(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111626087.X (22)申请日 2021.12.28 (71)申请人 大连理工大 学 地址 116024 辽宁省大连市甘井 子区凌工 路2号 (72)发明人 卢伟　马聪　杨建华　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 代理人 宋东阳 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01) G06N 7/02(2006.01) G06F 111/10(2020.01) (54)发明名称 一种工业时序数据长期快速预测方法及装 置 (57)摘要 本申请提供一种工业时序数据长期快速预 测方法及装置， 基于粒计算和模糊数学对工业时 序数据建模， 得到长期预测的语义和向量水平的 数值结果。 本申请将时序数据中的具体的动态行 为归纳为模式， 能够语义地描述和推断它们之间 的关系， 由此给出工业时序数据的向量水平的数 值预测； 由于使用粒计算和模式推理， 并且模型 后件采用最小二乘法求解参数， 因而可以在多项 式时间内快速地构建模型， 给出连续时间段的语 义模式的推断和长期的数值预测， 同时具有快速 性和较高的预测精度， 适用于工业时序数据的长 期预测应用。 权利要求书2页 说明书12页 附图5页 CN 114330121 A 2022.04.12 CN 114330121 A 1.一种工业时序数据长期快速预测方法， 其特 征在于， 包括： 针对原始时序数据中存在的噪声和波动， 以汉明窗为窗函数， 使用滑动 窗口平均策略 对所述原 始时序数据进行平 滑处理， 得到保留动态信息的平 滑时序数据； 对所述平滑时序 数据进行等距分段， 并利用聚类算法对各时序片段的动态特性做模式 提取， 归纳语义和数值原型， 产生粒化时序数据； 使用所述粒化时序数据确定粒模糊规则， 拓展建立具有类Takagi ‑Sugeno结构的粒模 糊模型， 并采用最小二乘法确定模型参数； 将定长的历史数据为输入， 输入至所述粒模糊模型， 快速得出长时间跨度的可携带语 义的模式预测结果和更为精确的向量水平的数值预测值。 2.根据权利要求1所述的方法， 其特征在于， 所述以汉明窗为窗函数， 使用滑动 窗口平 均策略对所述原 始时序数据进行平 滑处理， 得到保留动态信息的平 滑时序数据， 包括： 用汉明窗作为窗函数， 对所述汉明窗进行归一 化处理后， 得到滑动窗口； 将所述原始时序 数据与所述 窗函数进行卷积处理， 以产生保留动态信 息的平滑时序 数 据。 3.根据权利要求2所述的方法， 其特征在于， 所述对所述平滑时序数据进行等距分段， 并利用聚类算法对各时序片段的动态特性做模式提取， 归纳语义和数值原型， 产生粒化时 序数据， 包括： 对所述平滑时序 数据进行等距分段， 得到一系列与原时序 数据时间相对应的有序的时 序片段集 合； 使用结合动态时间包络重心平均策略的k ‑means算法对所得的有序的时间片段集合进 行聚类， 将数据划分为c个簇， 得到与簇相对应的c个簇中心； 从抽取的簇 中心中根据 经验或专家分析归纳出对动态和数值特征的语义描述， 生成携 带语义的粒化时序数据。 4.根据权利要求3所述的方法， 其特征在于， 所述使用所述粒化 时序数据确定粒模糊规 则， 拓展建立具有类Takagi ‑Sugeno结构的粒模糊模型， 并采用最小二乘法确定模型参数， 包括： 将所述粒化时序数据按照紧邻的前后时间关系生成输入输出对； 根据所述输入输出对， 使用if ‑then规则建立输入空间和输出空间之间的关系； 使用类Tak agi‑Sugeno结构刻画模式间 的关系以做数值推断， 确定粒模糊模型， 并采用 最小二乘法求 解模型参数。 5.根据权利要求4所述的方法， 其特征在于， 所述将定长的历史数据为输入， 输入至所 述粒模糊模型， 快速得出长时间跨度的可携带语义的模式预测结果和更为精确的向量水平 的数值预测值， 包括： 将定长的历史数据为输入， 作为信息粒， 输入至所述粒模糊模型； 由所述粒模糊模型按照最大概率值对应的模式可快速得出长时间跨度的可携带语义 的模式预测结果和更为精确的向量水平的数值预测值。 6.一种工业时序数据长期快速预测装置， 其特 征在于， 包括： 第一处理单元， 用于针对原始时序数据中存在的噪声和波动， 以汉明窗为窗函数， 使用 滑动窗口平均策略对所述原始时序数据进行平滑处理， 得到保留动态信息的平滑时序数权　利　要　求　书 1/2 页 2 CN 114330121 A 2据； 第二处理单元， 用于对所述平滑时序数据进行等距分段， 并利用聚类算法对各时序片 段的动态特性做模式提取， 归纳语义和数值原型， 产生粒化时序数据； 第三处理单元， 用于使用所述粒化时序数据确定粒模糊规则， 拓展建立具有类Tak agi‑ Sugeno结构的粒模糊模型， 并采用最小二乘法确定模型参数； 第四处理单元， 用于将定长的历史数据为输入， 输入至所述粒模糊模型， 快速得出长时 间跨度的可携带语义的模式预测结果和更为精确的向量水平的数值预测值。 7.根据权利要求6所述的装置， 其特 征在于， 所述第一处 理单元具体用于： 用汉明窗作为窗函数， 对所述汉明窗进行归一 化处理后， 得到滑动窗口； 将所述原始时序 数据与所述 窗函数进行卷积处理， 以产生保留动态信 息的平滑时序 数 据。 8.根据权利要求7 所述的装置， 其特 征在于， 所述第二处 理单元具体用于： 对所述平滑时序 数据进行等距分段， 得到一系列与原时序 数据时间相对应的有序的时 序片段集 合； 使用结合动态时间包络重心平均策略的k ‑means算法对所得的有序的时间片段集合进 行聚类， 将数据划分为c个簇， 得到与簇相对应的c个簇中心； 从抽取的簇 中心中根据 经验或专家分析归纳出对动态和数值特征的语义描述， 生成携 带语义的粒化时序数据。 9.一种存储介质， 其特征在于， 所述存储介质包括存储的程序， 其中， 在所述程序运行 时控制所述存储介质所在的设备执行如权利要求1至5中任一项所述的工业时序数据长期 快速预测方法。 10.一种电子设备， 其特征在于， 所述电子设备包括至少一个处理器、 以及与所述处理 器连接的至少一个存储器、 总线； 其中， 所述处理器、 所述存储器通过所述总线完成相互间 的通信； 所述处理器用于调用所述存储器中的程序指令， 以执行如权利要求1至5中任一项 所述的工业时序数据长期快速预测方法。权　利　要　求　书 2/2 页 3 CN 114330121 A 3