罗一迪，蒋 华，王慧娇，王 鑫

桂林电子科技大学 计算机与信息安全学院，广西 桂林 541004

1 引言

Argo是第一个实时的、高分辨率的全球立体海洋观测网，因其活跃性和规模，可以说是海洋观测史上的一场革命[1]。自2000年实施以来，所获得的温度、盐度剖面数据量比过去100年收集的总量还多。但是Argo浮标易受到环境的影响，尤其是测量盐度的传感器，容易受到生物污染、生物杀伤剂泄露等原因的影响，造成盐度测量产生误差。而且由于Argo浮标自身的随机性和抛弃性，海洋工作者们很难对其传感器进行校正，也很难确定传感器产生误差的原因，所以很有可能出现数，其中V2表示待测数值，V1、V3表示与V2相邻的上下两个剖面点数据。若测试盐度，则当压强＜500 dbar时，检测值超过0.9 PSU，或者当压强≥500 dbar时，检测值超过0.3 PSU，则待测值据误差或错误。为了进一步服务于科研和其他社会应用，需要对于数据的质量精度有一定的保证，所以Argo剖面数据的异常检测就显得尤为重要。

关于Argo剖面数据的异常检测，有大量的学者做了研究工作。文献[2]提出了一种利用传统阈值剔除异常数据的方法，其所要求的剖面计算公式为：检测值=标记为异常。可以看出，该方法只是针对单一剖面数据进行异常检测，并且没有考虑采样点检测深度间隔的变化。文献[3]采用“三倍标准差”与传统阈值判断相结合的方法实现对Argo剖面数据的异常检测，该方法结合了邻近剖面数据，弥补了传统阈值判定方法的不足，但是该方法采用的是全局静态阈值，当阈值设置不合适时可能造成某些异常剖面点的误判或者漏判。……