Autor de livro
Automatic Outlier Detection in Sensor Data Used for Structural Health Monitoring
António Antunes (Antunes, A.); Jose Barateiro (Jose Barateiro); Juan Mata (Mata, J.); António Tavares de Castro (Tavares de Castro, A.); Elsa Cardoso (Cardoso, E.);
Web of Science®

Esta publicação não está indexada na Web of Science®


Esta publicação não está indexada na Scopus

Google Scholar

Esta publicação não está indexada no Google Scholar

Structural dam safety control activities are commonly based on visual inspections and monitoring data recorded through different sensors. The sensor data collected is used to create statistical and predictive models. However, this data must be processed and validated beforehand. Outlier detection and treatment is a costly and slow process that can be improved using data mining and machine learning techniques. In a Big Data centered world, outliers appear more often, and without an automated way to detect them, engineers cannot anticipate and act on time. The presented work proposes an approach to identify and treat outliers from sensor data retrieved from an Automated Data Acquisition System (using real datasets from a dam), aiming to improve current baseline methods. Since sensor data is unlabeled, unsupervised methods, such as clustering, must be used to group data and understand which points should be classified as an outlier. A novel approach is presented and evaluated, taking advantage of already validated Manual Data Acquisition System measurements, a clustering algorithm (DBSCAN) and baseline methods. This method can identify and remove most outliers in the datasets used for demonstration.
Outlier detection,Sensor data,Machine learning,Data mining
  • Ciências da Computação e da Informação - Ciências Naturais
  • Engenharia Civil - Engenharia e Tecnologia
  • Engenharia Eletrotécnica, Eletrónica e Informática - Engenharia e Tecnologia

Com o objetivo de aumentar a investigação direcionada para o cumprimento dos Objetivos do Desenvolvimento Sustentável para 2030 das Nações Unidas, é disponibilizada no Ciência-IUL a possibilidade de associação, quando aplicável, dos artigos científicos aos Objetivos do Desenvolvimento Sustentável. Estes são os Objetivos do Desenvolvimento Sustentável identificados pelo(s) autor(es) para esta publicação. Para uma informação detalhada dos Objetivos do Desenvolvimento Sustentável, clique aqui.