基于分段系统记忆效应的自适应历史数据分析方法
【技术领域】
[0001] 本发明属于数据分析领域，具体涉及一种基于分段系统记忆效应的自适应历史数 据分析方法。
【背景技术】
[0002] 在工业数据分析和挖掘的过程中，需要选取过去的数据代入计算，得出用户需要 的数据结果。当然，选取的数据越多，计算的结果会越接近真实值；但如果简单的把过去的 所有数据都代入计算，计算资源和计算时间的开销会十分巨大，这种计算结果准确度和计 算资源开销之间的矛盾制约了工业数据分析和挖掘的发展。
【发明内容】
[0003] 本发明的目的在于针对现有技术的不足，提供一种基于分段系统记忆效应的自适 应历史数据分析方法，该方法可以很好地解决计算结果准确度和计算资源开销存在矛盾的 问题。
[0004] 为达到上述要求，本发明采取的技术方案是：提供一种基于分段系统记忆效应的 自适应历史数据分析方法，包括以下步骤：
[0005] S1、按照预设的分段规则将系统数据的时间划分为多个时间分段，并为每一时间 分段设定对应的加权系数；
[0006] S2、根据每一时间分段的时间节点和每一时间分段对应的加权系数计算预测响 应；
[0007]S3、获取系统发生的实际响应，根据该预测响应和该实际响应计算响应误差；
[0008] S4、判断响应误差是否大于预设阈值；
[0009] S5、如果大于预设阈值，判断步骤S2的重复次数是否大于预设次数；
[0010] S6、如果小于预设次数，计算并拟合出加权系数校正量，根据加权系数校正量为每 一时间分段重新设定对应的加权系数，并重复执行步骤S2 ;
[0011] S7、如果大于预设次数，重新设定预设分段规则，按照预设分段规则将系统数据的 时间段重新划分为多个时间分段，并为每一时间分段重新设定对应的加权系数，并重复执 行步骤S2。
[0012] 与现有技术相比，本发明具有以下优点：将数据按时间进行分段，并按照数据的相 关性为每个时间分段设定适当的加权系数，在统计时只选取相关性高的数据进行计算，使 计算结果更准确，同时减少了计算资源和计算时间的开销。
【附图说明】
[0013] 此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，在这 些附图中使用相同的参考标号来表示相同或相似的部分，本申请的示意性实施例及其说明 用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0014] 图1示出了本发明的流程图。
【具体实施方式】
[0015] 为使本申请的目的、技术方案和优点更加清楚，以下结合附图及具体实施例，对本 申请作进一步地详细说明。为简单起见，以下描述中省略了本领域技术人员公知的某些技 术特征。
[0016] 根据本发明的一个实施例，提供一种基于分段系统记忆效应的自适应历史数据分 析方法，如图1所示，包括以下步骤：
[0017] S1、按照预设分段规则将系统数据的时间划分为多个时间分段，并为每一时间分 段设定对应的加权系数；
[0018] 例如要预测10月的物料消耗情况，现有7月、8月、9月的系统数据，预设分段规 则是将系统数据按每半个月进行分段，共分为6段，设定的加权系数依次为0. 1、0. 1、0. 1、 0· 2、0· 2、0· 3〇
[0019] S2、根据每一时间分段的时间节点和每一时间分段对应的加权系数计算预测响 应，预测响应的计算公式.
，其中，η表示时间分段的数量，tn表示 第η个时间分段的时间节点，wn表示第η个时间分段对应的加权系数，f(t)为系统瞬时响 应函数，H(t)为系统预测响应函数；
[0020] 按上例，η的值为6,时间节点分别为7月1日、7月15日、8月1日、8月15日、9 月1日、9月15日、9月30日，加权系数\分别为0. 1、0. 1、0. 1、0. 2、0. 2、0. 3,将这些数据 代入预测响应的计算公式中，计算出预测响应。
[0021] S3、获取系统发生的实际响应，根据预测响应和实际响应计算响应误差，响应误差 为预测响应和实际响应的差值的绝对值；
[0022] S4、判断响应误差是否大于预设阈值，该预设阈值由用户设定，可以根据实际情况 进行调整；
[0023] S5、如果大于预设阈值，判断步骤S2的重复次数是否大于预设次数，此处预设次 数为30次；
[0024] S6、如果小于预设次数，计算并拟合出加权系数校正量，若响应误差与预设阈值偏 差较大，则加权系数校正量也较大，根据该加权系数校正量为每一时间分段重新设定对应 的加权系数，并重复执行步骤S2 ;
[0025] S7、如果大于预设次数，即如果步骤S2的重复次数超过30次，则表明可能是分段 规则不太准确，此时需要重新设定预设分段规则，按照预设分段规则将系统数据的时间段 重新划分为多个时间分段，例如按每个星期进行时间分段，并为每一时间分段重新设定对 应的加权系数，并重复执行步骤S2。
[0026] 根据本发明的一个实施例，该方法还包括：
[0027] S8、如果小于预设阈值，说明预测响应和实际响应的偏差处于接收范围内，则此时 得出的预设分段规则和加权系数为预测10月的物料消耗情况中最佳的预设分段规则和加 权系数，对此预设分段规则和加权系数进行后续处理。
[0028] 本发明在系统训练阶段，步骤S1由人工进行，即按照用户的经验输入初始的预设 分段规则和对应的初始的加权系数，然后由计算机执行步骤S2、S3、S4、S5,步骤S6中的加 权系数校正量由人工计算并拟合，并根据该加权系数校正量重新设定加权系数，重复执行 步骤2对预设分段规则和加权系数不断进行调整，直到响应误差小于预设阈值，此时得出 的预设分段规则和加权系数为最佳，对按照该预设分段规则和加权系数选取出的系统数据 进行统计分析而得出的数据准确度更高，并且由于只选取相关性高的数据进行计算，大大 减少了计算资源和计算时间的开销。本发明训练阶段完成后，用户在使用时只需要输入预 设阈值即可自动完成系统数据的统计和分析。
[0029] 以上所述实施例仅表示本发明的几种实施方式，其描述较为具体和详细，但并不 能理解为对本发明范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离 本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明保护范围。因此本发 明的保护范围应该以所述权利要求为准。
【主权项】
1. 基于分段系统记忆效应的自适应历史数据分析方法，其特征在于，包括W下步骤： 51、 按照预设的分段规则将系统数据的时间划分为多个时间分段，并为每一时间分段 设定对应的加权系数； 52、 根据每一时间分段的时间节点和每一时间分段对应的加权系数计算预测响应； 53、 获取系统发生的实际响应，根据所述预测响应和所述实际响应计算响应误差； 54、 判断所述响应误差是否大于预设阔值； 55、 如果大于预设阔值，判断步骤S2的重复次数是否大于预设次数； 56、 如果小于预设次数，计算并拟合出加权系数校正量，根据所述加权系数校正量为每 一时间分段重新设定对应的加权系数，并重复执行步骤S2 ; 57、 如果大于预设次数，重新设定预设分段规则，按照预设分段规则将系统数据的时间 段重新划分为多个时间分段，并为每一时间分段重新设定对应的加权系数，并重复执行步 骤S2。2. 根据权利要求1所述的基于分段系统记忆效应的自适应历史数据分析方法，其特征 在于：还包括： 58、 如果小于预设阔值，则进行后续处理。3. 根据权利要求1所述的基于分段系统记忆效应的自适应历史数据分析方法，其特征 在于：所述预设次数为30次。4. 根据权利要求1所述的基于分段系统记忆效应的自适应历史数据分析方法，其特征 在于：所述预测响应的计算公式为其中，η表示时间分段的数量， t。表示第η个时间分段的时间节点，W。表示第η个时间分段对应的加权系数，f(t)为系统 瞬时响应函数，H(t)为系统预测响应函数。5. 根据权利要求1所述的基于分段系统记忆效应的自适应历史数据分析方法，其特征 在于：所述响应误差为预测响应和实际响应的差值的绝对值。
【专利摘要】本发明提供一种基于分段系统记忆效应的自适应历史数据分析方法，包括以下步骤：S1、将系统数据的时间划分为多个时间分段，并设定对应的加权系数；S2、根据每一时间分段的时间节点和加权系数计算预测响应；S3、获取系统发生的实际响应，根据该预测响应和该实际响应计算响应误差；S4、判断响应误差是否大于预设阈值；S5、如果大于预设阈值，判断步骤S2的重复次数是否大于预设次数；S6、如果小于预设次数，重新设定对应的加权系数，并重复执行步骤S2；S7、如果大于预设次数，重新设定预设分段规则和对应的加权系数，并重复执行步骤S2。本发明在保证计算结果准确的同时减少了计算资源和计算时间的开销。
【IPC分类】G06F19/00
【公开号】CN105404772
【申请号】CN201510746431
【发明人】王伟旭, 杨川, 苏渊红, 谢朋翰, 黄旭
【申请人】成都天衡电科科技有限公司
【公开日】2016年3月16日
【申请日】2015年11月4日