【技术实现步骤摘要】
本专利技术涉及电力通信，特别是一种基于lstm-adaboost的中央空调终端一致性自适应检测方法及系统。
技术介绍
1、中央空调终端通信协议一致性研究是为了使各系统之间进行通信时应当遵守的统一规定。鉴于目前协议标准大部分采用自然语言描述，对协议不一样的理解会影响协议实现，然而一个标准化的协议并不能保证系统或设备之间可成功地进行通信，因此，需要采用一种有效方法对协议进行判断，中央空调通信协议一致性检测的目的是确保不同厂家生产的中央空调设备在通信协议方面的一致性和兼容性。随着中央空调在建筑和工业领域的广泛应用，不同厂家生产的中央空调设备之间需要进行信息交换和通信，因此通信协议的一致性和兼容性成了一个关键的问题。
2、由于生产的中央空调设备使用的通信协议可能存在差异，这会导致设备之间无法正常通信或者功能受限。为了解决这一问题，需要对中央空调设备使用的通信协议进行一致性检测，以确保不同厂家生产的设备之间可以正常通信和交换信息。一致性检测的要求包括对中央空调设备使用的通信协议进行全面的测试和验证，包括通信协议的格式、数据传输的准确性、通信速度、错误处理等方面的检测。同时，还需要对不同厂家生产的中央空调设备之间进行兼容性测试，以确保它们可以正常地进行通信和协作。
3、长短期记忆网络(longshort-term memory，lstm)模型能很好地解决时序序列问题，经过全连接层设计好的遗忘门、输出门、输入门来过滤信息，使得长序信息处理较好，但是也会存在序列时间跨度非常大的数据中，会很大程度上导致计算量增加，耗时偏多
技术实现思路
1、鉴于上述长短期记忆网络中存在序列时间跨度非常大的数据中，会很大程度上导致计算量增加，耗时偏多的问题，提出了本专利技术。
2、因此，本专利技术所要解决的问题在于如何提供一种中央空调通信协议一致性检测方法。
3、为解决上述技术问题，本专利技术提供如下技术方案：
4、第一方面，本专利技术实施例提供了一种基于lstm-adaboost的中央空调终端一致性自适应检测方法，其包括，对标准协议规范的内容进行分析，编写测试集，进行一致性测试，进行结果分析并生成测试报告；对原始数据进行预处理，并将预处理后的数据划分为训练集和预测集；将测试得出的结果特征作为时序序列输入lstm神经网络模型，并加入注意力机制；将各个训练得到的弱学习器组合成一个强学习器，对计算出权值系数的所有基学习器进行线性进行组合，得到集成模型lstm-adaboost。
5、作为本专利技术所述基于lstm-adaboost的中央空调终端一致性自适应检测方法的一种优选方案，其中：所述对标准协议规范的内容进行分析，编写测试集，进行一致性测试，进行结果分析并生成测试报告包括，确定测试目的；根据标准协议规范的内容等以及所确定的测试目的生成抽象测试集；使用测试系统能够认识的语言描述抽象测试集；抽象测试集中的抽象测试例被编写为实际测试系统可执行的测试例；执行抽象测试集解析后编写而成的可执行测试例，观察并记录基于协议实现的主体的外部行为；根据测试记录并参照协议实现一致性声明和协议实现附加信息对iut进行评估，并给出iut的一致性测试报告。
6、作为本专利技术所述基于lstm-adaboost的中央空调终端一致性自适应检测方法的一种优选方案，其中：对原始数据进行预处理包括以下步骤：将特征数据进行归一化处理：
7、
8、其中，x为原始数据，xmax、xmin分别为最大值最小值；将长度为n的历史测试数据进行预处理，表示为输入的时间序列。
9、作为本专利技术所述基于lstm-adaboost的中央空调终端一致性自适应检测方法的一种优选方案，其中：所述将测试得出的结果特征作为时序序列输入lstm神经网络模型，并加入注意力机制包括以下步骤：根据训练效果搭建lstm网络层，对提取到的特征进行充分学习；利用dropout算法防止在训练过程中出现过拟合；在神经网络中引入attention注意力机制，在众多输入信息中关注针对当前任务的信息特征，降低对其他信息的关注度。
10、作为本专利技术所述基于lstm-adaboost的中央空调终端一致性自适应检测方法的一种优选方案，其中：所述在神经网络中引入attention注意力机制包括，利用概率分配权重的方式计算权重矩阵：
11、
12、其中，ai的计算公式为：
13、
14、其中，vi为注意力机制的i个value值，ai为权值系数，sim代表i个数据的余弦相似特性；将得到的结果进行反归一化处理，公式如下：
15、x＝xn(xmax-xmin)+xmin
16、其中，x为原始数据，xmax、xmin分别为最大值最小值。
17、作为本专利技术所述基于lstm-adaboost的中央空调终端一致性自适应检测方法的一种优选方案，其中：所述将各个训练得到的弱学习器组合成一个强学习器的输入为训练集z＝{(x1,y1)(x2,y2)(x3,y3)...(xn,yn)}，基学习器为lstm，基学习器数量为n；输出为：
18、
19、其中，g(x)为所有αtkt的中位数。
20、作为本专利技术所述基于lstm-adaboost的中央空调终端一致性自适应检测方法的一种优选方案，其中：所述对计算出权值系数的所有基学习器进行线性进行组合，得到集成模型lstm-adaboost包括以下步骤：初始化训练集权值：z＝{(w1,w2,w3...wn)}；使用权重分布为的训练集z训练基学习器k：
21、kt＝lstm(z,dt)
22、计算训练集样本上的最大误差et：
23、et＝∣yi-kt(xi)∣
24、其中，xi为训练集的横坐标变量，yi为训练集的纵坐标变量；
25、计算每个样本的相对误差：
26、
27、计算基学习器k的回归误差率：
28、
29、其中，wti表示在次迭代中样本的权重；εt表示lstm网络的回归误差率；eti样本的相对误差；
30、计算基学习器k的权值系数：
31、
32、更新训练集权值：
33、
34、其中，zt为规范化因子。
35、第二方面，本专利技术为进一步解决长短期记忆网络中存在序列时间跨度非常大的数据中，会很大程度上导致计算量增加，耗时偏多的问题，实施例提供了基于lstm-adaboost的中央空调终端一致性自适应检测系统，其包括：
36、第三方面，本专利技术实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述计算机程序被处理器执行时实现如本专利技术第一方面所述的基于lstm-adaboost的中央空调终端一致性自适应检测方法的任一步骤。
37、第四方面，本专利技术实施例提供了一种计算机可读存储介质，其本文档来自技高网...
【技术保护点】
1.一种基于LSTM-Adaboost的中央空调终端一致性自适应检测方法，其特征在于：包括：
2.如权利要求1所述的基于LSTM-Adaboost的中央空调终端一致性自适应检测方法，其特征在于：所述对标准协议规范的内容进行分析，编写测试集，进行一致性测试，进行结果分析并生成测试报告包括，
3.如权利要求2所述的基于LSTM-Adaboost的中央空调终端一致性自适应检测方法，其特征在于：对原始数据进行预处理包括以下步骤：
4.所述如权利要求3所述的基于LSTM-Adaboost的中央空调终端一致性自适应检测方法，其特征在于：所述将测试得出的结果特征作为时序序列输入LSTM神经网络模型，并加入注意力机制包括以下步骤：
5.如权利要求4所述的基于LSTM-Adaboost的中央空调终端一致性自适应检测方法，其特征在于：所述在神经网络中引入Attention注意力机制包括，
6.如权利要求5所述的基于LSTM-Adaboost的中央空调终端一致性自适应检测方法，其特征在于：所述将各个训练得到的弱学习器组合成一个强学习器的输入为
7.如权利要求6所述的基于LSTM-Adaboost的中央空调终端一致性自适应检测方法，其特征在于：所述对计算出权值系数的所有基学习器进行线性进行组合，得到集成模型LSTM-AdaBoost包括以下步骤：
8.一种基于LSTM-Adaboost的中央空调终端一致性自适应检测系统，基于权利要求1～7任一所述的基于LSTM-Adaboost的中央空调终端一致性自适应检测方法，其特征在于：包括：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1～7任一所述的基于LSTM-Adaboost的中央空调终端一致性自适应检测方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1～7任一所述的基于LSTM-Adaboost的中央空调终端一致性自适应检测方法的步骤。
...【技术特征摘要】
1.一种基于lstm-adaboost的中央空调终端一致性自适应检测方法，其特征在于：包括：
2.如权利要求1所述的基于lstm-adaboost的中央空调终端一致性自适应检测方法，其特征在于：所述对标准协议规范的内容进行分析，编写测试集，进行一致性测试，进行结果分析并生成测试报告包括，
3.如权利要求2所述的基于lstm-adaboost的中央空调终端一致性自适应检测方法，其特征在于：对原始数据进行预处理包括以下步骤：
4.所述如权利要求3所述的基于lstm-adaboost的中央空调终端一致性自适应检测方法，其特征在于：所述将测试得出的结果特征作为时序序列输入lstm神经网络模型，并加入注意力机制包括以下步骤：
5.如权利要求4所述的基于lstm-adaboost的中央空调终端一致性自适应检测方法，其特征在于：所述在神经网络中引入attention注意力机制包括，
6.如权利要求5所述的基于lstm-adaboost的中央空调终端一致性自适应检测方法，其特征在于：所述将各个训练得到的弱学习器组合成一个强学习...
【专利技术属性】
技术研发人员：韩帅，卢健斌，吴宁，卓浩泽，陈卫东，肖静，
申请(专利权)人：广西电网有限责任公司电力科学研究院，
类型：发明
国别省市：
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。