【技术实现步骤摘要】
本专利技术涉及油料储运，具体涉及工控数据阶跃特征的改进informer预测方法、装置及存储介质。
技术介绍
1、近年来，基于数字孪生的工控系统态势预测已成为预防其安全事故的一种首选解决方案；油料储运工控系统的数据是一种时间序列，而其中部分业务数据呈现阶跃特征，与其他数据的关联耦合分析困难，且在模型优化时容易被作为噪声处理，导致油料储运工控数据的态势预测精度较低。
2、油料储运系统的日常运营会产生数据量庞大、特征复杂的业务数据，并且这些数据有长时序数据特性，这为数据处理和分析带来了不小的挑战。在对油料储运系统的海量数据进行研究时，不仅需要考虑持续产生的数据，还必须考虑如何应对由于控制命令变化、设备启停、切换以及外界干扰等因素引起的数据特征突变。这些突变，或称为阶跃特征，往往反映了系统中关键事件的发生，如设备状态的更改、操作策略的调整，或是其他重要因素的变化，它们对于系统的稳定运行和效率提升具有深远的影响。
3、informer模型有着强大的时间序列建模和预测能力，特别适用于处理具有长期依赖关系的时间序列数据，然而阶跃特征的非平稳性影响了informer在建模和预测中的准确性。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供工控数据阶跃特征的改进informer预测方法、装置及存储介质，以解决现有技术中，由于工控数据中时间序列呈现阶跃特征，影响informer在建模和预测中的准确性的问题。
2、根据本专利技术实施例的第一方面，提供工控数据阶跃特
3、获取基于数字孪生的油料储运工控系统中传感器采集的待预测时刻之前的时间序列数据；
4、将所述时间序列数据进行预处理后变换为输入矩阵；
5、将所述输入矩阵输入到预训练好的改进informer模型的编码器中，所述编码器对所述输入矩阵通过线性变换矩阵进行映射，得到多个映射矩阵；
6、在第一映射矩阵中随机采样预设长度的第一采样矩阵；
7、通过所述编码器的面向阶跃特征的概率稀疏自注意力机制中的阶跃点查询模块对所述第一映射矩阵进行阶跃点查询，获取包含梯度变化信息的阶跃特征点，得到第一阶跃矩阵；
8、将所述第一采样矩阵与所述第一阶跃矩阵进行拼接，得到第一拼接矩阵；通过所述第一拼接矩阵以及第二映射矩阵进行稀疏注意力度量计算，并对计算结果进行从大到小的排序，从中取最大的预设长度的第二采样矩阵；
9、通过所述编码器的面向阶跃特征的概率稀疏自注意力机制中的阶跃点查询模块对所述第二映射矩阵进行阶跃点查询，获取包含梯度变化信息的阶跃特征点，得到第二阶跃矩阵；
10、将所述第二采样矩阵与所述第二阶跃矩阵进行拼接，得到第二拼接矩阵；通过所述第二拼接矩阵进行稀疏注意力分数计算，得到注意力加权序列矩阵；
11、构造目标序列，将所述目标序列以及注意力加权序列矩阵一并输入到所述预训练好的改进informer模型的解码器中，所述解码器通过注意力加权序列矩阵的全局理解和目标序列状态，以生成对未来点的预测，得到预测目标序列；
12、将所述预测目标序列通过全连接层进行输出，得到未来时间点的传感器采集数据。
13、优选地，
14、所述对所述输入矩阵通过线性变换矩阵进行映射，得到多个映射矩阵包括：
15、分别定义线性变换矩阵wq、线性变换矩阵wk以及线性变换矩阵wv；
16、基于线性变换矩阵以及所述输入矩阵分别得到第一映射矩阵、第二映射矩阵以及第三映射矩阵。
17、优选地，
18、所述通过所述编码器的面向阶跃特征的概率稀疏自注意力机制中的阶跃点查询模块对所述第一映射矩阵进行阶跃点查询，获取包含梯度变化信息的阶跃特征点，得到第一阶跃矩阵包括：
19、在所述阶跃点查询模块中，设置滑动窗口大小和步幅调整阶跃点查询范围；所述滑动窗口大小用于确定计算梯度的数据段长度，所述步幅用于确定计算梯度时窗口的重叠程度；
20、在每个窗口内执行时间步两端数据点的一阶差分，计算窗口内时间步的梯度，对所述时间步的梯度执行一阶差分，计算相邻时间步梯度的差值；
21、若相邻时间步梯度的差值不为零时，则该数据点为包含梯度变化信息的阶跃特征点；
22、获取所述第一映射矩阵中所有的阶跃特征点，得到第一阶跃矩阵。
23、优选地，
24、所述通过所述第一拼接矩阵以及第二映射矩阵进行稀疏注意力度量计算，并对计算结果进行从大到小的排序，从中取最大的预设长度的第二采样矩阵包括：
25、通过所述第一拼接矩阵以及第二映射矩阵计算第二映射矩阵中每一行的稀疏注意力度量；
26、选取所述第二映射矩阵中稀疏注意力度量最大的lq行，得到第二采样矩阵。
27、优选地，
28、所述通过所述第二拼接矩阵进行稀疏注意力分数计算，得到注意力加权序列矩阵包括：
29、获取所述输入矩阵的维度，基于所述输入矩阵的维度、第一映射矩阵、第三映射矩阵以及第二拼接矩阵获取注意力加权序列矩阵。
30、优选地，
31、所述构造目标序列包括：
32、设置一段与预测目标序列等长的零序列；
33、从所述待预测时刻之前的时间序列数据中截取一段连续的时间序列，将截取的时间序列与所述与预测目标序列等长的零序列进行拼接，得到所述目标序列；
34、所述目标序列的长度与所述待预测时刻之前的时间序列数据的长度相等。
35、根据本专利技术实施例的第二方面，提供工控数据阶跃特征的改进informer预测装置，所述装置包括：
36、数据获取模块：用于获取基于数字孪生的油料储运工控系统中传感器采集的待预测时刻之前的时间序列数据；
37、输入模块：用于将所述时间序列数据进行预处理后变换为输入矩阵；
38、映射模块：用于将所述输入矩阵输入到预训练好的改进informer模型的编码器中，所述编码器对所述输入矩阵通过线性变换矩阵进行映射，得到多个映射矩阵；
39、第一采样模块：用于在第一映射矩阵中随机采样预设长度的第一采样矩阵；
40、第一阶跃点查询模块：用于通过所述编码器的面向阶跃特征的概率稀疏自注意力机制中的阶跃点查询模块对所述第一映射矩阵进行阶跃点查询，获取包含梯度变化信息的阶跃特征点，得到第一阶跃矩阵；
41、第二采样模块：用于将所述第一采样矩阵与所述第一阶跃矩阵进行拼接，得到第一拼接矩阵；通过所述第一拼接矩阵以及第二映射矩阵进行稀疏注意力度量计算，并对计算结果进行从大到小的排序，从中取最大的预设长度的第二采样矩阵；
42、第二阶跃点查询模块：用于通过所述编码器的面向阶跃特征的概率稀疏自注意力机制中的阶跃点查询模块对所述第二映射矩阵进行阶跃点查询，获取包含梯度变化信息的阶跃特征点，得到第二本文档来自技高网...
【技术保护点】
1.工控数据阶跃特征的改进Informer预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求2所述的方法，其特征在于，
4.根据权利要求3所述的方法，其特征在于，
5.根据权利要求4所述的方法，其特征在于，
6.根据权利要求5所述的方法，其特征在于，
7.工控数据阶跃特征的改进Informer预测装置，其特征在于，所述装置包括：
8.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被主控器执行时，实现如权利要求1-6任一项所述的工控数据阶跃特征的改进Informer预测方法中的各个步骤。
【技术特征摘要】
1.工控数据阶跃特征的改进informer预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求2所述的方法，其特征在于，
4.根据权利要求3所述的方法，其特征在于，
5.根据权利要求4所述的方法，其特征在于，
6.根据...
【专利技术属性】
技术研发人员：刘学君，李忠林，晏涌，沙芸，王微微，江逸楠，栾海英，郑高攀，栾婧，
申请(专利权)人：北京石油化工学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。