[发明专利]基于格兰杰因果关系的系统策略预测方法及相关设备

权利要求书

1.一种基于格兰杰因果关系的系统策略预测方法，其特征在于，所述方法包括：

采集相关参数和工业数据，其中，所述相关参数包括至少一个系统模块的至少一个模块变量，所述工业数据为各模块变量的历史数据；

基于所述历史数据，采用基于注意力机制的格兰杰因果关系分析方式对各模块变量进行因果分析，得到各模块变量的历史数据与当前数据之间的格兰杰因果强度；

构建图数据结构以描述工业系统的系统拓扑结构，其中，所述图数据结构以各系统模块为顶点，每个顶点代表一个系统模块，每个系统模块中包括的系统变量的数量表示顶点的特征个数，每条边代表系统模块之间的因果连接关系，综合的格兰杰因果强度为量化的因果连接关系；

将构建的图数据结构输入到预测模型中，得到系统策略的预测结果。

2.根据权利要求1所述的方法，其特征在于，所述采用基于注意力机制的格兰杰因果关系分析方式对各模块变量进行因果分析，得到各模块变量的历史数据与当前数据之间的格兰杰因果强度，包括：

利用各模块变量的历史数据，通过长短记忆神经网络进行特征提取，并将提取到的特征向量经过全连接层得到目标向量；

基于所述特征向量和目标向量，通过修正函数得到格兰杰因果因子，并对所述格兰杰因果因子进行标准化后得到所述格兰杰因果强度。

3.根据权利要求1所述的方法，其特征在于，所述构建图数据结构以描述工业系统的系统拓扑结构，包括：

将各系统模块作为节点，构成一N×N的邻接矩阵，其中，邻接矩阵中各元素为0或1；

以各系统模块的格兰杰因果强度作为因果特征，得到N×M的特征矩阵，其中，M为格兰杰因果强度的向量长度，M为正整数；

融合所述特征矩阵与邻接矩阵，得到图数据结构。

4.根据权利要求3所述的方法，其特征在于，所述将构建的图数据结构输入到预测模型中，得到系统策略的预测结果，包括：

将所述图数据结构输入到图卷积网络中捕获系统拓扑结构，得到空间特征；

根据所述空间特征得到具有空间特征的时间序列；

将所述具有空间特征的时间序列输入到门控递归单元模型中，捕捉得到时间特征；

将所述时域特征输入到全连接层进行计算，得到系统策略预测结果。

5.根据权利要求4所述的方法，其特征在于，所述将所述图数据结构输入到图卷积网络中捕获系统拓扑结构，得到空间特征，包括：

将所述特征矩阵输入到图卷积网络中，以在傅立叶域中构造一个过滤器，其中，所述过滤器用于图数据结构的节点上；

通过所述过滤器的一阶邻域捕获各节点之间的空间特征。

6.根据权利要求5所述的方法，其特征在于，所述根据所述空间特征得到具有空间特征的时间序列，包括：

获取所述空间特征，并将特征按时间顺序拼接，得到所述具有空间特征的时间序列。

7.一种基于格兰杰因果关系的系统策略预测装置，其特征在于，包括：

数据采集模块，用于采集相关参数和工业数据，其中，所述相关参数包括至少一个系统模块的至少一个模块变量，所述工业数据为各模块变量的历史数据；

因果分析模块，用于基于所述历史数据，采用基于注意力机制的格兰杰因果关系分析方式对各模块变量进行因果分析，得到各模块变量的历史数据与当前数据之间的格兰杰因果强度；

图数据构建模块，用于构建图数据结构以描述工业系统的系统拓扑结构，其中，所述图数据结构以各系统模块为顶点，每个顶点代表一个系统模块，每个系统模块中包括的系统变量的数量表示顶点的特征个数，每条边代表系统模块之间的因果连接关系，综合的格兰杰因果强度为量化的因果连接关系；

策略预测模块，用于将构建的图数据结构输入到预测模型中，得到系统策略的预测结果。

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机可读指令，其特征在于，所述处理器执行所述计算机可读指令时实现权利要求1至6中任一项所述方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机可读指令，其特征在于，所述计算机可读指令被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。