[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

本發明提供的一種生產要素數據異常診斷方法及裝置，首先獲取待診斷的生產要素數據，然后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，最后輸出異常診斷結果。本發明可實現對大樣本、多維度復雜數據集的異常數據進行快速診斷識別，不僅可以診斷出全局異常，對局部異常也有很好的診斷效果。

技術領域

本發明涉及數據處理技術領域，具體涉及一種生產要素數據異常診斷方法及裝置。

背景技術

異常數據診斷是為了在較為集中的海量數據中發現少量表現行為異常的數據對象。隨著信息化程度的普及，各行各業都在生產過程中產生了大量各種形式的數據，如何快速有效地診斷出其中的異常數據是目前面臨的難題。

發明內容

針對現有技術中的問題，本發明提供一種生產要素數據異常診斷方法及裝置。

為解決上述技術問題，本發明提供以下技術方案：

本發明的一個方面，提供一種生產要素數據異常診斷方法，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。

在優選的實施例中，還包括：

建立所述異常診斷模型。

在優選的實施例中，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。

在優選的實施例中，所述切割面的生成公式為：

在優選的實施例中，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。

在優選的實施例中，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；

在優選的實施例中，所述計算異常分數公式為：

或者

在優選的實施例中，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。

本發明的又一方面，提供一種生產要素數據異常診斷裝置，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。

在優選的實施例中，還包括：

模型建立模塊,建立所述異常診斷模型。

在優選的實施例中，所述建立所述異常診斷模型，包括：