典型文献
基于动态融合LOF的城市污水处理过程数据清洗方法
文献摘要：
围绕城市污水处理过程数据存在连续噪声和缺失的问题,提出一种基于动态融合局部异常因子(dynamic fusion local outlier factor,DFLOF)的污水处理过程数据清洗方法.首先,设计一种基于滑动窗口的数据动态分段方法,通过计算每个子段数据的均值、最大值和峰值区间信息获得数据异常属性值;其次,建立一种基于DFLOF的数据可信度评价模型,利用基于动态融合局部异常因子算法评估数据的可信度,保证异常数据检测和剔除的准确率;最后,提出一种基于径向基函数(radial basis function,RBF)神经网络的数据补偿方法对缺失数据进行补偿,实现污水处理过程数据的清洗.将该数据清洗方法应用于实际污水处理过程,实验结果表明:基于动态融合局部异常因子的数据清洗方法能够实现污水处理过程中异常数据的清洗,从而提高数据质量.
文献关键词：
污水处理过程;数据清洗;动态融合LOF;径向基函数神经网络
中图分类号：
作者姓名：
鲁树武;伍小龙;郑江;何政;顾剑;韩红桂
作者机构：
北京工业大学信息学部,北京100124;计算智能与智能系统北京市重点实验室,北京100124;北京城市排水集团有限责任公司,北京100124;北京北排水环境发展有限公司,北京100122
文献出处：
引用格式：
[1]鲁树武;伍小龙;郑江;何政;顾剑;韩红桂-.基于动态融合LOF的城市污水处理过程数据清洗方法)[J].控制与决策,2022(05):1231-1240
A类：
DFLOF
B类：
动态融合,城市污水处理,污水处理过程,过程数据,数据清洗,清洗方法,绕城,dynamic,fusion,local,outlier,滑动窗口,数据动态,得数,数据异常,属性值,可信度评价,局部异常因子算法,评估数据,异常数据检测,radial,basis,function,RBF,补偿方法,缺失数据,实际污水,数据质量,径向基函数神经网络
AB值：
0.237661
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
