[發明專利]一種生產要素數據異常診斷方法及裝置

在審

• 申請號: 202110068293.7
• 申請日: 2021-01-19
• 公開（公告）號: CN112860671A
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 何為;唐智和;欒輝;王曉鵬;馬琳;王若堯;張璇;鄒誠誠;董智鶴
• 申請（專利權）人: 中國石油天然氣集團有限公司;中國石油集團安全環保技術研究院有限公司
• 主分類號: G06F16/215
• 分類號: G06F16/215;G06F16/22
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 王濤;任默聞

1.一種生產要素數據異常診斷方法，其特征在于，包括：

獲取待診斷的生產要素數據；

將所述生產要素數據輸入至預設的異常診斷模型；其中，所述異常診斷模型是利用歷史生產要素數據訓練得出；其中所述異常診斷模型的輸出為生產要素數據的異常診斷結果。

2.根據權利要求1所述的數據異常診斷方法，其特征在于，還包括：

建立所述異常診斷模型。

3.根據權利要求2所述的數據異常診斷方法，其特征在于，所述建立所述異常診斷模型，包括：

隨機生成一個切割面；

利用所述切割面切割訓練數據集，得到子數據集；

重復生成隨機切割面，遞歸地切割所述子數據集，直至每個子數據集中只有一個樣本停止，構建“樹”結構；

重復構建所述“樹”結構，形成孤立森林模型。

4.根據權利要求3所述的數據異常診斷方法，其特征在于，所述切割面的生成公式為：

5.根據權利要求1所述的數據異常診斷方法，其特征在于，所述異常診斷模型的訓練步驟，包括：

標注所述生產要素數據的異常情況；

將已標注的所述生產要素數據作為所述異常診斷模型的訓練集訓練所述異常診斷模型。

6.根據權利要求5所述的數據異常診斷方法，其特征在于，所述將已標注的所述生產要素數據作為所述異常診斷模型的訓練集訓練所述異常診斷模型，包括：

計算所述訓練集中每個數據樣本的異常分數；

基于每個數據的已標注信息確定異常閾值。

7.根據權利要求6所述的數據異常診斷方法，其特征在于，所述計算異常分數公式為：

或者

8.根據權利要求5所述的數據異常診斷方法，其特征在于，還包括：

在所述歷史生產數據更新時，以更新的歷史生產數據為訓練樣本重新訓練，獲得更新的異常診斷模型。

9.一種生產要素數據異常診斷裝置，其特征在于，包括：

獲取模塊，獲取待診斷的生產要素數據；

輸入模塊，將所述生產要素數據輸入至預設的異常診斷模型；其中，所述異常診斷模型是利用歷史生產要素數據訓練得出；其中所述異常診斷模型的輸出為生產要素數據的異常診斷結果。

10.根據權利要求9所述的數據異常診斷裝置，其特征在于，還包括：

模型建立模塊,建立所述異常診斷模型。

11.根據權利要求10所述的數據異常診斷裝置，其特征在于，所述建立所述異常診斷模型，包括：

切割面生成模塊，隨機生成一個切割面；

切割數據集模塊，利用所述切割面切割訓練數據集，得到子數據集；

構建樹結構模塊，重復生成隨機切割面，遞歸地切割所述子數據集，直至每個子數據集中只有一個樣本停止，構建“樹”結構；

構建孤立森林模塊，重復構建所述“樹”結構，形成孤立森林模型。

12.根據權利要求11所述的數據異常診斷裝置，其特征在于，所述切割面的生成公式為：

13.根據權利要求9所述的數據異常診斷裝置，其特征在于，所述異常診斷模型的訓練步驟，包括：

標注數據模塊，標注所述生產要素數據的異常情況；

訓練模型模塊，將已標注的所述生產要素數據作為所述異常診斷模型的訓練集訓練所述異常診斷模型。