[发明专利]基于ELM的单维遥测数据异常判读方法

权利要求书

1.基于ELM的单维遥测数据异常判读方法，其特征在于，该方法包括预测模型离线训练部分和实时异常检测部分；

预测模型离线训练部分包括以下步骤：

步骤一：根据遥测数据的历史时间序列，利用网格搜索法确定ELM模型结构，并根据ELM模型结构的输入层神经元个数构造ELM模型的训练输入向量；

步骤二：将训练输入向量代入ELM模型中，利用ELM算法对ELM模型进行训练，获得q组训练模型，其中10≤q≤50；

步骤三：根据ELM模型在验证集的残差概率分布，计算每组训练模型的固定不确定度u₁；

实时异常检测部分包括以下步骤：

步骤四：对当前遥测数据进行归一化和去野值处理；

步骤五：根据步骤四处理后的数据和ELM模型结构的输入层神经元个数构造ELM模型的当前输入向量；

步骤六：将当前输入向量代入步骤二获得的q组训练模型中，获得q个预测结果；

步骤七：将步骤六获得的q个预测结果进行加权，获得最优预测值，并根据q个预测结果的概率分布获得当前时间点的动态不确定度u₂；

步骤八：将固定不确定度u₁与动态不确定度u₂进行合成，获得最终不确定度；

步骤九：将最终不确定度与最优预测值相加获得最终预测区间；

步骤十：判断步骤四处理后的数据是否在最终预测区间内，是则判定当前遥测数据正常，否则判定当前遥测数据异常；

步骤二中，利用遗传算法确定ELM模型输入层与隐藏层之间的权值和偏置，再利用ELM算法确定ELM模型隐藏层与输出层之间的权重及偏置，完成一组ELM模型的训练，改变ELM算法中的参数值，获得q组训练模型。

2.根据权利要求1所述的基于ELM的单维遥测数据异常判读方法，其特征在于，步骤一中确定ELM模型结构的具体方法为：

根据遥测数据的历史时间序列，通过网格搜索法确定ELM模型的嵌入维数，

根据嵌入维数重构ELM模型的输入相空间，以获得ELM模型结构，

网格搜索的步长为变量，网格搜索的评价函数R为：

其中，mse_i表示网格搜索中K折交叉验证时每组的均方误差值，λ·log(L·N)表示惩罚项，λ为惩罚因子，N为ELM模型结构的输入层神经元个数，L为ELM模型结构的隐藏层神经元个数。

3.根据权利要求1所述的基于ELM的单维遥测数据异常判读方法，其特征在于，步骤八中利用下式将固定不确定度u₁与动态不确定度u₂进行合成：

其中，u表示最终不确定度。

4.根据权利要求1所述的基于ELM的单维遥测数据异常判读方法，其特征在于，步骤九中最终预测区间表示为：

其中，表示最优预测值，u表示最终不确定度。