[发明专利]一种基于堆栈模型的故障预测方法及系统

权利要求书

1.一种基于堆栈模型的故障预测方法，其特征在于，包括以下步骤：

S1:确定堆栈模型的层数，为堆栈模型的每一层设定所用的预测方法；根据待预测对象的历史退化数据集得到原始数据集，将所述原始数据集输入至所述堆栈模型的第一层；

S2:在所述堆栈模型的第一层中，将所述原始数据集划分为第一层训练数据集和第一层测试数据集；采用K折交叉验证方法将第一层训练数据集分为K组不同的训练集和验证集；采用第一层所用的预测方法对K组不同的训练集进行训练，得到第一层堆栈模型；

S3:采用所述第一层堆栈模型测试第一层的验证集，得到验证集预测值；用所述第一层堆栈模型对所述测试数据集进行预测，得到测试数据集预测值；将第一层作为当前层；

S4:根据所述验证集预测值构建当前层的验证集预测值矩阵，将所述验证集预测值矩阵作为当前层的下一层的训练数据集以采用对应层的预测方法训练得到下一层的堆栈模型；并根据所述测试数据集预测值构建当前层的测试数据集预测值矩阵，将所述测试数据集预测值矩阵作为当前层的下一层的测试数据集以对对应层的堆栈模型进行预测；

S5:将所述当前层的下一层作为新的当前层，重复上述S4；直至训练完最后一层的堆栈模型；

S6：采用最后一层的堆栈模型预测的测试数据集作为最终的预测结果；

所述S2具体包括以下步骤：

S21：将第一层训练数据集随机分成K个子集k＝1,2,…,K；把第一个子集作为第一层训练数据集中第一折的验证集其余K-1个子集作为第一折的训练集用于训练学习第一折预测模型；依次构建所有第k折的验证集和训练集用于训练学习所有K折预测模型，k＝1，2，…K；

其中，构建的第k折训练集和验证集，用公式表示为：

S22：采用第一种预测方法对第一层、第一折的训练集进行训练学习，得到预测模型采用第一种预测方法依次对第一层所有第k折的训练集进行训练学习，得到第一层、所有第k折的预测模型k＝1,2,…,K；

采用第n₁种预测方法，依次对第一层所有第k折的训练集进行训练学习，得到第一层、所有第k折的预测模型n₁＝1,2,…,N₁，k＝1,2,…,K；

采用N₁种预测方法，得到的第一层、K折的预测模型，用矩阵表示为：

式中模型为对K组不同的训练集进行训练学习得到的第一层堆栈模型，式中，维度为N₁×K；

所述S3具体包括以下步骤：

S31：采用训练好的预测模型测试对应验证集得到采用第一种预测方法对第一层的第一折验证集的预测值

S32：依次采用训练学习好的第一层堆栈模型测试对应验证集得到采用N₁种预测方法对第一层、所有K折验证集的预测值n₁＝1,2,…,N₁，k＝1,2,…,K；

S33：将第一层作为当前层i；

所述S4具体包括以下步骤

S41：采用设定的预测方法将第i层的所有折的预测值k＝1,2,…,K拼接成验证集预测值序列其序列长度为LA，将第i层堆栈模型中所有第n_i种预测方法、所有第k折的预测值拼接成验证集预测值序列用验证集预测值序列构建第i层验证集预测值矩阵矩阵维度为LA×N₁；

S42：将第i层验证集预测值矩阵作为i+1层训练数据集

S43：用训练学习好的预测模型对第i层测试数据集进行预测，得到采用第一种预测方法的第i层所有K折预测模型对第i层测试数据集的预测值序列维度为LE×1；将每一折预测模型下测试集的预测值取平均得到采用第一种预测方法对第i层测试数据集的预测值序列维度为LE×1，公式为：

S44：采用训练学习好的预测模型对第i层测试数据集进行预测，得到采用所有第n_i种预测方法、第i层、所有K折预测模型对第i层测试数据集的预测值序列i＝1,2,…,m；n_i＝1,2,…,N_i；k＝1,2,…,K，维度为LE×1；将每一种预测方法下的测试集的预测值取平均，公式为：

得到采用N_i种预测方法对第i层测试数据集的预测值序列

S45：用所得的第i层测试数据集的预测值序列构建第i层测试数据集预测值矩阵其维度为LE×N₁；将所得的第i层测试数据集预测值矩阵作为第i+1测试数据集

S46：训练学习得到第i+1层的堆栈模型用矩阵表示为：

式中模型为第i+1层堆栈模型，维度为N_i+1×K，i＝1,2,…,m；n_i＝1,2,…,N_i；k＝1,2,…,K

S47：构建第i+1层的训练数据集

S48：利用堆栈模型(5)构建第i+1层的测试数据集