基于人工神經網絡的車輛性能數據清洗系統及其方法技術方案

一種基于人工神經網絡的車輛性能數據清洗系統及其方法，包括：數據輸入模塊、樣本訓練模塊、數據清洗模塊和數據預測模塊，其中：數據輸入模塊用于輸入車輛性能的原始數據，樣本訓練模塊調用原始數據并進行人工神經網絡的訓練，并向數據清洗模塊傳輸訓練好的原始數據的神經網絡信息；數據清洗模塊根據相對誤差對神經網絡信息進行異常數據清洗，并將清洗后的原始數據信息反饋至樣本訓練模塊；樣本訓練模塊基于人工神經網絡算法對清洗后的原始數據信息樣本進行學習訓練，并通過數據預測模塊對車輛性能進行預測；本發明專利技術能夠檢測出有規律的測量數據中的異常數據，并能在大數據量情況下快速檢測清洗。

【技術實現步驟摘要】

本專利技術涉及的是一種數據清洗領域的技術，具體是一種基于人工神經網絡的車輛性能數據清洗系統及其方法。
技術介紹
隨著車輛在當代生活中的不可或缺，對車輛的性能估計顯得尤為重要。車輛在許多時候起到了關鍵作用，如果性能達不到需要的標準，甚至是在急需用車輛時車輛發生故障，都會對生產生活的順利進行產生影響。如果要前往平時較少到達的地方，可能無法對車輛的性能進行準確的預測。而對車輛性能的預測可通過機器學習方法來實現。機器學習主要研究計算機如何模擬人類的學習行為，從大量的信息中獲取有用的知識。通過機器學習，如神經網絡算法、深度學習算法等可以對數據進行分析，找出一些潛在的規律，更好地利用和掌握已有的數據，預測出數據的走向。人工神經網絡是機器學習的一個重要分支，通過仿效人腦中的生物神經網絡來對信息進行處理。人工神經網絡由大量的神經元分層連接而成，整個網絡的學習則體現在了各神經元的連接強度上。人工神經網絡通常使用迭代的算法來訓練整個網絡，隨機設定權重，通過計算誤差進行反饋再來調整各層的權重，直至收斂。人工神經網絡包括BP神經網絡算法、GRNN神經網絡算法、RBF神經網絡算法、ELMAN神經網絡算法、灰色神經網絡算法、極限學習機等。BP神經網絡算法是一種反向傳播算法，由信息的正向傳遞和誤差的反向傳播組成，通過網絡將誤差信號沿原路傳回來修改各層神經元的權值直到達到預期目標；GRNN神經網絡算法即廣義回歸神經網絡，由徑向基神經元和線性神經元組成，常用于函數逼近，在處理實時環境中的稀疏數據十分有效；RBF神經網絡算法即徑向基神經網絡，是一種前饋神經網絡和局部逼近網絡，只有一個隱層，隱層的激活函數為徑向基函數，輸出層節點激活函數為線性函數，收斂速度快；ELMAN神經網絡算法是一種局部回歸函數，除了隱含層之外還有一層關聯層，從隱層來接收反饋信號，每個隱層節點都與一個對應的關聯層節點連接，隱層的傳遞函數為非線性函數，輸出層與關聯層的傳輸函數均為線性函數；灰色神經網絡算法為利用灰色理論來實現的對不確定行為特征進行預測的算法，可用于小樣本、貧信息的數據處理；極限學習機是一種單隱層前饋網絡學習算法，算法隨機產生各層閾值且在訓練中無需調整，只需設置隱層神經元的個數就能獲得唯一最優解。在數據的分析預測中，由于有些數據通過手動測量而存在一些異常數據，這些異常數據可能影響到最終預測的結果。因此，需要在進行預測之前對這些異常數據進行清洗，以使得異常數據導致的不良影響降至最低，并提高預測的準確度。經過對現有技術的檢索發現，中國專利文獻號CN103064974A，公布日2013.4.24，公開了一種基于時空分析的交通流數據清洗方法，包括臟數據存儲模塊、干凈數據存儲模塊和運算模塊，其中：所述臟數據存儲模塊，對實時接收到的交通流信息不加改變的按照固定格式進行存儲；所述運算模塊，按照固定時間間隔從臟數據存儲模塊中提取最新數據，同時從干凈數據庫中提取與之在時間和空間存在匹配關系的數據，進行運算；所述干凈數據存儲模塊，對運算模塊運算完畢后的數據按照固定格式進行存儲。但該技術運算復雜，且需另外采用算法根據干凈數據進行預測；并且對一些有規律可循的數據，無法實現根據不同的原始數據特性進行學習，發現數據之間的潛在規律，從而更精確地確定異常數據。
技術實現思路
本專利技術針對現有技術存在的上述不足，提出一種基于人工神經網絡的車輛性能數據清洗系統及其方法，通過對原始數據進行采樣訓練，采用訓練好的人工神經網絡的算法返回原始數據進行預測，并與原始數據中的預測輸出數據進行比較，通過兩者間的相對誤差以及平均相對誤差判斷異常數據進行清洗。本專利技術是通過以下技術方案實現的：本專利技術涉及一種基于人工神經網絡的車輛性能數據清洗系統，包括：數據輸入模塊、樣本訓練模塊、數據清洗模塊和數據預測模塊，其中：數據輸入模塊用于輸入車輛性能的原始數據，樣本訓練模塊調用原始數據并進行人工神經網絡的訓練，并向數據清洗模塊傳輸訓練好的原始數據的神經網絡信息；數據清洗模塊對神經網絡信息進行異常數據清洗，并將清洗后的原始數據信息反饋至樣本訓練模塊；樣本訓練模塊基于人工神經網絡算法對清洗后的原始數據信息樣本進行學習訓練，并通過數據預測模塊對車輛性能進行預測。所述的原始數據包括環境數據和性能數據。所述的人工神經網絡算法可采用BP神經網絡算法、GRNN神經網絡算法、RBF神經網絡算法、ELMAN神經網絡算法、灰色神經網絡算法或極限學習機。本專利技術涉及一種基于上述系統的數據清洗方法，通過人工神經網絡算法對測量得到的車輛性能的原始數據進行學習與訓練，用訓練好的算法對每條原始數據的預測輸入數據進行預測分析，并與原始數據的預測輸出數據比較得到相對誤差；計算平均相對誤差，根據每條原始數據的相對誤差與平均相對誤差之間的誤差值，并與預設的閾值進行比較，差值大于閾值時判定為異常數據并進行清洗。所述的預測輸入數據是指對預測結果有影響的條件數據。所述的預測輸出數據是指需要預測的數據。技術效果與現有技術相比，本專利技術采用基于人工神經網絡的方法對異常數據進行清洗，可較為準確地實現數據預測，并可適用于大規模數據情況下的快速數據清洗。附圖說明圖1為數據清洗系統示意圖；圖2為樣本訓練模塊工作示意圖；圖3為數據清洗模塊工作示意圖。具體實施方式下面對本專利技術的實施例作詳細說明，本實施例在以本專利技術技術方案為前提下進行實施，給出了詳細的實施方式和具體的操作過程，但本專利技術的保護范圍不限于下述的實施例。實施例1如圖1所示，本實施例涉及一種基于人工神經網絡的數據清洗系統，包括：數據輸入模塊、樣本訓練模塊、數據清洗模塊和數據預測模塊，其中：數據輸入模塊用于輸入車輛性能的原始數據，樣本訓練模塊調用原始數據并進行人工神經網絡的訓練，并向數據清洗模塊傳輸訓練好的原始數據的神經網絡信息；數據清洗模塊對神經網絡信息進行異常數據清洗，并將清洗后的原始數據信息反饋至樣本訓練模塊；樣本訓練模塊基于人工神經網絡算法對清洗后的原始數據信息樣本進行學習訓練，并通過數據預測模塊對車輛性能進行預測。所述的原始數據包括環境數據和性能數據。所述的人工神經網絡算法采用BP神經網絡算法。如圖2和圖3所示，本實施例涉及基于上述系統的數據清洗方法，具體包括以下步驟：步驟1、輸入測量得到的車輛性能的原始數據，選擇BP神經網絡算法的參數信息，隨機生成權值矩陣。所述的原始數據包括預測輸入數據和的預測輸出數據。所述的預測輸入數據是指對預測結果有影響的條件數據。所述的預測輸出數據是指需要預測的數據。所述的預測輸入數據包括：海拔、氣溫、氣壓、風速和濕度。所述的預測輸入數據的存儲格式如表1所示。表1預測輸入數據存儲格式所述的預測輸入數據實例如表2所示。表2預測輸入數據實例海拔氣溫氣壓風速濕度476855265454340955223041359591.343541358586332所述的預測輸出數據包括：加速時間、制動距離、啟動時間、點火次數、水溫、最高車速和電瓶電流。所述的預測輸出數據的存儲格式如表3所示。表3預測輸出數據存儲格式字段名稱數據類型說明加速時間Float車輛性能因素中的加速時間，單位為s制動距離Float車輛性能因素中的制動距離，單位為m啟動時間Float車輛性能因素中的啟動時間，單位為s點火次數Float本文檔來自技高網...

【技術保護點】
一種基于人工神經網絡的車輛性能數據清洗系統，其特征在于，包括：數據輸入模塊、樣本訓練模塊、數據清洗模塊和數據預測模塊，其中：數據輸入模塊用于輸入車輛性能的原始數據，樣本訓練模塊調用原始數據并進行人工神經網絡的訓練，并向數據清洗模塊傳輸訓練好的原始數據的神經網絡信息；數據清洗模塊對神經網絡信息進行異常數據清洗，并將清洗后的原始數據信息反饋至樣本訓練模塊；樣本訓練模塊基于人工神經網絡算法對清洗后的原始數據信息樣本進行學習訓練，并通過數據預測模塊對車輛性能進行預測。

【技術特征摘要】
1.一種基于人工神經網絡的車輛性能數據清洗系統，其特征在于，包括：數據輸入模塊、樣本訓練模塊、數據清洗模塊和數據預測模塊，其中：數據輸入模塊用于輸入車輛性能的原始數據，樣本訓練模塊調用原始數據并進行人工神經網絡的訓練，并向數據清洗模塊傳輸訓練好的原始數據的神經網絡信息；數據清洗模塊對神經網絡信息進行異常數據清洗，并將清洗后的原始數據信息反饋至樣本訓練模塊；樣本訓練模塊基于人工神經網絡算法對清洗后的原始數據信息樣本進行學習訓練，并通過數據預測模塊對車輛性能進行預測。2.根據權利要求1所述的車輛性能數據清洗系統，其特征是，所述的人工神經網絡算法采用BP神經網絡算法、GRNN神經網絡算法、RBF神經網絡算法、ELMAN神經網絡算法、灰色神經網絡算法或極限學習機。3.根據權利要求1所述的車輛性能數據清洗系統，其特征是，所述的原始數據包括預測輸入數據和的預測輸出數據，其中：預測輸入數據是指對預測結果有影響的條件數據；預測輸出數據是指需要預測的數據。4.根據權利要求2所述的車輛性能數據清洗系統，其特征是，所述的BP神經網絡算法的參數信息包括：隱層數、各層傳遞函數、終止訓練的誤差值和最大訓練步長。5.根據權利要求4所述的車輛性能數據清洗系統，其特征...

【專利技術屬性】
技術研發人員：易平，孟以爽，王英博，王維科，李正發，孫海豐，
申請(專利權)人：上海交通大學，
類型：發明
國別省市：上海;31