[發明專利]一種基于數據模式的板形時間序列數據挖掘方法

有效

• 申請號: 201310287558.8
• 申請日: 2013-07-10
• 公開（公告）號: CN103341506A
• 公開（公告）日: 2013-10-09
• 發明（設計）人: 柴明亮;王軍生;張巖;劉寶權;秦大偉;宋君;侯永剛
• 申請（專利權）人: 鞍鋼股份有限公司
• 主分類號: B21B37/28
• 分類號: B21B37/28
• 代理公司: 鞍山華惠專利事務所 21213
• 代理人: 趙長芳

1.一種基于數據模式的板形時間序列數據挖掘方法，采用Apriori算法，其特征在于，通過引入和使用平均支持度和平均置信度閾值，高效挖掘出時間序列數據中有意義的頻繁項集和關聯規則，有效去除無意義的數據關聯，為高精度板形控制提供數據依據；包括數據預處理、頻繁項集發現、關聯規則發現三個步驟；

數據預處理：采用數據模式對冷連軋生產現場的PDA監測數據進行數據預處理，排除原始數據中的噪聲數據、空缺數據及不一致數據，為數據頻繁項集和關聯規則進行數據準備；

頻繁項集發現：對數據預處理完的數據進行頻繁一項集和多項集的發現，找出頻繁一項集和多項集，為快速調整板形提供數據參考；

關聯規則發現：對頻繁項集發現過程中找出的頻繁項集進行關聯規則的發現，找出隱藏在數據里面潛在的關聯規則，為冷連軋板形調整提供數據參考；

數據模式：

若某一時刻???????????????????????????????????????????????數據能夠反映某一段時間數據的綜合信息，則定義這一時刻的數據為一類數據模式；這段時間數據的最大值?和最小值，則時刻數據模式的數值為這段時間的平均值；其中，I為任意時間，N為時間間隔；

數據模式包含：若時刻數據的最大值?和最小值，定義為數據模式；另一時刻數據的最大值和最小值，定義為數據模式；若存在關系且,則稱數據模式包含數據模式，即；

數據模式預處理算法流程如下：

、?定義數據模式時間間隔N，找出所有數據模式以及所對應的最大值和最小值；

(2)、合并數據模式，循環處理，根據數據模式包含，找出相似模式，進行合并處理，同時該種數據模式支持度加1；

(3)、對各個數據模式進行分類匯總；

經對冷連軋板形PDA監測數據進行以上處理后，構建板形相關數據空間，T_I?為傾斜，B_I為中間輥彎輥力，?B_W為工作輥彎輥力，CVC為輥型；

利用Apriori算法尋找最大項目集：算法需要對數據集進行多步處理；第一步,簡單統計所有含一個元素項目集出現的頻率,并找出那些不小于最小支持度的項目集,?即一維最大項目集；從第二步開始循環處理直到再沒有最大項目集生成；循環過程是：第k步中,?根據第k-1步生成的(k-1)維最大項目集產生k維候項目集，然后對數據庫進行搜索，得到候項目集的項集支持度,?與最小支持度比較,?從而找到k維最大項目集；一旦由數據庫D中的事務找出頻繁項集，則由這些頻繁項集產生強關聯規則，規則的支持度和置信度需滿足最小支持度閾值和最小置信度閾值，最小支持度閾值和最小置信度閾值均為預先設定的經驗值；

基于平均閾值的Apriori算法關聯規則挖掘流程如下：

?、頻繁項集的生成：根據數據庫計算一項集的支持度及其平均值，找出支持度大于等于平均支持度的項,作為頻繁一項集；循環處理；第k步，根據k-1步頻繁的k-1項集L_k-1按照Apriori_gen產生候選的k項集C_k集，對候選的k項集計算每項的支持度及其平均值，找出支持度大于等于平均支持度的項，作為頻繁k項集；

(2)、根據規則結論中的項目數，把規則進行分類，計算每類中各個規則的置信度及其每類的平均置信度，把每類的平均置信度作為該類的最小置信度，找出置信度不低于最小置信度的規則即為關聯規則。