设备异常数据修正方法、装置、计算机设备及存储介质与流程

1.本公开涉及数据处理技术领域，尤其涉及一种设备异常数据修正方法、装置、计算机设备及存储介质。


背景技术：

2.在人工智能技术领域，需要使用设备的历史数据作为样本来进行算法建模或业务分析和预测等。以使用物联设备的数据进行算法建模为例，设备物联数据通常具有维度多，历史数据丰富的特点，普遍存在数据丢失、数据超限、数据跳变等异常情况，如果直接使用这些存在异常情况的数据进行算法建模，会对算法建模的结果有很大的影响，因此需要对这些存在异常情况的数据进行修正后才能使数据“价值化”。
3.然而，传统的一些数据修正手段，例如线性插补、均值填充、保持原值等，这些修正手段只利用修正标的维度自身的历史数据，未充分利用其它维度的相关性，导致修正的效果不强，特别是当物联设备变工况运行时，修正后的数据误差较大。


技术实现要素：

4.有鉴于此，本公开实施例提供了一种设备异常数据修正方法、装置、计算机设备及存储介质，以克服现有数据修正误差较大的问题。
5.本公开实施例的第一方面，提供了一种设备异常数据修正方法，包括：
6.获取具有多个设备特征维度的历史样本数据，历史样本数据包括至少一个异常样本数据和多个正常样本数据，其中，异常样本数据中至少一个标的特征维度的数据存在异常；
7.基于多个正常样本数据，确定标的特征维度之外的其它特征维度中与标的特征维度相关性最高的目标特征维度；
8.基于正常样本数据在目标特征维度下的数据，确定与每个异常样本数据距离最接近的目标正常样本数据；
9.使用目标正常样本数据在标的特征维度下的数据替换异常样本数据在相同标的特征维度下的异常数据，完成对异常样本数据的修正。
10.本公开实施例的第二方面，提供了一种设备异常数据修正装置，包括：
11.数据获取模块，被配置为获取具有多个设备特征维度的历史样本数据，历史样本数据包括至少一个异常样本数据和多个正常样本数据，其中，异常样本数据中至少一个标的特征维度的数据存在异常；
12.维度确认模块，被配置为基于多个正常样本数据，确定标的特征维度之外的其它特征维度中与标的特征维度相关性最高的目标特征维度；
13.数据确定模块，被配置为基于正常样本数据在目标特征维度下的数据，确定与每个异常样本数据距离最接近的目标正常样本数据；
14.数据修正模块，被配置为使用目标正常样本数据在标的特征维度下的数据替换异
常样本数据在相同标的特征维度下的异常数据，完成对异常样本数据的修正。
15.本公开实施例的第三方面，提供了一种计算机设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。
16.本公开实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
17.本公开实施例提供的技术方案与现有技术相比存在的有益效果是：通过历史样本数据中异常样本数据的标的特征维度与其它特征维度之间的相关性，从标的特征维度之外的其它特征维度中挑选出相关性最高的目标特征维度，再利用异常样本数据在目标特征维度的数据与每个正常样本数据在目标特征维度的数据，计算与异常样本数据最接近的目标正常样本数据，并使用目标正常样本数据在标的特征维度的数据替换异常样本数据在标的特征维度的异常数据，从而实现利用标的特征维度之外的正常样本数据来对异常样本数据进行修正，克服了现有数据修正误差较大的问题。
附图说明
18.为了更清楚地说明本公开实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
19.图1是本公开实施例的应用场景的场景示意图；
20.图2是本公开实施例提供的一种设备异常数据修正方法的流程示意图；
21.图3是本公开实施例提供的一种设备异常数据修正装置的结构示意图；
22.图4是本公开实施例提供的一种计算机设备的结构示意图。
具体实施方式
23.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本公开实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本公开的描述。
24.下面将结合附图详细说明根据本公开实施例的一种设备异常数据修正方法和装置。
25.图1是本公开实施例的应用场景的场景示意图。该应用场景可以包括数据库和计算机设备。其中，数据库中存储有设备的历史样本数据，计算机设备与数据库连接，用于获取存在数据异常的历史样本数据进行修正处理。
26.数据库是用于存储各种数据，例如，数据库中存储有设备的历史样本数据，该历史样本数据的数量为多个(实际数据量可能非常大)，在这些历史样本数据中可能存在至少一个数据异常的历史样本数据。因此，可以将多个历史样本数据中存在数据异常的历史样本数据作为异常样本数据，而将其它不存在数据异常的历史样本数据作为正常样本数据。在本公开示例中，正常样本数据和异常样本数据均为多维度数据。
27.在实际应用中，数据库可以实现为软件或硬件。当数据库实现为硬件时，可以为数据库服务器、数据云服务器和数据硬盘等设备；当数据库实现为软件时，可以为安装在上述设备或其它电子设备中的应用，例如，数据库管理应用和数据管理应用等。
28.计算机设备可以是硬件，也可以是软件。当计算机设备为硬件时，其可以是支持与数据库连接的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等；当计算机设备为软件时，其可以安装在如上的电子设备中。计算机设备可以实现为多个软件或软件模块，也可以实现为单个软件或软件模块，本公开实施例对此不作限制。进一步地，计算机设备上可以安装有各种应用，例如数据处理应用、数据修正应用等。
29.需要说明的是，数据库和计算机设备的具体类型、数量和组合可以根据应用场景的实际需求进行调整，本公开实施例对此不作限制。
30.图2是本公开实施例提供的一种设备异常数据修正方法的流程示意图。图2的设备异常数据修正方法可以由图1的计算机设备执行。如图2所示，该设备异常数据修正方法包括：
31.s201，获取具有多个设备特征维度的历史样本数据，历史样本数据包括至少一个异常样本数据和多个正常样本数据，其中，异常样本数据中至少一个标的特征维度的数据存在异常；
32.s202，基于多个正常样本数据，确定标的特征维度之外的其它特征维度中与标的特征维度相关性最高的目标特征维度；
33.s203，基于正常样本数据在目标特征维度下的数据，确定与每个异常样本数据距离最接近的目标正常样本数据；
34.s204，使用目标正常样本数据在标的特征维度下的数据替换异常样本数据在相同标的特征维度下的异常数据，完成对异常样本数据的修正。
35.具体地，这里的设备可以是各种类型的设备，例如，设备可以为燃气锅炉、燃气内燃机、燃气轮机等物联设备。
36.此外，历史样本数据为设备在不同时间点的多维数据，每个历史样本数据为设备在同一时间的多维数据，即每个历史样本数据具有设备的多个特征维度数据，例如，以设备为燃气锅炉为例，设备的特征维度可以包括但不限于燃气流量、蒸汽流量、排烟温度等。
37.本公开实施例提供的上述设备异常数据修正方法，通过历史样本数据中异常样本数据的标的特征维度与其它特征维度之间的相关性，从标的特征维度之外的其它特征维度中挑选出相关性最高的目标特征维度，再利用异常样本数据在目标特征维度的数据与每个正常样本数据在目标特征维度的数据，计算与异常样本数据最接近的目标正常样本数据，并使用目标正常样本数据在标的特征维度的数据替换异常样本数据在标的特征维度的异常数据，从而实现利用标的特征维度之外的正常样本数据来对异常样本数据进行修正，克服了现有数据修正误差较大的问题。
38.在一些实施例中，在图2中基于多个正常样本数据，确定标的特征维度之外的其它特征维度中与标的特征维度相关性最高的目标特征维度，包括：
39.基于异常样本数据的标的特征维度，确定正常样本数据在标的特征维度下的第一样本数据序列，以及正常样本数据在标的特征维度之外的其它所有特征维度下的第二样本数据序列；
40.分别计算第一样本数据序列与第二样本数据序列中每个特征维度下的数据的相关性系数；
41.基于计算结果，挑选第二样本数据序列中各个特征维度对应的相关性系数最高的至少一个特征维度作为目标特征维度，其中，目标特征维度对应的特征维度数量小于或等于第二样本数据序列中特征维度的数量。
42.具体地，标的特征维度是异常样本数据中数据异常点位所对应的特征维度。例如，假设有一个异常样本数据y1具有5个特征维度，分别为：{y1，y2，y3，y4，y5}，异常样本数据y1在5个特征维度下数据分为为：在5个特征维度下数据分为为：那么，若第三个特征维度y3的数据存在异常，则第三个特征维度y3为标的特征维度；若第一个特征维度y1的数据和第三个特征维度y3的数据存在异常，则第一个特征维度y1和三个特征维度y3为标的特征维度。由此可见，在实际应用中，标的特征维度可以是异常样本数据中的一个特征维度，也可以是两个或两个以上的特征维度，本公开实施例对此不作限制。
43.以一个标的特征维度来说，剔除多个历史样本数据中存在数据异常的异常样本数据之后，剩下的历史样本数据即为正常样本数据。具体地，假设正常样本数据在标的特征维度下的第一样本数据序列标记为{xi},i＝1,2,...n，n为正整数，共有n个正常样本数据；以及正常样本数据在标的特征维度下的第二样本数据序列标记为其中，m为正整数，i表示第i个样本数据，j代表第j个特征维度，共有m个特征维度。
44.紧接着，分别计算第二样本数据序列的m个特征维度中每个特征维度下的数据序列与第一样本数据序列的相关性系数，例如，分别计算{xi}与的相关性系数r1，{xi}与的相关性系数r2，
……
{xi}与的相关性系数rm，从而得到与m个特征维度对应的m个相关性系数r1、r2、
……
，rm。
45.之后，根据相关性系数r1、r2、
……
，rm的大小，从中挑选出p个最高的相关性系数，即挑出的p个相关性系数均大于其它相关性系数，那么，该p个最高的相关性系数在第二样本数据序列中对应的特征维度即为目标特征维度。例如，m个相关性系数按大小顺序排列为rm＞r2＞
……
＞r1，假设p为2，则相关性系数rm和r2在第二样本数据序列中对应的特征维度即为目标特征维度。此外，p≤m，其中，p也为正整数。
46.在实际应用中，p的大小可能直接应用目标特征维度选取的可靠性。经过实验研究发现，可以根据第二样本数据序列的特征维度数量来确定p的大小。
47.在一些实施例中，挑选第二样本数据序列中各个特征维度对应的相关性系数最高的至少一个特征维度作为目标特征维度，包括：
48.识别第二样本数据序列中特征维度的数量；
49.判断第二样本数据序列中特征维度的数量是否大于预设的数量阈值；
50.若是，选择第二样本数据序列中第一预设数量的特征维度作为目标维度，其中，第一预设数量的特征维度对应相关性系数均大于第二样本数据序列中其余特征维度对应的相关性系数；
51.若否，选择第二样本数据序列中第二预设数量的特征维度作为目标维度，其中，第二预设数量的特征维度对应相关性系数均大于第二样本数据序列中其余特征维度对应的
相关性系数，且第二预设数量小于第一预设数量。
52.具体地，数量阈值可以是根据应用经验来设置的数值，也可以是对根据实际应用情况对已经设置的数量阈值进行重新调制后的数据，本公开实施例对此不作限制。
53.在一些实施例中，第一预设数量为5-10，且数量阈值大于10。
54.具体地，数量阈值愈大，说明第二样本数据序列中的特征维度越多，经过实验研究，当第二样本数据序列中的特征维度的数量较大的情况下，第一预设数量设置为5、6、7、8、9或10，即p选取5-10，所得到目标特征维度更为可靠。
55.此外，由于第二预设数量小于第一预设数量，那么，第二预设数量可以设置为1、2、3或5，本公开实施例对此不作限制。
56.在一些实施例中，图2中基于正常样本数据在目标特征维度下的数据，确定与每个异常样本数据距离最接近的目标正常样本数据，可以包括：
57.基于多个正常样本数据中每个正常样本数据在目标特征维度下的数据，计算对应正常样本数据的第一欧式空间，得到历史正常样本欧式空间库；
58.基于异常样本数据在相同目标特征维度下的数据，计算异常样本数据的第二欧式空间；
59.在历史正常样本欧式空间库中寻找与第二欧式空间距离最接近的目标第一欧式空间，并将目标第一欧式空间对应的正常样本数据作为目标正常样本数据。
60.具体地，结合上述第一样本数据序列和第二样本数据序列的标记来说，第二样本数据序列在目标特征维度下的数据标记为：
[0061][0062]
那么，历史正常样本欧式空间库可以表示为：
[0063][0064]
此外，异常样本数据在相同目标特征维度下的数据表示为：
[0065][0066]
其中，l为正整数，表示待修正标的数据共有l个异常样本数据。
[0067]
接着，再利用异常样本数据在目标特征维度的数据，计算每个异常样本数据的第二欧式空间：
[0068][0069]
因此，只需要在历史正常样本欧氏空间库{vi}中，寻找到最接近的取值样本(即与最接近的第一欧式空间对应的正常样本数据)，并将该正常样本数据对应的标的特征维度的数据作为异常样本数据在该标的特征维度的修正值，以实现对异常样本数据的修正。
[0070]
具体地，判断{vi}与最接近的实现方式并不唯一，在本公开实施例中，可以利用两个欧式空间的插值的绝对值来判断{vi}与之间的接近程度。
[0071]
示例地，在历史正常样本欧式空间库中寻找与第二欧式空间距离最接近的目标第一欧式空间，并将目标第一欧式空间对应的正常样本数据作为目标正常样本数据，可以包
括:分别计算第二欧式空间与正常历史样本欧式空间库中每个第一欧式空间的距离差值的绝对值；根据计算的结果，选取最小的距离差值的绝对值对应的正常样本数据作为目标正常样本数据。
[0072]
在实际应用中，最小的距离差值的绝对值对应的正常样本数据的数量可能不止一个，即目标正常样本数据的数量可以为至少一个。对于只有一个目标正常样本数据的情况比较容易理解，直接使用目标正常样本数据在标的特征维度的数据对异常样本数据进行替换即可；而对于两个或两个以上的目标正常样本数据则需要考虑如何处理才能保证修正值的误差较小。
[0073]
为此，在一些实施例中，图2中使用目标正常样本数据在标的特征维度下的数据替换异常样本数据在相同标的特征维度下的异常数据，可以包括：
[0074]
判断目标正常样本数据的数量；
[0075]
若目标正常样本数据的数量为一个，则使用目标正常样本数据在标的特征维度下的数据替换对应异常样本数据在相同标的特征维度下的异常数据；
[0076]
若目标正常样本数据的数量为至少两个，则计算至少两个目标正常样本数据在标的特征维度的数据的平均值，并使用平均值替换对应故障样本数据在相同标的维度的故障数据。
[0077]
本公开实施例提供的技术方案，通过对至少两个目标正常样本数据在标的特征维度的数据计算平均值，使用该平均值替换对应故障样本数据在相同标的维度的故障数据，可以有效减小数据修正的误差。
[0078]
上述所有可选技术方案，可以采用任意结合形成本技术的可选实施例，在此不再一一赘述。
[0079]
下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。
[0080]
图3是本公开实施例提供的一种设备异常数据修正装置的示意图。如图3所示，该设备异常数据修正装置包括：
[0081]
数据获取模块301，被配置为获取具有多个设备特征维度的历史样本数据，历史样本数据包括至少一个异常样本数据和多个正常样本数据，其中，异常样本数据中至少一个标的特征维度的数据存在异常；
[0082]
维度确认模块302，被配置为基于多个正常样本数据，确定标的特征维度之外的其它特征维度中与标的特征维度相关性最高的目标特征维度；
[0083]
数据确定模块303，被配置为基于正常样本数据在目标特征维度下的数据，确定与每个异常样本数据距离最接近的目标正常样本数据；
[0084]
数据修正模块304，被配置为使用目标正常样本数据在标的特征维度下的数据替换异常样本数据在相同标的特征维度下的异常数据，完成对异常样本数据的修正。
[0085]
本公开实施例提供的上述设备异常数据修正装置，通过历史样本数据中异常样本数据的标的特征维度与其它特征维度之间的相关性，从标的特征维度之外的其它特征维度中挑选出相关性最高的目标特征维度，再利用异常样本数据在目标特征维度的数据与每个正常样本数据在目标特征维度的数据，计算与异常样本数据最接近的目标正常样本数据，并使用目标正常样本数据在标的特征维度的数据替换异常样本数据在标的特征维度的异
常数据，从而实现利用标的特征维度之外的正常样本数据来对异常样本数据进行修正，克服了现有数据修正误差较大的问题。
[0086]
在一些实施例中，图3中的维度确认模块302基于异常样本数据的标的特征维度，确定正常样本数据在标的特征维度下的第一样本数据序列，以及正常样本数据在标的特征维度之外的其它所有特征维度下的第二样本数据序列；分别计算第一样本数据序列与第二样本数据序列中每个特征维度下的数据的相关性系数；基于计算结果，挑选第二样本数据序列中各个特征维度对应的相关性系数最高的至少一个特征维度作为目标特征维度，其中，目标特征维度对应的特征维度数量小于或等于第二样本数据序列中特征维度的数量。
[0087]
在一些实施例中，图3中的维度确认模块302还被配置为识别第二样本数据序列中特征维度的数量；判断第二样本数据序列中特征维度的数量是否大于预设的数量阈值；若是，选择第二样本数据序列中第一预设数量的特征维度作为目标维度，其中，第一预设数量的特征维度对应相关性系数均大于第二样本数据序列中其余特征维度对应的相关性系数；若否，选择第二样本数据序列中第二预设数量的特征维度作为目标维度，其中，第二预设数量的特征维度对应相关性系数均大于第二样本数据序列中其余特征维度对应的相关性系数，且第二预设数量小于第一预设数量。
[0088]
在一些实施例中，第一预设数量为5-10，且数量阈值大于10。
[0089]
在一些实施例中，图3中数据确定模块303基于多个正常样本数据中每个正常样本数据在目标特征维度下的数据，计算对应正常样本数据的第一欧式空间，得到历史正常样本欧式空间库；基于异常样本数据在相同目标特征维度下的数据，计算异常样本数据的第二欧式空间；在历史正常样本欧式空间库中寻找与第二欧式空间距离最接近的目标第一欧式空间，并将目标第一欧式空间对应的正常样本数据作为目标正常样本数据。
[0090]
在一些实施例中，图3中数据确定模块303分别计算第二欧式空间与正常历史样本欧式空间库中每个第一欧式空间的距离差值的绝对值；根据计算的结果，选取最小的距离差值的绝对值对应的正常样本数据作为目标正常样本数据。
[0091]
在一些实施例中，图3中数据修正模块304判断目标正常样本数据的数量；若目标正常样本数据的数量为一个，则使用目标正常样本数据在标的特征维度下的数据替换对应异常样本数据在相同标的特征维度下的异常数据；若目标正常样本数据的数量为至少两个，则计算至少两个目标正常样本数据在标的特征维度的数据的平均值，并使用平均值替换对应故障样本数据在相同标的维度的故障数据。
[0092]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本公开实施例的实施过程构成任何限定。
[0093]
图4是本公开实施例提供的计算机设备4的示意图。如图4所示，该实施例的计算机设备4包括：处理器401、存储器402以及存储在该存储器402中并且可在处理器401上运行的计算机程序403。处理器401执行计算机程序403时实现上述各个方法实施例中的步骤。或者，处理器401执行计算机程序403时实现上述各装置实施例中各模块/单元的功能。
[0094]
计算机设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子设备。计算机设备4可以包括但不仅限于处理器401和存储器402。本领域技术人员可以理解，图4仅仅是计算机设备4的示例，并不构成对计算机设备4的限定，可以包括比图示更多或更少
的部件，或者不同的部件。
[0095]
处理器401可以是中央处理单元(central processing unit，cpu)，也可以是其它通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
[0096]
存储器402可以是计算机设备4的内部存储单元，例如，计算机设备4的硬盘或内存。存储器402也可以是计算机设备4的外部存储设备，例如，计算机设备4上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。存储器402还可以既包括计算机设备4的内部存储单元也包括外部存储设备。存储器402用于存储计算机程序以及计算机设备所需的其它程序和数据。
[0097]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0098]
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本公开实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可以存储在计算机可读存储介质中，该计算机程序在被处理器执行时，可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如，在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
[0099]
以上实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本公开各实施例技术方案的精神和范围，均应包含在本公开的保护范围之内。