离群值

摘要： 随着电力需求的不断增长,电网设备技术改造的投入越来越大,如何更好地确定电网技改工程合理造价区间,有效地指导生产技改项目投资控制和精益管理工作成为亟待解决的问题。文章提出了一种基于离群值的电网技改工程造价合理区间的研究方法,选取某省电力公司近五年已完技改项目的工程造价数据为样本,借助SPSS软件,采用狄克逊检验、格拉布斯检验等方法进行造价数据离群值的研判及修正,测算出电网技改工程单位造价合理区间,为技改工程投资估概算编制、评审提供参考依据。

摘要： 以我国铁路旅客客运量的强季节性及外部干预影响关系为研究对象,融合时间序列X-13ARIMA-SEATS季节调整模型离群值、季节性识别功能和ARIMAX干扰模型的非线性干扰分析功能,系统设计基于季节性特征的线性与非线性干预模型,对我国铁路旅客客运量干预效应对季节性影响进行分析。结论显示,铁路旅客客运量季节性根据外部干预因素变化呈现出不稳定变化特征,依据离群值剥离的外部干预因素在一定程度上能净化铁路旅客客运量的干扰性季节因素,非线性季节性干预模型能够解释更多的外部环境信息,还原铁路旅客客运量季节性变量影响本质,我国铁路客运量显示为外部环境负向影响的季节性移动平均特点。

摘要： 基于新冠肺炎疫情等突发事件对人们日常生活出行的影响,结合X-13ARIMASEATS季节调整模型的自动识别最优ARIMA模型和检测突发事件离群值功能,使用脉冲函数和阶梯函数设计基于离群值的突发事件的干预变量,构建铁路客运量的时间序列ARIMAX干预模型,对铁路客运量近年受到的SARS疫情、铁路客票实名制政策和新冠肺炎疫情等突发事件的冲击趋势进行干预比较分析。结果显示,SARS和新冠肺炎疫情对铁路客运量冲击较大,SARS疫情在冲击滞后的第5~6期铁路客运量基本得到恢复,新冠肺炎疫情对铁路客运量冲击一直在持续中,铁路客运实名制政策实施社会性较强,冲击具有波动性和不稳定性特征,持续时间较短;相对季节调整模型的趋势分析优势,干预模型拟合预测精度显著高于季节调整模型,预测显示我国铁路客运量在缓慢持续回暖中。

摘要： 传统自回归与滑动平均(ARMA)残差控制图往往对离群值比较敏感,容易导致监控失效.为了解决这一问题,本文利用稳健统计的思想对传统ARMA残差控制图进行修正,构建出稳健ARMA残差控制图算法,以克服离群值对模型的影响.模拟和实证结果表明:当数据中不存在离群值时,由传统和稳健ARMA残差控制图得到的监控结果基本一致;当数据中存在离群值时,相对于传统ARMA残差控制图而言,稳健ARMA残差控制图能更有效地抵抗离群值的影响,具有较好的抗干扰性和高抗差性.

摘要： 单桩载荷试验是岩土工程最常用的、最可靠的试验方法,规范规定单桩载荷试验承载力统计值为极差不超过平均值30%时,可取其为单桩承载力,当极差大于平均值30%时,承载力如何取用,规范没有给出统一规定。本文通过异常数据剔除,采用不同方法对试验数据的对比分析,给出试验统计值计算的建议方法。

摘要： 近年来,在国家地下水监测工程实施以及水文现代化规划进程加快的新形势下,地下水监测工作处于专用井与生产井并用的过渡时期,使得水位监测值在应用过程中有不一致、不合理的情况出现,须用一种科学方法处理和筛选。用统计学方法对某典型区地下水水位年末差数据分布检验的结果表明,地下水水位年末差呈正态分布特征,在此基础上,用统计学方法对离群值进行判断和处理,以提高数据的精度和代表性。

摘要： 龄期>1 000 d混凝土抗压强度推定方法现有钻芯法和钻芯修正法,钻芯修正法的修正方式又分为总体修正量、对应样本修正量、对应样本修正系数等。论文案例中混凝土龄期最长为2 651 d,案例中钻芯修正法采用对应样本修正量的方式,每一检验批中的芯样抗压强度值采用格拉布斯检验法和狄克逊检验法对离群值进行剔除,对龄期>1 000 d混凝土抗压强度钻芯修正法和钻芯法进行对比分析,得出钻芯修正法与钻芯法的差异性,并确定钻芯修正法在混凝土抗压强度检测中对于结果修正是必要的。

摘要： 为实现电池剩余使用寿命(RUL)在线预测和降低数据离群值对预测精度影响,提出基于改进轻量型梯度提升机(LightGBM)的RUL在线预测方法。首先,为实现RUL在线预测,通过等压降时间与容量衰减的关系,选取等压降时间为健康因子;然后,为降低数据离群值对预测精度的影响,构建基于LightGBM的预测模型,采用Bagging的学习方式,忽略离群值权重;接着,为进一步降低离群值影响,基于一种兼具自适应性和鲁棒性的损失函数(ARLF)对LightGBM进行改进,通过超参数α限制损失函数一阶导数幅值的饱和值,在残差增长时,限制离群值对梯度的影响;最后,通过行驶工况下电池全生命周期容量测试实验数据,对比基于不同损失函数的RUL在线预测效果,验证所构建健康因子和所提预测方法的有效性。

摘要： 目的支付标准的测算是DRG实施中的关键环节,本研究旨在分析比较四种常用的数据裁剪方法,为实际付费做好准备,也为后续的研究与实践提供启示及方法改进的依据。方法利用中段区间法和缩尾法对某市二级医院2017-2019年出院病例的住院费用离群值进行裁剪,用变异系数、总体方差减少系数、Kruskal-Wallis H统计量及ROC曲线评价不同方法裁剪后对DRG分组效能的影响。结果四种方法裁剪离群值后对DRG分组效能指标均有改善,但改善程度各有不同,最适宜的裁剪方法为方法2(裁剪上限Q_(3)+1.5IQR,裁剪下限Q_(1)-0.5IQR)。综合评价离群值裁剪前后CV、RIV以及ROC曲线的变化,可以得到实现更佳分组效能的数据裁剪方法。结论恰当裁剪离群值可规避医保基金的不必要浪费、维持医院经济平稳运行、减少患者疾病负担,地方医保局可根据实际住院数据恰当选取裁剪方法。

摘要： 为解决孤立森林(IF)算法在离群值识别过程中对于边界位置数据处理结果的模糊性和不确定性问题,提高监测数据中异常值的检出率,在使用IF算法进行离群值初步识别的基础上,将IF量化计算后的异常得分引作变量,导入云模型(CM)逆向云发生器,根据逆向云变换所得的云数字特征值实现边界数据定位,进一步引入局部异常因子(LOF)算法对所定位的边界数据进行二次精确诊断,以某尾矿坝地表位移监测数据为例进行了模型验证。研究结果表明:对于监测数据中真实异常值和边界部分随机误差,IF模型检出率为16.5%和22.2%,而IF-CM-LOF模型的检出率分别达到90%和61.1%,离群值诊断性能明显优于IF模型。

摘要： 点云配准是在一组待匹配点云(也称数据点)和参考点云(也称模型点)之间产生一个最佳匹配,从而获取待匹配点云与参考点云之间的旋转和平移关系.基于鲁棒性的点云配准算法,提出基于泰勒级数准则函数来限制离群点的影响,运用重心信息改进配准初始值,利用最小二乘法,Huber.Tukey,Cauchy等准则函数进行对比实验,实验结果表明,当点云数据中含有离群值时,基于泰勒级数准则函数配准误差较最小二乘法,Huber,Tukey和Cauchy准则函数更小,在配准精度上有了较大的提高,并且误差值稳定收敛;在点云数据无同名点情况下,引入插值算法对点云数据进行处理,对后续的配准精度上有一定的改善。

摘要： 为了探究离群值对月度负荷预测效果的影响,本文建立了计及离群值影响的季节性ARIMA月度负荷预测模型(regARIMA),选择了广东等5省(市)1998年12月至2014年7月的实际月度负荷数据,对预测效果进行了实证研究.结果表明,计及离群值影响的建模样本内预测误差会有明显改善.但对于提前12期和提前1期的预测测试结果都表明计及离群值影响的ARIMA模型预测效果并不优于普通季节ARIMA模型.

摘要： 由于成本和时间的限制因素,通常在一个新的制造系统的早期阶段能够观察到样本数量很小,并且不充分的样本将使得数据分析产生问题.半监督学习提供了一种方法来解决这个问题,其藉由少数已标记的数据所提供的知识来分析未被标记的数据.本研究开发了一种新的半监督学习方法运用可能性C均值来将已标记数据作为种子以生成初始群心并检测离群值.实验结果该方法比较于其他方法可以有更好的分类正确性.

摘要： 本文在总结历年实验室参加金属材料室温拉伸试验能力验证的基础上,分别从标准方法的理解、试验技术以及数据解析等方面探讨了金属材料室温拉伸试验中抗拉强度(Rm)、下屈服强度(ReL)、非比例延伸强度(Rp0.2)以及断后伸长率(A)与断面收缩率(Z)等参数出现离群值的原因.

摘要： 目的: 为了探讨一种解决“即刻法”质量控制中对检测值误判的方法，从而保证免疫检验室内质控的及时准确。方法: 利用“学生化残差判断离群值”理论和“即刻法”，同时分析实验获得的质控品数据。结果:“学生化残差”能够实时准确的判断每一次检测值是否为离群值，弥补了“即刻法”对离群值误判的缺陷。结论:“学生化残差判断离群值”和“印刻法”相结合运用，使免疫检验室内质控更准确。

摘要： 由于成本和时间的限制因素,通常在一个新的制造系统的早期阶段能够观察到样本数量很小,并且不充分的样本将使得数据分析产生问题.半监督学习提供了一种方法来解决这个问题,其藉由少数已标记的数据所提供的知识来分析未被标记的数据.本研究开发了一种新的半监督学习方法运用可能性C均值来将已标记数据作为种子以生成初始群心并检测离群值.实验结果该方法比较于其他方法可以有更好的分类正确性.

摘要： 由于成本和时间的限制因素,通常在一个新的制造系统的早期阶段能够观察到样本数量很小,并且不充分的样本将使得数据分析产生问题.半监督学习提供了一种方法来解决这个问题,其藉由少数已标记的数据所提供的知识来分析未被标记的数据.本研究开发了一种新的半监督学习方法运用可能性C均值来将已标记数据作为种子以生成初始群心并检测离群值.实验结果该方法比较于其他方法可以有更好的分类正确性.

摘要： 本发明提供一种用于OCD计量的系统和方法，包括接收用于训练OCD机器学习(ML)模型的训练数据，包括多对相应的散射数据集和参考参数集。对于每一对，无论给定对是否是离群对，都计算一个或多个相应的离群度量，并应用相应的离群阈值。然后用训练数据减去离群对，对OCD ML模型进行训练。

摘要： 本发明提供了一种离群值检测设备等，该离群值检测设备等辅助或执行在实用时间内的离群值的检测，而不对非线性数据集执行参数调整操作。离群值检测设备（1）针对每一个维度转换数据集中包括的多个数据的每一个，并且基于比特序列来建立用于数据集的观察区域。然后，离群值检测设备（1）从在数据集中包括的多个数据逐个地确定一个目标数据，并且基于当从观察区域去除与目标数据对应的区域时与该目标数据相邻的数据的数据密度来计算该目标数据的偏离度。

摘要： 本发明提供了一种基于离群值分析的医疗保险欺诈检测装置及检测方法，其中，基于离群值分析的医疗保险欺诈检测装置，包括：医保数据获取模块；医保数据预处理模块；相似度分数计算模块；离群值检测模块；病人欺诈检测模块。本发明通过数据预处理改进了现有的离群值分析方法，并调整了每个病人的相似性得分，使其适合医疗保险领域。基于该方法，通过计算病人的相似度分数，采用相似性和离群值相结合的方式，利用相似性为每个病人计算一个相似度分数，然后进行离群值分析，通过统计，可以发现相似度分数的分布与正态分布相似，采用阈值与置信区间相结合的方式，以确定检测离群值的灵活临界值。

摘要： 本发明涉及一种高效的城市交通离群值检测方法。该方法利用K‑FCM聚类得到道路模式相同的路段，利用肘方法对聚类数量进行优化；利用核密度分布拟合邻居道路和道路流量数据，采用粒子群优化的BP神经网络对道路情况进行概率预测，最终得到道路情况的异常判断结果。本发明能够高效准确地检测城市交通问题中的离群值存在情况，准确发现城市道路中的异常拥堵或异常疏通，对解决城市交通为交管部门的交通疏导、道路规划提供帮助。

摘要： 本发明提供了一种离群值检测设备等，该离群值检测设备等辅助或执行在实用时间内的离群值的检测，而不对非线性数据集执行参数调整操作。离群值检测设备（1）针对每一个维度转换数据集中包括的多个数据的每一个，并且基于比特序列来建立用于数据集的观察区域。然后，离群值检测设备（1）从在数据集中包括的多个数据逐个地确定一个目标数据，并且基于当从观察区域去除与目标数据对应的区域时与该目标数据相邻的数据的数据密度来计算该目标数据的偏离度。

摘要： 本公开提供了一种基于离群值监测的配网线损异常判断方法及系统，包括：获取台区信息，包括配电线路物理量数据和台区物理量数据；通过分类聚合计算，获取配电线路物理量数据的标准化值和台区物理量数据的标准化值；根据标准化值的特征确定离群值；根据离群值生成异动指纹；将所述异动指纹与预存的异动指纹库进行特征值比对，得到异动原因；本公开通过识别配电线路台区供售损曲线特征及离群值，将以往达标区间内的隐形潜在问题挖掘凸显，快速定位波动因素，提升了线损管理工作效率。

摘要： 本发明涉及一种基于多维标度法的到达时间差离群值检测方法，包括：离线采集阶段，在信号源尚未发送信号之前，根据已知的传感器位置坐标、到达时间差测量值高斯噪声方差和信号传播速度，计算得到所有传感器组的标量乘积矩阵特定特征值平方和的经验概率分布函数，所述标量乘积矩阵基于多维标度法构造；在线检测阶段，当信号源发出发送信号时，测量所有传感器两两之间的到达时间差测量值，利用所述经验概率分布函数，通过假设检验的方法，检测出到达时间差测量值中的离群值。与现有技术相比，本发明具有适用范围广、检测准确度高等优点。

摘要： 系统和方法包括处理器，用于接收用户活动的训练数据；接收偏倚标准；确定机器学习模型的模型参数集合，包括：(1)将机器学习模型应用于训练数据；(2)生成模型预测误差；(3)基于模型预测误差生成数据选择向量以识别非离群值目标变量；(4)利用数据选择向量生成非离群值数据集；(5)基于非离群值数据集确定更新后的模型参数；以及(6)重复步骤(1)‑(5)直到满足审查性能终止标准；为离群值分类器机器学习模型训练分类器模型参数；将离群值分类器机器学习模型应用于活动相关数据以确定非离群值活动相关数据；以及将机器学习模型应用于非离群值活动相关数据，以预测用户活动的未来活动相关属性。

摘要： 用于通过检测存储器装置中的热区标签和热区离群值来改善频繁改变的装置温度条件下的读取性能的方法、装置和系统。可以为所述存储器装置配置多个热区。可以测量对应于打开所述存储器装置的存储块用于编程的第一温度。随后可以测量对应于关闭所述存储块用于编程的第二温度。可以确定所述第一温度与所述第二温度之间的范围。所述范围可以横跨N≥2的所述热区。最终，在N满足阈值的条件下，可以将所述存储块指派到包含所述第二温度的热区。

摘要： 本发明属于数据库技术领域，公开了一种基于序列差值的离群值检测方法，包括：获取一维数据并排序；根据序列计算得到差值序列；计算差值序列的均值和标准差；根据所述差值序列计算得到排序后序列的差值比值序列并计算其均值和标准差；得到差值序列的离群值点群索引；根据离群值点群索引确定高端离群点分割阈值；得到差值比值序列的离群值点群索引；根据离群值点群索引确定低端离群点分割阈值；从排序后序列中将满足i≤m