[发明专利]一种基于数据挖掘的试验数据智能分析方法

权利要求书

1.一种基于数据挖掘的试验数据智能分析方法，其特征在于：该方法为：基于构建的标准试验数据库，结合回归分析，聚类，关联分析算法，对省电网公司的所有试验设备的试验报告数据进行相互比对与聚类分析，全局性地分析计划与试验报告的问题，按地市、按单位、按设备、按试验类型研究试验数据共性规律。

2.根据权利要求1所述的一种基于数据挖掘的试验数据智能分析方法，其特征在于：标准试验数据库的构建方法为：提取文本要素数据特征，结合并行计算技术，基于各类设备建立标准数据结构模型，形成数据标准体系，构建新的标准试验数据库。

3.根据权利要求2所述的一种基于数据挖掘的试验数据智能分析方法，其特征在于：标准试验数据库的构建方法包括以下具体步骤：

步骤1：从生产管理系统获取试验数据结构体系模型：梳理所有设备在做预防性试验相关的作业指导书，从生产系统获取梳理出来的作业指导书模板和预防性试验数据；

步骤2：构建基于统一标准的试验数据结构体系模型：从生产系统获取的作业指导书模板和预防性试验数据，构成作业指导书模板；分析从生产系统获取的作业指导书模板，并根据实际需要对模板进行完善，形成统一标准模板；同时对于设备出厂交接的试验数据模板，从厂商获取试验数据模板并在系统中生成交接试验版本模板，最终由作业指导书模板、统一标准模板和试验数据模板构建基于统一标准的试验数据结构体系模型；

步骤3：试验数据补录：对于外部系统缺失的试验数据需要在试验数据挖掘智能作业管控系统中进行补录，补录是在基于统一标准的试验数据结构体系模型中选择相应的作业指导书模板，根据已定制的模板在系统中实现试验数据补录功能。

4.根据权利要求2所述的一种基于数据挖掘的试验数据智能分析方法，其特征在于：文本数据特征提取方法为：从基于统一标准的试验数据机构体系模型中通过数据接口获取文本数据，采用文档频数特征选择算法技术，找到出现次数较多的字段，形成数据标准体系。

5.根据权利要求4所述的一种基于数据挖掘的试验数据智能分析方法，其特征在于：文档频数特征选择算法为：在训练文本集中对每个特征计算它的文档频数,若该项的DF 值小于某个阈值则将其删除,若其DF值大于某个阈值也将其去掉。

6.根据权利要求1所述的一种基于数据挖掘的试验数据智能分析方法，其特征在于：该方法包括以下具体步骤：

步骤1），试验设备对应的试验报告版本确定：以试验设备为维度，找出每个试验设备对应该的试验报告，并分析这些试验报告的版本，最后确定试验设备共有几个试验版本；

步骤2），试验报告中的试验项目确定：在试验设备对应的试验报告版本确定后，根据每个试验报告来分析试验报告中的具体试验项目，通过智能分析可以得到试验项目的交集；

步骤3），试验项目中的试验参数确定：根据步骤2）中确定的试验项目，通过智能分析得到每个试验项目中试验参数的交集；

步骤4），试验项目中的试验参数合并配置：根据步骤3）中确定的试验参数，对这些试验参数进行合并配置，进行合并配置的参数进行相互对比和聚类分析；

步骤5），合并的试验参数进行分析：根据步骤4）中确定的合并配置参数，从合格的试验报告和合格的试验报告与不合格的试验报告二个维度出发，通过回归分析，聚类，关联分析的智能算法，对这些配置参数进行相互对比和聚类分析，并可视化展示这些相互对比的数据；

步骤6），试验计划与试验报告的全局性分析和展示：全局性地分析试验计划与试验报告的问题，按地市、按单位、按设备、按试验类型研究试验数据共性规律，并对这些共性规律进行可视化展示；

步骤7），在线监测数据分析和展示：以设备为单位，展示列表或趋势图的形式展示在线监测数据。

7.根据权利要求1所述的一种基于数据挖掘的试验数据智能分析方法，其特征在于：回归分析算法采用线性回归算法、多项式回归算法、逐步回归算法、岭回归算法、套索回归算法、弹性网络回归算法、贝叶斯回归算法、稳健回归算法、随机森林回归或SVR支持向量回归算法。