一种多元时间序列监测数据的关联规则挖掘方法技术

一种多元时间序列监测数据的关联规则挖掘方法，对象来自于复杂工程系统。首先，通过时间序列相关性度量方法确定时间序列的关联关系并将关联关系的时间序列聚类；其次，通过时间序列的相对变化率确定异常值，通过设定观测窗口确定异常趋势，通过局部数据密度确定异常分布，通过线性拟合确定突变点，最后，利用趋势将序列分段，并用拟合直线的斜率与趋势持续时间长度对时间序列进行模式表示，设定时间特性规则的格式，并用频繁模式完成关联规则挖掘。

A mining method of association rules for multivariate time series monitoring data

【技术实现步骤摘要】
一种多元时间序列监测数据的关联规则挖掘方法
本专利技术涉及信号处理及自动化
，特别是一种多元时间序列关联规则的挖掘方法。
技术介绍
时间序列类数据在工业运行过程监测中大量存在，是一类记录对象变化状态的动态数列，直接或间接反映了某一现象的变化规律，其时间特性会被作为揭示系统对象运行状况的重要指标和来源。通过回归、统计、拟合、聚类、相关性分析、模式分析等数据挖掘技术对时间序列进行分析，可以实现系统对象在动态过程中的态势描述、异常发现、工况预测等目的。多元时间序列分析是近年来针对复杂工程系统，即复杂度和规模不断增长的系统对象，的重要关注技术。在复杂工程系统中，引起时间序列的变化可能会有多个因素，例如产生时间序列的不同对象间相互存在关联关系，某个特定的时间序列变化规律会受到其他序列的影响，从而成为一种因果映射关系。因此，将分析的维度从一元推广至多元上，通过发现不同时间序列间的关联关系，并将其关联关系作为影响系统对象运行变化的重要因素开展进一步分析，有助于提高分析结果的完整性和精准性，也能够从不同的方面探究产生时间序列的对象的工况态势，揭示本文档来自技高网...

【技术保护点】
1.一种多元时间序列监测数据的关联规则挖掘方法，其特征在于，具体步骤如下：/n1)采集由多种监测传感器监测数据，生成原时间总序列；计算原时间总序列中各数据之间的相关性，并按相关性聚类，生成各种类时间序列；/n2)对每类时间序列进行异常值检测，用平均值代理异常值；/n3)对步骤2)处理后的每类时间序列设定滑动窗口，观测异常趋势，并滤除异常趋势；/n4)对步骤3)处理后的各类时间序列拟合突变点，根据突变点第一次分段；/n5)对步骤4)处理后的分段各类时间序列计算局部数据密度，确定异常分布并移除；/n6)计算步骤5)处理后的分段各类时间序列的趋势，根据趋势进行第二次分段，并进行模式化表示，生成模式化...

【技术特征摘要】
1.一种多元时间序列监测数据的关联规则挖掘方法，其特征在于，具体步骤如下：
1)采集由多种监测传感器监测数据，生成原时间总序列；计算原时间总序列中各数据之间的相关性，并按相关性聚类，生成各种类时间序列；
2)对每类时间序列进行异常值检测，用平均值代理异常值；
3)对步骤2)处理后的每类时间序列设定滑动窗口，观测异常趋势，并滤除异常趋势；
4)对步骤3)处理后的各类时间序列拟合突变点，根据突变点第一次分段；
5)对步骤4)处理后的分段各类时间序列计算局部数据密度，确定异常分布并移除；
6)计算步骤5)处理后的分段各类时间序列的趋势，根据趋势进行第二次分段，并进行模式化表示，生成模式化序列；
7)分别度量模式化序列与各类时间序列的相似性，确定各类时间序列的频繁级数；
8)按自定义格式输出各类时间序列的关联规则，自定义格式为：
R(模式序列,频繁级数,T0)，其中T0为频繁级数出现的时间长度。


2.如权利要求1所述的多元时间序列监测数据的关联规则挖掘方法，其特征在于，步骤1)中所述计算原时间总序列中各数据之间的相关性，并按相关性聚类，生成各种类时间序列的具体方法为：
1-1)分别计算不同时间序列的期望{E1,E2,…,En}和标准差{σ1,σ2,…,σn}，同时根据不同时间序列的期望计算它们之间的协方差,由此得出时间序列的相关性系数；其中X和Y分别表示两条不同的时间序列，sX和sY分别表示时间序列的标准差；



1-2)将时间序列用不同的标号表示，并且以时间序列的标号为坐标值刻画在横纵坐标上；
1-3)将计算出来的相关性系数标注在横纵坐标交点处，同时利用坐标中标标注的最大值和最小值将纵坐标划分为D个等概率区域，D的大小根据相关系数的分布调整，最后将处于最上层区域中相关系数对应的时间序列聚类。


3.如权利要求1所述的多元时间序列监测数据的关联规则挖掘方法，其特征在于，步骤2)中所述对每类时间序列进行异常值检测，用平均值代理异常值的具体方法为：
2-1)推算各类时间序列值波动量正常情况下的最大允许阈值δ和各类时间序列值之间的相对变化率的允许阈值ε；
2-2)计算各类时间序列中相邻数据的相对变化率，由相对变化率确定各类时间序列中的异常值，其中1≤i<j≤n；
2-3)定义满足下列约束条件的值为序列中的异常值，对时间序列中的异常值进行剔除；并计算异常值前后相邻点的平均值，利平均值对剔除的异常值进行填充；



其中，δ表示时间序列相邻两点的变化率，ε表示正常情况下的时间序列中允许的阈值。


4.如权利要求1所述的多元时间序列监测数据的关联规则挖掘方法，其特征在于，步骤3)中所述设定滑动窗口，观测异常趋势，并滤除异常趋势的具体方法如下：
3-1)给定观测窗口的起始时间为start结束时间为end，观测窗口的长度由观测的起始和结束时间决定，并且在窗口中给定一个滑动步长S，步长设定的长度要小于窗口的长度；
3-2)窗口每次向后移动一个步长S，起始时间变为start＝start+S，记录窗口中相邻观测数据的变化率ρji＝(xj-xi)/(tj-ti)，同时判断start<end是否成立；若满足条件则继续向后滑动，并记录变化率，直到star...

【专利技术属性】
技术研发人员：张可，柴毅，彭志杰，宋鑫，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆;50