[发明专利]一种基于数据驱动的报警根源寻找方法

权利要求书

1.一种基于数据驱动的报警根源寻找方法，其特征在于，包括以下步骤：

步骤一：检测工业系统的工作数据并获得观测变量，并将d个观测变量存储到数据矩阵X中，检查数据的时间平稳性并对数据进行预处理；

所述的工作数据包括反应系统运行情况的参数；

步骤二：对模型参数进行初始化，并利用Cao准则或者Ragwitz准则优化模型参数；

步骤三：计算转变熵矩阵P，包括：

A、选取变量：从数据矩阵X中任取两个变量，标记为x、y，共d(d-1)/2种组合；

B、计算两个变量间的转变熵：公式如下：

$T_{x\→y}=\∫f(y_{i+h_1},y_i^{\left(k_1\right)},x_i^{\left(l_1\right)})\·\log \frac{f\left(y_{i+h_1}\right|y_i^{\left(k_1\right)},x_i^{\left(l_1\right)})}{f\left(y_{i+h_1}\right|y_i^{\left(k_1\right)})}dw$

其中，是联合概率密度函数，f(·|·)是条件概率密度函数，w是随机向量假设w的元素是w₁,w₂,...,w_s，∫(·)dw是和分别是x和y历史测量值的嵌入向量，k₁和l₁分别是y和x的嵌入维数，h₁是预测范围；

C、计算标准转变熵：

$\begin{array}{c}{\mathrm{NTE}}_{x\→y}^c=\frac{H^c\left(y_{i+h_1}\right|y_i^{\left(k_1\right)})-H^c\left(y_{i+h_1}\right|y_i^{\left(k_1\right)},x_i^{\left(l_1\right)})}{H_0-H^c\left(y_{i+h_1}\right|y_i^{\left(k_1\right)},x_i^{\left(l_1\right)})}\\ =\frac{T_{x\→y}}{H_0\left(y\right)-H^c\left(y_{i+h_1}\right|y_i^{\left(k_1\right)},x_i^{\left(l_1\right)})}\\ \∈\[0,1\]\end{array}$

$H_0\left(y\right)=-{\∫}_{y_{\min }}^{y_{\max }}\frac{1}{y_{max}-y_{min}}log\frac{1}{y_{max}-y_{min}}dy=log(y_{max}-y_{min})$

$H^c\left(y_{i+h_1}\right|y_i^{\left(k_1\right)})=-\mathrm{\Σ}f(y_{i+h_1},y_i^{\left(k_1\right)})\·\log f\left(y_{i+h_1}\right|y_i^{\left(k_1\right)})$

其中，H表示熵,是条件熵；且T_x→y≠T_y→x；

如果大于规定阈值，则判定两个变量x、y具有因果关系；

D、重复步骤B、C直至计算d(d-1)，将d(d-1)/2种组合的变量标准转变熵计算出来，存入矩阵P中，然后将具有因果关系的变量用流向图表示；

步骤四：基于信息流向图中变量因果关系计算标准直接转变熵：

从矩阵P任取x、y、z3个具有因果关系的变量，其中z是中间变量，判断x和y的直接因果关系，包括：

1)、计算直接转变熵：

${\mathrm{DTE}}_{x\→y}=\∫f(y_{i+h},y_i^{\left(k\right)},z_{i+h-h_3}^{\left(m_2\right)},x_{i+h-h_1}^{\left(l_1\right)})\·log\frac{f\left(y_{i+h}\right|y_i^{\left(k\right)},z_{i+h-h_3}^{\left(m_2\right)},x_{i+h-h_1}^{\left(l_1\right)})}{f\left(y_{i+h}\right|y_i^{\left(k\right)},z_{i+h-h_3}^{\left(m_2\right)})}dv$

其中，v表示随机向量预测范围h＝max(h₁,h₃)，嵌入向量是z的历史值，能够为i+h时刻的预测y提供有效信息，是x的历史值，若h＝h₁，则若h＝h₃，则且计算T_x→z时，l₂和m₁是x和z的嵌入维数，h₂是预测范围，τ₂是时间间隔；计算T_z→y时，k₂和m₂是y和z的嵌入维数，h₃是预测范围，τ₃是时间间隔；

2)、计算标准直接转变熵：

$\begin{array}{c}{\mathrm{NDTE}}_{x\→y}^c=\frac{{\mathrm{DTE}}_{x\→y}}{H^c\left(y_{i+h}\right|y_i^{\left(k\right)})-H^c\left(y_{i+h}\right|y_i^{\left(k\right)},z_{i+h-h_3}^{\left(m_2\right)},x_{i+h-h_1}^{\left(l_1\right)})}\\ \∈\[0,1\]\end{array}$

如果大于规定阈值，则说明x和y有直接的因果关系；

对步骤三信息流向图中的变量进行上述1)和2)两步计算，验证变量因果关系的真假性；

步骤五，根据步骤四的验证结果建立变量直接因果关系图。