[发明专利]一种数据驱动的卫星分系统异常预测方法

摘要

本发明公开了一种数据驱动的卫星分系统异常预测方法，包括：卫星遥测数据流的分类预处理；利用滑动窗口划分分类后的数据流；挖掘卫星遥测数据流中的最小稀有模式；利用最小稀有模式预测卫星分系统中存在的异常。本发明的优点是：针对海量的卫星遥测时序数据，提出了一种基于最小稀有模式的卫星分系统异常预测方法。

主权项

1.一种数据驱动的卫星分系统异常预测方法，其特征包括如下步骤：(1)针对卫星遥测数据流中的每条事务，利用分类法选择属性。(2)设置滑动窗口尺寸，对分类后数据流进行分段，具体为(21)利用小波分析获取选择属性的第一主周期；(22)采用第一主周期设置滑动窗口尺寸；(23)利用滑动窗口划分分类后的遥测数据流。(3)借助分段后的卫星遥测数据流，利用双向遍历挖掘出数据流中的最小稀有模式，具体为(31)找出所有长度为1的模式，将其放入集合C1，根据公式(1)计算出C1中所有模式的支持度；根据公式(2)找出所有稀有模式，放入集合MRP1，然后将剩余的频繁1‑项集放入集合FP1，并按支持度升序排序。(32)找出所有长度为len的模式，并将其放入集合Clen，根据公式(1)计算它们的支持度，根据公式(2)找出所有稀有的len‑模式，根据公式(3)找出所有频繁的len‑模式，并将稀有len‑项集放入集合RPlen，将频繁的len‑项集放入集合FPlen。(33)以集合RPlen为顶部，集合FP1为底部，双向遍历找出所有长度大于1的最小稀有模式，并与集合MRP1做交集，输出最小稀有模式集合MRP。其中，I＝{i1，i2，...，im}，ik(1≤k≤m)为一个项，每一个项表示事务的一条信息，|SW|表示滑动窗口尺寸，Countsw(I)表示在滑动窗口SW中包含模式I的事务数量，δ表示最小支持度阈值。(4)计算异常识别因子，即利用步骤(3)挖掘出来的最小稀有模式进行异常检测，根据检测结果预测卫星分系统中存在的异常，具体为(41)合并现有的3个因子：TWF、MIPDF和MIFPOF，形成新的异常识别因子IsOutlier；(42)利用异常识别因子IsOutlier预测卫星分系统中存在的异常。