[发明专利]一种基于卫星时序关联关系算法的优化方法及装置

说明书

本发明涉及计算机软件技术领域，具体涉及一种基于卫星时序关联关系算法的优化方法及装置，方法包括：获取经过预处理的卫星时序数据，并将卫星时序数据输入至关联关系分析算法；关联关系分析算法基于卫星时序数据，对卫星时序数据中的多条时间序列进行知识挖掘，以挖掘出序列间的频繁模式；对挖掘出的序列间的频繁模式进行优化，筛选出更具有关联性的频繁模式，删减无意义频繁模式。对卫星时序数据中挖掘出序列间的频繁模式，并且对挖掘出的序列间的频繁模式进行优化，删减无意义频繁模式，以解决卫星时序关联关系算法中挖掘出来的规则混杂的问题，大量减少卫星时序关联关系分析算法中挖掘出来的无意义规则的数量。

技术领域

本发明涉及计算机软件技术领域，具体而言，涉及一种基于卫星时序关联关系算法的优化方法及装置。

背景技术

随着商业航天产业的不断发展，在轨卫星的安全运行问题成为了人们的研究热点。卫星通过传感器传递到地面的参数是具有种类多、数量大特点的时序数据。通过分析遥测参数之间的关联关系，可以预测出短时间内参数的变化趋势；或者通过某个参数的异常变化趋势，溯源出引起该异常变化的卫星参数，为卫星的安全稳定运行提供可靠的决策支持。

基于现有的卫星时序关联关系算法挖掘出来的规则比较混杂。在算法规定的时间范围内，可能存在多个源参数频繁模式指向一个目标参数频繁模式，和一个源参数频繁模式指向多个目标参数频繁模式的情况。

如图1所示，一共有4个参数S1，S2，S3，S4。我们挖掘出的一个规则为：“S1:ud --S2:uu”。从表中来看，在该规则中，源参数S1的频繁模式“ud”一共出现了4次，目标参数S2的频繁模式“uu”一共出现了2次。其中，前2个“ud”指向了第1个“uu”，后两个“ud”指向第2个“uu”。该情况属于多个源参数频繁模式指向一个目标参数频繁模式的情况。很明显出现了重复指向的现象。

我们挖掘出的另一个规则为：“S3:ud -- S4:ld”。从表中来看，在改规则中，源参数S3的频繁模式“ud”一共出现了3次，目标参数S4的频繁模式“ld”一共出现了3次。其中，第1个“ud”指向了后2个“ld”。该情况属于一个源参数频繁模式指向多个目标参数频繁模式的情况，也出现了重复指向的问题。

以上两种情况在数据量庞大的情况下，可能出现更加复杂的“多源指多目”的现象。这些现象会导致挖掘出的规则数量多，挖掘出的规则没有意义，规则混杂的情况出现。比如在第一个例子中，前两个“ud”指向同一个“uu”，则第1个“ud”指向“uu”的规则的意义就没有第2个“ud”指向“uu”的规则意义大。这是因为第2个“ud”在时间上比第1个“ud”更加接近目标参数的频繁模式“uu”，更加符合我们提出的“短时间预测”的情况。

因此，需要一种减少卫星时序关联关系分析算法中挖掘出来的无意义规则数量的技术来解决上述问题。

发明内容

本发明实施例提供了一种基于卫星时序关联关系算法的优化方法及装置，以解决卫星时序关联关系算法中挖掘出来的规则混杂的问题，减少挖掘出无意义规则数量。

根据本发明的一实施例，提供了一种基于卫星时序关联关系算法的优化方法，包括以下步骤：

获取经过预处理的卫星时序数据，并将卫星时序数据输入至关联关系分析算法；

关联关系分析算法基于卫星时序数据，对卫星时序数据中的多条时间序列进行知识挖掘，以挖掘出序列间的频繁模式；

对挖掘出的序列间的频繁模式进行优化，筛选出更具有关联性的频繁模式，删减无意义频繁模式。

进一步地，在挖掘出序列间的频繁模式之前还包括：挖掘序列内的频繁模式。

进一步地，在挖掘序列内的频繁模式中包括：