[發明專利]基于霍爾特指數平滑法的狀態預測模型生成方法

在審

• 申請號: 201711162356.5
• 申請日: 2017-11-21
• 公開（公告）號: CN107943558A
• 公開（公告）日: 2018-04-20
• 發明（設計）人: 趙茂先;楊洪禮
• 申請（專利權）人: 山東科技大學
• 主分類號: G06F9/455
• 分類號: G06F9/455
• 代理公司: 青島智地領創專利代理有限公司37252
• 代理人: 朱玉建

1.基于霍爾特指數平滑法的狀態預測模型生成方法，其特征在于，包括如下步驟：

s1.基于霍爾特指數平滑法構建狀態預測模型

狀態預測模型相關的公式如下：

S_t＝αX_t+(1-α)(S_t-1+b_t-1) (1)

b_t＝γ(S_t-S_t-1)+(1-γ)b_t-1 (2)

x^t+1=St+bt---(3)]]>

其中，x_t表示主機在t時刻狀態數據的監控值；

α和γ為平滑系數，反映了近期數據對預測結果的影響，α和γ取值范圍均為(0,1)；

S_t-1、S_t分別表示t-1、t時刻平滑值，反映了狀態數據的整體水平；

b_t-1、b_t分別表示t-1、t時刻趨勢值，反映了狀態數據的變化趨勢；

表示主機在t+1刻的狀態數據預測值；

s2.對狀態預測模型平滑系數進行動態優化，得到較優的狀態預測模型

以狀態預測模型誤差平方和SSE最小化為目標，動態優化平滑系數α和γ

SSE定義如下：

SSE=Σt=1n(xt-x^t)2---(4)]]>

其中，表示主機在t時刻的狀態數據預測值；

基于Fabonacci數列在二維空間對α和γ進行搜索；Fabonacci數列滿足以下定義：

F₀＝F₁＝1(5)

F_n+1＝F_n+F_n-1(6)

其中，n≥1，n∈N^*，N^*表示正整數；

基于Fabonacci數列對狀態預測模型平滑系數α和γ優化的過程為：

建立以α軸為橫軸、以γ軸為縱軸的二維空間搜索坐標系；

設定搜索空間是正方形，且第k步搜索空間S_k在α軸和γ軸上投影區間都為[a_k,b_k]，在投影區間[a_k,b_k]內利用Fabonacci數列計算坐標位置，分別用λ_k和μ_k表示，計算公式如下：

λk=ak+Fn-k-1Fn-k+1(bk-ak)---(7)]]>

μk=ak+Fn-kFn-k+1(bk-ak)---(8)]]>

計算搜索空間S_k中點P₁、P₂、P₃和P₄對應的SSE；P₁的坐標為(λ_k,λ_k)，P₂的坐標為(λ_k,μ_k)，P₃的坐標為(μ_k,μ_k)，P₄的坐標為(μ_k,λ_k)；

選取P₁、P₂、P₃和P₄中SSE取值最小的點對S_k進行裁剪得到第k+1步搜索空間S_k+1；

搜索空間S_k+1和搜索空間S_k的邊長有如下關系：

lk+1lk=Fn-kFn-k+1---(9)]]>

其中，l_k+1表示搜索空間S_k+1的邊長，l_k表示搜索空間S_k的邊長；

搜索空間S_k+1和搜索空間S_k邊長的上述關系可用于迭代次數的計算；

設初始搜索空間S₀，在α軸和γ軸上投影區間都為[a,b],則S₀邊長為b-a；結束時搜索空間邊長限制為ε，經n次迭代后滿足限制，則：

F1F2·F2F3...FnFn+1(b-a)≤ϵ---(10)]]>

將上述公式(10)進行移相可得：

Fn+1≥b-aϵ---(11)]]>

當a、b和ε給定后，通過查找Fabonacci數列各項的取值即可確定需要迭代的次數n；

經過n次迭代，能夠在二維空間中搜索到較優的α和γ，使得狀態預測模型在滑動窗口內預測SSE較小，從而得到較優的狀態預測模型。

2.根據權利要求1所述的基于霍爾特指數平滑法的狀態預測模型生成方法，其特征在于，將步驟s2中較優的狀態預測模型應用于基于滑動窗口的兩級檢測策略的二級檢測。