储油罐液位时序数据模式发现

发布时间：2022-10-22 19:58

　　储油罐液位时序数据模式发现对油田生产管理、灾害预警有重要意义,由于目前油气田领域的数据体系繁杂,并未对这些数据加以分类和标识。已有方法借助图形化工具进行人工筛选与检查,这样的方法不适用于长时间不间断生产的石油工业。面对上述问题及已有方法的不足,针对储油罐液位时序数据的特点,提出基于层叠分段与层次聚类模式发现的处理方法。将观测序列转换为离散的线性分段序列,并对各线性分段进行基于DTW(距离的无监督层次聚类,可自动发现时序模式并分配标识符标注时序序列。以储油罐液位时序数据进行实验,发现了隐含的变化模式和变化规律。方法对液位时序变化模式有很好的识别及分类能力,无需人工筛选与检查,并可根据需要,查看不同粒度的变化模式,可为时序数据模式识别,异常检测提供参考和途径。 

【文章页数】：12 页

【文章目录】：
1 液位时序特征分析及描述
    1.1 数据特征
    1.2 形式化描述
        1.2.1 时序序列
        1.2.2 观测对象子序列
        1.2.3 观测对象变化阈值
2 层叠线性分段方法
    2.1 趋势估值及变化阈值
    2.2 层叠线性分段
3 基于聚类的模式发现
    3.1 形态相似性度量
    3.2 子序列层次聚类及模式发现
4 实验结果及分析
    4.1 实验结果
    4.2 方法评价
5 结 语


【参考文献】：
期刊论文
[1]耦合信号微分后对双谱的影响[J]. 吴文兵,黄荣华,刘日华,熊金泉.  重庆大学学报. 2017(07)
[2]联想神经网络的风速序列预测分析[J]. 杨雨浓,修春波.  重庆大学学报. 2016(04)
[3]基于线性分段与HMM的时间序列分类算法[J]. 尹锐,李雄飞,李军,彭宏.  模式识别与人工智能. 2011(04)
[4]聚类算法研究[J]. 孙吉贵,刘杰,赵连宇.  软件学报. 2008(01)
[5]在线分割时间序列数据[J]. 李爱国,覃征.  软件学报. 2004(11)
[6]时序模式发现算法研究[J]. 蔡智,岳丽华,王熙法.  计算机研究与发展. 2000(09)
[7]面向数据挖掘的时间序列符号化方法研究[J]. 李斌,谭立湘,章劲松,庄镇泉.  电路与系统学报. 2000(02)



本文编号：3696776