[發明專利]一種基于流形學習的CEMS系統異常數據監控方法

在審

• 申請號: 202010790222.3
• 申請日: 2020-08-07
• 公開（公告）號: CN112016050A
• 公開（公告）日: 2020-12-01
• 發明（設計）人: 金貴新;魏建華;魏君飛;武傳偉;劉志敏;林聰
• 申請（專利權）人: 漢威科技集團股份有限公司
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06K9/62
• 代理公司: 鄭州德勤知識產權代理有限公司 41128
• 代理人: 黃紅梅

1.一種基于流形學習的CEMS系統異常數據監控方法，其特征在于，包括：

CEMS系統實時采集工廠污染物廢氣排放數據，將采集到的9路信息數據作為輸入量，數據異常作為輸出量，利用流形學習中的T-sne高維可視化算法，對污染物廢氣排放高維數據壓縮并可視化，找出異常數據，實現對工廠生產污染物排放監控；

其中，

每一路采集到的信息數據進行修正折算處理后，包括：顆粒物的原始濃度、原始折算濃度、修正濃度和修正折算濃度；二氧化硫的原始濃度、原始折算濃度、修正濃度和修正折算濃度；氮氧化物的原始濃度、原始折算濃度、修正濃度和修正折算濃度；氧含量；煙氣流速和煙氣溫度；

利用流形學習中的T-sne高維可視化算法，對污染物廢氣排放高維數據壓縮并可視化的方法包括：

先對采集到的信息數據進行篩選和預處理，以刪除和過濾數據中的缺失值和異常值，然后按月份對每一路信息數據進行特征提取為原始特征數據，再根據原始特征構造為27個新的特征數據，新構建的特征數據包括每個月份的均值、標準差、方差；

使用t-sne對新構建的特征數據進行高維數據可視化：

先計算概率p_j|i，正比于數據點x_i與x_j之間的相似度，由高維歐幾里得距離轉換為表示相似性的條件概率，由公式(1)可以得到；

對于低緯度下的信息數據樣本點y_i，指定高斯分布的均方差為相似度為：

由于sne算法定義的條件概率p_j|i≠p_i|j和q_j|i≠q_i|j不對稱，且信息數據樣本點之間的距離或者相似度是唯一的，對應相等，為滿足對稱性問題在sne算法基礎上重新定義相似性的條件概率，其中n為樣本的總數：

低維空間中的條件概率分布為t分布：

由于t分布相比高斯分布中心部位偏低，尾部偏高偏長，得到新的損失函數：

其中，P_i為信息數據樣本點x_i下，所有樣本點的條件概率分布；Q_i為低維度下環保數據樣本點y_i，所有點的條件概率分布；

若p_ji和p_ij分布一致，則損失函數較小，高維空間相似點映射到低維空間的距離也更近，否則距離較遠，即為異常的數據。