[發明專利]用于大規模分布式系統的高維時間序列建模方法和系統

在審

• 申請號: 202110305772.6
• 申請日: 2021-03-23
• 公開（公告）號: CN113128002A
• 公開（公告）日: 2021-07-16
• 發明（設計）人: 焦長平;徐梅鈞;劉芳
• 申請（專利權）人: 常州匠心獨具智能家居股份有限公司
• 主分類號: G06F30/18
• 分類號: G06F30/18;G06F111/02;G06F111/10
• 代理公司: 常州格策知識產權代理事務所(普通合伙) 32481
• 代理人: 陳磊

1.一種用于大規模分布式系統的高維時間序列建模方法，其特征在于，包括以下步驟：

a. 由多個個體單元組成的大規模分布式系統，個體單元之間可相互通信；

b．主服務器收集分布式系統個體單元發送的高維時間序列數據，將高維時間序列數據進行標準化預處理計算獲得標準化后的高維時間序列矩陣，接著標準化后的高維時間序列矩陣進行基于CFS算法的變量篩選工作，進行高維時間序列變量之間相關性的判斷，將標準化后的高維時間序列矩陣進行相關性系數矩陣計算，進行高維時間序列變量的篩選，利用序列前向選擇搜索策略對變量子集進行搜索，最后經過啟發式評估函數評估得到最優特征變量子集；

c．最優特征變量子集通過提取重構數據集的特征值篩選出的最優特征變量子集組成的新的數據集，通過PLSR算法實現最終的模型構建。

2.根據權利要求1所述的用于大規模分布式系統的高維時間序列建模方法，其特征在于，所述步驟b中通過數據預處理計算單元實現高維時間序列的標準化過程，首先數據矩陣和，為輸入自變量矩陣，為輸出因變量矩陣，形式如下：

其中是樣本數；和分別代表自變量和因變量的個數，將數據矩陣和標準化處理得到和，式(2)為標準化處理公式，其中是的均值；是的標準差；是的均值；是的標準差；標準化矩陣形式如式(3)；

。

3.根據權利要求2所述的用于大規模分布式系統的高維時間序列建模方法，其特征在于，所述步驟b中通過相關性系數計算單元實現高維時間序列變量之間相關性的判斷，其計算采用皮爾遜相關系數公式計算：

式(4)中是變量與之間的相關系數；、分別為與的均值。

4.根據權利要求3所述的用于大規模分布式系統的高維時間序列建模方法，其特征在于，所述步驟b通過最優變量篩選單元實現高維時間序列變量的篩選，其篩選采用相關性的特征選擇算法，啟發式評估函數如下：

式(5)中是擁有個特征的特征子集的值；表示所選特征子集中包含特征變量的個數；選擇使用皮爾遜相關系數；表示特征自變量與特征因變量之間相關系數的平均值，其中；表示特征自變量與特征自變量之間相關系數的平均值。

5.根據權利要求1所述的用于大規模分布式系統的高維時間序列建模方法，其特征在于，所述步驟c中通過變量子集重構單元利用相關性變量篩選模塊中最優變量篩選單元得到的最優變量重構偏最小二乘算法建模所有數據集，其中，為原始數據集自變量的個數，為索引的數組長度，同時也是數據集重構后自變量的個數，且 。

6.根據權利要求5所述的用于大規模分布式系統的高維時間序列建模方法，其特征在于，所述步驟c通過特征提取計算單元實現提取重構數據集的特征值，式（6）為主成分計算的基本形式，式（7）為約束條件：

其中和分別為和的第一個軸；此處要求和能夠很好地代表數據矩陣和中的變異信息，推導可得是矩陣最大特征值對應的特征向量，是矩陣最大特征值對應的特征向量，特征向量計算如下：

主成分計算：

負荷向量和回歸系數計算：

主成分數迭代計算公式：

式（11）中建模過程中主成分個數的確定采用的是交叉有效性分析法，下面給出基于單因變量PLSR過程下交叉有效性分析的主要公式，

式(12)中是的擬合誤差平方和；為因變量真實值；為使用全部樣本點并取個主成分建立模型后第個樣本的擬合值；式(14)中是的預測誤差平方和；是在刪除第個樣本點后建立模型并用此模型得到的的預測值；式(14)中是交叉有效性的值。

7.根據權利要求6所述的用于大規模分布式系統的高維時間序列建模方法，其特征在于，所述步驟c中通過標準化逆過程計算單元實現最終的模型構建，+。