[发明专利]一种基于时序数据分段的多参数关联挖掘方法

权利要求书

1.一种基于时序数据分段的多参数关联挖掘方法，其特征在于，该方法包括如下步骤：

针对传感器获得的参数，通过设置固定步长以降采样方式提取patch作为局部的数据点，在传感器获得的参数D_i(t)上定义一个patch集合P_i＝{P_i,1,P_i,2,…,P_i,n}，P_i,l表示一个patch中的时序数据集，其中n表示patch的个数，计算每个patch的特征值，计算出patch特征值后进行趋势转折点提取；

根据趋势转折点得到若干个分段，记为：其中K_i为参数D_i(t)的分段数，用S_i,k来表示每个段内特征，其中S_i,k＝{Loc_i,k,Trend_i,k,Fit_i,k}；通过量化后的S_i,k对段内数据提取相关特征指标：Loc_i,k,Trend_i,k和Fit_i,k；

Loc_i,k表示参数D_i(t)的第k个分段特征的起止位置以及对应的偏移；

Trend_i,k＝{flag,num}表示当前段的整体趋势标记，其中flag表示当前段的走势，num用于表示flag对应的的patch个数；

Fit_i,k表示参数D_i(t)的第k个分段特征Trend_i,k内的flag标记为上升、下降和水平段进行线性拟合后的结果；

基于分段结果，通过一个关联矩阵描述参数之间的关联关系和关联度，其中关联矩阵为R＝(R_ij)_N×N，N为参与关联分析的参数数目；根据如下公式计算R_ij：

其中S_i,S_j表示参数i和参数j的一致性特征，F(S_i,S_j)用于计算两个参数的关联度，其定义如下：

其中K表示用于参与关联度计算的最大特征段数，即，K＝max(K_i,K_j)；K_i为参数i的分段数，K_j为参数j的分段数；用于表示根据分段结果的趋势特征统计两个参数是否出现了同步，其定义如下：

其中，用于表示第i个参数的k₁段和第j个参数的第k₂段是否同为上升和下降，∧为相交或相与，其定义如下：

表示当第i个参数的k₁段和第j个参数的第k₂段在趋势上关联同步时，对应的时间窗口是否满足条件，其定义如下：

其中Φ表示空集。

2.如权利要求1所述的基于时序数据分段的多参数关联挖掘方法，其特征在于，对每个P_i,l进行中值计算median(p_i,l)，该中值作为每个patch的特征值。

3.如权利要求1所述的基于时序数据分段的多参数关联挖掘方法，其特征在于，每个参数具备很多个历史数据，每一个历史数据都是时序数据。

4.如权利要求1所述的基于时序数据分段的多参数关联挖掘方法，其特征在于，Loc_i,k＝{start,end,Δ_start,Δ_end}，其中start表示起始时间，end表示截止时间，Δ_start表示start的偏移量，Δ_end表示end的偏移量。

5.如权利要求4所述的基于时序数据分段的多参数关联挖掘方法，其特征在于，flag包括上升、下降、水平和震荡。