【技術實現步驟摘要】
本公開涉及機器學習，尤其涉及一種缺失數據修復及其模型的構建方法、系統、設備。
技術介紹
1、現有的火電廠、水電廠和核電廠等工廠，大多依賴傳感器采集時序數據，通過對時序數據進行監測和分析，實現對工廠的運行狀態監測和運行事故分析。
2、以核電廠為例，核電廠事故應急準備與響應是核電安全縱深防御的最后一道屏障。為保障核應急決策的科學性，將核事故對公眾和環境的危害降至最低，需要對事故起因進行科學地診斷，并對事故發展進程以及緩解措施的影響進行預測、分析和評價，進而制定可行的事故干預方案。目前我國核動力裝置還大都在采用傳統的閾值監測方法，不僅缺乏有效地信息分級機制，而且難以提供事故發生的根本原因。
3、此外，由于核電廠傳感器運行環境惡劣，需要長期在高溫高輻照條件下工作，發生失水事故、主蒸汽管道破裂事故等情況下，傳感器傳遞的信號可能發生失真或缺失。因此有必要開發一種針對傳感器的時序數據進行數據修復方法，能夠根據歷史數據對傳感器的缺失的監測信號進行修正和補充，以更加全面、客觀地反應核電廠的運行狀態。在發生核事故這樣的極端情況下，也可以刻畫出事故狀態。
4、目前的數據修復方法主要有均值插值、中值插值、線性時序插值、矩陣分解、基于機器學的knn（k-nearest?neighbor?,k最鄰近）、em（expectation-maximum，期望最大化）、rnn（recurrent?neural?network，循環神經網絡）)等修復方法；但是核電廠傳感器數據具有路徑依賴，不可逆性和不確定性等特點，時序數據的特征差
技術實現思路
1、本公開要解決的技術問題是為了克服現有技術中無法全面的、精準的、有效的對時序數據進行數據修復的缺陷，提供一種缺失數據修復及其模型的構建方法、系統、設備。
2、本公開是通過下述技術方案來解決上述技術問題：
3、第一方面，提供一種缺失數據修復模型的構建方法，所述缺失數據修復模型包括生成器和判別器；所述構建方法包括：
4、獲取預設時段內的原始時序數據集作為初始時序數據集；
5、對所述初始時序數據集進行數據刪除操作，得到樣本缺失數據集；
6、對所述樣本缺失數據集進行預處理操作，得到樣本待修復數據集，對所述初始時序數據集進行所述預處理操作，得到樣本真實數據集；
7、將所述樣本待修復數據集輸入至所述生成器中，以輸出所述樣本待修復數據集對應的樣本修復數據集；
8、將所述樣本待修復數據集和所述樣本真實數據集輸入至所述判別器中，以輸出判別結果；
9、將所述判別結果反饋至所述生成器，對所述生成器和所述判別器進行相互對抗訓練，以構建得到所述缺失數據修復模型；
10、其中，所述判別結果用于表征所述樣本修復數據集與所述樣本真實數據集的接近程度，所述缺失數據修復模型用于修復輸入的實際缺失數據集對應的實際修復數據集。
11、較佳地，所述預處理操作包括灰度變換算法操作；
12、所述樣本真實數據集和所述樣本缺失數據集均為圖像數據集。
13、較佳地，所述生成器包括依次相連的第一卷積層、第一池化層、第一全連接層、第一循環層和第二全連接層；
14、所述第一卷積層用于提取所述樣本待修復數據集的空間特征，得到第一空間特征數據；
15、所述第一池化層用于對所述第一空間特征數據進行降采樣操作，得到第二空間特征數據；
16、所述第一全連接層用于對所述第二空間特征數據進行特征融合操作，得到第一融合數據；
17、所述第一循環層用于提取所述樣本待修復數據集的時序特征，得到第一時間特征數據；
18、所述第二全連接層用于基于所述第一融合數據和所述第一時間特征數據映射得到所述樣本修復數據。
19、較佳地，所述判別器包括依次相連的第二卷積層、第二池化層、第三全連接層、第二循環層和第四全連接層；
20、所述第二卷積層用于提取所述樣本修復數據集的空間特征，得到第三空間特征數據，以及用于提取所述樣本真實數據集的空間特征，得到第四空間特征數據；
21、所述第二池化層用于對所述第三空間數據進行降采樣操作，得到第五空間特征數據，以及用于對所述第四空間特征數據進行降采樣操作，得到第六空間特征數據；
22、所述第三全連接層用于對所述第五空間特征數據進行特征融合操作，得到第二融合數據，以及用于對所述第六空間特征數據進行特征融合操作，得到第三融合數據；
23、所述第二循環層用于提取所述樣本修復數據集的時序特征，得到第二時間特征數據，以及用于提取所述樣本真實數據集的時序特征，得到第三時間特征數據；
24、所述第四全連接層用于基于所述第二融合數據、第三融合數據、第二時間特征數據和第三時間特征數據，判斷所述樣本修復數據集與所述樣本真實數據集的接近程度。
25、較佳地，所述初始時序數據集包括堆芯出口溫度、冷管段溫度、熱管段溫度中的至少一種；
26、所述初始時序數據集包括實際采集的核電廠的歷史運行數據；
27、和/或，所述初始時序數據集包括基于仿真軟件生成的核電廠的仿真運行數據。
28、第二方面，提供一種缺失數據修復方法，所述缺失數據修復方法基于上述所述的缺失數據修復模型的構建方法構建得到的缺失數據修復模型實現；
29、所述缺失數據修復方法包括：
30、獲取實際時序數據集；
31、對所述實際時序數據集進行預處理操作，得到實際缺失數據集；
32、將所述實際缺失數據集輸入至所述缺失數據修復模型的生成器中，以生成所述實際缺失數據集對應的實際修復數據集。
33、第三方面，提供一種缺失數據修復模型的構建系統，所述缺失數據修復模型包括生成器和判別器；所述構建系統包括：
34、初始數據獲取模塊，用于獲取預設時段內的原始時序數據集作為初始時序數據集；
35、樣本缺失數據獲取模塊，用于對所述初始時序數據集進行數據刪除操作，得到樣本缺失數據集；
36、樣本預處理模塊，用于對所述樣本缺失數據集進行預處理操作，得到樣本待修復數據集，對所述初始時序數據集進行所述預處理操作，得到樣本真實數據集；
37、生成器模塊，用于將所述樣本待修復數據集輸入至所述生成器中，以輸出所述樣本待修復數據集對應的樣本修復數據集；
38、判別器模塊，用于將所述樣本修復數據集和所述樣本真實數據集輸入至所述判別器中，以輸出判別結果；
39、對抗訓練模塊，用于將所述判別結果反饋至所述生成器，對所述生成器和所述判別器進行相互對抗訓練，以構建得到所述缺失數據修復模型；
40、其中，所述判別結果用于表征所述樣本修復本文檔來自技高網...
【技術保護點】
1.一種缺失數據修復模型的構建方法，其特征在于，所述缺失數據修復模型包括生成器和判別器；所述構建方法包括：
2.根據權利要求1所述的構建方法，其特征在于，所述預處理操作包括灰度變換算法操作；
3.根據權利要求2所述的構建方法，其特征在于，所述生成器包括依次相連的第一卷積層、第一池化層、第一全連接層、第一循環層和第二全連接層；
4.根據權利要求3所述的構建方法，其特征在于，所述判別器包括依次相連的第二卷積層、第二池化層、第三全連接層、第二循環層和第四全連接層；
5.根據權利要求1-4中任一項所述的構建方法，其特征在于，所述初始時序數據集包括堆芯出口溫度、冷管段溫度、熱管段溫度中的至少一種；
6.一種缺失數據修復方法，其特征在于，所述缺失數據修復方法基于如權利要求1-5中任一項所述的缺失數據修復模型的構建方法構建得到的缺失數據修復模型實現；
7.一種缺失數據修復模型的構建系統，其特征在于，所述缺失數據修復模型包括生成器和判別器；所述構建系統包括：
8.一種缺失數據修復系統，其特征在于，所述缺失數據修復
9.一種電子設備，包括存儲器、處理器及存儲在存儲器上并用于在處理器上行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至5中任一項所述的缺失數據修復模型的構建方法，或實現權利要求6所述的缺失數據修復方法。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至5中任一項所述的缺失數據修復模型的構建方法，或實現權利要求6所述的缺失數據修復方法。
...【技術特征摘要】
1.一種缺失數據修復模型的構建方法，其特征在于，所述缺失數據修復模型包括生成器和判別器；所述構建方法包括：
2.根據權利要求1所述的構建方法，其特征在于，所述預處理操作包括灰度變換算法操作；
3.根據權利要求2所述的構建方法，其特征在于，所述生成器包括依次相連的第一卷積層、第一池化層、第一全連接層、第一循環層和第二全連接層；
4.根據權利要求3所述的構建方法，其特征在于，所述判別器包括依次相連的第二卷積層、第二池化層、第三全連接層、第二循環層和第四全連接層；
5.根據權利要求1-4中任一項所述的構建方法，其特征在于，所述初始時序數據集包括堆芯出口溫度、冷管段溫度、熱管段溫度中的至少一種；
6.一種缺失數據修復方法，其特征在于，所述缺失數據修復方法基于如權利要求1-5中任一項所述的缺失數據修復模...
【專利技術屬性】
技術研發人員：林樺，楊士華，李思維，蔡建飛，王云偉，杜昌飛，王凡，李勁松，韓秋業，郭元堂，袁言言，黃寶鑫，
申請(專利權)人：國核自儀系統工程有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。