论文部分内容阅读
空气质量数据具有在时间上连续、空间上相关的特点,这提高了异常点识别的难度。本文提出在时间维度上运用移动平均法,在空间维度上运用反距离加权法对观测值进行预测并求残差的解决思路,从而将时空数据的异常点识别问题转化为二维残差值的异常点检测问题。通过仿真验证表明新方法具有良好的检出力。最后将新方法应用于北京市实际观测数据,取得了满意的识别效果。