[发明专利]一种基于Savitzky-Golay滤波器的多变量监控方法与系统

权利要求书

1.一种基于Savitzky-Golay滤波器的多变量监控方法，其特征是，包括：

获取多变量系统的历史运行数据，该历史运行数据中包含多个表明系统运行状态的过程变量，并标注历史运行数据的正常或异常情况；

使用Savitzky-Golay滤波器对各个过程变量的历史时间序列数据进行滤波，得到滤波后的信号幅值及各阶导数；

将各个过程变量的滤波后信号幅值及各阶导数组成特征空间；

在特征空间中基于历史数据训练得到非线性支持向量机模型，并用于判断是否给出告警，实现多变量的监控；

所述支持向量机模型通过构造一个超平面，将异常与正常的两个类别的数据点分开；使用支持向量机模型对Savitzky-Golay滤波器提取的特征进行分类，判断是否应当给出告警；

通过Savitzky-Golay滤波器提取滤波后的信号幅值及各阶导数作为定性特征，进行定性分析，并在特征空间中训练非线性支持向量机模型，通过非线性支持向量机模型判别是否应当给出告警，实现多变量的告警监控；

所述获得滤波后的信号幅值及各阶导数的过程为：针对一列时间序列数据的多个数据点进行多项式拟合；采用最小二乘法，获得多项式拟合的累积误差；通过最小化多项式拟合的累积误差得到累积误差表达中的各系数；令多项式拟合的累积误差对各系数的偏导数为零，获得关于系数的多元一次方程组；求解多元一次方程组，获得滤波后的序列在某一时刻下的信号幅值；对信号幅值求导，获得该时刻的各阶导数。

2.如权利要求1所述的一种基于Savitzky-Golay滤波器的多变量监控方法，其特征是，历史运行数据的正常或异常情况通过标签序列表示，若某时刻存在异常，则标签序列取+1，相反，若某时刻不存在异常，则标签序列取-1。

3.如权利要求1所述的一种基于Savitzky-Golay滤波器的多变量监控方法，其特征是，关于所述支持向量机模型：

给定特征空间包含多个数据的训练数据集合；

线性支持向量机将构造一个分类超平面及相应的分类决策函数；

对于训练数据是线性不可分的情况，通过构造核函数将原样本空间映射到新特征空间，在新空间实现线性可分；

针对基于历史数据训练得到非线性支持向量机模型，判断是否需要告警。

4.一种基于Savitzky-Golay滤波器的多变量监控系统，其特征是，包括：

数据选择模块，被配置为：获取多变量系统的历史运行数据，该历史运行数据中包含多个表明系统运行状态的过程变量，并标注历史运行数据的正常或异常情况；

滤波模块，被配置为：使用Savitzky-Golay滤波器对各个过程变量的历史时间序列数据进行滤波，得到滤波后的信号幅值及各阶导数；

特征空间模块，被配置为：将各个过程变量的滤波后信号幅值及各阶导数组成特征空间；

告警模块，被配置为：在特征空间中基于历史数据训练得到非线性支持向量机模型，并用于判断是否给出告警，实现多变量的监控；

所述获得滤波后的信号幅值及各阶导数的过程为：针对一列时间序列数据的多个数据点进行多项式拟合；采用最小二乘法，获得多项式拟合的累积误差；通过最小化多项式拟合的累积误差得到累积误差表达中的各系数；令多项式拟合的累积误差对各系数的偏导数为零，获得关于系数的多元一次方程组；求解多元一次方程组，获得滤波后的序列在某一时刻下的信号幅值；对信号幅值求导，获得该时刻的各阶导数。

5.如权利要求4所述的一种基于Savitzky-Golay滤波器的多变量监控系统，其特征是，数据选择模块中，历史运行数据的正常或异常情况通过标签序列表示，若某时刻存在异常，则标签序列取+1，相反，若某时刻不存在异常，则标签序列取-1。

6.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-3任一所述的一种基于Savitzky-Golay滤波器的多变量监控方法。