异常状况，该步得到(0,1)范围内的数据，其中表征数据为正常状态的数值范围为(0,h]，表征数据为异常状态的数值范围为(h,1)，h为基森林检测器去计算历史数据所得的异常得分，根据历史数据异常比例取分位数得出：h＝-quartile(-f(x),100(1-c))其中：y＝-quartile(a,b)为分位数函数，z＝f(x)为基森林检测器检测函数；x为隔离树的训练样本集；c为训练样本集中的异常样本比例。4.根据权利要求1所述的一种用于轨道平顺性评估的异常数据识别方法，其特征在于，所述的当缓存区数据量超过阈值时，按更新比率一触发更新模型策略，对数据集进行更新，得到更新数据集；当滑动窗口数据异常率超过指定阈值时，按更新比率二触发更新模型策略，对数据集进行更新，得到更新数据集，包括如下过程：当前滑动数据异常率u1大于异常率阈值u，此时用于更新基森林异常检测器的数据集x1为滑动窗口中的数据与缓存区中的数据的并集；缓存区中数据已满，此时用于更新基森林检测器的数据集x1为缓存区中数据。5.根据权利要求1-4任一所述的一种用于轨道平顺性评估的异常数据识别方法的用于轨道平顺性评估的异常数据识别系统，其特征在于，包括存储器、数据处理器、对外接口模块、显示模块、通信装置；所述的对外接口模块、显示模块、通信装置、存储器分别与所述的数据处理器连接。

技术总结
本发明公开了一种用于轨道平顺性评估的异常数据识别方法，包括如下步骤：获取轨道监测指标数据，按照设定的轨道长度对监测指标数据进行切分，形成数据集；对数据集进行预处理后，采用孤立森林算法构建L个隔离树，然后应用系统抽样的方法将L个隔离树分为n组，构建n个子森林异常检测器；生成基森林异常检测器；通过基森林异常检测器，对每个到达滑动窗口中的数据进行异常判断，对数据集进行更新，得到更新数据集；基于更新数据集计算每个子森林异常检测器与基森林异常检测器的异常率差值，组成新的基森林异常检测器，通过新的基森林异常检测器对数据集进行异常数据识别。测器对数据集进行异常数据识别。测器对数据集进行异常数据识别。


技术研发人员：范国海 韩璐 何洪伟 汪杰
受保护的技术使用者：成都国铁电气设备有限公司
技术研发日：2022.01.10
技术公布日：2022/4/8