基于序列数据的故障事件因果发现方法、系统及存储介质

本发明属于故障数据分析，具体涉及一种基于序列数据的故障事件因果发现方法、系统及存储介质。

背景技术：

1、随着互联网的快速发展以及智能多媒体应用的普及极大加速了时态数据的积累，挖掘时态数据背后的因果关系已经成为了数据科学领域最具潜力的研究热点之一。故障事件序列作为一种重要的时态数据，通常由一系列带有时间戳的故障事件类别组成，其中每个故障事件对应一个时间戳，用于标识其发生的时间。这些故障事件序列通常是异步的，即每个故障事件发生的时间点不同，这意味着故障事件之间的时间间隔不相等。这些时间间隔中包含了重要的动态信息，利用这些信息可以研究不同类型故障事件之间潜在的相互作用。

2、目前，通常采用多维霍克斯过程来推断故障事件序列中的格兰杰因果关系，进而构建不同故障事件类型之间的格兰杰因果图。在格兰杰因果图中，每个节点表示一种故障事件，节点之间的连边表示不同故障事件类型间的格兰杰因果关系。尽管这些方法在一些场景下具有优秀的性能和适用性，但它没有考虑因果图中可能存在的环路，允许各种故障事件间的循环依赖，使得发现的因果图中因果关系极为混乱，无法在决策场景中提供有效的决策建议。在通讯网络中，故障事件之间存在大量的环路或循环依赖关系，分析人员可能无法准确判断故障发生的原因。因此，在多维霍克斯建模故障事件序列的基础上如何保证其有向无环结构，是故障事件序列因果图发现研究中亟待解决的问题。

技术实现思路

1、本发明的目的就是为了解决上述背景技术存在的不足，提供一种基于序列数据的故障事件因果发现方法、系统及存储介质，有效避免因果图中存在的环路，得到揭示各故障事件类型之间因果触发机制的有向无环图，便于准确定位故障发生的根本原因。

2、本发明采用的技术方案是：一种基于序列数据的故障事件因果发现方法，包括以下步骤：获取发生于特定的故障场景中故障事件的序列数据；序列数据中的单个故障事件数据包括故障事件发生的时间和故障事件类型；

3、采用多维霍克斯过程建立故障事件序列模型；故障事件序列模型用于表征序列数据中各单个故障事件之间的影响程度；

4、将故障事件序列模型的负对数似然函数的最小化作为目标函数，同时引入连续的无环表征函数作为约束项，建立优化数学模型；

5、使用增广拉格朗日方法求解优化数学模型，得到表征各故障事件类型之间因果触发机制的有向无环图。

6、本发明的有益效果是：本发明可以应用于互联网系统、电力系统等通过通讯网络进行设备节点联动和交互的大型网络拓扑设备系统。本发明利用多维霍克斯过程描述故障事件序列之间的激励影响，将其负对数似然函数作为目标函数，为了有效避免因果图中存在的环路，通过引入一种连续的无环表征函数作为约束项保证因果图的有向无环，提高因果图的可解释性和实用性，保证输出的因果图能够有效且准确地表征各故障时间之间的作用关系，为后续的故障诊断和预防以及修复提供有力的依据，进而提高大型设备系统运行的稳定性。

7、进一步地，为了建模事件之间的关系，本发明采用了多维霍克斯过程，在多维霍克斯过程中，未来事件发生的强度受历史事件的影响，历史事件的激励是正向的、可加的、时变的并且通常呈周期性衰减趋势，使得本发明的推理过程符合现实经验，能被广泛使用。

8、进一步地，本发明在多维霍克斯过程建模事件序列的基础上，利用其对数似然函数作为目标函数，代表了事件序列发生可能性，利用已知的样本结果信息，反推出最具有可能导致这些样本结果出现的模型参数；同时采用了一种连续的表征无环性函数为约束项，建立实矩阵上的纯连续优化问题，有效节约计算成本。

9、进一步地，本发明采用的表征无环函数可以量化图的有向无环性，作为平滑函数其导数容易计算，有效提高计算效率。

技术特征：

1.一种基于序列数据的故障事件因果发现方法，其特征在于：包括以下步骤：获取发生于特定的故障场景中故障事件的序列数据；序列数据中的单个故障事件数据包括故障事件发生的时间和故障事件类型；

2.根据权利要求1所述的方法，其特征在于：所述故障事件序列模型的表达式如下：

3.根据权利要求2所述的方法，其特征在于：所述优化数学模型的表达式为：

4.根据权利要求3所述的方法，其特征在于：求解优化数学模型的过程包括：利用增广拉格朗日函数，在优化数学模型的基础上引入拉格朗日乘子和惩罚函数项，将优化数学模型的可行性约束转化为目标函数的一部分，从而构造出拉格朗日函数；通过不断迭代调整拉格朗日乘子或罚函数因子的值，从而逼近优化数学模型的目标函数在约束条件下的极小值，最终得到目标函数的参数。

5.根据权利要求4所述的方法，其特征在于：构造出的拉格朗日函数为：

6.根据权利要求5所述的方法，其特征在于：对优化数学模型的目标函数的参数进行优化更新的过程包括：随机初始化目标函数的参数后开始迭代计算更新参数，直到收敛，迭代计算的过程如下：

7.根据权利要求6所述的方法，其特征在于：令有向无环图的邻接矩阵表示为，如果矩阵中的元素a1ij>0，，否则，得到揭示各故障事件类型之间因果触发机制的有向无环图g：

8.一种基于序列数据的故障事件因果发现系统，其特征在于：该系统用于实现权利要求1-7任一项所述的一种基于序列数据的故障事件因果发现方法。

9.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1-7任意一项所述一种基于序列数据的故障事件因果发现方法。

技术总结
本发明提供一种基于序列数据的故障事件因果发现方法、系统及存储介质，该方法包括以下步骤：获取发生于特定的故障场景中故障事件的序列数据；序列数据中的单个故障事件数据包括故障事件发生的时间和故障事件类型；采用多维霍克斯过程建立故障事件序列模型；故障事件序列模型用于表征序列数据中各单个故障事件之间的影响程度；将故障事件序列模型的负对数似然函数的最小化作为目标函数，同时引入连续的无环表征函数作为约束项，建立优化数学模型；使用增广拉格朗日方法求解优化数学模型，得到表征各故障事件类型之间因果触发机制的有向无环图。本发明有效避免因果图中存在的环路，便于准确定位故障发生的根本原因。

技术研发人员：杨林涛,章余,黄光明,宋永红,王敏
受保护的技术使用者：华中师范大学
技术研发日：
技术公布日：2024/1/15