[发明专利]一种时间序列数据流中的关联规则的挖掘方法

权利要求书

1.一种基于关联规则挖掘的锅炉控制方法，其特征在于，所述方法包括以下步骤：

采集锅炉状态数据；

对数据进行预处理，将数据进行分段线性化逼近，转化为二维空间中的向量，再将其拟合时间序列，对每段时间序列进行聚类，再将时间序列流转变为事务流；

建立全局滑动窗口频繁项集树SWFI-tree和局部SWFI-tree，将局部SWFI-tree的信息添加到全局SWFI-tree，修剪全局SWFI_tree；

根据FP-growth算法生成频繁项集；

利用预先设置的置信度，由频繁项集生成关联规则；

利用所述关联规则预测指定时间过后锅炉的各参数的变化状态与趋势；

根据预测结果提前修改参数，控制锅炉运行。

2.根据权利要求1所述的方法，其特征在于，所述将时间序列流转变为事务流的步骤进一步包括：将多元时间序列流上每个元的拐点进行X轴投影，然后在投影点对所有的时间序列流进行切割，将每个切割段内的数据作为一个事务。

3.根据权利要求1或2所述的方法，其特征在于，所述在将时间序列流转变为事务流步骤之前，将每段时间序列用一个符号代替，在不同流上的近似的时间序列用同一个符号进行代替，并将所在流的序号作为其前缀。

4.根据权利要求1所述的方法，其特征在于，所述SWFI-tree的节点包括若干数据域：item_name,count,segnum,nodelink,parentnode和childnodes，其中

item_name表示节点的名称；

count表示从根节点算起到目前节点的路径上所有的元素的支持度计数；

segnum表示时间序列流的序列号；

nodelink表示指向与此节点有相同item_name值的节点的指针；

parentnode表示指向本节点父节点的指针；

childnodes表示指向子节点的指针集合。

5.根据权利要求1所述的方法，其特征在于，在所述将局部SWFI-tree的信息添加到全局SWFI-tree步骤之后，删除局部SWFI-tree。

6.根据权利要求1所述的方法，其特征在于，所述修剪全局SWFI_tree步骤进一步包括：删除过时模式。

7.根据权利要求6所述的方法，其特征在于，所述修剪全局SWFI_tree步骤进一步包括：更新全局SWFI-tree的项目头表的计数，以及链接指针，同时相应的更新SWFI-tree。

8.根据权利要求1所述的方法，其特征在于，所述修剪全局SWFI_tree步骤进一步包括：删除非频繁模式。

9.根据权利要求8所述的方法，其特征在于，所述修剪全局SWFI_tree步骤进一步包括：更新项目头表的相关信息。

10.一种基于关联规则挖掘的锅炉控制装置，其特征在于，所述装置包括以下步骤：

采集模块，用于采集锅炉状态数据；

预处理模块，用于对数据进行预处理，将数据进行分段线性化逼近，转化为二维空间中的向量，再将其拟合时间序列，对每段时间序列进行聚类，再将时间序列流转变为事务流；

SWFI-tree建立模块，用于建立全局滑动窗口频繁项集树SWFI-tree和局部SWFI-tree，将局部SWFI-tree的信息添加到全局SWFI-tree，修剪全局SWFI_tree；

频繁项集生成模块，用于根据FP-growth算法生成频繁项集；

关联规则生成模块，用于利用预先设置的置信度，由频繁项集生成关联规则；

预测模块，用于利用所述关联规则预测指定时间过后锅炉的各参数的变化状态与趋势；

参数修改模块，用于根据预测结果提前修改参数，控制锅炉运行。