[發(fā)明專(zhuān)利]一種基于對(duì)抗交替型滑動(dòng)窗口的時(shí)間序列突變點(diǎn)檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202210967432.4
• 申請(qǐng)日: 2022-08-12
• 公開(kāi)（公告）號(hào): CN115293274A
• 公開(kāi)（公告）日: 2022-11-04
• 發(fā)明（設(shè)計(jì)）人: 徐曉濱;石鵬飛;張澤輝;白鈺;侯平智;馮靜;孟建芳
• 申請(qǐng)（專(zhuān)利權(quán)）人: 杭州電子科技大學(xué)
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62
• 代理公司: 杭州奧創(chuàng)知識(shí)產(chǎn)權(quán)代理有限公司 33272
• 代理人: 王佳健

1.一種基于對(duì)抗交替型滑動(dòng)窗口的時(shí)間序列突變點(diǎn)檢測(cè)方法，其特征在于，包括以下各步驟：

S1：對(duì)過(guò)程變量的時(shí)間序列數(shù)據(jù)進(jìn)行預(yù)處理，得到子序列集；

S2：自適應(yīng)調(diào)整截取子序列的對(duì)抗型滑動(dòng)窗口大小；

S3：利用對(duì)抗型滑動(dòng)窗口對(duì)異常子序列進(jìn)行定位；

S4：利用交替型滑動(dòng)窗口進(jìn)行突變點(diǎn)檢測(cè)。

2.根據(jù)權(quán)利要求1所述的一種基于對(duì)抗交替型滑動(dòng)窗口的時(shí)間序列突變點(diǎn)檢測(cè)方法，其特征在于，所述步驟S1具體如下：

S1-1從工業(yè)過(guò)程中實(shí)時(shí)采集的一條長(zhǎng)度為T(mén)的過(guò)程變量時(shí)間序列，表示為：X＝{x₁,...,x_t,...,x_T}，其中x_t為過(guò)程變量時(shí)間序列X在t時(shí)刻的值，且t∈{1,2,...,T}；

S1-2：對(duì)于時(shí)間序列X，經(jīng)過(guò)對(duì)抗型自適應(yīng)滑動(dòng)窗口分割后，將其截取成子序列集，并表示為X＝{S₁,...,S_n,...,S_N}，其中S_n表示X的第n個(gè)子序列；

對(duì)于子序列S_n中的數(shù)據(jù)x_t，基于公式(1)中的max-min加窗歸一化方法將其映射到[0,1]區(qū)間

式中，max(S_n)為子序列S_n中的最大值，min(S_n)為子序列S_n中的最小值，為歸一化后的數(shù)據(jù)；那么，可將歸一化后的時(shí)間序列記為并有

3.根據(jù)權(quán)利要求2所述的一種基于對(duì)抗交替型滑動(dòng)窗口的時(shí)間序列突變點(diǎn)檢測(cè)方法，其特征在于，所述步驟S2具體如下：

S2-1：對(duì)于子序列將其按照時(shí)間順序從左到右劃分為相同長(zhǎng)度的四個(gè)分序列，表示為的突變點(diǎn)檢測(cè)結(jié)果定義為一個(gè)局部檢測(cè)結(jié)果，表示為表示子序列中第i個(gè)分序列的突變點(diǎn)檢測(cè)結(jié)果，初始表示未能檢測(cè)到突變點(diǎn)，若實(shí)施突變點(diǎn)判定后在中檢測(cè)到突變點(diǎn)，則

S2-2：定義子序列中第i個(gè)分序列的檢測(cè)權(quán)重為子序列的累加權(quán)重為由公式(2)計(jì)算得到：

S2-3：設(shè)定截取子序列S₁的對(duì)抗型窗口的初始大小為w₁，隨著n值的增加，截取子序列S_n的對(duì)抗型窗口大小w_n依據(jù)公式(3)進(jìn)行自適應(yīng)調(diào)整：

4.根據(jù)權(quán)利要求3所述的一種基于對(duì)抗交替型滑動(dòng)窗口的時(shí)間序列突變點(diǎn)檢測(cè)方法，其特征在于，所述步驟S3具體如下：

S3-1：對(duì)于子序列以相鄰兩個(gè)分序列構(gòu)建正負(fù)對(duì)抗訓(xùn)練樣本集其中上標(biāo)“+”表示對(duì)分序列中的數(shù)據(jù)均賦予“正”標(biāo)簽，其中上標(biāo)“-”表示對(duì)分序列中的數(shù)據(jù)均賦予“負(fù)”標(biāo)簽；

S3-2：對(duì)于中的正負(fù)對(duì)抗樣本集合基于支持向量機(jī)構(gòu)建二分類(lèi)模型，作為異常分布檢測(cè)模型；

S3-3：采用ROC曲線下面積值作為SVM二分類(lèi)模型的評(píng)價(jià)指標(biāo)，如公式(4)所示

式中，M和N分別表示正樣本和負(fù)樣本的數(shù)量，Tol表示在M×N對(duì)樣本中，正樣本的預(yù)測(cè)概率大于負(fù)樣本的預(yù)測(cè)概率的個(gè)數(shù)；取值范圍為[0,1]，該值越大則表示SVM模型分類(lèi)準(zhǔn)確率越高；若則判定相鄰兩分序列和屬于同一分布，無(wú)需進(jìn)行突變點(diǎn)檢測(cè)；否則，轉(zhuǎn)入步驟S4利用交替型滑動(dòng)窗口進(jìn)行突變點(diǎn)檢測(cè)。

5.根據(jù)權(quán)利要求4所述的一種基于對(duì)抗交替型滑動(dòng)窗口的時(shí)間序列突變點(diǎn)檢測(cè)方法，其特征在于，所述步驟S4具體如下：

S4-1：對(duì)于中的任一個(gè)數(shù)據(jù)點(diǎn)利用長(zhǎng)度為d的交替型窗口截取關(guān)于的數(shù)據(jù)集為定義d_t的異常判定閾值為g(d_t)

g(d_t)＝min(max(d_t)-mean(d_t),mean(d_t)-min(d_t)) (5)

式中，max(d_t)、min(d_t)和mean(d_t)分別表示d_t中的最大值、最小值和均值；

S4-2：根據(jù)公式(6)和(7)進(jìn)行突變點(diǎn)判定

式中，std(d_T)表示d_t的標(biāo)準(zhǔn)差，α為調(diào)節(jié)參數(shù)；

式中，g₀表示初始異常數(shù)量閾值，符號(hào)表示向下取整；表示過(guò)去2d個(gè)數(shù)據(jù)點(diǎn)中被判定為異常點(diǎn)的數(shù)量；

當(dāng)同時(shí)滿(mǎn)足公式(6)和(7)時(shí)，則判定為突變點(diǎn)，標(biāo)記所在分序列的LTR＝1，并將其存入全局突變點(diǎn)結(jié)果集Test中；

S4-3若經(jīng)步驟S4-2將判定為突變點(diǎn)，則根據(jù)公式(8)對(duì)其進(jìn)行平滑處理

式中，k表示突變點(diǎn)平滑系數(shù)；

S4-4利用步驟S3-1到步驟S4-4對(duì)進(jìn)行突變點(diǎn)檢測(cè)之后，以分序列作為下一輪對(duì)抗樣本集，重復(fù)步驟S3-1到S4-4進(jìn)行下一輪突變點(diǎn)檢測(cè)；

待到子序列檢測(cè)結(jié)束，根據(jù)其局部檢測(cè)結(jié)果利用步驟S2中的公式(3)獲取下一輪對(duì)抗窗口的寬度w_n+1，自適應(yīng)截取子序列S_n+1，經(jīng)步驟S1的預(yù)處理后重復(fù)步驟S3-1到步驟S4-3進(jìn)行新一輪的突變點(diǎn)檢測(cè)。