[发明专利]用于大规模分布式系统的高维时间序列建模方法和系统

说明书

本发明公开了一种用于大规模分布式系统的高维时间序列建模方法和系统，通过引入基于相关性的特征选择CFS来获取最优特征子集，进而实现数据降维，并选用偏最小二乘回归法PLSR作为建模的核心算法，有效地解决了变量间多重相关性带来的危害。通过上述方式，本发明能够将CFS特征选择方法与传统的PLSR方法有效地结合起来，继承了传统PLSR方法的鲁棒性，解决了特征变量间多重相关性严重的问题，同时降低了数据维数，避免了引入过多变量对模型造成的不良影响，与传统的PLSR算法相比，模型适用性更好。

技术领域

本发明涉及大规模分布式系统建模领域，特别是涉及一种用于大规模分布式系统的高维时间序列建模方法和系统。

背景技术

基于高维时间序列的大规模分布式系统建模、预测与控制的研究在多个领域有着广泛的应用，因此目前关于高维时间序列建模的研究十分普遍。在众多种类的高维时间序列中，有一种强耦合的高维时间序，本文称其为高维相关时间序列（MultidimensionalCorrelation Time Series，MCTS），是由一种数据源或几种相近数据源采集到的数据组成，其中一些特征变量的物理含义本身就彼此相关，因此MCTS的变量间存在多重相关性问题，这在建模过程中会影响模型的精度。而本发明适用的领域之———软体家具分布式系统所产生的数据正是这种MCTS，通过该数据可以实现软体家具分布式系统的协同优化与控制、状态分析等，因此对于MCTS建模算法的研究具有重要意义和价值。

迄今为止，科研人员在数据建模与预测分析领域已经做了很多的探索。其中最经典的是最小二乘回归法（Least Squares Regression，LSR），该方法的基本思想是通过最小化误差平方和的方式来获得数据的最佳匹配模型，简单省时的特点使其在多领域中被广泛应用，但是该方法的缺点是不能很好地处理多重相关性严重的数据。为了消除多重相关性带来的不良影响，Heer等人首先提出了岭回归分析法（Ridge Regression，RR），该方法是一种修正的最小二乘估计法。随后，主成分分析（Principal Component Analysis，PCA）和典型相关分析（Canonical Correlation Analysis，CCA）的提出，为偏最小二乘回归法（Partial Least Squares Regression，PLSR）的出现奠定了基础，PLSR是一种新型的多元统计数据分析方法，一个典型的优势就是能够有效地解决变量间的多重相关性问题。为了更好地提高模型精度，在此基础上科研工作者又做了很多的创新，如Wold等提出了基于正交信号修正的偏最小二乘回归法，利用正交投影剔除数据中的冗余信息后再对其进行建模分析。Wang等采用数据投影的方法建立对偶核矩阵，在核特征空间下利用PLSR算法对数据进行预测处理，最后通过反投影建立原始数据的模型。Gao等采用递归修正偏最小二乘法对局部线性模型进行回归，然后利用局部加权映射回归建立预测模型，取得了较好的效果。

上述建模算法及其改进算法在处理特定问题时可以取得较为满意的结果，但都过分重视所有特征变量的作用，忽略了建模过程中的参数节省原则，导致对MCTS所建模型过于复杂，一定程度上破坏了模型的稳健性。而目前在变量筛选方面，已经出现了大量的相关算法，但大部分算法具有计算量大的缺陷，虽然在一定程度上能提高模型精度，但会以牺牲时间成本及算力为代价。而基于相关性的特征选择（Correlation-based FeatureSelection，CFS）算法计算量小，时间复杂度低，同时在效果上可以得到单个特征变量预测能力强，特征之间相关性低的特征子集，在处理多重相关性的同时又起到了降维效果。

基于以上分析，本发明提出一种基于相关性变量筛选偏最小二乘回归（CVS-PLSR）的建模算法，实现对如分布式软体家具系统一类的大规模分布式系统的建模、优化与控制需求。

发明内容