地震监测时间序列异常值检测的策略.docVIP

地震监测时间序列异常值检测的策略 　　摘要：前兆观测数据真实可靠地应用在地震预测中前提是观测人员能够准确去除和标记干扰异常数据。为了能够在前兆数据预处理过程中由计算机及时检测出异常值，文章在时间序列的异常值检测的基础上，提出一套前兆仪器数据异常判定方法。根据异常的特征分析，首先选取合适的阈值特征进行阈值异常检测，在阈值异常检测结果的基础上，进而将其与邻近观测点数据进行相似性度量。从而达到将局部干扰异常与地球物理变化区分的目的。这种异常判定规则应用在前兆预处理中大大提高了前兆数据预处理的准确性和效率。同时，这种异常判定规则应用在实时监控中可以及时发现仪器的故障以及解决异常数据隐蔽性和时效性的问题。 　　关键词：地震前兆 时间序列 异常检测 相似性度量 　　中图分类号：TP277 文献标识码：A 文章编号：1007-9416（2014）09-0040-02 　　Abstract：Pretreatment able to accurately remove Abnormal interference data is the premise of Precursor observation data applied in earthquake prediction reliably.in order to detect outliers in the process of precursory data pretreatment，based on the time series outlier detection，put forward a set of method for judging abnormal According to the analysis of abnormal characteristics，abnormality judging rules are divided into user defined threshold rules and similarity measure rule.and then were given two types of abnormal decision algorithm.First of all，Select suitable threshold characteristics for anomaly detection，on the basis of the result of threshold outlier detection，Then，process similarity measurement with the data of the adjacent observation point.So as to achieve the purpose of making a distinction between local disturbance and geophysical changes. 　　Key Words：earthquake precursor time series Outlier Detection similarity measure 　　地震前兆监测数据往往都包含着许多重要的信息，从这些海量的数据中挖掘出有用的信息真实可靠地应用在地震预测中一直是地震工作者和学者研究的热点，然而受局部环境、人为因素以及仪器内部故障等等诸多主客观因素的影响，使得这些前兆时间序列中难免存在着一些异常点，这些异常值对上述研究结果的准确性有着直接的影响，因此前兆数据预处理中的异常值的检测是从前兆监测数据中准确的挖掘出前兆信息的前提和保障。 　　由于监测时间序列数据反映的是监测对象实时信息这一特征，因此其异常定义不能简单的等同于传统的异常定义，在前兆监测数据中，一类是由地质结构的发生变化而引起的监测对象的实际结构发生变化的数据异常。一类则是有由仪器自身故障、噪声，以及外部干扰，其他局部干扰等因素引起的监测数据异常。前者异常能够反映地质结构变化，称之为前兆信息。而后则与地质结构变化没有直接关系，称之为干扰因素。因此前兆数据预处理中的尽可能的保护前兆信息的原始特征，而剔除出干扰因素造成的异常值。而实际情况中，由于监测对象涉及几大学科，每个学科有涉及多个测项，其数据的特点通常也存在较大的差异，另外干扰因素繁多，呈现形式多种多样，这些不规则的，交错的干扰因素，让数据预处理时区分辨认这些干扰和处理时显得愈发困难。另一方面，对于很多干扰因素，如果不能做到实时监测，事后则再去分析落实干扰因素则存在很大困难。而由于监测数据时间性较强，数据量庞大，采用在线动态监测则使检测算法面临很高的挑战。 　　时间序列的异常值监测方法很多，大体可以分为阈值检测和聚类两大