我在用电子燃料棒准备车辆燃油等级。
我有一个GPS设备的连续读数,它每隔1分钟传送这些数据。我目前将这些数据存储在我的Microsoft数据库中,并且可以生成漂亮的图形。
我想找出什么是最好的检测方法
当涉及到阅读时有几个问题。有时,每一个燃料水平的读数都会飙升,然后回落到接近前一个水平的地方。这使得假阳性成为一项挑战。
有时会有一个长时间的尖峰(有时在加油后看到),那么燃料水平就会像你预期的那样线性下降。见下面的第二张图表。
我有ODO表读数和燃油水平读数(以升为单位)。
鉴于上述问题,我需要一种方法来检测这些有很大偏差的噪声样本,随着时间的推移,预期的线性下降。
以下是两个车辆的数据样本(如图所示)。蓝线是实际数据。红线是我尝试使用的运行平均10个样本,以尝试“平滑”的大偏差。

现在用于研究和想法:我发现了4种不同的方法来帮助识别大偏差。(我想)
我有什么更好的选择吗?
有人知道可以使用C#或TSQL实现的实现吗?
任何建议或想法都会很好。
发布于 2016-02-20 23:32:52
正确的方法是制定一个模型来表示燃料、虹吸和噪声过程是如何工作的。该模型将包含一些自由参数(即正常燃料使用量、燃料添加量、加油时间、燃料去除量、虹吸持续时间和噪声波动幅度)。然后,事件的“检测”意味着寻找最大的对数似然函数LL(参数)= log (数据)的参数。这是你能做的最好的--如果你能做到的话,你就不需要任何其他的方法了。其他方法作为这种方法的近似可能是有用的--这是使用这些方法的理由。
由于模型是不连续的,对数似然函数也可能是不连续的.一些搜索最佳参数的启发式方法可能是必要的。这种启发式方法可能与已发表的方法相吻合--这很好,但没有必要。
Seber & Wild,“非线性回归”有一个或多个章节的模型有间断。
https://stackoverflow.com/questions/35523007
复制相似问题