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，也是一個廣泛應用的問題，在制造領域時間序列分類問題具有廣泛的應用場景。在制造業(yè)領域，對時間序列進行分類研究，借助于時間序列的分類結果可以實現(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)多源異構問題:在

3、制造領域存在著各式各樣的制造設備，這些設備產(chǎn)生形形色色的異構數(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:在制造領域，在生產(chǎn)流水線上存在著大量的制造設備，這些設備以較高的頻率產(chǎn)生觀測數(shù)據(jù)，這必然會導致大規(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:制造領域內的設備采集頻率高，導致了時間序列維度高，高維的時間序列又導致了分類訓練時間長，如何針對高維時間序列

4、快速構建分類器成為制造領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，即使通過復雜的特征選擇技術，維度的潛在特征依舊非常高，時間序列本質的特征難以捕獲，而在制造領域為了通過時間序列分類結果指導企業(yè)的生產(chǎn)與管理決策，必須對時間序列分類結果給出直觀的可解釋性的分類結果。
　　本文對時間序列分類問題進行了深入研究，針對智能制造領域內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設備數(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)針對制造領域中設備數(shù)據(jù)多源異構的問題，我們提出了一種面向智能制造一體化平臺的設備數(shù)據(jù)提取模型。該模型中包含了設備模版以及四個數(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）。該模型通過預定義的

6、設各模版，將四種數(shù)據(jù)處理策略分別應用于數(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。我們將該設備數(shù)據(jù)模型集成到我們所構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停覀儚亩鄠€企業(yè)的若干數(shù)據(jù)源提取各種形式的設備數(shù)據(jù)，并將多源異構的設備數(shù)據(jù)統(tǒng)一的以時間序列的形式保存到IBDP中。基于提取的時間序列，我們進而分析了該平臺上設備數(shù)據(jù)處理流程并給出了一個溫度感知設備數(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