[发明专利]道岔转辙机电流数据的概念漂移检测方法及装置

说明书

本发明实施例提供一种道岔转辙机电流数据的概念漂移检测方法及装置，所述方法包括：确定当前时刻的道岔转辙机电流数据的过去代表模式，以及当前代表模式；根据过去代表模式以及当前代表模式，获取变化点分数序列；根据变化点分数序列确定当前时刻的道岔转辙机电流数据是否发生概念漂移。所述装置用于执行上述方法。本发明提供的道岔转辙机电流数据的概念漂移检测方法及装置，通过将当前时刻的道岔转辙机电流数据转换为一种变化点分数序列，确保对数据概念漂移检测实时性的同时，避免了因统计特征选取的不同出现概念漂移检测有误的情况，提高概念漂移检测的准确性。

技术领域

本发明涉及轨道交通技术领域，尤其涉及一种道岔转辙机电流数据的概念漂移检测方法及装置。

背景技术

概念漂移，是指在进行预测分析时，有关目标变量的统计分析特性随着时间的推移发生了不可预见的变化，使得依靠历史数据训练好的机器学习模型不再适用于当前获得的数据，如果继续利用先前训练好的机器学习模型进行预测，模型预测的准确率必然会出现下降的现象。概念漂移的本质是数据的分布随着时间的推移发生了变化，为防止部署到线上的机器学习模型出现这种情况，有必要对当前获取的数据进行实时的分析，一旦检测到概念漂移，需要对模型进行重训练，使得模型能够适应新数据的变化。

目前，常用的概念漂移检测方法主要有基于模型的方法和基于数据的方法。基于模型的方法是指对模型预测的准确率进行监控，如果一段时间内，模型的准确率持续下降并下降到某一值时，则判断数据的分布发生了变换，需要更新模型，但该方法往往不能及时的检测到概念漂移现象的发生；基于数据的方法与基于模型的方法不同，该方法从数据的角度出发，常采用窗口化的机制，如建立两个大小相同/不同的窗口，通过分析两个窗口内的数据统计分布差异判断数据的分布是否发生变化，与基于模型的方法相比，该方法可以及时的检测到概念漂移，但该方法判断的依据受限于选取的数据统计分布特征值，针对不同的数据需要根据领域知识选择不同的统计分布特征值，其次，对于窗口大小的选取还需要根据经验做出选择，概念漂移检测的准确性不足。

目前尚难有一种有效方法，确保对数据概念漂移检测实时性的同时，提高概念漂移检测的准确性。

发明内容

本发明实施例提供的一种道岔转辙机电流数据的概念漂移检测方法及装置，用于克服现有技术中存在对数据概念漂移检测时无法兼顾实时性与准确性的缺陷，能够确保对数据概念漂移检测实时性的同时，提高概念漂移检测的准确性。

第一方面，本发明实施例提供的道岔转辙机电流数据的概念漂移检测方法，包括：

确定当前时刻的道岔转辙机电流数据的过去代表模式，以及当前代表模式；

根据所述过去代表模式以及所述当前代表模式，获取变化点分数序列；

根据所述变化点分数序列确定所述当前时刻的道岔转辙机电流数据是否发生概念漂移。

进一步地，所述确定当前时刻的道岔转辙机电流数据的过去代表模式，包括：

根据所述当前时刻之前的第一预设时间段内的道岔转辙机电流数据，确定所述第一预设时间段内的道岔转辙机电流数据的列向量；

根据所述第一预设时间段内的道岔转辙机电流数据的列向量，构建汉克尔矩阵，并确定所述汉克尔矩阵的奇异值以及特征向量；

根据所述奇异值以及所述特征向量，确定所述过去代表模式。

进一步地，所述确定当前时刻的道岔转辙机电流数据的当前代表模式，包括：

根据所述当前时刻之前的第二预设时间段内的道岔转辙机电流数据，确定所述第二预设时间段内的道岔转辙机电流数据的列向量；

根据所述第二预设时间段内的道岔转辙机电流数据的列向量，构建汉克尔矩阵，并确定所述汉克尔矩阵的奇异值以及特征向量；