一种自适应的工业热异常检测方法

工业作为影响城市热环境的重要机制之一,准确检测出引起热异常的工厂,可为分析工业热异常对城市热环境的贡献率提供准确信息,对科学规划工业建设、改善城市热环境具有重要意义。现有的工业热异常检测方法因固定临界值参数的局限性,易造成检测结果多提或漏提等问题。因此,本文提出一种自适应工业热异常检测方法(adaptive thermal anomaly detection,Adaptive-TAD)。该方法首先利用谷歌地球选取工厂训练样本;然后根据先验知识选取训练标准差倍数;最后基于二分法思想,结合工厂训练样本和标准差倍数训练样本,训练出最佳临界值,从而实现多时相多空间的工业热异常检测。实验结果表明:Adaptive-TAD方法能够高效、高精度地完成多空间多时相的工业热异常检测,且检测结果的正确率优于经典的3倍方法和应用广泛的1.645倍方法。