[发明专利]一种从海量历史谐波数据中查找异常数据的智能识别方法

权利要求书

1.一种从海量历史谐波数据中查找异常数据的智能识别方法，其特征在于,包括以下步骤:

步骤S10，输入样本数据集的波形图，应用深度残差网络进行训练与测试，输出识别准确度，并获得已训练的深度残差网络；

步骤S20，输入测试数据集的波形图，采用已训练的深度残差网络，对测试数据集的波形图进行分类，并对包含异常数据的波形图进行异常数据定位；

所述样本数据集和测试数据集均为谐波数据。

2.如权利要求1所述的智能识别方法，其特征在于，步骤S10包括以下步骤：

建立样本数据集，将样本数据集分为训练集和测试集，所述样本数据集设置有分类标签，所述标签分为正常标签和异常标签，所述异常标签还设置有异常数据定位信息；

循环：将训练集的波形图输入未训练的深度残差网络进行异常数据特征提取，直至训练集的波形全部完成训练；

循环：将测试集的波形图输入已训练的深度残差网络进行测试，输出预测标签并计算判错数量，所述判错是指波形图的预测标签和设置标签不符；

输出识别准确度，所述识别准确度为(测试集数量-判错数量)/测试集数量。

3.如权利要求2所述的智能识别方法，其特征在于：所述样本数据集的波形图均设置为同一图像尺寸。

4.如权利要求2所述的智能识别方法，其特征在于：所述深度残差网络是ResNet50网络。

5.如权利要求2所述的智能识别方法，其特征在于：所述训练集数量占样本数据集数量的70％-80％。

6.如权利要求1所述的智能识别方法，其特征在于，所述步骤S20包括步骤：

步骤S201，输入测试数据集的波形图,所述波形图为第一层波形图；

步骤S202，将第一层波形图输入已训练的深度残差网络，判断第一层波形图是否存在异常数据；当存在异常数据，则跳转至步骤S203；当不存在异常数据，跳转至步骤S208；

步骤S203，输出第一层波形图，并设置异常标签，n＝1；

步骤S204，将第n层波形图分为两个第n层子波形图；

步骤S205，对两个第n层子波形图进行分类；

步骤S206，通过已训练的深度残差网络判断两个第n层子波形图是否都存在异常数据，当都存在异常数据，跳转至步骤S208；当其中一个存在异常数据，则跳转至步骤S207；

步骤S207，将包含异常数据的第n层子波形图定义为第n+1层波形图，将n+1赋值给n进入迭代；跳转至步骤S204；

步骤S208，输出包含异常数据的第n层波形图，并设置异常数据定位信息，结束；

步骤S209，输出第一层波形图，并设置正常标签，结束。

7.如权利要求6所述的智能识别方法，其特征在于：所述波形图的横轴是时间轴，所述步骤S204，将第n层波形图分为两个第n层子波形图，是通过时间轴进行等长分割。