[发明专利]婴儿配方奶粉生产序列多元序列的微场景风险因果关系的预测方法

权利要求书

1.婴儿配方奶粉生产序列多元序列的微场景风险因果关系的预测方法，其特征在于：所述预测方法包括如下步骤：

S1、对婴儿配方奶粉的工艺过程指标中的序列进行选择，提取序列数据，形成M条不同源的序列数据，成为数据集D；

S2、对数据集D中的序列数据进行平稳化处理，使用滑动时间片扩充数据集D，形成新的数据集Data，数据集Data中包含目标序列和变量序列；

S3、通过提取变量序列中最能区分的子序列作为该段序列的特征序列的方式进行聚类，记作Rs序列；并对提取出来Rs序列进行聚类，记作Clu；Clu_m，i代表m变量的第i类聚类中心线，并由Clu_m，i唯一标识一个类别，每个变量的聚类数目记作cnt(Clu_m)；Clu_m，i就是上面得到的Rs序列；

S4、将不同变量m的Clu进行随机组合形成序列立方(Scube)，Scubek表示第k个序列立方，其中的每条序列记作S_v，t，v表示第v个变量序列，t表示变量序列中第t条子序列；

S5、对上述提取的序列立方(Scube)进行筛选处理；将每一个Scube进行筛选，最后得到的就是相关微场景M-scene；对于每一个M-scene，定义一个场景转移熵，用来描述该场景对目标指标序列的因果影响；

S6、进行相似判断，匹配最具有相关性的微场景，并利用微场景的模型进行风险预测。

2.根据权利要求1所述的婴儿配方奶粉生产序列多元序列的微场景风险因果关系的预测方法，其特征在于：所述步骤S2中，扩充数据集D的方式为，确定一个采样时间片T，该T的长度为奶粉生产总过程的时间，然后按长度为60min，每隔10min时间时间窗口切分时间片；在T时间的时间片中将采样T/60min次，生成T/60min条时间序列子序列，形成所述数据集Data，记每个变量的序列数目为N，共M个变量，每条序列记作S_m，n(0＜m＜＝M，0＜n＜＝N)，m表示第m变量，n表示第m变量的第n条序列，每条序列长度均为60min。

3.根据权利要求1所述的婴儿配方奶粉生产序列多元序列的微场景风险因果关系的预测方法，其特征在于：所述步骤S3中，聚类的操作步骤如下：首先定义一个OrderRank数组，它按照递增的顺序记录一个子序列s与多源时间序列数据集Data＝{S_1，1，S_1，2，S_1，3，..，S_1，N}中每个时间序列s_1，i的所有子序列的距离中的最大值sdist(s，S_1，i)；随后需要计算OrderRank数组中的分割点dt的价值；分割点dt是指OrderRank数组中两个相邻的距离值的平均值；每个分割点dt都可以将OrderRank划分成2个子集，及将整个数据集Data划分成D_A与D_B，其中：

sdist(s，S₁)＜dt，S₁∈D_A；sdist(s，S₁)＞dt，S₁∈D_B#

OrderRank数组上的分割点dt的价值由gap值评估，其计算公式如下：

gap＝μ_B-σ_B-(μ_A+σ_A)#

其中μ_A和μ_B表示mean(sdist(s，D_A))与mean(sdist(s，D_B))，σ_A和σ_B表示std(sdist(s，D_A))与std(sdist(s，D_B))，mean表示平均值，std表示方差；存在最大的gap值处的dt就是最佳分割点；gap值越大，则代表D_A与D_B间隔越开，划分效果就越好。