[发明专利]基于样本相似性排序建模实时评估系统状态的方法

权利要求书

1.一种基于样本相似性排序建模实时评估系统状态的方法，从动态系统随时间进行而产生的实时状态数据中选取正常状态时的数据；基于相似性距离排序方法对正常状态样本数据进行排序，并选取符合条件的样本数据组成正常状态样本数据库；其特征在于：将动态系统中任一时间点产生的一组数据与样本库中的每一个样本进行相似性计算，产生一组相似权重值；根据相似权重值及系统状态确定规则，评估在此时间点该系统的状态。

2.如权利要求1所述的基于样本相似性排序建模实时评估系统状态的方法，其特征在于：在实时状态数据中，选取正常状态时的数据，数量在状态向量变量数的3倍至4倍区间；其中所述状态向量变量数为需要监测的参数点的数据。

3.如权利要求1所述的基于样本相似性排序建模实时评估系统状态的方法，其特征在于：样本向量依据相似性大小排序后，取第一个与最后一个样本向量作为正常状态数据库的两个向量；其中所述状态向量变量数为需要监测的参数点的数据；

在剩下N-2个向量中，取（M-2）个样本向量即为状态数据库中剩下的数据，方法为：设m为（N-2）/（M-2）的整数部分，从第一个数开始，取第m+1,2m+1…个样本向量，取至第(M-2)*m+1个样本向量，总共M个样本向量组成正常状态样本数据库。

4.如权利要求1所述的基于样本相似性排序建模实时评估系统状态的方法，其特征在于：样本向量相似性距离计算方式包括

设两个向量为X=(x1,…,xn)，Y=(y1,…yn)：

欧氏距离：    

或，泊松相关性相似距离：

或，向量夹角距离：

。

5.如权利要求1所述的基于样本相似性排序建模实时评估系统状态的方法，其特征在于：将样本向量进行归一化处理；归一化的处理方式包括：

将每一变量的所有值相加，将此和值作为1处理，每一变量归一化后的值为该值除以和值：

，，，···

或，在每一变量中取最大值为1，最小值为0，变量其他值为在此变量排序中相距最大最小值的距离决定：

，；

，，，···。