综述：水务领域基于机器学习的时间序列异常检测综述

《Water》：A Review of Machine Learning-Based Time-Series Anomaly Detection in the Water Domain

　　

摘要

水相关时序数据中的异常检测往往能够揭示重要的环境问题，并为科学发现提供起点。近年来，机器学习已成为异常检测的主流方法和研究热点。本综述考察了Web of Science数据库中过去10年间发表的106篇研究论文。与其他综述不同，本综述重点关注由水相关变量自身产生的异常，而非设备故障所导致的异常。本文评估了机器学习模型在水相关异常检测领域应用与发展的整体趋势。从发展阶段和异常检测范式两个维度对基于机器学习的异常检测模型进行了分类。我们的分析涵盖了不同范式下各类基于机器学习的异常检测模型的机制、优势、局限性及应用场景，并重点突出了水相关异常检测领域当前面临的挑战和未来研究方向。