基于Shapelet的時間序列分類方法研究.pdf

1、時間序列(Time Series)是按時間順序排列的一組觀測值的集合，通常時間序列是作為一個整體來進行處理發(fā)現(xiàn)其整體規(guī)律，這種規(guī)律是單個值不能體現(xiàn)的。另外，由于時間序列的數(shù)據(jù)量大、維度高、更新快以及高噪聲等特點，引起來大量研究者的關(guān)注。目前時間序列分析在機器學習、數(shù)據(jù)挖掘以及數(shù)據(jù)倉庫等領(lǐng)域中日益重要，時間序列分析被評為21世紀數(shù)據(jù)挖掘領(lǐng)域10大最具挑戰(zhàn)性的研究問題之一。
　　時間序列分類就是把一個未知的時間序列劃分到某些預(yù)定義的或

2、者已知的類別中，可以視時間序列分類為有指導(dǎo)的學習。時間序列的分類是時間序列研究里面的一個熱點問題，也是一個廣泛應(yīng)用的問題，在制造領(lǐng)域時間序列分類問題具有廣泛的應(yīng)用場景。在制造業(yè)領(lǐng)域，對時間序列進行分類研究，借助于時間序列的分類結(jié)果可以實現(xiàn)機器異常檢測、系統(tǒng)入侵檢測、工藝流程控制，借助于時間序列的分類分析，促進智能制造的發(fā)展。
　　目前時間序列分類問題，尤其是制造領(lǐng)域的時間序列分類，主要面臨以下問題和挑戰(zhàn):(1)數(shù)據(jù)多源異構(gòu)問題:在

3、制造領(lǐng)域存在著各式各樣的制造設(shè)備，這些設(shè)備產(chǎn)生形形色色的異構(gòu)數(shù)據(jù)，如何將這些數(shù)據(jù)自動提取成規(guī)整的時間序列成為了巨大挑戰(zhàn)。(2)數(shù)據(jù)規(guī)模問題:在制造領(lǐng)域，在生產(chǎn)流水線上存在著大量的制造設(shè)備，這些設(shè)備以較高的頻率產(chǎn)生觀測數(shù)據(jù)，這必然會導(dǎo)致大規(guī)模數(shù)據(jù)的產(chǎn)生，如何在大數(shù)據(jù)環(huán)境下對數(shù)據(jù)進行存儲與分析成為了另外的一個挑戰(zhàn)。(3)快速分類問題:制造領(lǐng)域內(nèi)的設(shè)備采集頻率高，導(dǎo)致了時間序列維度高，高維的時間序列又導(dǎo)致了分類訓練時間長，如何針對高維時間序列

4、快速構(gòu)建分類器成為制造領(lǐng)域時間分類問題的很大挑戰(zhàn)。(4)時間序列分類的可解釋性問題:時間序列通常不具有直接的特征，即使通過復(fù)雜的特征選擇技術(shù)，維度的潛在特征依舊非常高，時間序列本質(zhì)的特征難以捕獲，而在制造領(lǐng)域為了通過時間序列分類結(jié)果指導(dǎo)企業(yè)的生產(chǎn)與管理決策，必須對時間序列分類結(jié)果給出直觀的可解釋性的分類結(jié)果。
　　本文對時間序列分類問題進行了深入研究，針對智能制造領(lǐng)域內(nèi)時間序列分類過程中各個流程（包括時間序列提取、時間序列表示、時

5、間序列分類）中存在問題與挑戰(zhàn)，從面向智能制造一體化平臺的多源異構(gòu)設(shè)備數(shù)據(jù)提取模型、時間序列表示方法以及具有快速的、可解釋性的基于shapelet的分類算法三個方向展開了一系列的研究。本文的主要工作和貢獻包括:
　　(1)針對制造領(lǐng)域中設(shè)備數(shù)據(jù)多源異構(gòu)的問題，我們提出了一種面向智能制造一體化平臺的設(shè)備數(shù)據(jù)提取模型。該模型中包含了設(shè)備模版以及四個數(shù)據(jù)處理策略（數(shù)據(jù)同步策略、數(shù)據(jù)切片策略、數(shù)據(jù)拆分策略、數(shù)據(jù)索引策略）。該模型通過預(yù)定義的

6、設(shè)各模版，將四種數(shù)據(jù)處理策略分別應(yīng)用于數(shù)據(jù)同步、數(shù)據(jù)切片、數(shù)據(jù)拆分和數(shù)據(jù)索引過程。我們將該設(shè)備數(shù)據(jù)模型集成到我們所構(gòu)建的智能制造一體化大數(shù)據(jù)平臺（An Industrial Big Data Platform,IBDP）中?；诖四Ｐ?，我們從多個企業(yè)的若干數(shù)據(jù)源提取各種形式的設(shè)備數(shù)據(jù)，并將多源異構(gòu)的設(shè)備數(shù)據(jù)統(tǒng)一的以時間序列的形式保存到IBDP中?；谔崛〉臅r間序列，我們進而分析了該平臺上設(shè)備數(shù)據(jù)處理流程并給出了一個溫度感知設(shè)備數(shù)據(jù)分析案

7、例。該案例充分展示了，通過對時間序列進行分析發(fā)現(xiàn)其蘊含的價值，進而指導(dǎo)企業(yè)生產(chǎn)。
　　(2)針對時間序列具有數(shù)據(jù)量大、維度高以及更新快等特點，導(dǎo)致在原始數(shù)據(jù)難以分析的問題，我們提出了一種基于重要點的時序數(shù)據(jù)分段線性表示方法(a Piecewise Linear Representation method based on Important Data Points,PLR-IDP)。該方法通過計算單點和分段擬合誤差查找重要點，然后

8、通過連接重要點分段擬合時間序列。PLR-IDP在對時間序列擬合的時候綜合考慮了單點擬合誤差、片段擬合誤差和全局擬合誤差。理論分析和實驗結(jié)果顯示該算法在降低時間序列的維度的同時能夠很好的反映時序數(shù)據(jù)的關(guān)鍵特征，整體誤差小。
　　(3)針對目前基于shapelet發(fā)現(xiàn)算法運行速度較慢的問題，提出了一種基于重要點的快速shapelet發(fā)現(xiàn)算法和一種快速shapelet選擇算法。Shapelet是時間序列中的一個較短的子序列，它能夠很好區(qū)

9、別出不同的類。在該算法中，通過重要點對時間序列子序列進行過濾，降低了shapelet候選的數(shù)量，進而加快了shapelet發(fā)現(xiàn)的速度。
　　(4)針對shapelet變換算法訓練時間過長的問題，提出了一種快速shapelet選擇算法，來加速shape let變換分類過程。該算法對(3)中所提出的基于重要點的加速算法進行了繼承并擴展。該算法中使用了兩種加速策略:采樣時間序列和過濾shapelet候選。通過這兩種加速策略，我們的算法可