基于深度自编码器用于原位废水系统监测数据的异常检测
信号处理
2020-03-09 v3 机器学习
机器学习
摘要
由于废水系统中原位传感器数据量不断增长，自动识别异常行为并确保高数据质量变得必要。本文提出一种基于深度自编码器的原位废水系统监测数据异常检测方法。自编码器架构基于一维卷积神经网络（CNN）层，其中卷积沿数据的时间轴在输入上执行。然后基于解码阶段的重构误差进行异常检测。该方法在来自下水道过程监测数据的多变量时间序列上得到验证。我们讨论了结果以及复杂时间序列中异常标注的挑战。我们建议所提出的方法可辅助领域专家识别异常。
引用
@article{arxiv.2002.03843,
title = {Anomaly Detection using Deep Autoencoders for in-situ Wastewater Systems Monitoring Data},
author = {Stefania Russo and Andy Disch and Frank Blumensaat and Kris Villez},
journal= {arXiv preprint arXiv:2002.03843},
year = {2020}
}
备注
10th IWA Symposium on Modelling and Integrated Assessment (Watermatex 2019)