一种动态报警阈值确定方法与流程

技术特征：
1.一种动态报警阈值确定方法，其特征在于，包括：获取历史数据及待测时间段的实时监测数据；基于所述历史数据，采用滑动窗口算法提取先验数据；基于所述实时监测数据及所述先验数据，确定贝叶斯估计滑动窗口；基于所述历史数据训练带宽系数；确定所述实时监测数据的数据初始点；基于贝叶斯估计估算初始第一参数和初始第二参数；基于监测模型更新第一参数和第二参数；判断所述第一参数和所述第二参数是否满足预设条件；响应于是，返回获取下一待测时间段的实时监测数据；响应于否，利用均值和方差的递推公式实时更新第一参数和第二参数；基于更新后的第一参数和第二参数确定动态报警阈值。2.根据权利要求1所述的方法，其特征在于，获取实时监测数据时，还包括：对获取到的实时监测数据进行数据异常值消除和过滤处理。3.根据权利要求2所述的方法，其特征在于，所述数据异常值消除和过滤处理基于拉依达原则和/或卡尔曼滤波算法实现。4.根据权利要求1所述的方法，其特征在于，获取实时监测数据时，还包括：对获取到的实时监测数据进行数据缺失值填补处理。5.根据权利要求4所述的方法，其特征在于，所述数据缺失值填补处理包括：插值及归一化和/或lssvm处理。6.根据权利要求1所述的方法，其特征在于，所述待测时间段包括过渡过程的时间段和稳态过程的时间段，所述监测模型的参数包括后验分布函数的均值和方差；在所述过渡过程时间段，采用基于蒙特卡罗方法的贝叶斯参数参数估计方法，结合所述历史数据和所述实时监测数据来推测下一待测时间段的实时监测数据得到报警阈值；在所述稳态过程中，采用改进的递推公式实时估计的均值、方差得到报警阈值。7.根据权利要求6所述的方法，其特征在于，所述后验分布函数的均值和方差的计算方式如下：若y为实时监测数据，假设均值e(y)＝μ，方差d(y)＝σ2，根据切比雪夫不等式，对于任意y，可得：p(|y-μ|≥ε)≤σ2/ε2(1)令ε＝nσ，则上式可以变换为：p(|y-μ|≥nσ)≤1/n2(2)由此可以得到参数y的报警阈值的正常区间为：[μ-nσ,μ nσ](3)实时监测数据的均值为：其中y
i
为实时监测数据，m为测量数据的均值；对于n时刻方差估计为s，计算公式为：
以m、s分别代替μ、σ，可得：[m-ns,m ns](6)其中，式(6)中确定的空间范围对于任意的随机变量都是成立的，且为最大的正常区间。8.根据权利要求7所述的方法，其特征在于，所述训练带宽系数包括：正常情况下，根据切比雪夫不等式，对于任意ε＞0，可得：p(|y-m|≥ε)≤rfar(7)pr(y＞m ε)≤rfar(8)令ε＝ns，有：pr(y＞m ns)≤rfar(9)同理，在不正常情况下，有：pr(y＞m ns)≤rmar(11)rfar、rmar分别为误报警率和漏报警率的最大上限值，m和s为实时数据估计的均值和方差；初始系数在训练过程中不断进行调整，采用最速下降法对系数n进行修正，有：n
n 1
＝n
n
ηe
n
(13)式中：e
n
为n时刻的修正量，η为调整系数，0＜η＜1/y
n
，且有：且有：且有：且有：为阈值的上限，为阈值的下限。9.根据权利要求8所述的方法，其特征在于，所述确定动态报警阈值包括：对[t1,t
n
]的时间序列基于数据拟合建立测量变量回归模型：y
i
＝a bt
i
(17)进而把对变量的估计转化为对斜率b和截断误差a的估计；假设每个测量变量的噪声服从独立同分布，因此得到测量变量的模型为：y
i
＝a bt
i
ε(18)其中ε是随机误差，服从均值为0、方差为δ2的正态分布，记为ε～n(0,δ2)，将报警阈值的概率模型描述为均值为a bt
i
，方差为δ2，记为：y
i
～n(a bt
i
,δ2)(19)
基于贝叶斯的线性方程估计对参数a和b进行预测；采用最小二乘估计方法，估计参数b、a，记估计值为其中：其中：其中：其中：其中：是b、a的无偏估计，且服从正态分布：由贝叶斯估计可以得到b和a的后验概率分布函数为：g(a,b∣t,y)
∝
f(t,y∣a,b)
×
g(a,b)
∝
[f(t,y∣b)
×
g(b)]
×
[f(t,y∣a)
×
g(a)]
∝
g(b∣t,y)
×
g(a∣t,y)(24)设b和a的先验概率分布函数为：b和a后验概率分布函数为：根据贝叶斯估计可以求出b和a的均值和方差：根据贝叶斯估计可以求出b和a的均值和方差：根据贝叶斯估计可以求出b和a的均值和方差：根据贝叶斯估计可以求出b和a的均值和方差：从而可以求得对监测设备的预测值均值和方差：
因此，得到残差平方和公式为：若残差平方和的值小于容许误差β，即可求出此时的动态阈值；但若残差平方和的值大于容许误差β，则重新设定窗口大小；使用迭代递推公式：方差的迭代递推公式为：t 1时刻的方差可以由t时刻的均值和方差以及t 1时刻的监测数据求出；即t 1时刻的动态阈值范围：10.根据权利要求9所述的方法，其特征在于，所述动态报警阈值的确定步骤包括：步骤1，提取先验知识，进行贝叶斯估计；步骤2，基于历史数据离线训练带宽系数n；步骤3，输入一段监测数据，选择数据的初始点；步骤4，利用贝叶斯估计来估算a和b；步骤5，基于构建好的模型，通过式和式不断更新参数b，通过式和式不断更新参数a；步骤6，判断残差平方和是否大于容许误差，若大于，则重新转到步骤3，若小于则进入步骤7；步骤7，利用均值和方差的递推公式实时更新数据，确定新的均值和方差；步骤8，将均值和方差的大小进行比较，确定新的监测数据的动态阈值；步骤9，返回步骤1，继续迭代。

技术总结
本发明提供了一种动态报警阈值确定方法，包括：首先，通过历史数据得到各个阶段的带宽系数和贝叶斯估计的样本信息。其次，为了更新模型参数，在过渡过程采用基于蒙特卡罗方法的贝叶斯参数参数估计方法，利用后验分布函数的均值和方差，并在稳定过程采用递推迭代公式更新均值和方差。针对整个过程得到自适应的报警阈值，以此减小产生误报警和漏报警的数量。以此减小产生误报警和漏报警的数量。以此减小产生误报警和漏报警的数量。


技术研发人员：唐侨 薛廉 郑杰 王蕾 吴瑶 李虎 吴森 齐得旭 陆毅之
受保护的技术使用者：四川省地质工程勘察院集团有限公司
技术研发日：2022.01.21
技术公布日：2022/5/6