[发明专利]预测影响物理系统的事件

说明书

本发明显著地涉及一种用于预测物理系统的事件的新发生的计算机实现的方法。该方法包括：提供物理系统的过去事件的第一集合，每个过去事件包括若干属性，针对第一集合中的每个过去事件提供签名，提供包括若干属性的新事件，计算新事件的签名，在新事件的签名与第一集合中的每个过去事件的每个签名之间计算相似性测量，根据相似性测量来确定最接近新事件的过去事件从而形成过去事件的第二集合，针对第二集合的每个属性计算相关性得分，通过选择具有更高相关性得分的属性来提供属性集合。

技术领域

本发明涉及计算机程序和系统领域，并且更具体地涉及用于预测物理系统的事件的新发生的方法、系统和程序。

背景技术

预测用于工程中的决策制定。预测用于识别事件的可能原因和结果，并且响应于事件而计划高效行动。例如，在正在进行的卫星发射中，需要预测事故以避免新发生事故。应用领域包括例如帮助支持几乎所有行业领域(汽车、航空航天、工业设备等)中的产品和资产的维护。它也适用于设计和制造中的质量的经验回报，例如：计算机辅助设计(CAD)系统可以为设备的设计提供建议，从而最小化所设计的设备的故障风险。

“变量重要度”的问题涉及找到其知识对于确定特定目标变量的值很重要的变量，例如，找到对于确定事件的成本或事件发生概率(成本和概率是目标变量)最重要的变量。例如，切割机的使用持续时间、其上已被用于切割的材料的平均强度以及平均室温可能在确定机器损坏概率的最重要因素之中。基本上，可以争辩，最佳表征观测的变量是最佳确定观测发生概率(其是变量)的变量，因此变量重要度问题比表征观测的问题更为普遍。然而，以这种方式使用变量重要度来表征观测存在两个问题。首先，要求每个观测发生的概率是已知的。其次，变量重要度返回一般性地与观测的发生概率最佳相关的变量，而不是特别地与观测的发生概率最佳相关的变量，即，它返回表征整个观测集合的变量集合，而不是表征关于其他的观测的变量集合。

因此，识别最佳表征物理系统(例如，工厂)的特定事件的变量(例如，最佳解释物理系统事件的正常运行与物理系统的给定故障之间的差异的变量)很重要。这些变量的值可能在事件的原因之中(如果数据预先存在事件)或在其结果之中(如果数据是在事件发生后产生的)。

在此上下文中，仍然需要对物理系统的事件的新发生的改进预测。

发明内容

因此，提供了一种用于预测物理系统的事件的新发生的计算机实现的方法。该方法包括：提供物理系统的过去事件的第一集合，每个过去事件包括若干属性，针对第一集合中的每个过去事件提供签名，提供包括若干属性的新事件，计算新事件的签名，在新事件的签名与第一集合中的每个过去事件的每个签名之间计算相似性测量，根据相似性测量来确定最接近新事件的过去事件从而形成过去事件的第二集合，针对第二集合的每个属性计算相关性得分，通过选择具有更高相关性得分的属性来提供属性集合。

该方法可以包括以下操作中的一个或多个：

-相关性得分针对其被计算的第二集合的属性存在于第一集合和第二集合两者中；

-属性的相关性得分是通过将属性的值在第二集合上的分布概率与属性的值在第一集合上的分布概率进行比较来计算的；

-针对第一集合中的每个过去事件并且针对新事件提供签名包括针对第一集合中的每个过去事件并且针对新事件提供数字矢量；

-提供签名包括：-利用过去事件的第三集合来训练机器学习模型，-对第一集合中的每个过去事件并且对新事件应用机器学习模型；

-所训练的模型是上下文敏感的自动编码器；

-用于确定最接近新事件的过去事件的相似性度量是以下中的一个：-余弦相似度，-欧几里德距离，-逆欧几里德距离；

-属性包括至少一个结构化属性；

-属性还包括至少一个非结构化属性；