[发明专利]一种批生产的时序数据特征提取方法

说明书

本发明属于数据挖掘技术领域，尤其是涉及一种批生产的时序数据特征提取方法。一种批生产的时序数据特征提取方法，包括以下步骤：S1、数据获取，从数据源获取目标批次的过程数据X；S2、数据清洗，遍历各个变量并定位质量差的数据点，将定位到的质量差数据的变量剔除；S3、数据分割，根据目标对象的实际意义和分析需求并利用现有变量；S4、变量筛选，根据目标对象的实际意义和分析需求进行分析变量的筛选；S5、特征指标确定，根据目标对象的实际意义和分析需求确定描述单个变量特征的指标；S6、特征矩阵构建。本发明提供了一种压缩数据量、保留过程特征、可减少后续分析工作的运算压力的批生产的时序数据特征提取方法。

技术领域

本发明属于数据挖掘技术领域，尤其是涉及一种批生产的时序数据特征提取方法。

背景技术

数据挖掘(Data Mining)是指从大量含有噪声的、不完全的、模糊的数据中提取事先未知的又有潜在价值的信息的过程。工业生产数据具有大量(volume)、高速(velocity)、多样性(variety)、真实性(veracity)、可见性(visibility)和价值(value)的特征。大量(volume)即数据的规模大，高速(velocity)即数据的产生和采集非常频繁，多样性(variety)即数据的异构多样，真实性(veracity)即避免数据收集和提炼过程中发生的数据质量污染所导致的“虚假”信息，可见性(visibility)即通过分析使以往不可见的信息可见，价值(value)即分析获得的信息应被转换成价值。工业数据的产生主体是人和机器，即由人工输入的数据和通过相应传感器、仪器仪表、智能终端从设备上采集的数据，其中来自机器的数据在体量上占主要地位。这些数据中含有生产过程的宝贵信息，通过对生产数据进行挖掘，能进一步揭示生产规律，为生产优化提供助力。

当前批生产方式广泛应用于制药、食品、化工等行业。批生产数据存在以下特点：生产过程数据为时序数据，能反映生产过程随时间的变化趋势；每个批次的时间长度通常不相等，故每批次的过程变量样本数不同；生产过程数据采集频率高，变量数多，导致单批次的数据量大。针对某对象进行研究时，往往需要分析多个批次的生产数据，变量多、批次间样本数不等、数据量大，都对分析工作的推进提出了挑战。

发明内容

本发明所要解决的技术问题是提供一种压缩数据量、保留过程特征、可减少后续分析工作的运算压力的批生产的时序数据特征提取方法。为此，本发明采用以下技术方案：

一种批生产的时序数据特征提取方法，包括以下步骤：

S1、数据获取，从数据源获取目标批次的过程数据X：

其中，n为样本数，n≥1；m为变量数，m7；

S2、数据清洗，遍历各个变量并定位质量差的数据点，将定位到的质量差数据的变量剔除；

S3、数据分割，根据目标对象的实际意义和分析需求并利用现有变量，将过程数据分割为k部分，k≥2，每部分的样本数为n_i，i＝1,2,…,k；

S4、变量筛选，根据目标对象的实际意义和分析需求进行分析变量的筛选，获得：

其中，筛选后变量数为d，1≤d≤n，i＝1,2,…k；

S5、特征指标确定，根据目标对象的实际意义和分析需求确定描述单个变量特征的指标，该指标数计为t，1≤t≤7；

S6、特征矩阵构建，基于数据矩阵A_i计算各变量的指标，并整理为行向量R_i，根据行向量R_i构建目标批次的特征矩阵S_k×dt，其中i＝1,2,…k。