[發明專利]基于成本關聯的數據變動識別網絡及其分類器布點方法

有效

• 申請號: 201711214855.4
• 申請日: 2017-11-28
• 公開（公告）號: CN108021937B
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 周小明;袁駿;劉愛民;蘇安龍;崔萬里;齊偉夫;李小蘭;周兵兵;王大維;李廣翱;張佳鑫;李廣野;王麗霞;田小蕾;溫鑫;劉樹森;毛春亮
• 申請（專利權）人: 國網遼寧省電力有限公司;國家電網公司;國網遼寧省電力有限公司沈陽供電公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 遼寧沈陽國興知識產權代理有限公司 21100
• 代理人: 何學軍

本發明涉及企業數據分析、用戶用電行為識別技術，屬于市場化負荷預測領域，尤其涉及基于成本關聯的數據變動識別網絡及其分類器布點方法。由企業數據生成與使用中的數據流中數據變動識別網絡的各分類器將安置于數據項上，包括原始數據、中間生成數據以及決策數據；每個數據項均有可能被安置分類器；分類器及其安置位置構成數據變動的識別網絡；直接從外部或物理傳感器獲得的數據稱為原始數據，存放在眾多不同的原始數據庫中；依據企業各流程環節和中間決策需要，企業生成眾多中間生成數據；企業的決策層再統計計算生成決策數據。在保證識別精度前提下，最小化數據異動識別網絡的布點成本，為企業明細數據識別提供精確性保證，降低運營監控成本。

技術領域

本發明涉及企業數據分析、用戶用電行為識別技術，屬于市場化負荷預測領域，尤其涉及一種基于成本關聯的數據變動識別網絡及其分類器布點方法。

背景技術

企業運營的決策數據是由眾多的原始數據和中間生成數據經過復雜的統計計算得來，以表征企業運營狀況的各個側面。由于機器學習技術的發展，使得當企業運營決策者面向決策數據異動時，可通過機器學習模型判斷相關的原始數據和中間生成數據的變化狀況，以此定位導致決策數據異動的根因所在。目前，常用的方法是直接在決策數據生成的位置安置分類器，并通過歷史數據的訓練學習，促使分類器識別出不同決策數據變動情況下原始數據和中間數據的變化情況。該分類器的輸入為一個或多個決策數據，輸出為全體原始數據的異動邏輯判斷。然而，由于企業數據量極大，只在決策數據層安放分類器的判斷精度不高；同時，為每個數據項安裝分類器又會增大判斷的成本(每個分類器需要安裝單獨的數據匯總服務器和訓練計算云)。因此，亟需一種面向“既能保證識別精度，又能采用較低成本”的分類器安置方法。

發明內容

為克服上述現有技術中存在的問題，本發明提供了一種基于成本關聯的數據變動識別網絡及其分類器布點方法，目的是為了面向企業數據分析中的原始數據檢測問題，提出一種新型的數據變動識別網絡，并考慮分類器識別能力和分類器構建成本，提出一種面向該網絡的新型分類器布點方法。該方法輔助決策者利用最優的性價比設置網絡中的分類器，達到監測原始數據和關鍵數據變動的目的。

為了實現上述發明目的，本發明是通過以下方式實現的：

基于成本關聯的數據變動識別網絡，是由企業數據生成與使用中的數據流中數據變動識別網絡的各分類器將安置于數據項上，包括原始數據、中間生成數據以及決策數據；每個數據項均有可能被安置分類器；這些分類器以及其安置位置構成了數據變動的識別網絡；直接從外部或物理傳感器所獲得的數據稱為原始數據，存放在眾多不同的原始數據庫中；依據企業各流程環節和中間決策的需要，企業生成了眾多的中間生成數據；企業的決策層依據中間生成數據和原始數據進一步統計計算生成決策數據。

所述中間數據包括企業管理生成的統計數據、企業生產生成的統計數據、企業營銷生成的統計數據，如流程數據、依據原始數據計算所得的部分運營統計數據、核心資源屬性數據、主營業務屬性數據。

所述中間數據，每個中間數據都由多個原始數據直接或間接計算獲得；每個決策數據都由多個中間生成數據和多個原始數據直接或間接計算獲得。

所述原始數據，為識別出原始數據的異樣波動，需要在網絡中布多個分類器點；該分類器點坐落于某個數據項上，可以是原始數據、中間數據或者是決策數據，以坐落數據項為分類器輸入；每個分類器負責用于分類滿足如下要求的數據項：“所有可通過一個或多個箭頭指向最終到達分類器坐落數據項，且所有指向過程中不存在其他分類器的數據項”；因此，各數據項變動將由不同的分類器判斷獲得。

所述分類器點包括分類器點C1，分類器點C2和分類器點C3。

所述分類器的分類模型如公式(1)所示：