The invention provides a multi parameter operation situation of a sequential system graphical representation method, the method based on multi parameter historical data respectively for machine learning, feature extraction, clustering, feature generation characters and character information recorded parameter information database, and then the characters of real-time data in the same period of time all the parameters of the statistics finally, according to the same time probability all parameters characters express the distribution situation of the time sequential system in a graphical way; the method includes data preprocessing module, clustering character module, statistics module, graphic representation module; the graphical method to express timing system the operation time and to continuously update, users can directly observe the normal operation of the system is still a serious The abnormal situation and the trend of the development of the system running situation.
【技术实现步骤摘要】
时序系统多参数运行态势图形表示方法
本专利技术属于智能信息处理和计算机
,具体涉及一种时序系统多参数运行态势图形表示方法。
技术介绍
时序系统往往由很多部件构成,每个部件又有很多个观测参数。部件各参数的不同取值形态在整体上会呈现出系统的运行态势,即系统整体运行正常还是异常。而通过图形方式则可以非常直观地把系统运行态势表达出来,让用户一眼就能够对系统整体运行情况有基本了解。目前一般采用{优、良、中、差}或者{一级、二级、三级、四级}等等比较抽象的离散语言值来表达系统运行态势,这样的抽象层次过高,使得用户对系统整体运行情况信息了解太少。此外,对系统运行态势缺乏量化度量,缺乏对系统运行态势的动态持续追踪,用户无法了解系统运行态势的发展变化趋势。这些都不利于用户对时序系统整体的实时观测和监控。
技术实现思路
本专利技术的目的在于提供一种使得用户对系统整体运行状况是否正常有了一个非常直观的认识的时序系统多参数运行态势图形表示方法。为达到上述目的,本专利技术采用的技术方案是:一种时序系统多参数运行态势图形表示方法,实现该方法的系统包括数据预处理模块、聚类学习特征字符模块、特征统计模块、图形表示模块,其具体步骤是:1)首先,采用数据预处理模块对原始数据进行去野值、等间隔处理文件以及归一化处理,获取标准化的数据,并且提取相关多特征向量;2)其次,采用聚类学习特征字符模块即采用TK-means聚类算法对历史数据窗口特征向量进行聚类,然后基于聚类结果,记录每个参数不同特征字符所对应的特征向量;3)然后,采用特征统计模块首先用最近邻策略获得实时数据各个时间段对应的特征字符,然 ...
【技术保护点】
时序系统多参数运行态势图形表示方法,其特征在于:实现该方法的系统包括数据预处理模块(1‑1)、聚类学习特征字符模块(1‑2)、特征统计模块(1‑3)、图形表示模块(1‑4),其具体步骤是:1)首先,采用数据预处理模块(1‑1)对原始数据进行去野值、等间隔处理文件以及归一化处理,获取标准化的数据,并且提取相关多特征向量;2)其次,采用聚类学习特征字符模块(1‑2)即采用TK‑means聚类算法对历史数据窗口特征向量进行聚类,然后基于聚类结果,记录每个参数不同特征字符所对应的特征向量;3)然后,采用特征统计模块(1‑3)首先用最近邻策略获得实时数据各个时间段对应的特征字符,然后对同一时间段内所有参数的特征字符进行统计,得到该段内所有参数特征字符的概率分布;4)最后,采用图形表示模块(1‑4)根据特征字符概率分布情况以图形方式表达该时间段内时序系统的运行态势。
【技术特征摘要】
1.时序系统多参数运行态势图形表示方法,其特征在于:实现该方法的系统包括数据预处理模块(1-1)、聚类学习特征字符模块(1-2)、特征统计模块(1-3)、图形表示模块(1-4),其具体步骤是:1)首先,采用数据预处理模块(1-1)对原始数据进行去野值、等间隔处理文件以及归一化处理,获取标准化的数据,并且提取相关多特征向量;2)其次,采用聚类学习特征字符模块(1-2)即采用TK-means聚类算法对历史数据窗口特征向量进行聚类,然后基于聚类结果,记录每个参数不同特征字符所对应的特征向量;3)然后,采用特征统计模块(1-3)首先用最近邻策略获得实时数据各个时间段对应的特征字符,然后对同一时间段内所有参数的特征字符进行统计,得到该段内所有参数特征字符的概率分布;4)最后,采用图形表示模块(1-4)根据特征字符概率分布情况以图形方式表达该时间段内时序系统的运行态势。2.根据权利要求1所述时序系统多参数运行态势图形表示方法,其特征在于:所述的数据预处理模块(1-1)“去野值处理”是指删除无效野值,保留有效值;对数据进行等间隔处理保证在连续时间段内任意两个数据点之间的时间间隔相同;数据经过等间隔处理之后进行归一化处理消除不同量纲对结果的影响从而获取标准化的数据。3.根据权利要求1所述时序系统多参数运行态势图形表示方法,其特征在于:所述的聚类学习特征字符模块(1-2)通过TK-Means算法对各个参数的历史数据窗口特征向量分别进行聚类学习,并将得到的聚类结果表示成特征字符;每个参数的聚类结果反映该参数特征字符与簇中心向量的对应关系,然后将每个参数的特征信息包括参数最大值、最小值,每个特征的最大值、最小值,簇中心向量及其对应特征字符记录到参数信息库中;TK-Means算法采用2015105516228,一种时序数据异常特征的挖掘系统及方法,其中,‘a’表示最频繁出现的特征,‘b’表示次频繁出现的特征,依此类推;出现概率小于给定阈值0.02的特征通通被表示为‘?’;空数据,即未记录数据的区间或者被删除的区间,则用‘#’来表示。4.根据权利要求1所述时序系统多参数运行态势图形表示方法,其特征在于:所述的特征统计模块(1-3)的特征统计包括以下步骤:2-1)取当前时间窗口上所有参数的数据;2-2)取当前参数在当前窗口上的特征向量;2-3)根据最近邻原则确定特征向量对应的特征字符,即当前参数在当前窗口上的特征字符;2-4)判断是否所有参数都已经取得当前窗口上的特征字符;如果有参数没有取得特征字符,则转至步骤2-2重复执行上述过程直至所有参数在当前窗口上都已经取得特征字符;如果所有参数都已经取得当前窗口上的特征字符,则执行步骤2-5)2-5)计算当前窗口上的概率p({a}),即当前窗口上参数特征字符为a的概率;2-6)计算当前窗口上的概率p({a...
【专利技术属性】
技术研发人员:鲍军鹏,樊恒海,刘军,杨天社,魏强,王徐华,赵静,刘健,齐勇,
申请(专利权)人:西安交通大学,中国西安卫星测控中心,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。