您现在的位置是：首页 > 技术资料 > 基于SW-SVR的畜禽养殖物联网异常数据实时检测方法

推荐星级：

基于SW-SVR的畜禽养殖物联网异常数据实时检测方法

更新时间：2019-12-08 08:20:55 大小：918K 上传用户：xiaohei1810 查看TA发布的资源 标签：物联网异常数据实时检测 下载积分：1分评价赚积分（如何评价?）打赏收藏评论(0) 举报

资料介绍

畜禽养殖物联网由于工作环境恶劣、网络传输故障等因素容易产生异常感知数据,为保证数据质量,根据畜禽养殖物联网数据流周期性、时序性等特点,提出了一种基于滑动窗口与支持向量回归(Sliding window and support vector machines for regression,SW-SVR)的异常数据实时检测方法.首先根据畜禽物联网数据流特征周期以及采样频率确定滑动窗口尺寸;然后通过SVR模型预测畜禽养殖物联网数据流中某一时刻传感器测量值;最后计算预测区间,根据实际测量值是否落入该区间判断是否异常并对异常数据进行置换处理.采用畜禽养殖物联网环境数据进行试验,结果表明:所提滑动窗口计算方法得到的窗口尺寸预测的MAPE为0.1884,畜禽养殖物联网异常数据检测率达98％,能够有效检测和处理畜禽养殖物联网数据流中的异常数据.

部分文件列表

文件名	大小
基于SW-SVR的畜禽养殖物联网异常数据实时检测方法.pdf	918K

立即下载

【关注视频号领20积分】【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）

2 0

7年8月

农业机械学报

第48卷第8期

doi：10．6041／j．issn．1000—1298．2017．08．017

基于SW—SVR的畜禽养殖物联网异常数据实时检测方法

璐1

段青玲1’2

肖晓琰1

刘怡然1

(1．中国农业大学信息与电气工程学院，北京100083；2．北京市农业物联网工程技术研究中心，北京100097)

张

摘要：畜禽养殖物联网由于工作环境恶劣、网络传输故障等因素容易产生异常感知数据，为保证数据质量，根据畜

window and

禽养殖物联网数据流周期性、时序性等特点，提出了一种基于滑动窗El与支持向量回归(Sliding

support

for

vector machines

regression，SW—SVR)的异常数据实时检测方法。首先根据畜禽物联网数据流特征周期以及采

样频率确定滑动窗口尺寸；然后通过SVR模型预测畜禽养殖物联网数据流中某一时刻传感器测量值；最后计算预

测区间，根据实际测量值是否落入该区间判断是否异常并对异常数据进行置换处理。采用畜禽养殖物联网环境数

据进行试验，结果表明：所提滑动窗口计算方法得到的窗口尺寸预测的MAPE为0．1884，畜禽养殖物联网异常数据

检测率达98％，能够有效检测和处理畜禽养殖物联网数据流中的异常数据。

关键词：异常数据检测；畜禽养殖物联网；滑动窗口；支持向量回归

中图分类号：TP274+．2；TP393．03

文献标识码：A

文章编号：1000—1298(2017)08旬159—07

Data Real-time Detection Method of Livestock

Anomaly

Breeding

Internet of

on SW——SVR

Based

Things

DUAN

XIAO

LIU Yiranl ZHANG Lul

Qinglin91· 2

and Electrical

(1．College ofInformation

Xiaoyanl

Engineering，China

100083，China

Agricultural University，Belting

Research Center

Internet

2．Beijing Engineering

ofAgricultural

of Things，Bering 100097，China)

to bad work environment and network transmission

abnormal

Abstract：Due

sensory

failure．it

easy

generate

quality

data in livestock

Internet of

order ensure the

things

sensory

breeding

characteristics

based on

system．In

to the

data flow

sensory

such

data，according

periodicity，temporality，infinity，etc．，

method was

window and

vector machines

detection in real

and

proposed

regression(SW—SVR)for

sliding

support

data

livestock

Internet of

abnormal

things sensory

breeding

time．Firstly，the sliding

of data flow from

sampling frequency

window size wasdecided

to the characteristic

the

according

Internet of

period

livestock

data within

window was selected as

sliding

breeding

value of

things system，and

history

model．Then．the sensor estimated measurement value at certain moment

the

input

prediction

Internet of

livestock

was

SVR

breeding

things system

predicted by using

model．Finally，the prediction

actual

the sensor

the abnormal

data was identif／ed

sensory

interval(PI)was calculated．and

measurement data fell out

abnormal

the PI．The abnormal data would be

the

data．The

Internet of

error value of with

prediction

replaced by

predictive

data detection method wastested

data flow from real 1ivestock

sensory

breeding

resuhs showed that the mean

absolute

things system．Experiment

percent

window size calculated

the

window method was

88 4．The correct detection rate of abnormal

had

0．1

sliding

data based on SVR model with radial basis function

with BP neural

kernel(RBF kernel)achieved 98％．which

data can be

network(BPNN)method．Abnormal

higher accuracy compared

effectively

detected and treated in livestock

Internet of

breeding

things system．

internet of

data

detection；livestock

Key words：anomaly

breeding

things；sliding window；support

vector machines for

regression

重要手段之一。在畜禽养殖物联网中，传感器按照

时间序列连续不断地采集温湿度、光照、有害气体浓

度等畜禽生长环境数据，并以数据流的形式传输至

引言

当前物联网已经成为畜禽养殖生产获取数据的

收稿日期：2016—12—14修回日期：2017一Ol一16

基金项目：国家高技术研究发展计划(863计划)项目(2013AAl02306)和山东省自主创新项目(2014XGAl3054)

作者简介：段青玲(1967一)，女，教授，博士，主要从事智能信息处理研究，E-mail：dqling@cau．edu．ca

万方数据

160

农业机械学报

1．1

总体流程

数据处理系统，具有显著周期性、实时性、无穷性等

特征¨ 。3o。畜禽物联网的工作环境通常较恶劣，由

于传感器设备的暂时性故障、数据传输错误等原因

产生异常数据H“o，使得数据质量急剧下降，无法保

证设备的自动控制和数据的有效分析。

畜禽养殖物联网异常数据实时检测处理流程如

图1所示。其中针对畜禽养殖物联网异常数据实时

检测处理流程中的符号定义如下：设z，为畜禽养殖

物联网中传感器在t时刻的实际测量值，称X=

{．一，z。，z：，z。， }为畜禽养殖物联网中传感器

采集的数据流，表示为按照一定时间次序组成的无

限集合。设q为滑动窗口尺寸，戈为t时刻之前第

q个畜禽物联网传感器测量值，称D，{石，石 +。，

，戈，．．}为t时刻滑动窗VI数据集。通常选取t时

刻之前的q个历史数据组成滑动窗口数据集，作为

单步预测的输入项。若D，表示t时刻滑动窗口数

据集，称i。=SVR(D，)为通过SVR算法计算得到的

t时刻预测值。

异常值的概念由Edgeworth首次定义，是指“显

然严重偏离样本集合中其他观测值的观测值”、7。。

异常数据检测是指从数据集中找出明显区别于其他

数据的数据¨ 。。根据异常检测的数据来源，异常数

据检测技术可分为离线检测和在线检测。离线异常

数据检测主要采用最近邻、聚类、神经网络分类器、

支持向量机分类器等机器学习’9“列和统计方

法’14。1钊对静态样本数据进行异常检测，离线异常数

据检测的对象是收集的静态数据，不适用于畜禽物

联网中实时数据流异常检测。在线异常数据实时检

测主要基于预测对实时数据流进行异常检测，何

欢Ⅲ。采用递归神经网络检测概念漂移方法进行异

常数据检测，着重于检测数据中的隐藏状态变化；

HILL等¨ 8。利用BP神经网络模型计算预测值及置

信区间，与实际测量值比较进行异常分类。苑进

等¨ 9’通过自回归高斯模型计算大棚内温湿度预测

误差带进行异常分类，但高斯过程回归模型受初值

和协方差函数影响较大。SVR算法以其训练样本

小、泛化能力强的特点在数据预测领域广受关

注

，并成功应用在时间序列预测研究中拉1。”l，目

前在异常检测领域也有所研究¨ ””。，但应用较少。

基于预测的异常数据实时检测方法，一般选取固定

滑动窗口确定预测模型的输入项，是预测准确性和

运行效率的重要影响因子，而滑动窗口尺寸选择因

素复杂，物联网中数据采集频率、特征周期各不相

同，如畜禽物联网中氨气、温度采集时间间隔分别为

图1基于SW—SVR模型的异常数据检测方法

data detection method based on SW—SVR

Anomaly

Fig．1

畜禽养殖物联网异常数据实时检测处理流程包

括以下步骤：

(1)基于采样频率和数据周期确定滑动窗口q。

(2)根据滑动窗口尺寸q，选择窗口内历史数据

min和5 rain，目前的研究中多是人为确定滑动窗

口尺寸，预测结果具有随机性。本文提出基于SW—

SVR的畜禽养殖物联网异常数据实时检测方法，选

择窗口尺寸并根据滑动窗口内历史数据预测传感器

测量值，计算预测区间，并与实际值对比进行异常数

据分类与替换处理，以期满足畜禽养殖物联网数据

流异常检测对准确度和运算效率的要求。

(即t时刻其所在时间序列之前q个测量值)组成滑

动窗口数据集。

(3)采用SVR算法进行预测，即计算数据流中t

时刻的预测值。

(4)计算t时刻预测区间PI，与实际测量值对比

判断是否异常，并对异常数据进行置换处理，剔除异

常数据。

基于SW—SVR的畜禽养殖物联网异常

(5)更新滑动窗口，重复步骤(2)～(4)。

1．2滑动窗口构建

数据检测方法

根据畜禽物联网中数据流周期性、实时性、无穷

性的特点构建基于SW—SVR的畜禽养殖物联网异

常数据检测方法，以有效保证数据的实时性和准确

率，为设备的自动控制和有效的数据分析提供数据

支持。

畜禽养殖物联网数据流与静态数据不同，具有

实时性、无穷性等特点，不可能用所有的数据集作为

数据源，因此需要创建滑动窗口，以窗口内的历史数

据作为预测模型的输入值。假设窗口尺寸为q，则

保存最近一段时间的q个数据，也称之为滑动窗口

万方数据

全部评论(0)

暂无评论

评论赚积分>>

上传资源上传优质资源有赏金

最新上传

打赏
30日榜单

21ic小能手打赏10.00元 3天前

资料：基于STM32的音乐播放器电路+PCB源文件+源码等
21ic小能手打赏10.00元 3天前

资料：USART文本数据包——TEXT数据包模式 keil平台原创教程
21ic小能手打赏10.00元 3天前

资料：USART收发数据包 HEX数据包模式 keil教程开发原创详细
21ic下载打赏310.00元 3天前

用户：小猫做电路
21ic下载打赏310.00元 3天前

用户：gsy幸运
21ic下载打赏310.00元 3天前

用户：liqiang9090
21ic下载打赏310.00元 3天前

用户：zhengdai
21ic下载打赏160.00元 3天前

用户：w1966891335
21ic下载打赏160.00元 3天前

用户：w178191520
21ic下载打赏160.00元 3天前

用户：kk1957135547
21ic下载打赏40.00元 3天前

用户：WK520077778
21ic下载打赏40.00元 3天前

用户：sun2152
21ic下载打赏30.00元 3天前

用户：xuzhen1
21ic下载打赏50.00元 3天前

用户：铁蛋锅
21ic下载打赏30.00元 3天前

用户：xzxbybd
21ic下载打赏40.00元 3天前

用户：z00
21ic下载打赏40.00元 3天前

用户：forgot
21ic下载打赏40.00元 3天前

用户：happypcb
21ic下载打赏20.00元 3天前

用户：zhaoqshan
21ic下载打赏5.00元 3天前

用户：17724187683
21ic下载打赏5.00元 3天前

用户：zmm1818

21ic小能手打赏15.00元 3天前

资料：16通道相控阵TR组件原理图与PCB(原创)
21ic小能手打赏5.00元 3天前

资料：基于FPGA的交通灯设计课程设计
21ic小能手打赏5.00元 3天前

资料：UC3843 12V 2.5A原理图和变压器制作方案设计
chenruiji 打赏1.00元 3天前

资料：血糖仪原理图
21ic小能手打赏5.00元 3天前

资料：基于51单片机的酒精检测设计方案源码
21ic小能手打赏5.00元 3天前

资料：基于STM32出租车计价器实验例程
21ic小能手打赏5.00元 3天前

资料：基于FreeRTOS的语音桌宠实验例程
21ic小能手打赏10.00元 3天前

资料：基于stm32和esp32的共享充电宝项目
21ic小能手打赏5.00元 3天前

资料：基于ROS2和STM32的摘桃机器人
21ic小能手打赏10.00元 3天前

资料：一辆控制系统稳定的无人驾驶汽车
21ic小能手打赏5.00元 3天前

资料：基于STM32F103与FreeRTOS系统开发的航模遥控辅助控制器
21ic小能手打赏5.00元 3天前

资料：基于STM32H745的网络天气数码相框
21ic小能手打赏5.00元 3天前

资料：测试智能语音控制模块
21ic小能手打赏5.00元 3天前

资料：STM32通过串口实现ESP8266模块连接
21ic小能手打赏5.00元 3天前

资料：单片机开发教程资料合集内容
21ic小能手打赏10.00元 3天前

资料：氮化镓65W快充最新方案资料包
21ic小能手打赏10.00元 3天前

资料：200W开关电源高P半桥全套方案资料
cai0603 打赏3.00元 3天前

用户：CJQ_ENJOY
21ic小能手打赏5.00元 3天前

资料：基于STM32f103c8t6的can回环测试

基于SW-SVR的畜禽养殖物联网异常数据实时检测方法

资料介绍

部分文件列表

部分页面预览

相关下载

全部评论(0)

热门标签

最新上传

热门下载

推荐下载

专栏首页