[发明专利]一种用于全自动控制的温度数据增强方法

权利要求书

1.一种用于全自动控制的温度数据增强方法，其特征在于，包括以下步骤：

(1)对采集的温度数据中异常、不平滑的数据进行预处理；

(2)第一次数据增强：数据依次n等间隔采样，获得n份同分布数据；

(3)第二次数据增强：搭建基于信息最大化的生成对抗网络模型，输入温度数据进行模型的训练；

(4)对步骤(3)中的模型进行性能测试，测试通过后，得到增强后的全部温度数据。

2.根据权利要求1所述的用于全自动控制的温度数据增强方法，其特征在于，所述步骤(1)包括以下步骤：

(11)对测量所得温度数据集中的数据向量进行裁剪，每隔时间t采样一次，则应将每组数据向量维度规范为K，共得N组数据；

(12)采用五点三次平滑滤波处理温度数据的波动；

(13)进行归一化处理，将温度值统一到[-1,1]之间。

3.根据权利要求1所述的用于全自动控制的温度数据增强方法，其特征在于，所述步骤(2)具体为：

对数据维度为K的每组数据向量分组，每组数据标号分别为：

1+nj，j＝0，1，…，jk/n；

2+nj，j＝0，1，…，jk/n；

……

n-1+nj，j＝0，1，…，jk/n。

4.根据权利要求1所述的用于全自动控制的温度数据增强方法，其特征在于，所述步骤(3)包括以下步骤：

(31)搭建生成器模型G；

(32)搭建判别器模型D；

(33)选择目标函数对生成与判别效果进行评价，所述目标函数为：

其中，E表示取期望操作；P_data表示真实数据；P_z，即p_g(z)，表示生成器拟合的数据分布；D(x)表示给判别器D输入温度数据x后生成的仿生数据；G(z)表示给生成器G输入高斯噪声z后生成的仿真数据；

从前置的随机分布p_g(z)中取出m个随机数{z⁽¹⁾,z⁽²⁾,…,z^(m)}，其次再从真实数据分布p_data(x)中取出m个真实样本{x⁽¹⁾,x⁽²⁾,…,x^(m)}；使用平均数代替目标函数中的期望，公式改写为：

(34)训练模型：通过以下公式，对V(D,G)进行寻优，

其中，arg函数表示使目标函数V(D,G)最大以获得判别器D、使目标函数最小以获得生成器G的操作；

首先冻结生成器，即神经网络只进行前向传播，输入温度数据，多次迭代训练判别器网络参数；然后冻结判别器，输入温度数据，一次迭代训练生成器网络参数。

5.根据权利要求4所述的用于全自动控制的温度数据增强方法，其特征在于，所述步骤(31)中输入生成器的信号z是维度为256维的高斯白噪声，满足标准正态分布，真实数据维度为2400。

6.根据权利要求1所述的用于全自动控制的温度数据增强方法，其特征在于，所述步骤(4)中的测试过程包括以下步骤：

(41)对比增强后的温度曲线图走势与真实数据走势；

(42)计算真实数据与生成数据的EM距离：

其中，EM距离也称为Wasserstein距离，用于衡量两个分布差距大小；inf表示集合Π(P_data,P_g)最大的下界；∏(P_r,P_g)代表对于(x,y)的边缘分布为P_r和P_g的联合分布的集合，(x,y)～γ表示变量(x,y)服从联合分布，其中x、y分别为真实温度数据和生成器产生的仿真数据。