[发明专利]一种面向用户的动态阈值模型训练系统及方法

权利要求书

1.一种面向用户的网页端动态阈值模型训练系统，其特征在于，包括系统界面，以及与系统界面连接的历史数据导入模块、数据选择模块和模型训练模块；

所述数据导入模块用于导入不同数据源的测点数据，并将不同数据源的测点数据进行同源处理，生成原始数据并输入至数据选择模块；

所述数据选择模块用于从原始数据中选择模型训练所需的数据，生成正常样本集并输入至模型训练模块；

所述模型训练模块用于生成验证样本集和健康样本矩阵，以及用于用户在系统界面选择健康样本矩阵后，进行模型训练，将完成训练的模型以多组数组的方式向用户展示。

2.根据权利要求1所述的面向用户的网页端动态阈值模型训练系统，其特征在于，所述模型训练所需的数据是在时间范围上不少于一个大修周期的数据，所述正常样本集是通过用户对原始数据进行异常运行工况的剔除和正常运行工况的选取后获得的，所述健康样本矩阵是通过样本选择算法从正常样本集中获取的，所述验证样本集是在正常样本集中剔除掉健康样本矩阵后对剩下的样本进行降采样和过滤样本合并后获得的。

3.根据权利要求1所述的面向用户的网页端动态阈值模型训练系统，其特征在于，所述模型训练模块上集成三点样本提取算法、五点样本提取算法和等间隔采样算法。

4.根据权利要求1所述的面向用户的网页端动态阈值模型训练系统，其特征在于，所述面向用户的网页端动态阈值模型训练系统，还包括与系统界面连接的模型基础信息配置模块和关联测点选择模块；

所述模型基础信息配置模块用于用户在系统界面配置模型基础信息后，将模型基础信息输入至数据导入模块；

所述关联测点选择模块用于用户在系统界面选择模型训练所需关联的测点后，将关联测点信息输入至数据导入模块；

所述数据导入模块用于用户在系统界面配置时间范围和采样间隔后，从测点数据库中导入关联测点在配置时间范围和采样间隔内的测点数据，并将不同数据源的测点数据进行同源处理，生成原始数据并输入至数据选择模块；所述配置时间范围不少于一个大修周期。

5.根据权利要求4所述的面向用户的网页端动态阈值模型训练系统，其特征在于，所述关联测点选择模块还用于用户在系统界面选择还用于用户在系统界面选择模型训练所需关联的测点时以对话框的形式给出提示，所述提示包括测点的选择方式和测点的关联程度，所述测点的选择方式通过分析对象实际机理与测点之间关联程度给出，所述测点的关联程度通过相似性算法给出。

6.根据权利要求1-5任意一项所述的面向用户的网页端动态阈值模型训练系统，其特征在于，所述面向用户的网页端动态阈值模型训练系统，还包括与系统界面连接的模型验证模块，所述模型验证模块上集成相似度匹配算法；

所述数据选择模块还用于将过滤掉的数据输入至模型验证模块；

所述模型训练模块还用于将完成训练的模型、健康样本矩阵以及验证样本集输入至模型验证模块；

所述模型验证模块用于用户在系统界面从验证样本集中手动选择数据后，生成部分验证样本集并输入至模型评价模块；以及用于用户在系统界面选择相似度匹配算法后，验证所选择的验证样本集在完成训练的模型中的预测效果，并将验证结果以界面形式向用户展示。

7.根据权利要求6所述的面向用户的网页端动态阈值模型训练系统，其特征在于，所述模型验证模块还用于生成动态阈值的上下限来确定动态阈值的报警范围,所述动态阈值的上下限基于三西格玛法则进行自动计算，并由有经验的专家基于自身经验并结合数学模型分析结果进行二次修正。

8.根据权利要求6所述的面向用户的网页端动态阈值模型训练系统，其特征在于，所述面向用户的网页端动态阈值模型训练系统，还包括与系统界面连接的模型评价模块；

所述模型验证模块还用于将验证样本集和完成验证的模型输入至模型评价模块；

所述模型评价模块用于计算验证样本集在完成验证的模型中的误差值，并将所述误差值以界面形式向用户展示，用户根据所述误差值评价完成验证的模型的准确性。