污水管网早期异常检测：多种异常检测算法的装袋集成
机器学习
2022-06-08 v1
摘要
污水管网的异常会影响整个城市的正常运行。因此，尽早检测异常十分重要。本文提出一种早期异常检测方法。利用隔离森林算法等常规算法检测异常，并给出两项创新：(1) 将布置在污水管网中的传感器（如超声波多普勒流量计）测得的当前与历史数据作为整体数据集，然后使用常规异常检测方法对总体数据集进行检测以诊断数据异常。异常是指整个数据集中不同于其他样本的样本。由于异常的定义并非通过算法给出，而是基于整体数据集，因此整体数据集的构建是提出早期异常检测算法的关键。(2) 提出一种针对多种常规异常检测算法的装袋（bagging）策略，以实现高精度与高召回率的异常早期检测。结果表明，该方法可实现早期异常检测，最高精度达 98.21%，召回率 63.58%，F1-score 为 0.774。
引用
@article{arxiv.2206.03321,
title = {Early Abnormal Detection of Sewage Pipe Network: Bagging of Various Abnormal Detection Algorithms},
author = {Zhen-Yu Zhang and Guo-Xiang Shao and Chun-Ming Qiu and Yue-Jie Hou and En-Ming Zhao and Chi-Chun Zhou},
journal= {arXiv preprint arXiv:2206.03321},
year = {2022}
}