简介:考虑ATM交易过程当中产生的一系列参数,如交易量、交易成功率和响应时间等,对交易状态特征进行分析并建立了异常检测模型。针对成功率与响应时间2个参数,利用聚类算法将数据点划分为正常点、疑似异常点、异常点3大类。对于疑似的异常点,再根据其时间序列周围点的分布情况确定是否确实为异常点;对于交易量参数,首先通过LOF局部离群因子对离群点进行识别,再结合交易量随时间的移动均线及标准差加以辅助筛选,得到初步的疑似异常点,进一步通过与不同天同一时刻数据进行比较,最终确定是否为异常点。根据上述模型,本文将异常情况划分为3个预警等级,并对重大故障情况进行预测。
简介:医疗床位需求主要取决于人口总量和结构,而人口总量依赖于产业经济结构和经济总量,人口结构依赖于非户籍人口和户籍政策。深圳市经济发展受产业结构、经济规模、人口密度、区域面积等因素限制,根据这一特点,首先基于Logistic规律建立了分产业预测模型,然后基于人口发展与生产总值的关联建立了常住人口预测模型,最后依据相关数据分别建立了人口结构、医疗病床需求相关模型。预测结果与当地规划目标比较,显示了结果的相对合理性,这在某种程度上验证了模型的正确性。