[发明专利]一种基于N-gram模型的工业报警泛滥预测方法

摘要

本发明属于信号处理领域，尤其涉及一种基于N‑gram模型的工业报警泛滥预测方法，包括以下步骤：(1)获取历史报警泛滥数据集，统计其中报警变量，计算每个报警变量的区分度并剔除区分度为0的报警变量；(2)将处理后的数据集中的序列与正在出现的序列逐一做相似性对比，并将序列根据相似性分数从高到低排列；(3)设定时间窗口对再次处理后的数据集进行分段，并统计每个数据段的数量，求出利用样本数据集计算下一个可能出现的报警变量及对应的概率；(4)通过贝叶斯概率模型求出预测下一个出现的报警的概率和对应的置信区间；(5)对步骤(3)和(4)进行迭代运算。本发明解决了目前进行报警泛滥预测时预测不准确的问题。

主权项

1.一种基于N‑gram模型的工业报警泛滥预测方法，其特征在于，包括如下步骤：(1)获取历史报警泛滥数据集统计其中报警变量计算每个报警变量的区分度D_i，对数据集中区分度为0的报警变量进行剔除预处理，形成第一数据集(2)将第一数据集中的第m个历史报警泛滥序列与正在出现的报警序列逐一进行相似性对比，并将匹配后的序列根据相似性分数从高到低排列，形成第二数据集(3)设定时间窗口和时间窗口的滑动大小对第二数据集进行分段，并统计每个数据段的数量，求出由第二数据集作为样本时下一个可能出现的报警变量及对应的概率；(4)通过贝叶斯概率模型求出预测下一个出现的报警的概率和对应的置信区间[Z₁,Z₂]；(5)对步骤(3)和步骤(4)进行N次迭代运算，取置信区间[Z₁,Z₂]下限Z₁最高的结果对应的数据集中的序列为最佳预测数据集，并将对应的预测结果输出为最终预测结果。