摘要
本文针对生产数据的异常检测与预警问题,首先对数据进行了预处理,然后使用MATLAB 作箱线图,筛选出具有波动性的异常数据,利用时间序列相关分析和DTW 聚类模型考察其相互之间的联动性,并筛选出具有联动性的风险性异常数据。最后参考DTW 聚类模型的结果,利用时间序列图对剩余数据进行持续性分析,并筛选出具有持续性的风险性异常数据。接下来使用了TOPSIS 综合评价法对每一时刻上的45 组风险性异常数据进行打分,将原始矩阵正交化、标准化后再利用熵权法对权重进行修正,然后计算得分并筛选出5 个得分最高的时刻,再对这5 个时刻上的各组传感器数据建立风险异常程度评价指标体系,计算熵权权重和最终得分,由此筛选出这5 个时刻上各自风险性异常程度最高的5 个传感器。
