基于Shapelet的時(shí)間序列分類方法研究.pdf

1、時(shí)間序列(Time Series)是按時(shí)間順序排列的一組觀測(cè)值的集合，通常時(shí)間序列是作為一個(gè)整體來(lái)進(jìn)行處理發(fā)現(xiàn)其整體規(guī)律，這種規(guī)律是單個(gè)值不能體現(xiàn)的。另外，由于時(shí)間序列的數(shù)據(jù)量大、維度高、更新快以及高噪聲等特點(diǎn)，引起來(lái)大量研究者的關(guān)注。目前時(shí)間序列分析在機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘以及數(shù)據(jù)倉(cāng)庫(kù)等領(lǐng)域中日益重要，時(shí)間序列分析被評(píng)為21世紀(jì)數(shù)據(jù)挖掘領(lǐng)域10大最具挑戰(zhàn)性的研究問(wèn)題之一。
　　時(shí)間序列分類就是把一個(gè)未知的時(shí)間序列劃分到某些預(yù)定義的或

2、者已知的類別中，可以視時(shí)間序列分類為有指導(dǎo)的學(xué)習(xí)。時(shí)間序列的分類是時(shí)間序列研究里面的一個(gè)熱點(diǎn)問(wèn)題，也是一個(gè)廣泛應(yīng)用的問(wèn)題，在制造領(lǐng)域時(shí)間序列分類問(wèn)題具有廣泛的應(yīng)用場(chǎng)景。在制造業(yè)領(lǐng)域，對(duì)時(shí)間序列進(jìn)行分類研究，借助于時(shí)間序列的分類結(jié)果可以實(shí)現(xiàn)機(jī)器異常檢測(cè)、系統(tǒng)入侵檢測(cè)、工藝流程控制，借助于時(shí)間序列的分類分析，促進(jìn)智能制造的發(fā)展。
　　目前時(shí)間序列分類問(wèn)題，尤其是制造領(lǐng)域的時(shí)間序列分類，主要面臨以下問(wèn)題和挑戰(zhàn):(1)數(shù)據(jù)多源異構(gòu)問(wèn)題:在

3、制造領(lǐng)域存在著各式各樣的制造設(shè)備，這些設(shè)備產(chǎn)生形形色色的異構(gòu)數(shù)據(jù)，如何將這些數(shù)據(jù)自動(dòng)提取成規(guī)整的時(shí)間序列成為了巨大挑戰(zhàn)。(2)數(shù)據(jù)規(guī)模問(wèn)題:在制造領(lǐng)域，在生產(chǎn)流水線上存在著大量的制造設(shè)備，這些設(shè)備以較高的頻率產(chǎn)生觀測(cè)數(shù)據(jù)，這必然會(huì)導(dǎo)致大規(guī)模數(shù)據(jù)的產(chǎn)生，如何在大數(shù)據(jù)環(huán)境下對(duì)數(shù)據(jù)進(jìn)行存儲(chǔ)與分析成為了另外的一個(gè)挑戰(zhàn)。(3)快速分類問(wèn)題:制造領(lǐng)域內(nèi)的設(shè)備采集頻率高，導(dǎo)致了時(shí)間序列維度高，高維的時(shí)間序列又導(dǎo)致了分類訓(xùn)練時(shí)間長(zhǎng)，如何針對(duì)高維時(shí)間序列

4、快速構(gòu)建分類器成為制造領(lǐng)域時(shí)間分類問(wèn)題的很大挑戰(zhàn)。(4)時(shí)間序列分類的可解釋性問(wèn)題:時(shí)間序列通常不具有直接的特征，即使通過(guò)復(fù)雜的特征選擇技術(shù)，維度的潛在特征依舊非常高，時(shí)間序列本質(zhì)的特征難以捕獲，而在制造領(lǐng)域?yàn)榱送ㄟ^(guò)時(shí)間序列分類結(jié)果指導(dǎo)企業(yè)的生產(chǎn)與管理決策，必須對(duì)時(shí)間序列分類結(jié)果給出直觀的可解釋性的分類結(jié)果。
　　本文對(duì)時(shí)間序列分類問(wèn)題進(jìn)行了深入研究，針對(duì)智能制造領(lǐng)域內(nèi)時(shí)間序列分類過(guò)程中各個(gè)流程（包括時(shí)間序列提取、時(shí)間序列表示、時(shí)

5、間序列分類）中存在問(wèn)題與挑戰(zhàn)，從面向智能制造一體化平臺(tái)的多源異構(gòu)設(shè)備數(shù)據(jù)提取模型、時(shí)間序列表示方法以及具有快速的、可解釋性的基于shapelet的分類算法三個(gè)方向展開(kāi)了一系列的研究。本文的主要工作和貢獻(xiàn)包括:
　　(1)針對(duì)制造領(lǐng)域中設(shè)備數(shù)據(jù)多源異構(gòu)的問(wèn)題，我們提出了一種面向智能制造一體化平臺(tái)的設(shè)備數(shù)據(jù)提取模型。該模型中包含了設(shè)備模版以及四個(gè)數(shù)據(jù)處理策略（數(shù)據(jù)同步策略、數(shù)據(jù)切片策略、數(shù)據(jù)拆分策略、數(shù)據(jù)索引策略）。該模型通過(guò)預(yù)定義的

6、設(shè)各模版，將四種數(shù)據(jù)處理策略分別應(yīng)用于數(shù)據(jù)同步、數(shù)據(jù)切片、數(shù)據(jù)拆分和數(shù)據(jù)索引過(guò)程。我們將該設(shè)備數(shù)據(jù)模型集成到我們所構(gòu)建的智能制造一體化大數(shù)據(jù)平臺(tái)（An Industrial Big Data Platform,IBDP）中?；诖四Ｐ?，我們從多個(gè)企業(yè)的若干數(shù)據(jù)源提取各種形式的設(shè)備數(shù)據(jù)，并將多源異構(gòu)的設(shè)備數(shù)據(jù)統(tǒng)一的以時(shí)間序列的形式保存到IBDP中。基于提取的時(shí)間序列，我們進(jìn)而分析了該平臺(tái)上設(shè)備數(shù)據(jù)處理流程并給出了一個(gè)溫度感知設(shè)備數(shù)據(jù)分析案

7、例。該案例充分展示了，通過(guò)對(duì)時(shí)間序列進(jìn)行分析發(fā)現(xiàn)其蘊(yùn)含的價(jià)值，進(jìn)而指導(dǎo)企業(yè)生產(chǎn)。
　　(2)針對(duì)時(shí)間序列具有數(shù)據(jù)量大、維度高以及更新快等特點(diǎn)，導(dǎo)致在原始數(shù)據(jù)難以分析的問(wèn)題，我們提出了一種基于重要點(diǎn)的時(shí)序數(shù)據(jù)分段線性表示方法(a Piecewise Linear Representation method based on Important Data Points,PLR-IDP)。該方法通過(guò)計(jì)算單點(diǎn)和分段擬合誤差查找重要點(diǎn)，然后

8、通過(guò)連接重要點(diǎn)分段擬合時(shí)間序列。PLR-IDP在對(duì)時(shí)間序列擬合的時(shí)候綜合考慮了單點(diǎn)擬合誤差、片段擬合誤差和全局?jǐn)M合誤差。理論分析和實(shí)驗(yàn)結(jié)果顯示該算法在降低時(shí)間序列的維度的同時(shí)能夠很好的反映時(shí)序數(shù)據(jù)的關(guān)鍵特征，整體誤差小。
　　(3)針對(duì)目前基于shapelet發(fā)現(xiàn)算法運(yùn)行速度較慢的問(wèn)題，提出了一種基于重要點(diǎn)的快速shapelet發(fā)現(xiàn)算法和一種快速shapelet選擇算法。Shapelet是時(shí)間序列中的一個(gè)較短的子序列，它能夠很好區(qū)

9、別出不同的類。在該算法中，通過(guò)重要點(diǎn)對(duì)時(shí)間序列子序列進(jìn)行過(guò)濾，降低了shapelet候選的數(shù)量，進(jìn)而加快了shapelet發(fā)現(xiàn)的速度。
　　(4)針對(duì)shapelet變換算法訓(xùn)練時(shí)間過(guò)長(zhǎng)的問(wèn)題，提出了一種快速shapelet選擇算法，來(lái)加速shape let變換分類過(guò)程。該算法對(duì)(3)中所提出的基于重要點(diǎn)的加速算法進(jìn)行了繼承并擴(kuò)展。該算法中使用了兩種加速策略:采樣時(shí)間序列和過(guò)濾shapelet候選。通過(guò)這兩種加速策略，我們的算法可