异常允许值检测

分布分析：通过对数据的分布进行分析，识别异常值超出正常范围或分布的点。

箱线图：使用箱线图检测数据分布中的离群点，观察数据的四分位数与异常值间的关系。

Z-Score：计算数据点的Z-Score，超过特定阈值的点被识别为异常值。

IQR（四分位距）法：通过IQR计算上界和下界，数据超出此范围的点为异常值。

控制图：在控制图中检测不在控制线内的数据点，这些点视为异常。

聚类方法：使用聚类算法识别与大多数数据不同的孤立点。

主成分分析（PCA）：将数据转换到一个新的坐标系，识别将在新的主轴上异常偏离的数据点。

机器学习算法：使用监督或无监督学习算法（如孤立森林、局部异常因子）检测异常值。

回归分析：通过回归模型识别偏离预测区间的数据点，它们可能是异常值。

时序分析：对于时间序列数据，识别不同于历史模式的异常波动。

1. 扇入式传感器：用于监测环境中特定物质的浓度，检测其是否超过设定的异常允许值。

2. 红外热成像仪：用于检测设备或环境温度的异常升高情况，判断是否超出允许值。

3. 声波分析仪：分析特定声波频率或强度的变化，检测是否存在异常噪声超出允许值的情况。

4. 气体探测器：用于检测有害气体的浓度，判断其是否超出安全范围的异常允许值。

5. 电参数记录仪：监测电压、电流等电参量，识别是否有参数超出标准允许值。