[发明专利]一种基于多源时空信息的分布式参数系统状态预测方法

权利要求书

1.一种基于多源时空信息的分布式参数系统状态预测方法，其特征在于：包括以下步骤：

(1)数据转换

假定大型设备的测量点都在同一平面上，以图像的形式查看设备的测量信息；由于每个设备中的反应管都有测量点，反应管从左到右排列，形成二维特征图；对于每个时刻，得到设备测量点的二维视图，随着时间的推移，得到设备测量点的三维时空视图，用X＝(x₁,x₂,...,x_t)表示，对于序列预测，长度为k的数据X进行切片操作，这将被重新表述为：

在没有空间关系的情况下，但是具有时序关系，这种过程变量被收集起来可以丰富模型的信息，表示为U＝(u₁,u₂,...,u_t)，对于序列预测，同样需要切片处理，表示为：

(2)时序特征提取

对于时序变量U_s的特征提取包括两步，首先是进行标准化处理，其次是采用单层LSTM网络进行时序特征提取；

(3)建立基于残差ConvLSTM的时空特征提取网络

对于时序变量X_s的特征提取主要包括两步，首先是进行标准化处理，表示为：

其中：xs_i,std表示经过标准化处理的第i个时空数据；xs_i表示第i个时空数据；m_x表示时空数据的均值；s_x表示时空数据的标准差；

其次是采用残差卷积LSTM网络进行时空特征提取；

(4)融合提取的时序特征与时空特征

将步骤(2)提取的时序特征与步骤(3)提取的时空特征进行融合，表达为：

其中表示提取的复杂的时空特征，是的向量表示形式；

(5)构建多源时空模型(MS-STN)

将融合后的特征数据再经过一层LSTM网络进行特征压缩，将压缩至与x相同维度；最后采用残差卷积ConvLSTM网络进行预测未来过程的时空状态，以建立多源时空网络模型；

(6)将在线实时获得的原始时序数据与时空数据经步骤(1)变换后输入到建立的多源时空网络模型(MS-STN)中，实时预测过程状态。

2.根据权利要求1所述的一种基于多源时空信息的分布式参数系统状态预测方法，其特征在于：所述步骤(1)中t可以被k整除，当t不可以被k整除，t/k取可以被k整除的最大数。

3.根据权利要求1所述的一种基于多源时空信息的分布式参数系统状态预测方法，其特征在于：所述步骤(2)中标准化处理，表示为：

其中：us_i,std表示经过标准化处理的第i个时序数据；us_i表示第i个时序数据；m_u表示时序数据的均值；s_u表示时序数据的标准差。

4.根据权利要求1所述的一种基于多源时空信息的分布式参数系统状态预测方法，其特征在于：所述步骤(3)中时空特征提取所用的网络结构超过30层。

5.根据权利要求1所述的一种基于多源时空信息的分布式参数系统状态预测方法，其特征在于：所述步骤(3)中采用的残差卷积LSTM网络，为了克服梯度消失/梯度爆炸，由ConvLSTM和标准化组合而成的残差块用于建模，残差块由残差部分和直接映射部分组成，残差部分由两层ConvLSTM和标准化组成；直接映射部分由一个ConvLSTM和标准化组成。

6.根据权利要求5所述的一种基于多源时空信息的分布式参数系统状态预测方法，其特征在于：步骤(3)中残差网络没有加入激活函数，由10个以上残差块搭建残差卷积网络。

7.根据权利要求1所述的一种基于多源时空信息的分布式参数系统状态预测方法，其特征在于：所述步骤(5)中采用二元交叉熵作为损失函数。