[發明專利]基于無監督學習的實時運行數據處理方法、裝置、設備

有效

• 申請號: 202110731411.8
• 申請日: 2021-06-29
• 公開（公告）號: CN113420876B
• 公開（公告）日: 2023-10-27
• 發明（設計）人: 王志雄;閔興征
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06N3/088
• 分類號: G06N3/088;G06Q30/0201
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 姜曉云

1.一種基于無監督學習的實時運行數據處理方法，所述方法包括：

獲取實時運行數據，并根據實時運行數據計算對應時刻的每個預設指標類型對應的當前指標值；

根據所述當前周期獲取對應每個預設指標類型的歷史數據；

將對應的所述預設指標類型的所述當前指標值和所述歷史數據按照時間進行排序，得到所述當前周期對應的初始指標值；

通過預先訓練得到的濾波模型，對每一所述預設指標對應的初始指標值進行濾波處理以得到待處理數據；所述濾波模型是通過無監督學習訓練得到的；

將各所述預設指標對應的所述待處理數據進行合成得到綜合數據；

對所述綜合數據進行平滑處理得到目標數據。

2.根據權利要求1所述的方法，其特征在于，所述綜合數據包括時間序列以及對應時間序列上的時刻的觀測指標值；所述對所述綜合數據進行平滑處理得到目標數據，包括：

獲取初始觀測指標值作為前一時刻對應的前一估計值，并指定所述前一估計值對應的前一估計精度；

根據所述前一估計值計算得到當前時刻對應的當前預測值，并根據所述前一估計精度計算得到當前預測精度；

根據所述當前預測精度計算得到增益系數，獲取當前時刻對應的觀測指標值，根據所述增益系數、所述當前時刻對應的觀測指標值、所述前一估計值以及所述當前預測值計算得到當前估計值；

根據所述增益系數以及所述當前預測精度得到當前估計精度；

將所述當前估計值作為前一估計值，所述當前估計精度作為前一估計精度，并繼續根據所述前一估計值計算得到當前時刻對應的當前預測值，并根據所述前一估計精度計算得到當前預測精度，直至所述綜合數據處理完成時，輸出所得到的每個時刻上的估計值作為目標數據。

3.根據權利要求1所述的方法，其特征在于，所述通過預先訓練得到的濾波模型，對每一所述預設指標對應的初始指標值進行濾波處理以得到待處理數據包括：

獲取各個所述預設指標類型對應的濾波模型；

將每一所述預設指標類型對應的初始指標值輸入至對應的濾波模型中，以通過所述濾波模型根據所述初始指標值的趨勢和變化量對所述初始指標值進行濾波處理。

4.根據權利要求3所述的方法，其特征在于，所述將每一所述預設指標類型對應的初始指標值輸入至對應的濾波模型中，以通過所述濾波模型根據所述初始指標值的趨勢和變化量對所述初始指標值進行濾波處理，包括：

對所述初始指標值進行去中心化；

計算去中心化后的初始指標值的協方差矩陣；

對所述協方差矩陣進行特征分解；

獲取滿足要求的特征值；

根據滿足要求的特征值對所述初始指標值濾波得到待處理數據。

5.根據權利要求1至4任意一項所述的方法，其特征在于，所述對所述綜合數據進行平滑處理得到目標數據之后，還包括：

根據所述目標數據繪制折線圖；

根據所述待處理數據中每個所述預設指標的值在每一時刻進行累加繪制得到堆疊柱狀圖，且每一時刻對應的每個所述預設指標的柱長用于表征所述預設指標在所述時刻的貢獻度。

6.一種基于無監督學習的實時運行數據處理裝置，其特征在于，所述裝置包括：

運行數據獲取模塊，用于獲取實時運行數據，并根據實時運行數據計算對應時刻的每個預設指標類型對應的當前指標值；

歷史數據獲取模塊，用于根據所述當前周期獲取對應每個預設指標類型的歷史數據；

排序模塊，用于將對應的所述預設指標類型的所述當前指標值和所述歷史數據按照時間進行排序，得到所述當前周期對應的初始指標值；

濾波模塊，用于通過預先訓練得到的濾波模型，對每一所述預設指標對應的初始指標值進行濾波處理以得到待處理數據；所述濾波模型是通過無監督學習訓練得到的；

合成模塊，用于將各所述預設指標對應的所述待處理數據進行合成得到綜合數據；

平滑模塊，用于對所述綜合數據進行平滑處理得到目標數據。