[发明专利]一种基于长短期记忆网络的钻孔应变数据异常检测方法

权利要求书

1.一种基于长短期记忆网络的钻孔应变数据异常检测方法，其特征在于，该方法包括：

1)采集钻孔应变数据并归一化处理；

2)将划分钻孔应变数据的训练集与测试集；

3)在训练集中确定输入网络和输出网络的数据格式，以规定N天的应变数据作为网络输入，其后的1天应变数据为输出，以此作为一组，每组之间滑动间隔为一天，依次进入网路，实现以N天的钻孔应变数据预测未来1天的应变；

4)采用长短期记忆网络结构，以训练集对网络进行训练，将步骤3)中的每组数据滑动进入步骤长短期记忆网络结构中迭代训练；

5)通过损失函数判断网络是否训练完成，步骤4)中的每组输入数据经长短期记忆网络都会产出输出y′_t，该输出与步骤3)中的实际输出y_t存在的差距通过损失函数判断；

6)采用测试集对训练完成的网络的性能的测试；

7)采用训练好的网络对待研究时间的钻孔应变数据进行预测；

8)求解预测应变值与真实应变差值，并提取异常数据。

2.按照权利要求1所述的基于长短期记忆网络的钻孔应变数据异常检测方法，其特征在于，所述长短期记忆网络结构包括：

设输入应变为x_t，前一时间的隐状态为h_t-1，时间t的门包括如下：输入门i_t，遗忘门f_t，输出门o_t，计算如下：

i_t＝σ(W_xix_t+W_hih_t-1+b_i)， (1)

f_t＝σ(W_xfx_t+W_hfh_t-1+b_f)， (2)

o_t＝σ(W_xox_t+W_hoh_t-1+b_o)， (3)

其中，σ表示sigmoid激活函数，将函数范围转换到(0,1)，W_xi、W_xf、W_xo和W_hi、W_hf、W_ho是权重参数，b_i、b_f、b_o是偏置参数；

构建候选记忆元使用tanh函数作为激活函数，激活函数的值范围为(-1,1)，时刻t处的候选记忆元表示为：

其中，W_xc和W_hc是权重参数，b_c是偏置参数。

设计控制输入和遗忘的机制，输入门i_t控制采用多少来自的新数据，而遗忘门f_t控制保留多少过去的记忆元c_t-1的内容，当前时刻记忆单元状态值c_t为：

其中，⊙表示逐点乘机运算符；

计算隐状态h_t，确保隐状态h_t的值始终在区间(-1,1)内，t时刻的隐状态表示为：

h_t＝o_ttanh(c_t) (6)。

3.按照权利要求1所述的基于长短期记忆网络的钻孔应变数据异常检测方法，其特征在于，所述损失函数表示为：

4.按照权利要求1所述的基于长短期记忆网络的钻孔应变数据异常检测方法，其特征在于，

选择评价指标均方根误差rmse衡量网络对时间序列的预测能力，表示为：

其中，y_i为测试集中第i个数据的真实值，y′_i为测试集中第i个数据的网络预测值，rmse值越小，网络性能最好，反之，性能较差。

5.按照权利要求1所述的基于长短期记忆网络的钻孔应变数据异常检测方法，其特征在于，异常数据指的是根据三倍标准差原则，设计阈值，超出预测的应变值为要提取的异常值。