摘要
本发明涉及一种多因素融合的物联网离群数据识别方法,属于物联网技术领域,包括确定识别的目标因素,并融合与其相关联的多种影响因素,获取对应的历史数据并进行预处理;对具体指标进行相关性分析,选择对目标因素有显著影响的指标数据,形成最终的有效指标组合;构建LSTM结合特征注意力机制的预测模型,利用相关性分析筛选后的数据进行预测,输出未来一段时间的预测值,通过反归一化获得实际预测值;采用预测模型,融合多因素综合分析的离群数据识别方法,使用孤立森林算法建模,将预测残差和影响因子作为输入特征,计算每个数据点的异常分数;基于异常分数的分布,采用滑动窗口技术动态设置阈值,将超出阈值的数据点判定为离群数据。
技术关键词
离群数据识别方法
预测残差
注意力机制
滑动窗口技术
指标
孤立森林算法
森林模型
配置网络参数
数据识别模型
线性插值方法
训练预测模型
实时数据
递推方式
标准化方法
归一化方法
因子
动态