买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：天津农学院

摘要：本发明涉及大数据分析技术领域，属于压缩天然气加气分析技术，尤其是一种基于非监督机器学习的CNG加气子站异常加气行为识别方法，包括如下步骤：步骤1：数据预处理，将原始CNG加气子站加气日志导入分析系统；步骤2：描述加气行为的特征变量选择与构造；步骤3：加气行为特征变量间关系的可视化；步骤4：异常加气行为的识别；步骤5：异常加气行为的原因挖掘；步骤6：减少异常加气行为的方案。

主权项：1.基于非监督机器学习的CNG加气子站异常加气行为识别方法，其特征在于：包括如下步骤：步骤1：数据预处理，将原始CNG加气子站加气日志导入分析系统；步骤2：描述加气行为的特征变量选择与构造；所述步骤2包括：2.1基于信息熵的定义，计算各特征变量的信息熵；2.2根据信息熵的值的大小，并结合特征变量间相关性分析和物理过程分析，选出特征变量；2.3结合实际需求，构造新的描述加气行为的特征变量；2.4特征变量的分类；步骤3：加气行为特征变量间关系的可视化；所述步骤3包括：3.1特征变量的散点图矩阵：基于所选择和构造的加气行为特征变量，通过散点图矩阵将这些变量的关系可视化；3.2特征变量评价：结合特征变量的散点图矩阵、加气行为的物理过程和提高加气效率的目的，选择最终的特征变量；步骤4：异常加气行为的识别；所述步骤4包括：4.1基于单变量的异常加气行为识别：基于单变量包括加气体积、加气前压强、加气后压强和加气时间间隔，利用迭代boxplot方法和核密度估计方法识别该单变量表述的加气行为是否为异常行为；4.2基于多变量的异常加气行为识别；4.2.1基于双变量的异常加气行为识别；基于多属性的异常行为挖掘方法主要借助支持向量机即SVM、椭圆包络线拟合即Fittinganellipticenvelope、孤立森林即IsolationForest和局部异常因子即LocalOutlierFactor，通过比较这四种非监督机器学习结果和基于单变量识别的结果，以及综合物理过程的分析等，获得四种方法中较好的识别方法；4.2.2基于三变量的异常加气行为识别；利用鲁棒协方差非监督异常行为方法对三变量描述的异常加气行为进行识别；步骤5：异常加气行为的原因挖掘；步骤6：减少异常加气行为的方案。

全文数据：

权利要求：

百度查询： 天津农学院 基于非监督机器学习的CNG加气子站异常加气行为识别方法