水资源监测异常数据模态分解支持向量机重构方法-农业机械学报.PDF

２０１７年 １１月 农 业 机 械 学 报 第 ４８卷 第 １１期 ｄｏｉ：１０．６０４１／ｊ．ｉｓｓｎ．１０００１２９８．２０１７．１１．０３８ 水资源监测异常数据模态分解 支持向量机重构方法 １ １ ２ ３ ４ 张　峰 　薛惠锋 　ＷＡＮＧＷｅｉ　宋晓娜 　万　毅 （１．中国航天系统科学与工程研究院研究生部，北京 １０００４８； ２．纽约州立宾汉姆顿大学汤玛士·华生工程与应用科学学院，宾汉姆顿 ＮＹ１３９０２； ３．泰山学院商学院，泰安 ２７１０００；４．水利部水资源管理中心，北京 １０００５３） 摘要：完备真实的水资源监测数据是支撑数据分析与决策的基本前提。在梳理现阶段水资源监测异常数据的基础 上，提出运用移动平均拟合初筛来直观辨识异常监测数据，进而选取集合模态分解对非可直观辨识异常监测数据进 行挖掘的方法。将剔除异常监测值后的时序数据作为基于粒子群优化最小二乘支持向量机模型的模拟样本，并利用 其恢复所剔除的异常监测数据。对水务公司日取水量监测数据的实证分析结果表明，通过移动平均拟合与模态分解 可较大限度地保留含有异常数据的特征向量并实现数据的有效重构，相比传统的统计方法其具有更好的适用性；运 用粒子群优化的最小二乘支持向量机可进一步提高对剔除异常值数据的拟合效果，且符合水资源监测数据的季节波 动规律特征及对实际取用水状态的客观反映，据此可相对合理地达到恢复所剔除异常监测数据的目的。 关键词：水资源监测；异常数据；数据重构；模态分解；最小二乘支持向量机 中图分类号：Ｎ９４５２ 文献标识码：Ａ 文章编号：１０００１２９８（２０１７）１１０３１６０８ ＭｅｔｈｏｄｓｏｆＡｂｎｏｒｍａｌＤａｔａＤｅｔｅｃｔｉｏｎａｎｄＲｅｃｏｖｅｒｙｆｏｒＷａｔｅｒ ＲｅｓｏｕｒｃｅｓＭｏｎｉｔｏｒｉｎｇＢａｓｅｄｏｎＥＥＭＤａｎｄＰＳＯ ＬＳＳＶＭ １ １ ２ ３ ４ ＺＨＡＮＧＦｅｎｇ　ＸＵＥＨｕｉｆｅｎｇ　ＷＡＮＧＷｅｉ　ＳＯＮＧＸｉａｏｎａ　ＷＡＮＹｉ （１．ＧｒａｄｕａｔｅＳｃｈｏｏｌ，ＣｈｉｎａＡｃａｄｅｍｙｏｆＡｅｒｏｓｐａｃｅＳｙｓｔｅｍＳｃｉｅｎｔｉｆｉｃａｎｄＥｎｇｉｎｅｅｒｉｎｇ，Ｂｅｉｊｉｎｇ１０００４８，Ｃｈｉｎａ ２．ＴｈｏｍａｓＪ．ＷａｔｓｏｎＳｃｈｏｏｌｏｆＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｅｄＳｃｉｅｎｃｅ，ＢｉｎｇｈａｍｔｏｎＵｎｉｖｅｒｓｉｔｙ，ＳｔａｔｅＵｎｉｖｅｒｓｉｔｙｏｆＮｅｗＹｏｒｋ， ＢｉｎｇｈａｍｔｏｎＮＹ１３９０２，ＵＳＡ　３．ＳｃｈｏｏｌｏｆＢｕｓｉｎｅｓｓ，ＴａｉｓｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｔａｉａｎ２７１０００，Ｃｈｉｎａ ４．ＷａｔｅｒＲｅｓｏｕｒｃｅｓＭａｎａｇｅｍｅｎｔＣｅｎｔｅｒ，ＭｉｎｉｓｔｒｙｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓ，Ｂｅｉｊｉｎｇ１０００５３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅｎａｔｉｏｎａｌｗａｔｅｒｒｅｓｏｕｒｃｅｓｍｏｎｉｔｏｒｉｎｇｃａｐａｃｉｔｙｂｕｉｌｄｉｎｇｐｒｏｊｅｃｔｗｈｉｃｈｓｔａｒｔｅｄｉｎ２０１２ｉｎ Ｃｈｉｎａｉｓａｎｉｍｐｏｒｔａｎｔｗａｙｔｏｉｍｐｒｏｖｅｔｈｅｌｅｖｅｌｏｆｗａｔｅｒｃｏｎｓｅｒｖａｎｃｙｉｎｆｏｒｍａｔｉｏｎ．Ｉｔｒｅｑｕｉｒｅｓｔｈａｔｔｈｅ ｈｉｓｔｏｒｉｃａｌｔｉｍｅｓｅｒｉｅｓｍｏｎｉｔｏｒｉｎｇｄａｔａｏｆｗａｔｅｒｒｅｓｏｕｒｃｅｓｓｈｏｕｌｄｂｅｃｏｍｐｌｅｔｅａｎｄｒｅｌｉａｂｌｅｓｏｔｈａｔｉｔｃａｎｂｅ ｕｓｅｄｔｏｓｕｐｐｏｒｔｄａｔａａｎａｌｙｓｉｓａｎｄｄｅｃｉｓｉｏｎｍａｋｉｎｇ．Ｔｈｅｂａｓｉｃｓｃｅｎａｒｉｏｓｆｏｒｍｏｎｉｔｏｒｉｎｇａｂｎｏｒｍａｌｄａｔａｗｅｒｅ