【前兆仪器数据异常实时监控系统研究】汶川地震前一天的前兆

　　摘要：结合长期的地震台站仪器维护实践和对常见的前兆仪器故障进行分析的基础上，针对当前前兆仪器故障监测的现状，文章提出设计一套前兆仪器数据异常监控系统。这套系统在功能上不仅要实现监控仪器的网络连接异常，同时能够对前兆数据进行分析，实时捕获仪器的数据异常信息。系统首先采用动态web页面数据采集技术来实现一套安全可靠的实时数据接口，在此基础上，系统提供一个数据异常判定规则的设计模块，该模块提供了两类异常判定规则的设计方法。观测员可以根据自己的需要来动态添加异常判定规则，这些规则载入系统后，系统启用该规则对前兆时间序列采用滑动窗口技术进行实时检测。从而实时捕获仪器故障导致的数据异常信息和符合用户兴趣点的异常信息。
　　关键词：前兆仪器 数据异常 实时监控 数据采集 异常捕获
　　中图分类号：TP311.52 文献标识码：A 文章编号：1007-9416（2012）10-0012-03
　　随着计算机技术和网络技术的发展，我国地震监测仪器先后完成了“九五项目”和“十五项目”的改造。基本实现了地震监测工作的自动化、数字化和网络化。随着这些技术改造的完成，和当前社会上物联网“十二五”规划大背景的推动下，传统的台站工作模式正在逐渐发生变化，越来越多的台站将由有人值守台站变成了无人值守台站，其监测业务一般由中心台或上级地震局远程监控完成。另一方面，随着监测密度的提高，新增大量监测仪器和监测点势必要求监测仪器的运行维护由远程来操控，从而提高效率。在远程操控的情况下，地震监测资料的采集、传输、保存、处理的自动化已经成熟应用，只要仪器正常运行，相应的监测环境既能产出相应监测数据。因此，保证仪器正常运行不出故障成为当前大部分地震台站的最首要的工作。
　　本文结合长期的地震台站仪器维护实践，在对典型的前兆仪器故障案例进行了统计、整理和分析的基础上，设计开发了一套对其有效防范的实时监控系统。因为监测仪器故障通常表现为网络连接异常或者监测数据异常两种形式。因此，针对网络连接异常监控，使用网络技术对指定仪器定时检测的办法实现台站监测仪器连接状态的实时监控；针对监测数据异常监控，系统提供一个数据异常判定规则的设计模块，该模块提供了用户自定义阈值规则、相似性度量规则两类异常判定规则的设计方法，同时系统设计了一个编程模块，给出相应的变量和接口，即用户也可以利用这些资源自定义异常判定规则的算法和方法。进而可以根据自己的需要来动态添加异常判定规则，这些规则载入系统后，系统启用该规则对前兆时间序列采用滑动窗口技术进行实时检测。从而实时捕获仪器故障导致的数据异常信息和符合用户兴趣点的异常信息。
　　1、研究现状及目标
　　监测仪器故障通常表现为网络连接异常或者监测数据异常两种形式。目前使用的实时监控软件中，基本上只对监测仪器的网络连接状态起到监控作用，即通常使用网络技术对指定仪器定时检测的办法实现台站监测仪器连接状态是否工作正常进行实时监控。然而当网络连接正常时，对数据是否正常进行实时分析的监控系统还很少见。首先对数据的实时分析不像IP连接检测那么简单，因为数据分析需要对多个通道的数据以及多个参数同时按照某种规则进行监测。其次是数据异常的判定的问题，即设计一个合适的异常判定规则，如果规则设计的不合理会导致捕获不到异常或将真正的异常淹没在捕获的大量的假异常中。最后是由于各种仪器的实时数据接口不同，同时有些仪器制造方不愿意开放内部数据接口，这时若对多种仪器的数据产出状态同时采取自定义形式的实时监控显得极不方便。
　　然而在实际的监测工作中，经常会遇到类似仪器受外界环境影响发生故障，参数突变以及仪器假死等问题，但此时网络工作状态还是正常的，只是网络中传输的数据已经不是真实数据。通常的数据异常有显著突变、恒偏差、常值输出和恒增益等几种特征形态。这种情况如果未被及时发现处理，只能等到监测人员预处理数据时才会发现，显然，这对监测数据的质量来说损失是巨大的。因此，本文提出设计一套前兆仪器数据异常监控系统。但安全可靠的实时数据接口和异常判定规则的设计是实现该系统所必须解决的两个核心问题。
　　2、统一数据接口问题
　　一般综合性台站都会同时具备多种观测手段、多种仪器，并且不少仪器更新比较快，如果按照内部数据接口来一一设计实时数据监测模式，显然是比较繁琐，并且是不安全的。其次当仪器更新较快时，如果该系统不具备较好的可扩展性，不能满足对新加入仪器的话，那么，新开发一套系统的代价同样巨大的。另外，目前地震观测数据资源分布较为分散，如有些国家监测台网，有些是地方监测台网，如何将这些资源统一利用起来，对这些数据进行对比分析，将是当前的实时数据监测系统的新的研究方向。
　　针对以上几个问题，文章首先考虑的设计统一数据接口，实时数据监测系统只需按照设定好的参数对统一数据接口的各个通道数据按照用户定义的异常判定规则进行实时监测。那么当仪器更新时，只需为其设计一个实时数据接口即可，而事实上，几乎绝大部分仪器的分钟值数据都用web页面的方式给出了一个较为安全可靠的实时数据接口，在这些网页上可以得到仪器的实时数据，因此文章提出系统采用一种网页数据采集技术[1]，对web页面的数据进行实时采集，从而达到统一数据接口的目的。采用这种方式在实时性上比直接采用仪器内部实时数据接口要差一点，但是由于数据异常判定不是对某一时刻的数据判定，而是对一个时间段的数据流进行判定，所以这种短时间的延迟对判定数据异常几乎是微不足道的。而采用这种接口方式很显然其兼容性要大大提高了，几乎所有监测仪器都可以用web页面的给出一个实时数据接口，因此各种监测资源都可以通过http协议将其统一起来。
　　3、数据异常判定规则的设计
　　用户可以自定义添加异常判定规则，通常某些经验丰富的观测员的对异常判定有较好的经验阈值或者经验特征公式，则可以在规则设计单元动态自定义添加一条判定规则，监控程序将该规则载入，则启动规则使用滑动窗口技术（如图1）对当前指定长度的时间序列G（X1，X2，…，XN.）进行异常检测，当接收到一个新数据XN+1时，删除掉当前时间序列中最早的一个数据X1，将当前最新数据XN+1添加进去从而形成一个新的时间序列G（X2，X3，…，XN+1.），进而再次触发检测规则对其进行异常监测。 　　文章将异常判定规则分为两大类，分别为用户自定义阈值规则、相似性度量规则。下面分别介绍这两种规则的设计方法。
　　3.1 用户自定义阈值规则
　　用户自定义阈值规则是最简单的一种判定规则，即对观测数据时间序列的某个特征值的大小进行限定，观测数据出现异常时，可以体现在许多特征值的大小变化上，文章这里只提出了简单常用的平均幅阈值和平均差分阈值两种，设定平均幅阈值的目的是为了对时间段内观测数据从幅度上进行监控。因为通常一个时间段内的观测的数据幅度是在某个范围之内的，超出这个范围则认为是异常数据，这里将这个幅度范围定义为平均幅阈值。有时，当仪器出现某种故障时，数据出现异常可以表现在其数据平稳情况发生较大变化，因此也从数据平稳性的角度对观测数据进行监控，这里采取求时间段内观测值的二阶差分平均值的办法来衡量数据的稳定程度。假定观测值二阶差分在某个范围之内，则定义这个范围为平均差分阈值。
　　设一段时间T[1，N]内某系统在时间点T1，T2，…，TN上的N个有序观测值X1，X2，…，XN.
　　若设定其平均幅阈值为Y，则该时间段观测数据为正常数据必须满足条件：
　　当>Y时则将该段数据视为异常数据；
　　若设定其平均差分阈值为Z，则该时间段观测数据为正常数据必须满足条件：
　　其中N>2，当>Z时则将该段数据视为异常数据；
　　3.2 相似性度量规则
　　相似性度量规则是当观测数据的某个时间序列出现某种异常时，而这种异常样本的曲线呈现出一种固定的形态特征，则截取这段时间序列并将其设定为异常样本。进而计算实时观测的时间序列与该异常特征时间序列之间的相似度。时间序列的相似性度量的方法有很多种，包括欧式距离法（ED）[2]，动态时间弯曲（DTW）距离法[3]和形态特征距离法[4]。这些时间序列相似性度量方法各有优缺点，观测员在系统中可以根据自己实际情况进行选择相似性度量方法，并设置其相似度的阈值。
　　设观测数据时间序列为G，异常样本时间序列为R；按照某种相似性度量法计算出其相似度为SIM（G，R），若用户设定的相似度阈值为S，则观测数据G为正常数据必须满足SIM（G，R）< S，当SIM（G，R）≥S时则将G视为异常数据。
　　相似性度量规不过多的考虑对异常形态本身的规律上的认识，而是按照某种度量方法，从直观上去度量观测数据与异常样本间相似程度。
　　然而实际应用中，根据用户对异常信息的兴趣点的不同，异常判定的方法有很多，这里的自定义阈值规则和相似性度量规则只是其中的较为常见的设计方法，有时不能满足用户的自定义判定规则的需求，因此在系统中考虑设计一个算法编程模块，给定一个全局数组变量a[n]用存放当前窗口的时间序列数据和一个布尔变量err用作异常响应接口，用户可以在编程模块使用c语言编程设计出自定义异常判定规则。
　　4、结语
　　本文结合长期的地震台站仪器维护实践和对常见的地震前兆仪器故障进行分析的基础上，设计一套前兆仪器数据异常监控系统。首先提出采用动态web页面数据采集技术来实现安全可靠的实时数据接口问题，在此基础上，系统提供一个异常规则判定规则的设计模块，文章分别给出该模块的两大类异常判定规则的设计方法，以及预留编程模块以实现用户自定义规则设计方法。观测员可以根据自己的需要来动态添加异常判定规则，系统启用规则后对前兆时间序列采用滑动窗口技术进行实时异常检测。异常判定规则的详细设计规范将是下一步工作的主要研究方向。
　　参考文献
　　[1]周立民，宋贤钧，周晓康 等.基于Web Browser 实时数据采集接口的实现[J].阜阳师范学院学报，2010，27（2）：28-31.
　　[2]翁颖钧，朱仲英.基于动态时间弯曲的时序数据聚类算法的研究[J].计算机仿真，2004，21（3）：37-40.
　　[3]GUNOPULOS D，DAS G.Time series similarity measures[C]. CRYMOND N G.Tutorial Notes of the Sixth ACM SIGKDD International conference on knowledge Discovery and Data Mining.Boston： ACM Press，2000：243 307.
　　[4]董晓莉，顾成奎，王正欧.基于形态的时间序列相似性度量研究[J].电子与信息学报，2007，29（5）：1228-1231.
　　[5]王翔宇，张引琼.基于MATLAB的时间序列异常检测方法探讨[J].电脑知识与技术，2012，8（4）：866-872.
　　[6] 张立清，张洪卫.自动气象站观测数据异常的检查方法[J].气象水文海洋仪器，2010，第3期：125-127.
　　[7] 周莲英，穆鑫.基于多规约的电网实时监测主站系统的设计[J].计算机工程与设计，2008，29（14）：3788-3791.
　　[8] 孙焕良，张研研，刘鹏.一种实时数据监控系统的设计与实现[J].沈阳工业学院学报，2003，22（2）90-92.
　　[9] 齐军岐，陈庆庆.自动气象站实时监控方法[J].陕西气象，2010（1）：47- 48.
　　[10] 薛源，刘卫东，一种多通道实时数据采集监控系统设计与实现[J].计算机测量与控制，2011，19（4）：863-865.

推荐访问:前兆 监控系统 实时 异常