传感器在进行数据测量时，由检测扰动、传输随机错误以及其他偶发原因的存在，会导致处理系统最终接收到的数据存在离群点或缺失值，这些异常值可能严重影响系统的正常工作甚至无法使用。传统处理方式工作量大，耗时长，很难应用于需要在线即时反馈的场景。
为在无序的数据中找到规律，给参数测量加真实滤镜，公司团队采用鲁棒检测、数据复原手段研发出以下技术手段：
· 智能异常检测：结合深度学习和机器学习技术，准确识别传感器数据中的异常值。
· 多变量相关性分析：利用参数间的内在关联，提高异常检测和数据修复的准确性。
· 数据平滑技术：在保留数据趋势的前提下，降低数据噪声，提高数据可用性。
实践证明该技术处理速度更快，适应性更强，处理效果更好，如下图所示：
