【技术实现步骤摘要】
本专利技术涉及数据分析与人工智能，具体涉及一种基于表征嵌入与时滞配对的双通路异构时序因果分析方法。
技术介绍
1、随着工业物联网等行业的发展以及数字传感技术的进步，多模态时序数据迅速增长，仅凭数据相关性无法有效指导决策过程。因果关系分析因其具有揭示数据中因果信息的强大能力，已成为故障溯源、风险预警等场景的关键技术之一。
2、现有的因果发现技术主要包括基于约束型的方法，如pcmci、lpcmci、cd-nod等算法，此类算法依托马氏假设与因果忠实性假设，通过条件独立性检验迭代删除和定向边，可在变量类型未知情况下输出等价类结构；基于功能因果型或评分型方法，如varlingam、timino等，将数据拟合为结构方程并以似然或信息准则搜索最优图，可直接生成有向无环图；可微优化方法，如dynotears、nts-notears，通过连续化邻接矩阵并引入无环性约束，将组合优化转为光滑优化，支持端到端训练；格兰杰因果方法，依据预测增益判定时间序列因果关系，使用方便但本质上衡量可预测性；基于信息论的方法，如te、ste、pte、dte等，无...
【技术保护点】
1.一种基于表征嵌入与时滞配对的双通路异构时序因果分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于表征嵌入与时滞配对的双通路异构时序因果分析方法，其特征在于，步骤S2中所述动力电池状态数据中的变量包括：单体平均电压、单体最高温度、电池包充放电电流、荷电状态、电池健康状态、绝缘电阻、环境温度以及荷电状态变化速率；步骤S2中所述因果关系类型包括：正向、逆向以及无。
3.根据权利要求2所述的基于表征嵌入与时滞配对的双通路异构时序因果分析方法，其特征在于，步骤S1中所述进行多个时间窗口的聚合及拼接的步骤具体包括：
4.根据...
【技术特征摘要】
1.一种基于表征嵌入与时滞配对的双通路异构时序因果分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于表征嵌入与时滞配对的双通路异构时序因果分析方法，其特征在于，步骤s2中所述动力电池状态数据中的变量包括：单体平均电压、单体最高温度、电池包充放电电流、荷电状态、电池健康状态、绝缘电阻、环境温度以及荷电状态变化速率；步骤s2中所述因果关系类型包括：正向、逆向以及无。
3.根据权利要求2所述的基于表征嵌入与时滞配对的双通路异构时序因果分析方法，其特征在于，步骤s1中所述进行多个时间窗口的聚合及拼接的步骤具体包括：
4.根据权利要求3所述的基于表征嵌入与时滞配对的双通路异构时序因果分析方法，其特征在于，步骤s2具体包括：
5.根据权利要求4所述的基...
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。