結合時空資料的半監督模型並應用於PM2.5空污感測器的異常偵測;Semi-Supervised Model with Spatio-Temporal Data and Applied in PM2.5 sensor anomaly detection

NCU Institutional Repository > 資訊電機學院 > 資訊工程研究所 > 博碩士論文 > Item 987654321/86650

請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/86650

題名:	結合時空資料的半監督模型並應用於PM2.5空污感測器的異常偵測;Semi-Supervised Model with Spatio-Temporal Data and Applied in PM2.5 sensor anomaly detection
作者:	張欣茹;Zhang, Xin-Ru
貢獻者:	資訊工程學系
關鍵詞:	PM2.5;異常偵測;半監督模型;時空資料結合;PM2.5;anomaly detection;semi-supervised model;spatio-temporal data integration
日期:	2021-08-10
上傳時間:	2021-12-07 13:04:42 (UTC+8)
出版者:	國立中央大學
摘要:	台灣近年來 PM2.5 空氣汙染的議題逐漸受到重視，增設了許多價格較為低廉的感測器，但是這些感測器容易受到環境因素影響造成較大的誤差，加上數量龐大造成每台感測器的維護頻率低，單一區域感測器回傳的數值不如國家級測站來得可靠，本論文比較了監督式、無監督式、及半監督式的演算法在偵測異常傳感器的效果。為了結合感測器的時空資訊，我們將監測值轉成圖片資料、整合性資料、以及整合資料結合時序資料來準備訓練數據。我們根據工業技術研究所提供的檢測記錄得到感器測的狀態值（正常或異常），探討了標記資料的比例對半監督模型預測效能的影響。實驗結果顯示：我們研究的方法優於目前的隨機巡檢機制。;The PM2.5 issue has drawn much attention in Taiwan, and many inexpensive sensors have been deployed in recent years. However, these sensors are fragile and susceptible to environmental factors. In addition, the large number of sensors results in low maintenance frequency, so the monitored values returned by a single sensor are unreliable. This thesis compares supervised, unsupervised, and semi-supervised methods to identify the problematic sensors. We prepared the training data by converting monitored values into images, integrated data, and se quential data to incorporate the spatio-temporal information of the sensors. We obtained sensors’status (normal or abnormal) based on the inspec tion records provided by the Industrial Technology Research Institute. We explored how the ratio of labeled data to unlabeled data influences the per formance of the semi-supervised models. Experimental results show that our studied methods outperform the current inspection strategy (random inspection).
顯示於類別:	[資訊工程研究所] 博碩士論文

文件中的檔案:

檔案	描述	大小	格式	瀏覽次數
index.html		0Kb	HTML	44	檢視/開啟

在NCUIR中所有的資料項目都受到原著作權保護.

社群 sharing

資料載入中.....