基于幅值变化趋势概率推断的报警状态预测方法及系统

本发明属于工业监测变量的报警预测，尤其涉及基于幅值变化趋势概率推断的报警状态预测方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

2、报警系统是现代工业中计算机监控系统的重要组成部分，对生产运行人员进行生产异常、设备故障等监测发挥着至关重要的作用。当生产异常、设备故障、人为误操作等异常情况出现时，报警系统产生报警信号，运行人员根据报警信号，采取恰当的操作措施，规避生产异常、设备故障等导致的生产损失。

3、在实际生产过程中，生产异常、设备故障、人为误操作等发生后，需要运行人员及时进行处置，如不能及时处置，则这些异常情况可能进一步恶化为重大生产事故。然而，这些异常情况的实际发生时刻与报警触发时刻之间一般具有较大的差异，使得运行人员的处置时间被严重压缩，极易引发处置不当而造成严重经济损失以及重大生产事故。

4、现有报警状态预测方法大致可分为时间序列建模方法和时间序列分类方法。时间序列建模方法是通过建立监测变量的时间序列回归模型、神经网络模型等实现报警预测；时间序列分类方法是通过对监控变量的时间序列进行非报警状态与报警状态的划分，实现报警预测。尽管现有的两类方法都具有一定的合理性，但都需要大量报警状态下的历史数据作为支撑，还缺乏对报警预测结果的可靠性度量，在实际应用中具有明显的局限性。

技术实现思路

1、为了解决上述背景技术中存在的至少一项技术问题，本发明提供基于幅值变化趋势概率推断的报警状态预测方法，其与现有的报警状态预测方法相比，不仅可适用于历史数据中无报警状态或仅有少量报警状态数据的情况，对于提高报警系统在生产中的应用效果，减少生产异常造成的经济损失，避免重大生产事故发生具有重要意义，同时还能给出报警状态预测结果的可靠性度量。

2、为了实现上述目的，本发明采用如下技术方案：

3、本发明的第一个方面提供基于幅值变化趋势概率推断的报警状态预测方法，包括如下步骤：

4、获取工业监测变量的历史数据和当前数据；

5、采用分段线性表示方法，提取工业监测变量在历史数据和当前数据中的幅值上升趋势数据段；

6、以工业监测变量在历史数据和当前数据中的幅值上升趋势数据段为基础，利用贝叶斯估计法，估计得到当前数据中的幅值上升趋势数据段的幅值初始值和幅值变化量分别触发报警状态的后验概率及其置信区间；

7、基于该后验概率及其置信区间，采用dempster-shafer证据理论，融合当前数据的幅值上升趋势数据段中幅值初始值和幅值变化量未来处于报警状态、非报警状态和未知状态的概率，经换算得到当前数据的幅值上升趋势的数据段触发报警状态的预测概率及其置信区间。

8、作为一种实施方式，采用自底向上的分段线性表示方法，提取工业监测变量在历史数据和当前数据中的幅值上升趋势数据段,具体是将工业监测变量在历史数据和当前数据中的幅值上升趋势数据段划分为若干个子数据段，各个子数据段均可以用直线段进行近似。

9、作为一种实施方式，所述以工业监测变量在历史数据和当前数据中的幅值上升趋势数据段为基础，利用贝叶斯估计法，估计得到当前数据中的幅值上升趋势数据段的幅值初始值和幅值变化量触发报警状态的后验概率及其置信区间具体包括如下步骤：

10、基于历史数据和当前数据中的幅值上升趋势数据段分别得到对应的幅值初始值和幅值变化量；

11、以历史数据中幅值上升趋势数据段的幅值初始值集合与幅值变化量集合为基础，分别确定小于当前数据的幅值上升趋势数据段的幅值初始值和幅值变化量的元素数量；基于该元素数量，利用贝叶斯估计法，估计得到当前数据的幅值上升趋势的数据段的幅值初始值和幅值变化量触发报警状态的后验概率及其置信区间。

12、作为一种实施方式，所述幅值上升趋势数据段的幅值初始值是分段线性表示结果的第一个样本点幅值，幅值上升趋势数据段的幅值变化量是分段线性表示结果的最后一个样本点幅值与第一个样本点幅值之间的差值。

13、作为一种实施方式，前数据中幅值上升趋势数据段到达报警状态的置信区间上下限，由当前数据段到达报警状态和非报警状态的预测概率换算得到。

14、本发明的第二个方面提供基于幅值变化趋势概率推断的报警状态预测系统，包括：

15、数据获取模块，用于获取工业监测变量的历史数据和当前数据；

16、数据段提取模块，用于采用分段线性表示方法，提取工业监测变量在历史数据和当前数据中的幅值上升趋势数据段；

17、报警状态估计模块，用于以工业监测变量在历史数据和当前数据中的幅值上升趋势数据段为基础，利用贝叶斯估计法，估计得到当前数据中的幅值上升趋势数据段的幅值初始值和幅值变化量分别触发报警状态的后验概率及其置信区间；

18、幅值变化趋势概率推断模块，用于基于该后验概率及其置信区间，采用dempster-shafer证据理论，融合当前数据的幅值上升趋势数据段中幅值初始值和幅值变化量未来处于报警状态、非报警状态和未知状态的概率，经换算得到当前数据的幅值上升趋势的数据段触发报警状态的预测概率及其置信区间。

19、作为一种实施方式，数据段提取模块中，采用自底向上的分段线性表示方法，提取工业监测变量在历史数据和当前数据中的幅值上升趋势数据段,具体是将工业监测变量在历史数据和当前数据中的幅值上升趋势数据段划分为若干个子数据段，各个子数据段均可以用直线段进行近似。

20、作为一种实施方式，报警状态估计模块中，所述以工业监测变量在历史数据和当前数据中的幅值上升趋势数据段为基础，利用贝叶斯估计法，估计得到当前数据中的幅值上升趋势数据段的幅值初始值和幅值变化量触发报警状态的后验概率及其置信区间具体包括如下步骤：

21、基于历史数据和当前数据中的幅值上升趋势数据段分别得到对应的幅值初始值和幅值变化量；

22、以历史数据中幅值上升趋势数据段的幅值初始值集合与幅值变化量集合为基础，分别确定小于当前数据的幅值上升趋势数据段的幅值初始值和幅值变化量的元素数量；基于该元素数量，利用贝叶斯估计法，估计得到当前数据的幅值上升趋势的数据段的幅值初始值和幅值变化量触发报警状态的后验概率及其置信区间。

23、作为一种实施方式，报警状态估计模块中，所述幅值上升趋势数据段的幅值初始值是分段线性表示结果的第一个样本点幅值，幅值上升趋势数据段的幅值变化量是分段线性表示结果的最后一个样本点幅值与第一个样本点幅值之间的差值。

24、作为一种实施方式，当前数据中幅值上升趋势数据段到达报警状态的置信区间上下限，由当前数据段到达报警状态和非报警状态的预测概率换算得到。

25、与现有技术相比，本发明的有益效果是：

26、本发明公开的方法不仅适用于历史数据中无报警状态或仅有少量报警状态数据的情况，还能给出报警预测结果的可靠性度量，克服了现有方法依赖于大量报警状态历史数据的不足以及弥补了现有方法缺少预测结果的可靠性度量问题，对于提高报警系统在生产中的应用效果，减少生产异常造成的经济损失，避免重大生产事故发生具有重要意义。