[发明专利]基于递推Lasso的流量计异常在线监测方法、系统和存储介质

权利要求书

1.一种基于递推Lasso的流量计异常在线监测方法，其特征在于，用于监测烟草制丝过程增湿水流量是否异常，包括：

根据流量计的历史流量数据，建立自回归模型，并通过离线Lasso算法确定所述自回归模型的模型系数；

利用流量计的实时流量，通过递推Lasso算法对所述自回归模型进行更新；

根据更新后的所述自回归模型得到的预测流量和流量计在下一时刻的实际流量确定流量计是否异常，

所述根据流量计的历史流量数据，建立自回归模型，并通过离线Lasso算法确定所述自回归模型的模型系数，具体包括：

采集流量计流量的数据样本，得到历史流量数据集合；

根据所述历史流量数据集合，构造自回归模型；

基于离线Lasso算法求取所述自回归模型的回归系数；

利用交叉验证的方法确定所述自回归模型的正则化参数，

通过以下公式确定所述离线Lasso算法的最优条件，并根据所述离线Lasso算法的最优条件确定所述自回归模型的回归系数和正则化参数：

其中，p为自回归模型的滞后系数，y_n表示当前时刻待预测的流量值，y_n-i表示历史时刻的流量值，α表示自回归模型的回归系数，μ_n-1表示自回归模型的正则化参数，

所述利用流量计的实时流量，通过递推Lasso算法对所述自回归模型进行更新，具体包括：

将通过离线Lasso算法所确定的所述自回归模型的模型系数作为所述自回归模型在更新过程中的初始模型系数；

每读入一个新的流量计实时流量，则根据该新的流量计实时流量对所述自回归模型的模型参数进行更新，并且通过以下公式对所述自回归模型进行更新：

其中，Y_n-1表示流量计测得流量的历史流量数据集合，Z_n-1表示自回归模型的自回归项，y_n表示当前时刻待预测的流量值，Z_n表示n时刻对应的自回归项，t为递推Lasso算法的参数，其取值为0-1，在读入新数据后，t的值都会从0变到1，当t＝1时表示新数据完全读入，自回归模型内的参数α和μ也更新完毕，准备读入下一个时刻的新数据，当下一时刻的新数据读入之后，t的值又从0开始变到1，

所述根据更新后的所述自回归模型得到的预测流量和流量计在下一时刻的实际流量确定流量计是否异常，具体包括：

根据更新后的所述自回归模型，实时预测流量计下一时刻的流量，得到预测流量；

根据得到的不同时刻对应的预测流量，得到预测流量的估计曲线图；

根据所述预测流量和流量计在下一时刻的实际流量的偏差，得到残差图；

根据所述残差图确定流量计是否异常。

2.根据权利要求1所述的基于递推Lasso的流量计异常在线监测方法，其特征在于，所述根据所述残差图确定流量计是否异常，具体包括：

在所述残差图的纵坐标超过预设阈值时，则确定流量计的流量数据异常；

根据生产记录确定导致流量计的流量数据异常的原因是流量计出现异常还是梗丝产品批次发生更换。

3.根据权利要求1所述的基于递推Lasso的流量计异常在线监测方法，其特征在于，所述基于递推Lasso的流量计异常在线监测方法用于监测烟草制丝过程增湿水流量是否异常，

所述基于递推Lasso的流量计异常在线监测方法，还包括：

基于预设的梗丝产品批次的流量阈值和所述预测流量，确定当前时刻的梗丝产品规格。

4.一种采用权利要求1-3中任一项所述方法的基于递推Lasso的流量计异常在线监测系统，其特征在于，包括：

自回归模型建立模块，用于根据流量计的历史流量数据，建立自回归模型，并通过离线Lasso算法确定所述自回归模型的模型系数；

自回归模型更新模块，用于利用流量计的实时流量，通过递推Lasso算法对所述自回归模型进行更新；

流量监测模块，用于根据更新后的所述自回归模型得到的预测流量和流量计在下一时刻的实际流量确定流量计是否异常。

5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，当其在计算机上运行时，使得计算机执行如权利要求1～3任一项所述的基于递推Lasso的流量计异常在线监测方法。