欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024111214135
申请人: 兰州理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种面向工业软测量的缺失数据填充方法,其特征在于,确定目标变量的辅助变量,根据辅助变量中现有数据的时间相关性生成第一预测值,利用第一预测值对辅助变量中缺失数据进行填充;

基于填充后辅助变量与目标变量之间的空间依赖关系,对目标变量进行预测。

2.根据权利要求1所述的一种面向工业软测量的缺失数据填充方法,其特征在于,通过Bi-LSTM提取辅助变量中数据的时间相关性。

3.根据权利要求1所述的一种面向工业软测量的缺失数据填充方法,其特征在于,根据辅助变量中现有数据的时间相关性生成第一预测值,包括:根据现有数据的分布正向逐步扩散加噪;

基于扩散加噪数据,采用随机跨度采样,考虑时间相关性逆向去噪生成第一预测值。

4.根据权利要求3所述的一种面向工业软测量的缺失数据填充方法,其特征在于,扩散至第n步时的数据分布为:式中,L表示现有数据的长度,t表示第t时刻的数据,定义α

5.根据权利要求3所述的一种面向工业软测量的缺失数据填充方法,其特征在于,采用随机跨度采样,考虑时间相关性逆向去噪生成第一预测值的步骤包括:考虑时间相关性对噪声进行拟合,

从当前数据

将整体数据分布输入至线性层,得到第一预测值。

6.根据权利要求1所述的一种面向工业软测量的缺失数据填充方法,其特征在于,基于填充后辅助变量与目标变量之间的空间依赖关系,对目标变量进行预测;包括:基于辅助变量和目标变量构建关系拓扑图,并基于不同变量间的相关度构建邻接矩阵;

利用对称归一化Laplace矩阵对邻接矩阵进行特征分解,得到特征向量矩阵;

根据特征向量矩阵基于图卷积,对目标变量进行预测。

7.根据权利要求6所述的一种面向工业软测量的缺失数据填充方法,其特征在于,基于变量间的相关度按如下公式构建邻接矩阵;

式中,e

8.根据权利要求1所述的一种面向工业软测量的缺失数据填充方法,其特征在于,当生成第一预测值的损失和对目标变量进行预测的损失分别将至各自初始损失的一半时,引入预测过程总损失;

生成第一预测值的损失函数为:

对目标变量进行预测的损失函数为:

式中,loss

9.根据权利要求8所述的一种面向工业软测量的缺失数据填充方法,其特征在于,预测过程的总损失loss

10.根据权利要求1所述的一种面向工业软测量的缺失数据填充方法,其特征在于,优先利用孤立森林算法对数据进行检测,确定数据缺失位置以及缺失数据量,并针对缺失位置和缺失数据量进行数据填充。