[发明专利]用于预报和预测的序列核回归建模系统

权利要求书

1.一种用于确定对象未来运行状态的监测系统，包括：

经验模型模块，其配置成：

接收指示所述对象正常运行状态的参考数据，

接收输入模式阵列，每个输入模式阵列具有多个输入向量，每个输入向量表示一个时间点并具有表示多个参数的输入值，所述多个参数指示所述对象的当前状态，

基于计算生成估值，所述计算使用输入模式阵列和参考数据以确定所述输入值与参考数据之间的相似性测量，其中，所述估值是估计矩阵形式，所述估计矩阵包括至少一个推导估值的估计向量，每个估计矩阵表示至少一个非由所述输入向量表示的时间点，

预测模块，其配置成使用所述推导估值确定所述对象的未来状态。

2.根据权利要求1所述的系统，其中，所述估计矩阵只包括表示时间点的估计向量，所述时间点非由所述输入向量表示。

3.根据权利要求1所述的系统，其中，所述估计矩阵包括至少一个表示时间点的估计向量，该时间点与所述输入向量表示的时间点相同，以及包括至少一个表示时间点的估计向量，所述时间点非由所述输入向量表示。

4.根据权利要求1所述的系统，其中，所述估计矩阵包括表示参数的估值，所述参数指示所述对象的状态并且是非由所述输入值表示的参数。

5.根据权利要求1所述的系统，其中，每个估计矩阵表示一个主当前时间点和非由所述输入向量表示的时间点，所述非由所述输入向量表示的时间点是相对于当前时间点的后续的时间点。

6.根据权利要求1所述的系统，其中，所述经验模型配置成使用相似性测量生成加权值，并使用与所述参考数据一起计算的所述加权值以生成所述估计矩阵。

7.根据权利要求6所述的系统，其中，所述加权值是加权向量形式。

8.根据权利要求6所述的系统，其中，与所述加权值一起计算所使用的所述参考数据包括表示时间点的参考值，该时间点是非由所述输入模式阵列表示的时间点。

9.根据权利要求8所述的系统，其中，与所述加权值一起计算所使用的所述参考数据表示主当前时间点，并且非由所述输入向量表示的时间点是相对于当前时间点的后续时间点。

10.根据权利要求6所述的系统，其中，与所述加权值一起计算所使用的所述参考数据是学习序列模式矩阵的三维集合的形式，每个学习序列模式矩阵包括参考值的参考向量，其中，每个参考向量表示所述学习序列模式矩阵中不同的时间点。

11.根据权利要求10所述的系统，其中，每个学习序列模式矩阵包括主当前时间点和表示相对于所述主当前时间点的后续时间点的时间点，并且该表示相对于所述主当前时间点的后续时间点的时间点非由所述输入模式阵列表示。

12.根据权利要求1所述的系统，其中，所述相同的时间点在多个估计矩阵中被表示。

13.根据权利要求1所述的系统，其中，所述预测模块配置成使用最近估计矩阵以对所述估值进行更新，以便用于确定所述对象的状态。

14.根据权利要求1所述的系统，其中，所述预测模块配置成为单个估计向量提供值，以表示多个估计矩阵中的单个时间点。

15.根据权利要求14所述的系统，其中，所述单个估计向量是在单个时间点的所有估计向量的平均值、加权平均值或加权范数。

16.根据权利要求1所述的系统，其中，所述预测模块为单个估计向量提供值以表示每个估计矩阵。

17.根据权利要求16所述的系统，其中，所述单个估计向量是在所述估计矩阵内所述估计向量的平均值、加权平均值或加权范数。

18.根据权利要求1所述的系统，其中，所述预测模块配置成对于至少一个所述推导估值表示的参数形成趋势线，以指示所述对象的预期行为。

19.根据权利要求18所述的系统，其中，所述预测模块配置成用每个新估计矩阵形成新趋势线。

20.根据权利要求18所述的系统，其中，所述预测模块配置成形成边界趋势线以界定所述对象的预期行为的范围。

21.根据权利要求19所述的系统，其中，所述预测模块配置成形成上边界趋势线和下边界趋势线，所述上边界趋势线具有来自所述时间点的最大估值，所述下边界趋势线具有来自所述时间点的最小估值。