【技术实现步骤摘要】
本专利技术涉及数据处理，提供一种基于自适应特征工程的轨道交通数据分析方法及系统。
技术介绍
1、随着轨道交通行业的快速发展，轨道交通数据呈现出爆炸式增长态势，具有多源异构、时序关联、质量不稳定等特点。传统的数据处理方法已难以满足轨道交通行业数字化转型的需求，目前市面上普遍采用的数据处理系统存在着诸多局限性，在面对tb级别的轨道交通数据时表现出明显的性能瓶颈，虽然能够完成基础的数据处理任务，但无法充分挖掘轨道交通数据中蕴含的深层信息。因其通用性设计无法很好地适应轨道交通行业数据的特殊性，导致系统资源利用效率低下。此外，现有的处理流程因缺乏有效的质量控制机制，其输出分析结果的可靠性难以保证。
技术实现思路
1、本专利技术提供一种基于自适应特征工程的轨道交通数据分析方法及系统，用以解决现有技术中在处理轨道交通数据时存在特征提取不准确、处理效率低下、质量评估不可靠等问题，难以适应轨道交通行业数字化转型的需求的缺陷。本专利技术能够充分挖掘轨道交通数据中蕴含的深层信息，显著提升了轨道交通数据的处理效率与分析精度，为行业数字化转型提供了可靠的技术支撑。
2、本专利技术提供一种基于自适应特征工程的轨道交通数据分析方法，包括：获取待分析的轨道交通数据；采用预设自适应特征工程算法对所述待分析的轨道交通数据进行深度特征提取，得到深度特征数据；所述自适应特征工程算法包括自适应插值算法、自适应分解算法、自适应频域特征提取算法和自适应特征融合算法中的一种或多种的组合；采用预设质量控制算法对所述深度
3、根据本专利技术提供的一种基于自适应特征工程的轨道交通数据分析方法，所述采用预设自适应特征工程算法对所述待分析的轨道交通数据进行深度特征提取，得到深度特征数据之前，还包括：采用预设数据输入算法对所述待分析的轨道交通数据进行输入处理；得到输入处理后的轨道交通数据，以便进行深度特征提取；所述数据输入算法包括数据接入算法和数据预处理算法。
4、根据本专利技术提供的一种基于自适应特征工程的轨道交通数据分析方法，所述采用预设自适应特征工程算法对所述待分析的轨道交通数据进行深度特征提取，得到深度特征数据，包括：采用所述自适应插值算法处理所述待分析的轨道交通数据中的缺失值，得到插值后的轨道交通数据；所述自适应插值算法基于动态规划思想构建状态转移方程，通过多项式回归与傅里叶分解捕捉数据的趋势和周期特性；采用所述自适应分解算法对所述插值后的轨道交通数据进行小波包分解，得到分解后的轨道交通数据；所述自适应分解算法以重构误差和能量熵的加权和为优化目标；采用所述自适应频域特征提取算法对所述分解后的轨道交通数据进行频域特征提取，得到轨道交通数据的频域特征；所述自适应频域特征提取算法自适应分配频带能量，并通过特征相关性和特征重要性进行特征选择；采用所述自适应特征融合算法对所述轨道交通数据的频域特征进行特征融合，将融合后的特征作为所述深度特征数据；所述自适应特征融合算法基于注意力机制捕捉特征间的相关性。
5、根据本专利技术提供的一种基于自适应特征工程的轨道交通数据分析方法，所述采用预设质量控制算法对所述深度特征数据进行异常检测和/数据修复，得到质量控制后的数据，包括：采用所述异常检测算法对所述深度特征数据进行异常检测，得到异常检测后的数据；所述异常检测算法为局部敏感哈希的算法；采用所述数据修复算法对所述异常检测后的数据进行数据修复，将修后的数据作为所述质量控制后的数据；所述数据修复算法采用深度生成模型重构异常数据；所述深度生成模型以轨道交通领域知识为约束条件。
6、根据本专利技术提供的一种基于自适应特征工程的轨道交通数据分析方法，所述采用预设分析处理算法对所述质量控制后的数据进行并行处理分析，得到轨道交通数据分析结果，包括：采用所述动态负载均衡算法分配对所述质量控制后的数据的计算任务，得到若干个计算任务；采用所述任务相似度分析算法对若干个所述计算任务进行相似度分析，得到相似度分析结果；根据所述相似度分析结果，采用所述弹性伸缩算法对任务计算资源进行管理，以得到所述轨道交通数据分析结果。
7、根据本专利技术提供的一种基于自适应特征工程的轨道交通数据分析方法，所述深度迁移学习的损失函数为：
8、
9、其中， l为所述深度迁移学习的损失函数， l c为分类损失函数， l d为对抗损失函数，为权衡参数。
10、本专利技术还提供一种基于自适应特征工程的轨道交通数据分析系统，包括：获取模块，用于获取待分析的轨道交通数据；特征提取模块，用于采用预设自适应特征工程算法对所述待分析的轨道交通数据进行深度特征提取，得到深度特征数据；所述自适应特征工程算法包括自适应插值算法、自适应分解算法、自适应频域特征提取算法和自适应特征融合算法中的一种或多种的组合；质量控制模块，用于采用预设质量控制算法对所述深度特征数据进行异常检测和/数据修复，得到质量控制后的数据；所述质量控制算法包括异常检测算法和/或数据修复算法；分析处理模块，用于采用预设分析处理算法对所述质量控制后的数据进行并行处理分析，得到轨道交通数据分析结果；所述分析处理算法包括动态负载均衡算法、任务相似度分析算法和弹性伸缩算法中的一种或多种的组合；其中，所述自适应特征工程算法、所述质量控制算法和所述分析处理算法通过深度迁移学习的方式进行算法动态优化。
11、本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一种所述基于自适应特征工程的轨道交通数据分析方法。
12、本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于自适应特征工程的轨道交通数据分析方法。
13、本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于自适应特征工程的轨道交通数据分析方法。
14、本专利技术提供的一种基于自适应特征工程的轨道交通数据分析方法及系统，该方法包括：获取待分析的轨道交通数据；采用预设自适应特征工程算法对待分析的轨道交通数据进行深度特征提取，得到深度特征数据；采用预设质量控制算法对深度特征数据进行异常检测和/数据修复，得到质量控制后的数据；采用预设分析处理算法对质量控制后的数据进行并行处理分析，得到轨道交通数据分析结果本文档来自技高网...
【技术保护点】
1.一种基于自适应特征工程的轨道交通数据分析方法，其特征在于，包括：
2.根据权利要求1所述的基于自适应特征工程的轨道交通数据分析方法，其特征在于，所述采用预设自适应特征工程算法对所述待分析的轨道交通数据进行深度特征提取，得到深度特征数据之前，还包括：
3.根据权利要求1所述的基于自适应特征工程的轨道交通数据分析方法，其特征在于，所述采用预设自适应特征工程算法对所述待分析的轨道交通数据进行深度特征提取，得到深度特征数据，包括：
4.根据权利要求1所述的基于自适应特征工程的轨道交通数据分析方法，其特征在于，所述采用预设质量控制算法对所述深度特征数据进行异常检测和/数据修复，得到质量控制后的数据，包括：
5.根据权利要求1所述的基于自适应特征工程的轨道交通数据分析方法，其特征在于，所述采用预设分析处理算法对所述质量控制后的数据进行并行处理分析，得到轨道交通数据分析结果，包括：
6.根据权利要求1至5任一项所述的基于自适应特征工程的轨道交通数据分析方法，其特征在于，所述深度迁移学习的损失函数为：
7.一种基于自适应
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述基于自适应特征工程的轨道交通数据分析方法。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于自适应特征工程的轨道交通数据分析方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于自适应特征工程的轨道交通数据分析方法。
...【技术特征摘要】
1.一种基于自适应特征工程的轨道交通数据分析方法，其特征在于，包括：
2.根据权利要求1所述的基于自适应特征工程的轨道交通数据分析方法，其特征在于，所述采用预设自适应特征工程算法对所述待分析的轨道交通数据进行深度特征提取，得到深度特征数据之前，还包括：
3.根据权利要求1所述的基于自适应特征工程的轨道交通数据分析方法，其特征在于，所述采用预设自适应特征工程算法对所述待分析的轨道交通数据进行深度特征提取，得到深度特征数据，包括：
4.根据权利要求1所述的基于自适应特征工程的轨道交通数据分析方法，其特征在于，所述采用预设质量控制算法对所述深度特征数据进行异常检测和/数据修复，得到质量控制后的数据，包括：
5.根据权利要求1所述的基于自适应特征工程的轨道交通数据分析方法，其特征在于，所述采用预设分析处理算法对所述质量控制后的数据进行并行处理分析，得到轨...
【专利技术属性】
技术研发人员：李跃利，张信广，夏清洁，蔡育冰，王天超，王长江，马永敬，孔维荣，
申请(专利权)人：中车青岛四方机车车辆股份有限公司，
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。