[发明专利]基于数据协整分析的油耗计量系统及其方法

说明书

本申请涉及数据分析领域，其具体地公开了一种基于数据协整分析的油耗计量系统及其方法，通过使用基于深度神经网络模型的特征提取器来挖掘影响耗油量的所有相关数据项之间的高维隐含非线性关联，同时，以基于深度神经网络模型的特征提取器提取油耗量序列的高维隐含关联特征，继而对所述油耗量序列的高维特征和测量参数特征进行协整分析以挖掘测量参数与油耗量之间的深度隐含关联，基于此构建具有更高测量精度的基于数据协整分析的油耗计量方案。

技术领域

本申请涉及数据分析领域，且更为具体地，涉及一种基于数据协整分析的油耗计量系统及其方法。

背景技术

用户在购买车辆时或者使用车辆时，会关注车辆的油耗值，因为这与用户用车成本息息相关。针对于汽车油耗值，工信部会给予耗油参考值，但是在实际产业和生活中，该参考值与汽车实际耗油值之间存在较大偏差，影响用户对车性能和车辆使用成本的准确评估。

专利申请201922008287.3公开了一种农机油耗计量系统，该系统也达不到准确评估的效果。

因此，期待一种更为优化的基于数据协整分析的油耗计量方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于数据协整分析的油耗计量系统及其方法，通过使用基于深度神经网络模型的特征提取器来挖掘影响耗油量的所有相关数据项之间的高维隐含非线性关联，同时，以基于深度神经网络模型的特征提取器提取油耗量序列的高维隐含关联特征，继而对所述油耗量序列的高维特征和测量参数特征进行协整分析以挖掘测量参数与油耗量之间的深度隐含关联，基于此构建具有更高测量精度的基于数据协整分析的油耗计量方案。

根据本申请的一个方面，提供了一种基于数据协整分析的油耗计量系统，其包括：

测试数据采集模块，用于获取多组车辆检测数据，其中，每一组所述车辆检测数据包括车速、行驶时间、风阻、总做功、功率、热效能、热值和油耗值；

相关数据编码模块，用于将所述多组车辆检测数据中的车速、行驶时间、风阻、总做功、功率、热效能和热值按照数据项维度和组别维度排列为测量输入矩阵后通过作为过滤器的卷积神经网络模型以得到测量特征向量；

油耗数据编码模块，用于将所述多组车辆检测数据中的油耗值排列为油耗输入向量后通过多尺度邻域特征提取模块以得到多尺度邻域油耗特征向量；

协整分析模块，用于对所述测量特征向量和所述多尺度邻域油耗特征向量进行协整分析以得到协整特征矩阵；

检测数据采集模块，用于获取待检测车辆在预定时间段内多个预定时间点的车速值；

检测数据编码模块，用于将所述多个预定时间点的车速值通过包含一维卷积层的时序编码器以得到车速特征向量；

向量查询模块，用于将所述车速特征向量作为查询特征向量与所述协整特征矩阵进行相乘以得到解码特征向量；

解码优化模块，用于基于所述解码特征向量的所有位置的特征值的均值的倒数，对所述解码特征向量中各个位置的特征值进行校正以得到校正后解码特征向量；以及

油耗计量模块，用于将所述校正后解码特征向量通过解码器以得到解码值，所述解码值为油耗值。

在上述基于数据协整分析的油耗计量系统中，所述相关数据编码模块，包括：行向量构造单元，用于将各组所述车辆检测数据中的车速、行驶时间、风阻、总做功、功率、热效能和热值排列为行向量以得到多个行向量；以及，二维排列单元，用于将所述多个行向量进行二维排列以得到所述测量输入矩阵；以及，深度卷积编码单元，用于使用所述作为过滤器的卷积神经网络模型的各层在层的正向传递中分别对输入数据进行卷积处理、基于特征矩阵的池化处理和非线性激活处理以由所述作为过滤器的卷积神经网络模型的最后一层输出所述测量特征向量，其中，所述作为过滤器的卷积神经网络模型的第一层的输入为所述测量输入矩阵。