[发明专利]一种施工数据自检方法及系统

权利要求书

1.一种施工数据自检方法，其特征在于，包括：

获取施工场景下的所有施工数据，构建施工数据矩阵；

计算所述施工数据矩阵中各数据字段之间相关度，以获取签名矩阵；

所述相关度为皮尔逊相关系数，所述计算所述施工数据矩阵中各数据字段之间相关度，包括：

其中，X为数据字段x的记录数据，Y为数据字段y的记录数据，σ_X是X标准差，σ_Y是Y标准差，cov(X,Y)为X和Y的协方差；

利用预先训练好的数据异常检测模型对所述签名矩阵进行特征提取，获取输出矩阵；

计算所述输出矩阵与所述签名矩阵之间的均方误差；

根据所述均方误差，确定所述施工场景下的所有施工数据的自检结果；

所述数据异常检测模型是基于编码解码框架构建的；所述编码解码框架包括编码层和解码层；

所述编码层包括卷积层L₁、池化层L₂、全连接层L₃、全连接层L₄和全连接层L₅；所述卷积层L₁的卷积核大小为3×3，输出通道为6，输入通道为1；所述池化层L₂的卷积核大小为2×2；所述全连接层L₃的输入维度为(n-2)/2取整，输出维度为64，n为所述施工数据矩阵中所录入的施工数据的字段数量；所述全连接层L₄的输入维度为64，输出维度为32；所述全连接层L₅的输入维度为32，输出维度为8；

相应地，所述解码层包括全连接层L₆、全连接层L₇和全连接层L₈、卷积层L₉和池化层L₁₀；所述全连接层L₆的输入维度为8，输出维度为32；所述全连接层L₇的输入维度为32，输出维度为64；所述全连接层L₈的输入维度为64，输出维度为(n-2)/2取整；所述卷积层L₉的卷积核大小为2×2；所述池化层L₁₀的卷积核大小为3×3，输出通道为6，输入通道为1。

2.根据权利要求1所述的施工数据自检方法，其特征在于，在利用预先训练好的数据异常检测模型对所述签名矩阵进行特征提取之前，还包括采用无监督学习的方式对预先构建的数据异常检测模型进行预训练；所述无监督学习的目标函数为：

其中，Sⁱ为签名矩阵样本，为输出矩阵样本，M为训练的迭代次数；Θ为所述数据异常检测模型的待训练参数，i为中间参数。

3.根据权利要求1所述的施工数据自检方法，其特征在于，所述计算所述输出矩阵与所述签名矩阵之间的均方误差，包括：

其中，为所述输出矩阵，S^a为所述签名矩阵，LossE为所述输出矩阵与所述签名矩阵之间的均方误差。

4.根据权利要求3所述的施工数据自检方法，其特征在于，在确定所述施工场景下的所有施工数据的自检结果之前，确定正常施工数据的误差均值作为参考值；所述根据所述均方误差，确定所述施工场景下的所有施工数据的自检结果，包括：

在所述均方误差大于所述参考值的情况下，确定所述自检结果为异常；

在所述均方误差不大于所述参考值的情况下，确定所述自检结果为正常。

5.根据权利要求1所述的施工数据自检方法，其特征在于，在采用无监督学习的方式对预先构建的数据异常检测模型进行预训练之后，还包括：

构建验证数据集，所述验证数据集是由自回归系统产生的正常验证数据和对部分正常验证数据进行修改后的异常数据组成的；

利用所述验证数据集，确定预训练后的所述数据异常检测模型的查准率和查全率；

根据所述查准率和查全率，确定预训练后的所述数据异常检测模型的可信度。