一种基于多模型融合的异常数据清洗方法及系统

本发明属于异常数据清洗领域，公开了一种基于多模型融合的异常数据清洗方法及系统，该异常数据清洗方法包括以下步骤：对待清洗数据进行预处理；识别离散异常数据；识别堆积异常数据；建立随机森林模型和长短期神经网络模型；基于人工鱼群算法将随机森林模型和长短期神经网络模型组合，得到RF‑LSTM预测模型；将含缺值数据输入RF‑LSTM预测模型，输出预测结果填充至数据集，完成异常数据清洗，结合孤立森林算法和聚类算法，能够有效地识别出具有离散分布和聚集分布的异常数据，拓宽了异常数据识别的范围，提高了识别的准确性和全面性，利用RF‑LSTM预测模型对缺失值进行预测和填充，可以确保数据集的完整性和一致性，从而进一步提高业务决策的准确性。