一种基于特征曲线的自动土壤水分观测数据异常值检测方法

以土壤水分时间序列特征提取和形态匹配为基本操作,提出了一种基于特征曲线的自动土壤水分观测数据异常值检测新方法.首先确定检测序列X和模板序列Y的长度和范围,利用经验模态分解(EMD)方法对序列X和Y进行分解,分别获得特征重构序列C和序列Q,然后利用动态时间归整(DTW)算法对重构序列做匹配对齐操作,分别形成序列C'和Q',通过序列C'和Q'计算获得变异序列D',并将序列D'中变异系数超过门限值threshold的异常元素或异常片段标记出来,最终实现检测序列X中异常点的定位.运行实例表明:(1)检测方法无需引入土壤物理常数和气象条件等外在影响因素,避免了土壤水分计算过程中加入高低阈值、变化率阈值等相关参数.(2)方法使用同一站点相同深度的土壤水分连续数据,无需多站数据对比,且对于检测序列X和模板序列Y没有严格的长度一致性要求,因而计算更加灵活,适用性较强.(3)方法流程清晰,输入和输出对象简单明确,较为适合进行计算机编程开发和业务化运行部署.