申请/专利权人：成都四方伟业软件股份有限公司

申请日：2023-12-28

公开（公告）日：2024-03-19

公开（公告）号：CN117473242B

主分类号：G06F18/15

分类号：G06F18/15;G06F18/213;G06F18/25;G06F16/36;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2024.02.20#实质审查的生效;2024.01.30#公开

摘要：本发明涉及时序数据异常检测技术领域，具体涉及一种时序数据故障检测方法、系统、设备及介质，包括：获取离线数据及实时数据，对离线数据及实时数据进行任务识别，并划分为训练数据及待检测数据，对训练数据及待检测数据进行特征提取，并对二者的特征提取部分进行特征融合，形成训练数据的模型文件及待检测数据的数值及趋势特征；基于训练数据的模型文件对待检测数据的数值及趋势特征进行故障判读，通过知识图谱对判读结果进行故障类型识别，完成时序数据的故障检测。本发明通过特征提取并叠加知识图谱功能，能够有效提升时序数据故障发现及分析的性能，降低企业在时序数据故障检测方面所耗费成本，增强时序数据的应用能力。

主权项：1.一种时序数据故障检测方法，其特征在于，该方法的步骤包括：获取离线数据及实时数据，对离线数据及实时数据进行数据预处理，并对离线数据及实时数据进行任务识别，根据任务识别结果将离线数据划分为训练数据，并将实时数据划分为待检测数据，将训练数据及待检测数据输送至训练管道或故障检测管道；在训练管道中，将训练数据分别进行数值特征提取及趋势特征提取，并对训练数据的数值特征提取部分进行特征融合，对训练数据的趋势特征提取部分进行特征融合，形成训练数据的数值特征及趋势特征，经持久化处理后，存储为训练数据的模型文件；在故障检测管道中，将待检测数据分别进行数值特征提取及趋势特征提取，并对待检测数据的数值特征提取部分进行特征融合，对待检测数据的趋势特征提取部分进行特征融合，形成待检测数据的数值特征及趋势特征，基于训练数据的模型文件对待检测数据的数值特征及趋势特征进行故障判读，通过知识图谱对故障判读结果进行故障类型识别，并整合为待检测数据的故障信息，完成时序数据的故障检测；所述将训练数据分别进行数值特征提取及趋势特征提取，其中，训练数据的数值特征提取的具体过程如下：随机设定训练数据包括N个历史数据，其中，，，为时间序列长度；定义滑动窗口W，每个滑动窗口包括训练数据中n个连续的时序数据，设定窗口滑动距离L的取值范围为，基于时序递增方向，通过滑动窗口W对训练数据进行数据提取，求得训练数据的取值特征集合 其中，，，为窗口内的平均值，为窗口内的方差，二者分别代表设定时间段内取值特征；将取值特征集合和取值特征集合进行特征融合： 其中，，得到训练数据的数值特征；在进行趋势特征提取时，进行窗口化操作，得到窗口化的数据窗口移动长度为，即窗口移动时与上一次的位置不重合；提取窗口化后的数据中的最大值和最小值，即： 得到计算后的时间序列，即 并保留以上数据的时间；定义22种趋势特征，即，其中表示该段为水平直线趋势，表示该段为振荡趋势，针对上升下降趋势定义十个阶层，用以划分上升下降趋势，表示该段为上升趋势，表示该段为下降趋势，其中数值的绝对值越大表示趋势上升下降越陡峭，表示该段上升的陡峭程度在90%*scale至100%*scale之间，其中scale表示所有训练数据最大极值，即： 根据计算得到的窗口时间序列，利用中元素数值及时间参数，对窗口内部及窗口和窗口之间的趋势进行刻画，计算得到横向趋势特征，该特征内部包含了时序数据时间序列信息和趋势特征信息；利用直方图统计的方式，量化纵向趋势特征，利用计算得到的横向趋势特征，对内部的趋势元素进行直方图统计，直方图统计是指共划分22个直方图中的桶，其中22个桶分别对应上述22个趋势特征，统计内容为每个趋势特征长度与数据总长度的比例，最后得到纵向趋势特征：；当所有的训练数据均经过以上特征提取后，便进行多样本特征融合过程，特征融合分为两个部分，分别为纵向特征融合和横向特征融合，纵向特征融合过程是将进行融合，融合的主要指标为中每个趋势阶层的占比，融合过程为保留每一个趋势阶层的最大占比和最小占比作为融合后的特征，融合后的特征表示为： 其中是指上升程度在至之间所有训练数据中占比的最大值和最小值；横向特征融合过程是指对所有样本进行融合，融合过程如下所述：1、首先对每个样本中的中连续且相似的趋势进行合并；2、进行多样本之间的融合，融合规则按照趋势相同进行融合，趋势不同规整为振荡特征；3、多样本融合后利用1中的方法对进行融合；4、对于中上升下降趋势进行拟合，拟合后的结果作为该时间段内的特征，对于振荡区域，利用快速傅里叶变换方法进行时域和频域特征提取，最后得到多样本融合后的横向趋势特征。

全文数据：

权利要求：

百度查询： 成都四方伟业软件股份有限公司 一种时序数据故障检测方法、系统、设备及介质

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