[论文解读] The Perils of Detecting Measurement Faults in Environmental Monitoring Networks

Jayant Gupchup, Abhishek Sharma+3 more|arXiv (Cornell University)|Feb 9, 2019

Anomaly Detection Techniques and Applications参考文献 9被引用 6

一句话总结

本文表明，环境监测网络中常见的故障检测技术经常将降雨引起的事件（如土壤湿度突然上升）误判为传感器故障，高达45%的事件数据被错误标记。作者主张采用事件感知的故障检测算法，利用模态特定的事件特征签名，以减少误报，同时保留稀有且具有科学价值的现象。

ABSTRACT

Scientists deploy environmental monitoring net-works to discover previously unobservable phenomena and quantify subtle spatial and temporal differences in the physical quantities they measure. Our experience, shared by others, has shown that measurements gathered by such networks are perturbed by sensor faults. In response, multiple fault detection techniques have been proposed in the literature. However, in this paper we argue that these techniques may misclassify events (e.g. rain events for soil moisture measurements) as faults, potentially discarding the most interesting measurements. We support this argument by applying two commonly used fault detection techniques on data collected from a soil monitoring network. Our results show that in this case, up to 45% of the event measurements are misclassified as faults. Furthermore, tuning the fault detection algorithms to avoid event misclassification, causes them to miss the majority of actual faults. In addition to exposing the tension between fault and event detection, our findings motivate the need to develop novel fault detection mechanisms which incorporate knowledge of the underlying events and are customized to the sensing modality they monitor.

研究动机与目标

• 调查在无线监测网络中，将自然环境事件误判为传感器故障的风险。
• 量化标准故障检测算法在多大程度上丢弃了具有科学价值的事件数据。
• 揭示检测传感器故障与保留稀少、非平稳环境事件之间的根本性矛盾。
• 倡导引入事件特征签名和传感模态特性知识的新型故障检测机制。
• 提出缓冲和多传感器对比作为区分瞬态事件与真实故障的策略。

提出的方法

• 将先前文献中广泛使用的两种故障检测技术——SHORT 和 NOISE——应用于实际部署的环境监测网络中的土壤湿度和温度数据。
• 使用 SHORT 规则检测传感器读数中的突变，假设此类变化表示故障。
• 应用 NOISE 规则检测测量方差的偏离，允许使用由 σ_allow 定义的容差窗口。
• 使用 95% 置信区间和两个邻近传感器意见评估测量值在传感器间的稳定性。
• 对数据进行时间缓冲，将可疑测量值与已知事件特征签名（如降雨后土壤湿度上升并逐渐衰减）进行对比。
• 利用多传感器对比检测对同一事件的延迟响应，从而降低误报故障检测率。

实验结果

研究问题

• RQ1 标准故障检测算法在土壤湿度和温度数据中，将降雨事件误判为传感器故障的程度如何？
• RQ2 为避免误判事件而调整检测参数，对实际传感器故障检测的影响如何？
• RQ3 能否利用事件特征签名（如降雨后土壤湿度的上升和衰减模式）来区分事件与故障？
• RQ4 传感器异质性和空间变异对故障检测准确性有何影响？
• RQ5 缓冲机制和多传感器相关性如何提升环境监测网络中故障检测的可靠性？

主要发现

• 在分析土壤湿度数据时，LLSE 方法对高达 45% 的降雨事件误判为故障。
• 为避免误判降雨事件，NOISE 规则需要较大的 σ_allow 值，但这也使假阴性率提高了三倍。
• SHORT 规则在土壤湿度数据中导致显著的误判（尤其在事件开始后的前 30 分钟），但在箱体温度数据中表现更优。
• 由于土壤异质性，土壤湿度传感器对同一场降雨事件表现出不同的响应，增加了误判风险。
• 箱体温度在降雨期间及之后下降，导致 NOISE 规则的下限触发误报，尤其在 σ_allow 值较低时更为明显。
• 研究发现，事件特征签名（如降雨后土壤湿度的快速上升和逐渐衰减）与故障模式难以区分，因此必须采用事件感知的检测方法。