CN119512058A 基于rnn和dtw的特种燃料输送过程时序数据异常检测方法 （浙江大学）_第1页
CN119512058A 基于rnn和dtw的特种燃料输送过程时序数据异常检测方法 （浙江大学）_第2页
CN119512058A 基于rnn和dtw的特种燃料输送过程时序数据异常检测方法 （浙江大学）_第3页
CN119512058A 基于rnn和dtw的特种燃料输送过程时序数据异常检测方法 （浙江大学）_第4页
CN119512058A 基于rnn和dtw的特种燃料输送过程时序数据异常检测方法 （浙江大学）_第5页
已阅读5页，还剩10页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于RNN和DTW的特种燃料输送过程时序数本发明公开了一种基于RNN和DTW的特种燃离线训练阶段采用RNN，将正常工况下数据分为训练序列集和基准序列集，通过RNN将训练序列序列集中最相似的序列相似度超过阈值时进行工况条件下实时稳定检测出特种燃料输送过程异常样本不平衡条件下的关键参数异常检测问2据该特征以及预警基准值和报警基准值对待测变量实时的数据2.根据权利要求1所述的一种基于RNN和DTW的特种燃料输送过程时序数据异常检测方3.根据权利要求1所述的一种基于RNN和DTW的特种燃料输送过程时序数据异常检测方4.根据权利要求1所述的一种基于RNN和DTW的特种燃料输送过程时序数据异常检测方5.根据权利要求1所述的一种基于RNN和DTW的特种燃料输送过程时序数据异常检测方中与数据序列p之间特征相似度最高的k个数据序列组成相似序列集，k为大于1的自然数；采用弹性度量方法计算数据序列p与相似序列集中每一数据序列之间的相似度，取其中最6.根据权利要求1所述的一种基于RNN和DTW的特种燃料输送过程时序数据异常检测方7.一种计算机设备，包括存储器和处理器，所述存于：所述处理器用于执行该计算机程序以实现如权利要求1~6任一项权利要求所述的一种基于RNN和DTW的特种燃料输送过程时序数器执行时以实现如权利要求1~6任一项权利要求所述的一种基于RNN和DTW的特种燃料输送3布时检测准确率不高；(3)机器学习方法如文献[李志强.面向流程工业时序数据的异常检动态时间规整)方法计算两个序列相似度时间复杂度为O(n2)，n为时序数据长度，即使FastDTW等改进算法如文献[SalvadorS,ChanP.Towardaccuratedynamictime（2）利用训练序列集对RNN(RecurrentNeuralNetwork，循环神经网络)进行训（3）根据提取得到的特征计算确定时序数据异常检测的预警基准值和报警基准4而根据该特征以及预警基准值和报警基准值对待测变量实关的二元状态量(即该数据序列对应的阶段状态用锁步度量方法计算其特征与训练序列集中每一数据序列特征之间的相似度(如欧式距基准序列集中每一数据序列的检测指标REF，根据这些REF通过高斯核密度估计方法(置信器用于执行该计算机程序以实现上述基于RNN和DTW的特种燃料输送过程时序数据异常检[0016]3.本发明采用弹性度量方法计5S1：首先获取某特种燃料输送监控系统(其工艺流程简RNN模型映射至基准序列特征集，逐一比较基准序列特征集中每个特征和训练特征集的欧到离线训练阶段最相似序列集；最后逐一计算基准序列集中每个序列和最相似序列集DTW6序列特征集中的每个基准序列特征和训练特征集进行比较，采用欧氏距离计算其相似度，取前k个最相似序列中最小DTW相似度得到每个基准序列的检测指标REF，通过高最大REF值作为报警基准值REFalarm=特征集维度相同，所以仍然可以采用欧式距离快速计算实时序列特征和训练特征集相似[0033]上述对实施例的描述是为便于

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论