[发明专利]一种基于传感数据融合的温度场预测方法

说明书

本发明公布了一种基于时空条件自回归过程的温度预测方法，属于工业工程技术领域。建立由全局温度变化过程和局部温度变化过程组成的时空预测模型，通过热力学模型描述全局温度变化，通过时空迁移学习模型描述局部温度变化，实现对工程温度系统的全面而准确的预测。本发明利用现有温度传感器数据对未来短期内温度系统进行预测，可以得到未来一段时间内温度系统全面而准确的信息；能够解决目前在工程系统中存在的由于传感器数据不足、数据部分缺失而导致的不能准确预测温度系统的问题。

技术领域

本发明提供一种温度预测方法，具体涉及一种利用已有传感数据并基于时空条件自回归过程的温度预测方法，属于工业工程技术领域。

背景技术

温度预测技术在工程系统中发挥着重要作用，已经在加工制造业、气象、粮食仓储等领域得到广泛应用。工程系统中，温度预测技术对监测产品质量、改善系统性能等任务提供重要信息。

现有的温度预测技术通过无线传感设备采集某一工程系统中的温度数据，并利用这些现有数据建立温度预测模型，对未来一段时间该工程系统的温度进行预测。在工程应用中，由于传感器配置成本的限制，在温度系统中安装的传感设备数目较少，因此通过传感设备只能获取一少部分稀疏的数据。传感器数据的不足导致现有温度预测技术的精确度大大降低。

现有的温度预测技术主要有两大类：基于热传递原理的热力学模型和基于传感器数据的数据驱动模型。热力学模型是对理想状态下由于传热机理而引起的工程系统的温度变化的描述。通过给定初始温度和边界条件，建立三维热力学模型，实现对未来短期内温度的预测。该模型描述理想状态下工程温度系统的全局变化，没有考虑在实际工程应用中温度会受到一些不确定性因素的影响而产生的局部变化，例如仓储粮食温度会收到虫害、霉变的影响而升高。因此，热力学模型的对温度系统的预测误差较大。数据驱动模型是基于现有的传感器数据建立数学模型，实现对未来短期内温度的预测，包括回归分析模型，克里金模型等。由于传感器数据的不足，该类模型预测的准确率较低。此外，工程领域中的温度系统是一个复杂的传热系统，温度不仅随着时间变化，在系统的内部空间中也发生变化，即温度系统是一个时空动态耦合的复杂系统。现有技术对温度系统的时空动态耦合特性考虑较少，难以获得较为准确的温度预测结果。

发明内容

针对上述现有技术存在的不足，本发明提供一种利用已有传感数据并基于时空条件自回归过程的温度预测方法。利用现有温度传感器数据对未来短期内温度系统进行预测，可以得到未来一段时间内温度系统全面而准确的信息。

本发明充分考虑工程温度系统的时空动态耦合特性和温度传感器数据不足的问题，提出一种全局的时空预测模型。为更好地刻画温度系统的时空动态耦合特性，该模型由两个过程模型组成：其一是由热力学模型刻画的全局温度变化过程，其二是由时空迁移学习模型刻画的局部温度变化过程，从而实现对工程温度系统的预测。特别地，为解决当前温度传感器数据不足的问题，本发明提出时空迁移学习模型，同时考虑多个具有相似属性的工程系统的温度传感器数据对目标温度系统进行预测，实现对工程温度系统的精准预测。通过本发明能够解决目前在工程系统中存在的由于传感器数据不足、数据部分缺失而导致的不能准确预测温度系统的问题，可以预测未来短期内工程温度系统全面而准确的信息。

本发明提供的技术方案如下：

一种基于传感数据融合的温度场预测方法，建立由全局温度变化过程和局部温度变化过程组成的时空预测模型。通过热力学模型描述全局温度变化，通过时空迁移学习模型描述局部温度变化，实现对工程温度系统的全面而准确的预测；包括如下步骤：

1)利用热力学模型与时空迁移学习模型，建立混合效应时空预测模型框架。将工程温度系统表示为全局温度变化项、局部温度变化项、和由随机或不可控因素引起的噪声项的加和。

为预测目标工程温度系统l^*，考虑L个具有相似属性的工程温度系统。对于实际工程温度系统l(l＝1,…,L)，假设表示在时空点(s,t)的温度值，s和t分别表示空间和时间的自变量，混合效应模型的框架表示为式1：