基于时序数据的臭氧污染物异常检测方法、设备、介质

本发明公开了一种基于时序数据的臭氧污染物异常检测方法、设备、介质，包括：选取臭氧浓度影响因素；将臭氧浓度影响因素输入至臭氧污染物浓度预测模型，得到臭氧浓度预测值；其中，所述氧污染物浓度预测模型以LSTM神经网络为基准构建；提取臭氧实际检测值与臭氧浓度预测值之间的残差序列；对残差序列进行特征提取，得到近似熵特征；基于孤立森林构建随机树通过近似熵特征的显著变化以识别臭氧浓度预测值的异常波动，从而完成臭氧污染物异常检测。本发明能够挖掘臭氧污染时序相关关系和依赖关系，更有效地预测臭氧污染物浓度变化趋势，同时引入近似熵特征结合孤立森林算法对臭氧浓度预测值中隐含的信息进行挖掘和利用，有效提高了异常检测性能。