[发明专利]基于RBM的电力信息系统日志信息综合特征提取方法和装置

摘要

本发明公开了一种基于RBM的电力信息系统日志信息综合特征提取方法和装置，所述方法包括：获取当前系统中各个设备的日志信息；对于每类日志r，构建初始化受限波尔兹曼机神经网络RBMr并进行训练，输入数据为日志r的数据，根据对比散度快速学习方法优化网络权值，得到稳定的RBMr；构建用于提取综合特征的受限玻尔兹曼机神经网络RBMcom，初始化RBMcom，将RBMr隐藏层输出的数据进行拼接组成数据序列，对RBMcom进行训练，得到稳定的RBMcom；基于训练好的受限玻尔兹曼机神经网络集合，将各类日志数据输入，获得维度为C的综合特征数据。本发明可以解决日志数据异构性带来的问题，实现降维并得到融合后的综合特征，有效的提高电力信息系统安全态势预测的速度和预测精度。

主权项

一种基于RBM的电力信息系统日志信息综合特征提取方法，其特征在于，包括以下步骤：步骤1：电力信息系统数据采集，采集电力信息系统中各个设备的包含历史数据和实时数据的日志信息；步骤2：对于每类日志信息r，构建初始化受限波尔兹曼机神经网络RBMr，其中r为1与t之间的正整数，t为日志信息的类数；所述初始化受限波尔兹曼机神经网络，可见层节点数与输入日志信息的维度相对应，隐藏层节点数为N个，随机产生[0,1]之间的随机数作为神经网络可见层节点和隐藏层节点之间的连接权值；步骤3：对于每类日志信息r，训练相应的受限玻尔兹曼机神经网络RBMr，并根据对比散度快速学习方法优化网络权值，得到稳定的网络RBMr；步骤4：构建用于提取综合特征的受限玻尔兹曼机神经网络并进行初始化，RBMcom为两层网络，可见层节点数为t*N，隐藏层节点数为C，随机产生[0,1]之间的随机数作为神经网络的连接权值；步骤5：对所有受限玻尔兹曼机神经网络RBMr隐藏层输出的数据进行拼接组成数据序列，将所述数据序列作为训练输入数据对受限玻尔兹曼机神经网络RBMcom进行训练，并根据对比散度快速学习方法优化网络权值，得到稳定的RBMcom；步骤6：基于训练好的受限玻尔兹曼机神经网络集合{RBM1,RBM2,…,RBMr…,RBMt,RBMcom}，构建多源日志综合特征提取系统；步骤7：将从电力信息系统采集的各类日志数据输入相应的受限玻尔兹曼机神经网络，获得维度为C的综合特征数据。