申请/专利权人：中国西安卫星测控中心

申请日：2023-12-25

公开（公告）日：2024-03-15

公开（公告）号：CN117454212B

主分类号：G06F18/23213

分类号：G06F18/23213;G06N3/084;G06F17/15;G06F17/18;G06F18/25

优先权：

专利状态码：有效-授权

法律状态：2024.03.15#授权;2024.02.13#实质审查的生效;2024.01.26#公开

摘要：本发明公开了一种基于数据聚类的遥测数据互检测方法，包括以下步骤：一、遥测参数数据相关性分析；二、遥测参数数据聚类分析；三、遥测参数数据互验互检分析。本发明方法步骤简单、设计合理，在遥测参数相关性基础上采用K‑Clique算法完成聚类，并在聚类社区中基于BP神经网络模型进行遥测参数数据互验互检分析，实现遥测数据的异常分析。

主权项：1.一种基于数据聚类的遥测数据互检测方法，其特征在于，该方法包括以下步骤：步骤一、遥测参数数据相关性分析：步骤101、从待研究的遥测参数中选择第i个遥测参数数据序列和第j个遥测参数数据序列，且第i个遥测参数数据序列和第j个遥测参数数据序列在同一遥测时刻两种遥测参数都存在数据值；其中，1≤i≤M，1≤j≤M；M表示遥测参数总数；步骤102、采用计算机利用Pearson相关性分析方法对第i个遥测参数数据序列和第j个遥测参数数据序列进行相关性分析，得到遥测参数相关性矩阵；步骤二、遥测参数数据聚类分析：步骤201、采用计算机根据遥测参数相关性矩阵，得到遥测参数相关性图；步骤202、采用计算利用K-Clique算法对遥测参数相关性图进行聚类分析，得到遥测参数相关性图中Q个聚类社区；其中，K和Q均为正整数；步骤三、遥测参数数据互验互检分析：步骤301、采用计算机对第q个聚类社区中各个遥测参数数据进行融合和归一化处理得到数据集；其中，q为正整数，1≤q≤Q；所述数据集包括训练数据集和测试数据集；步骤302、采用计算机构建第q个BP神经网络模型，输入训练数据集，得到训练好的第q个BP神经网络模型；步骤303、采用计算机将测试数据集输入训练好的第q个BP神经网络模型中，得到各个预测值；步骤304、采用计算机将各个预测值和测试数据集的各个真实值进行相对误差平均计算，得到测试数据集的平均相对误差，如果平均相对误差小于设计要求平均相对误差，则完成遥测参数数据互验，说明训练好的第q个BP神经网络模型满足要求；步骤305、获取后续同一遥测时刻第q个聚类社区各个遥测参数实时数据，并输入训练好的第q个BP神经网络模型中，得到第q个聚类社区各个遥测参数的实时预测值；将第q个聚类社区各个遥测参数的实时预测值和第q个聚类社区各个遥测参数实时数据分别进行比较，如果一个遥测参数的实时预测值和其对应的实时数据的相对误差大于设计相对误差，则该遥测参数实时数据异常。

全文数据：

权利要求：

百度查询： 中国西安卫星测控中心 一种基于数据聚类的遥测数据互检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD