[发明专利]基于双向GRU和曼-肯德尔法的温感未来趋势检测方法

权利要求书

1.基于双向GRU及曼-肯德尔法的温感未来趋势检测方法，其特征在于，所述方法包括：

采集历史温感温度数据、冷却策略数据及其他相关特征数据；所述其他相关特征数据包括：空调回风温度、空调风机转速、冷冻水进水温度、水阀开度、压差和室外温度；

对所述历史温感温度数据、冷却策略数据及其他相关特征数据进行数据预处理，所述数据预处理包括：删除异常数据，对缺失数据进行插值填充处理，并整理冷却策略数据；

基于斯皮尔曼相关系数法及树模型特征重要性从预处理后的数据中筛选出温感温度预测关联数据作为输入的特征数据集；

将所述特征数据集采用滑动时间窗算法划分为训练集、验证集和测试集；

所述滑动时间窗算法具体为：时间窗设为1min，输入时间序列的时间跨度设为输出时间序列跨度的2-3倍，随后每次滑动1min，将所述特征数据集转化为有监督样本数据集；

将划分好的训练集和验证集送入双向GRU网络进行训练验证，并根据损失函数不断调整预测模型的超参数，直至训练集上的泛化效果达到预期后停止训练，最后保存所述预测模型，方便后期调用；

将所述有监督样本数据集送入双向GRU网络进行训练验证，所述双向GRU网络使用单层Bi-GRU，包括64个节点，使用Adam优化器并结合自定义学习率策略，即每5个epoch，学习率变为原来的1/2，利用均方误差作为损失函数，平均绝对误差作为评价指标，所述训练集上的泛化效果达到预期是指连续5个epoch指标没有优化，即停止训练；

调用所述预测模型进行温感温度预测，得到未来时间段各时刻的温度序列，利用统计学方法对所述温度序列进行趋势判定，并给出趋势推荐值；

所述统计学方法包括曼-肯德尔法，使用曼-肯德尔法进行趋势检测，对所述温度序列进行趋势判定具体为：

原始假设为对于给定的时间序列：，是n个独立同分布的序列样本，备选假设是双边检验，对于所有的，且，定义检验的统计量计算如下：

；

其中，、分别表示时间序列中第个、第个序列样本，、的分布是不同的；为符号函数；

；

当时，统计量服从正态分布，在不考虑所述时间序列存在等值数据的情况下，统计量的均值为0；

若所述时间序列不存在等值数据，则按如下公式计算方差：

若所述时间序列存在等值数据，则按如下公式计算方差：

；

其中，为分组数，为第p组中的元素个数；

根据下式计算标准化后的检验统计量：

在双边检验中，对于给定的显著性水平，若，则判定为存在趋势，此时则存在上升趋势，则存在下降趋势；若，则判定为无趋势。

2.如权利要求1所述的基于双向GRU及曼-肯德尔法的温感未来趋势检测方法，其特征在于，所述冷却策略数据包括机房内空调开关机状态与空调回风温度设定值。

3.如权利要求2所述的基于双向GRU及曼-肯德尔法的温感未来趋势检测方法，其特征在于，所述整理冷却策略数据是将所述机房内空调开关机状态转换为用数值量表示的空调开关机策略，具体为：开机状态对应转换为“1”，关机状态对应转换为“0”，无操作对应转换为NaN。

4.如权利要求3所述的基于双向GRU及曼-肯德尔法的温感未来趋势检测方法，其特征在于，所述温感温度预测关联数据具体包括：历史温感温度数据、空调回风温度、空调回风温度设定值和空调开关机策略。

5.如权利要求1所述的基于双向GRU及曼-肯德尔法的温感未来趋势检测方法，其特征在于，所述趋势推荐值具体包括：将上0.8分位作为上升趋势推荐值，下0.2分位作为下降趋势推荐值。