基于多层感知器的异常数据实时检测方法

• 作者: 张锐锋 朱凯 潘轶彪 袁景淇 陈宇
• 来源期刊: 上海交通大学学报
• 学科: 工学
• 关键词: 人工神经网络 多层感知器 滚动学习-预报 异常数据 实时监测
• 年，卷（期）: 2011,（8）
• 页码范围: 1226-1229
• 页数: 4页
• 分类号: TB61|TK31
• 语种: 中文

摘要

基于神经网络的多层感知器模型,结合滚动学习-预报机制,提出了一种异常数据实时检测方法.该方法在每个当前时刻通过最近的固定长度的历史数据训练神经网络,完成下一时刻的预报.通过神经网络模型残差,确定概率为P的置信区间.当下一时刻数据落入置信区间内,则该数据被判为正常;反之,则为异常.被判为异常的数据不再用作更新历史数据,而以相应的预报值代替.通过某300 MW燃煤火力电站实际过程数据的在线验证,结果证明了所提出方法的有效性.