[发明专利]相关双数据流异常检测与修正的方法

权利要求书

1.一种相关双数据流异常检测与修正的方法，其特征在于，所述相关双数据流是指：作为输入数据流的数据和作为输出数据流的数据，且输入数据流是输出数据流的函数，所述方法包含对双数据流的离线处理过程和在线处理过程，在线处理过程可以完成对异常数据的修正；离线处理过程中，双数据流基于相同时间序列I＝{i|1,2,…,n}；其中，为便于表述，一轮生产过程被划分为n个时间序列，每个序号也称为时间索引号i，最末端的索引号为n；生产过程中，会对输入数据流和输出数据流进行多轮次的采集与记录，其中输入数据流为X，输出数据流为Y；第j轮采集的数据流标记为X_j＝{x_j1,x_j2…,x_jn}和Y_j＝{y_j1,y_j2…,y_jn}；若共计输入数据和输出数据被采集了m轮，则每轮在第i个索引号处的采样数据以数据簇CX_i＝[x_1i … x_mi]^T，CY_i＝[y_1i … y_mi]^T表示；在线处理过程中，某一轮基于序列I采集的输入数据流为X＝{x₁，x₂，x₃，...x_n}，采集的输出数据流为Y＝{y₁，y₂，y₃，...，y_n}，X和Y中均包含了不确定的异常数据，X和Y为将被检测和修正的目标数据流；其中离线处理过程描述如下:若共计输入数据和输出数据被采集了m轮，对I的每个索引号i的数据簇CX_i,CY_i，分别计算其簇中心和形成离线簇中心集合和分别建立时间索引I与CCS_x,CCS_y的映射关系曲线CCIC：CCS_x→f_x(I)和CCS_y→f_y(I),f_x表示I与CCS_x之间的映射关系,f_y表示I与CCS_y之间的映射关系；

所述方法包括对每一次采集到的索引号为k的新数据，向前提取宽度为w的数据窗口，对其进行异常数据检测和修正的在线处理过程，步骤如下:

步骤1：标记已提取的数据窗口分别为X_k＝{x_k-w+1，x_k-w，…，x_k}和Y_k＝{y_k-w+1，y_k-w，…，y_k}，并在簇中心集合中，对应提取和其中n≥k≥w-1,w≥1，若遇到当前数据的索引号为本轮较为靠前的数据，即1≤k＜w-1,w≥1时，则从前一轮采集的数据中顺次选取最新的数据，保持窗口数据宽度为w；

步骤2：对数据窗口X_k进行异常数据检测和修正，得到修正后无异常数据窗口X_k*；

步骤3：基于公式(1)和(2)，形成在线簇中心集合CCS_xk*,CCS_yk*：

步骤4：计算CCS_xk*和CCS_xk的协方差向量c和CCS_xk的协方差矩阵C，基于公式(3)的GPR预测模型，得到预测输出Y_k'＝{y_k-w+1',y_k-w',…,y_k'}，数据序列y_k-w+1',y_k-w',…,y_k'是以修正后的输入数据的数据窗口数据X_k*为输入值，基于离线信息和GPR预测模型，得到的预测输出数据的数据窗口的预测数据；

Y_k'＝c^T(CCS_xk*)C^-1CCS_yk (3)

步骤5：对预测输出数据Y_k'进行对比检测，间接实现对Y中异常数据的检测和修正；

步骤6：双数据流异常数据检测和修正的在线处理过程结束，输出修正后无异常数据流X_k*和Y_k*。