[發明專利]一種基于深度強化學習的流式數據實時近似計算方法

有效

• 申請號: 202010914395.1
• 申請日: 2020-09-03
• 公開（公告）號: CN111813800B
• 公開（公告）日: 2020-12-04
• 發明（設計）人: 李國良;柴成亮;潘巍巍;唐文升;李開宇;李飛飛;葉翔;王錦志;裘煒浩;丁麒;侯素穎;嚴華江;歐陽柳
• 申請（專利權）人: 國網浙江省電力有限公司營銷服務中心;清華大學;國網浙江省電力有限公司
• 主分類號: G06F16/242
• 分類號: G06F16/242;G06F16/2458;G06F16/28
• 代理公司: 杭州華鼎知識產權代理事務所(普通合伙) 33217
• 代理人: 魏亮

1.一種基于深度強化學習的流式數據實時近似計算方法，其特征在于，所述方法包括：

S101，根據數據表格確定樣本屬性，所述樣本屬性為離散型屬性，或者，數值型屬性，或者，混合型屬性；所述離散型屬性的數據表格中所有數據項的取值范圍均有限，且均以字符串形式保存；所述數值型屬性的數據表格中所有數據項的取值范圍均無限，且均以浮點型數字的形式保存；所述混合型屬性的數據表格中一部分數據項的取值范圍有限，且以字符串形式保存，另一部分數據項的取值范圍無限，且以浮點型數字的形式保存；

S102，基于所述樣本屬性生成樣本的數據表；

S103，根據樣本的數據表構建全局統一的樣本；

S104，當獲取到查詢請求后，根據所述查詢請求確定選樣方案；

S105，根據所述選樣方案，對所述全局統一的樣本進行近似查詢估計，得到近似結果；

當所述樣本屬性為離散型屬性時；

所述S102具體包括：

S102-1-1，確定數據表格中每個數據項的所有取值，形成每個數據項的取值集合；

S102-1-2，對于集合中的每個元素，確定其出現次數；

S102-1-3，將各數據項名稱、數據項對應的所有取值、各取值的出現次數形成樣本的數據表。

2.根據權利要求1所述的一種基于深度強化學習的流式數據實時近似計算方法，其特征在于，當所述樣本屬性為數值型屬性時；

所述S102具體包括：

S102-2-1，分別將數據表格中各數據項的浮點型數字進行從小到大排序；

S102-2-2，針對每個數據項，

建立一個新空分組，并將其確定為當前分組；

依次選擇排列后的每一浮點型數字，確定當前分組的尾元素e與首元素s，若e≤s(1+a)，則將選擇的浮點型數字加入當前分組，作為所述當前分組中的尾元素；否則，建立一個新分組，將新建立的分組確定為當前分組，將選擇的浮點型數字加入當前分組，作為所述當前分組中的尾元素；其中，a為預設相對誤差，a為c的開方；其中，c為b與N的平方的商，b為所有i的(xi-max)*(xi-min)的絕對值的和，N為排列的浮點型數字總數量，xi為排列的第i個浮點型數字，i為排列的序號標識，max為排列的最后一個浮點型數字，min為排列的首個浮點型數字；

從各分組中隨機選擇一個浮點型數字，將其確定為對應分組的樞紐點，并將各分組的元素總數確定為對應分組的規模數；

S102-2-3，將各數據項名稱、數據項對應的分組、各分組的樞紐點和規模數形成樣本的數據表。