[发明专利]基于时间序列的海缆状态预测方法

权利要求书

1.基于时间序列的海缆状态预测方法，其特征在于，依次包括以下步骤：

（1）建立海缆状态变量预测模型；

（2）实现海缆状态预测。

2.如权利要求1所述基于时间序列的海缆状态预测方法，其特征在于，所述步骤（1）包含如下子步骤：

2.1定义海缆状态变量预测模型如下：

长短时记忆网络（LSTM）内部具有“门”机制，用来调节信息流，可用来实现时间序列下的海缆状态变量趋势预测;

定义1：

输入门：，

其中，表示输入门在时刻输入个变量的值；表示输入门在时刻输入个变量的权重系数；表示输入数据；表示输入门在时刻输入个变量的偏置系数；是激活函数，可以把值压缩到之间；时，表示单变量预测模型，时，表示多变量预测模型;

定义2：

输出门：，

其中，表示输出门在时刻输入个变量的值；表示输出门在时刻输入个变量的权重系数；表示输出门在时刻输入个变量的偏置系数;

定义3：

遗忘门：，

其中，表示遗忘门在时刻输入个变量的值；表示遗忘门在时刻输入个变量的权重系数；表示遗忘门在时刻输入个变量的偏置系数;

定义4：

隐藏层：，

其中，表示隐藏层在时刻输入个变量的值；表示遗忘门在时刻输入个变量的权重系数；表示遗忘门在时刻输入个变量的偏置系数；是激活函数，可以把值压缩在之间;

定义5：

记忆单元：，

其中，表示记忆单元在时刻输入个变量的值；表示隐藏层在时刻输入个变量的值;

定义6：

LSTM输出：

其中，表示海缆状态变量预测模型在时刻输入个变量的值;

2.2设置海缆状态变量预测模型参数：

设置神经网络层数为1、隐藏层节点个数为64；设置训练输入步长为4、预测步长为1；采用滚动预测方式预测未来12步，所需预测变量数量为6;

海缆单变量状态预测模型的神经网络输入输出节点个数都为1；海缆多变量状态预测模型的神经网络输入输出节点个数分别为6和6;

2.3训练海缆状态变量预测模型：

2.3.1数据预处理：

根据海缆状态变量预测模型所需的参数要求，对获取的海缆数据进行数据预处理，根据海缆种类、变量种类对数据进行分类和排序；对数据进行去噪，填补缺失值，修改非法值，归一化等处理;

2.3.2训练模型：

将步骤（2.3.1）处理的数据输入到LSTM模型中，重复多轮进行训练，确定学习率，直到模型的损失率最小，然后保存模型;

损失函数MSE如下：

，

其中，表示真实值；表示海缆状态变量预测模型的预测值；表示数据总数。

3.如权利要求2所述基于时间序列的海缆状态预测方法，其特征在于，所述步骤（2）包含如下子步骤：

针对海缆状态的六个变量进行预测，包括电压、电流、功率、光纤温度、缆芯温度、扰动能量;

3.1海缆单变量状态趋势预测：

获取海缆状态变量的4个最新的海缆单变量监测值，输入到海缆单变量状态预测模型，利用滚动预测的方式分别获得6个单变量后面12步的预测值并存入数据库;

3.2海缆多变量状态趋势综合预测：

获取4个最新的海缆6个状态变量的监测值，输入到多变量状态预测模型，利用滚动预测的方式得到海缆6个状态变量后面12步的预测值并存入数据库；设置海缆多变量状态预测函数，利用多变量预测值，获取海缆后面12步的状态预测分数并存入数据库。