期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
利用自识别的供水管网监测数据质量控制
被引量:
5
1
作者
刘书明
吴以朋
车晗
《清华大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2017年第9期999-1003,共5页
复杂庞大的供水管网系统拥有众多监测点,在人工判断的情况下,各个监测点采集的海量数据无法被及时有效地处理,数据准确性无从保障,这对供水管网异常情况的判断造成极大阻碍。针对此情况,将北京市某供水管网监测站56个月的在线监测数据...
复杂庞大的供水管网系统拥有众多监测点,在人工判断的情况下,各个监测点采集的海量数据无法被及时有效地处理,数据准确性无从保障,这对供水管网异常情况的判断造成极大阻碍。针对此情况,将北京市某供水管网监测站56个月的在线监测数据进行时段上和季节上的切分,构建自回归滑动平均(autoregressive moving average,ARMA)模型,并通过该模型建立的置信区间识别人工模拟序列中的异常值,从而实现独立节点自身数据的自识别。结果表明:经过数据反馈矫正,该自识别过程能够准确提取人工模拟监测数据中的异常值。ARMA模型的建立极大限度压缩了需人工处理的数据量,以便在异常数据中人工甄选无效数据,实现数据质量控制。
展开更多
关键词
数据
自
识别
供水管网
自
回归滑动平均模型
数据
质量控制
原文传递
题名
利用自识别的供水管网监测数据质量控制
被引量:
5
1
作者
刘书明
吴以朋
车晗
机构
清华大学环境学院
出处
《清华大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2017年第9期999-1003,共5页
基金
国家水体污染与治理重大专项(2014ZX07406003)
文摘
复杂庞大的供水管网系统拥有众多监测点,在人工判断的情况下,各个监测点采集的海量数据无法被及时有效地处理,数据准确性无从保障,这对供水管网异常情况的判断造成极大阻碍。针对此情况,将北京市某供水管网监测站56个月的在线监测数据进行时段上和季节上的切分,构建自回归滑动平均(autoregressive moving average,ARMA)模型,并通过该模型建立的置信区间识别人工模拟序列中的异常值,从而实现独立节点自身数据的自识别。结果表明:经过数据反馈矫正,该自识别过程能够准确提取人工模拟监测数据中的异常值。ARMA模型的建立极大限度压缩了需人工处理的数据量,以便在异常数据中人工甄选无效数据,实现数据质量控制。
关键词
数据
自
识别
供水管网
自
回归滑动平均模型
数据
质量控制
Keywords
data self-recognition
water distribution system
autoregressive moving average model
data quality control
分类号
TU991.33 [建筑科学—市政工程]
原文传递
题名
作者
出处
发文年
被引量
操作
1
利用自识别的供水管网监测数据质量控制
刘书明
吴以朋
车晗
《清华大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2017
5
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部