•  栏目 研究性文章

基于深度学习的环境工程检测数据异常识别模型构建与优化研究

doi https://doi.org/10.63887/fns.2025.1.3.11

作者

  • 刘娜
    河北华清环境科技集团股份有限公司 , 中国
  • 高洪珍
    河北华清环境科技集团股份有限公司 , 中国
期: 第 1 卷第 3 期 (2025 年): 《自然科学前沿》( Frontiers in Natural Sciences ,FNS)
关键词:
环境监测；异常检测；深度学习；LSTM；自编码器；模型优化

摘要

环境污染越来越厉害的时候，环境监测数据在环境工程里的运用变得特别重要，因为采集设备，传输系统，外部环境这些因素的影响，环境监测数据里经常会有些异常的数据。这些异常会影响后面的分析和判断，传统的异常检测方法面对复杂的环境数据时有一定的局限性，应对高维，非线性，动态变化的数据比较困难，为了改善这种状况，文章提出了一个依靠深度学习的环境工程检测数据异常识别模型，借助创建融合LSTM和自编码器的很多模型，可以完成对点异常和序列异常的有效检测。文章还采用超参数优化策略和多模型集成方法来优化模型性能，通过实验发现该模型在多个真实环境数据集上都能达到很好的异常检测效果，在准确率、召回率以及鲁棒性等方面都优于传统算法，研究成果对环境监测数据质量控制与智能分析有着重要的推动作用。

如何引用

刘娜, & 高洪珍. (2025). 基于深度学习的环境工程检测数据异常识别模型构建与优化研究. 自然科学前沿, 1(3). https://doi.org/10.63887/fns.2025.1.3.11
ACM（计算机协会会议） ACS（美国化学会） APA（美国心理学会） ABNT（巴西技术标准协会） 芝加哥（作者-日期） 哈佛格式 IEEE（电气电子工程师协会） MLA（现代语言协会） Turabian（注释-书目） 温哥华格式
下载引用

参考

陈鸣.网络安全态势感知与异常检测技术研究 [J]. 计算机科学，2022, 49 (10): 150 - 156.

王强.工业物联网设备健康监测与故障诊断研究 [J]. 仪器仪表学报，2021, 42 (8): 1 - 10.

李华.金融交易欺诈检测方法综述 [J]. 金融理论与实践，2020, (12): 89 - 95.​

周茂袁,伍小双.基于深度学习的异常检测模型综述[J].中国民航大学学报,2023,41(4):1-736

贾峰.基于深度学习算法的电力调度数据网络异常检测方法[J].信息与电脑,2023,35(12):79-81

作者简介

  • 刘娜
    河北华清环境科技集团股份有限公司 , 中国
  • 高洪珍
    河北华清环境科技集团股份有限公司 , 中国

版权

未提供许可协议