异常检测（嵌入式实时实现）
Anomaly Detection — Embedded Real-Time Implementation
基于历史分布或模型预测残差识别偏离常态的观测，不依赖固定阈值。
01
定义
基于历史分布或模型预测残差识别偏离常态的观测，不依赖固定阈值。
02
公式与计算
常用：z = (x − μ)/σ，|z| > 3 → 异常
或残差：r = |x − x̂_model|，|r| > k·σ_r
03
适用时机
无明确阈值、或工况多变使固定阈值失效的场景（结构响应、能耗）。 在采集器/边缘节点上实现时，需按定点运算、内存与功耗约束裁剪，窗长与阈值取保守值以保证实时性。
04
关键参数
基线分布（μ, σ）或预测模型、窗口、显著性水平；嵌入式版本注意数值量化、内存占用与执行周期预算。
05
注意事项
失效与边界基线必须随季节/工况更新；否则"异常"会退化为"与去年不同"。 嵌入式实现须在目标样机上验证执行周期与长期稳定性，再上线批量部署。
CLOSE
把 异常检测（嵌入式实时实现） 用起来
下一步
实际项目如何应用？
场景设计、设备选型与工程实施，见 xmsiyb.cn 行业应用与智能选型中心。
场景设计、设备选型与工程实施，见 xmsiyb.cn 行业应用与智能选型中心。
相关 SIYB 产品
正式参数、方案与商务资料以 xmsiyb.com 官网为准。
需要把技术判断落到项目？
进入行业应用与智能选型中心，获取场景设计、选型与实施参考。