智能路灯控制系统缺失数据流关联修复仿真.pdf

第 卷第期年月计算技术与自动化C o m p u t i n gT e c h n o l o g ya n dA u t o m a t i o nV o l ,N o J u n 收稿日期:作者简介:孟介民(),男,黑龙江伊春人,硕士,研究方向:工业信息化,大数据应用等.通信联系人,E m a i l:n a i c o m文章编号:()D O I:/j c n k i j s j s y z d h 智能路灯控制系统缺失数据流关联修复仿真孟介民(国家能源集团信息公司,北京 )摘要:为了避免智能路灯控制系统受缺失数据影响,研究了智能路灯控制系统缺失数据流关联修复仿真方法.选取嵌套窗口的流数据处理模型检测智能路灯控制系统的缺失数据流,嵌套窗口的流数据处理模型将滑动窗口分割为多个嵌套滑动窗口,滑动窗口过程中,利用P e a r s o n相关系数确定智能路灯控制系统中相邻数据的相关性,依据获取的数据相关性重构相关图,利用相关图检测智能路灯控制系统缺失数据流.选取GMM算法划分存在缺失数据的智能路灯控制系统的数据集,选取EM插补算法关联修复完成初始数据集划分后的数据流.仿真测试结果表明,该方法可以有效修复智能路灯控制系统缺失数据流,不同数据缺失率情况下,均具有较高的缺失数据流关联修复精度.关键词:智能路灯;控制系统;缺失数据流;关联修复;P e a r s o n相关系数中图分类号:T P 文献标识码:AS i m u l a t i o no fM i s s i n gD a t aF l o wA s s o c i a t i o nR e p a i ri nI n t e l l i g e n t S t r e e tL i g h tC o n t r o l S y s t e mME NGJ i e m i n(CHNE n e r g yI n f o t e c hC o,L t d,B e i j i n g ,C h i n a)A b s t r a c t:I no r d e r t oa v o i d t h e i n f l u e n c eo fm i s s i n gd a t ao n i n t e l l i g e n t s t r e e t l i g h t c o n t r o l s y s t e m,t h e s i m u l a t i o nm e t h o do fm i s s i n gd a t a f l o wa s s o c i a t i o nr e p a i ro f i n t e l l i g e n ts t r e e t l i g h tc o n t r o ls y s t e mi ss t u d i e d S e l e c tt h ef l o wd a t ap r o c e s s i n gm o d e l o fn e s t e dw i n d o wt od e t e c t t h em i s s i n gd a t af l o wo f i n t e l l i g e n ts t r e e t l i g h tc o n t r o l s y s t e mT h ef l o wd a t ap r o c e s s i n gm o d e l o fn e s t e dw i n d o wd i v i d e s t h es l i d i n gw i n d o wi n t om u l t i p l en e s t e ds l i d i n gw i n d o w s I nt h ep r o c e s so f s l i d i n gw i n d o w,P e a r s o nc o r r e l a t i o nc o e f f i c i e n t i su s e dt od e t e r m i n e t h ec o r r e l a t i o no f a d j a c e n td a t a i n i n t e l l i g e n t s t r e e t l i g h t c o n t r o l s y s t e m,a n dt h ec o r r e l a t i o nd i a g r a mi sr e c o n s t r u c t e da c c o r d i n g t o t h eo b t a i n e dd a t a c o r r e l a t i o n,U s e t h e c o r r e l a t i o nd i a g r a mt od e t e c tt h em i s s i n gd a t a f l o wo f t h e i n t e l l i g e n t s t r e e t l i g h t c o n t r o l s y s t e m T h eGMMa l g o r i t h mi ss e l e c t e dt od i v i d e t h ed a t as e to ft h e i n t e l l i g e n t s t r e e t l i g h t c o n t r o l s y s t e mw i t hm i s s i n gd a t a,a n d t h eEMi n t e r p o l a t i o na l g o r i t h mi s s e l e c t e d t or e p a i r t h ed a t af l o wa f t e r t h ed i v i s i o no f t h e i n i t i a l d a t as e t S i m u l a t i o nt e s t r e s u l t ss h o wt h a t t h i sm e t h o dc a ne f f e c t i v e l yr e p a i r t h em i s s i n gd a t a f l o wo f i n t e l l i g e n t s t r e e t l i g h t c o n t r o l s y s t e m,a n dh a sh i g ha s s o c i a t i o nr e p a i r a c c u r a c yo fm i s s i n gd a t a f l o wu n d e r d i f f e r e n td a t a l o s sr a t e s K e yw o r d s:i n t e l l i g e n t s t r e e t l i g h t;c o n t r o l s y s t e m;m i s s i n gd a t a f l o w;a s s o c i a t i o nr e p a i r;P e a r s o nc o r r e l a t i o nc o e f f i c i e n t智能路灯控制系统缺失数据的修复,是避免智能路灯控制系统由于缺失数据影响正常工作的重要途径.缺失数据的修复技术已经成为近年来数据修复领域的研究重点.杨挺等针对电能计算技术与自动化 年月质量数据的缺失,利用F S OM神经网络进行修复;杨杰等针对传感器网络数据利用联合图模型进行修复.以上数据修复方法的修复过程过于复杂,完成修复后的数据中仍然存在众多漏洞.研究智能路灯控制系统缺失数据流关联修复仿真方法,精准检测智能路灯控制系统中的缺失数据流,实现缺失数据流的关联修复,使其具有较高的缺失数据流修复有效性,可以应用于实际智能路灯控制系统中.智能路灯控制系统缺失数据流关联修复 智能路灯控制系统数据流缺失检测智能路灯控制系统中独立路灯节点与其他节点空间并不存在相关性.智能路灯控制系统中数据间隔时间较小时,此时智能路灯控制系统中的数据存在较高的相关性.通过计算增量P e a r s o n相关系数,确定智能路灯控制系统数据间的相关性.计算增量P e a r s o n相关系数时,设置嵌套窗口相关系数与P e a r s o n相关系数结合,获取最终智能路灯控制系统中数据的相关系数.增量P e a r s o n相关系数的计算通过新的嵌套窗口内的属性相关性获取.增量的P e a r s o n相关系数无须计算全部滑动窗口数据相关性,提升了数据计算效率.用a与a分别表示待计算相关性的向量,两个向量间的P e a r s o n相关系数计算公式如下:Si m(a,a)(uaua)(uaua)(uaua)(uaua)()公式()中,ua与ua分别表示a与a的相似性分值.P e a r s o n相关系数位于,区间,P e a r s o n相关系数由于归一化处理了向量间的余弦相似度,令计算结果更加精准.利用P e a r s o n相关系数计算公式获取智能路灯控制系统中相邻数据的P e a r s o n相关系数,利用P e a r s o n相关系数确定智能路灯控制系统中相邻数据的相关性,利用智能路灯控制系统中不同数据的相关性重构相关图.智能路灯控制系统的相关图重构流程如下:()时间为t时,设置滑动窗口大小为S.用表示智能路灯控制系统中数据a与数据a的相关系数,数据a与数据a未存在相关性时,设置.()时间为t时,设置嵌套滑动窗口大小为N.用表示智能路灯控制系统中数据a与数据a的相关系数.利用公式()的P e a r s o n相关系数计算公式计算数据a与数据a的相关性.()时间为t时,定义智能路灯控制系统中数据间的最终相关系数表达式如下:(a)当时,可得;(b)当时,可得;(c)除以上两种情况外,可得.()重构P e a r s o n图.利用以上过程,获取智能路灯控制系统中数据a与数据a间的相关系数.设置相关系数阈值为,当 时,表示数据a与数据a间存在较高关联,将 以 上 数 据 加 入 新 的P e a r s o n图 内.P e a r s o n图初始时候为空,伴随不断地迭代计算,获取智能路灯控制系统中不同数据的关联程度,建立最终的P e a r s o n关联图.利用以上过程计算智能路灯控制系统中数据的相关性,建立P e a r s o n相关图.由于P e a r s o n相关图内的数据间相关系数均大于或等于,因此图内的数据间均存在较高关联.通过具有强关联的数据预测智能路灯控制系统中的缺失数据,避免智能路灯控制系统缺失数据流检测过程中受到其他因素影响,提升智能路灯控制系统缺失数据流检测精度.缺失数据流关联修复方法选取EM插补算法实现智能路灯控制系统缺失数据流的关联修复.EM插补 算法首先选 取GMM算法划分存在缺失数据的智能路灯控制系统的数据集,完成初始数据集划分后,选取EM插补算法对完成初始数据集划分后的数据流进行关联修复.用N与X分别表示当前窗口宽度以及窗口内的数据集,用xi表示智能路灯控制系统中的缺失数据项,设缺失数据项的数量为m.采用GMM划分智能路灯控制系统数据集的过程如下:()智能路灯控制系统数据集扫描将存在连续缺失的数据集作为智能路灯控制系统中的数据集的中心.初始划分原始的智能路灯控制系统的数据,将原始智能路灯控制系统数据集划分为多个数据组,完成划分的数据呈现满足混合高斯分布的正态分布.()分别计算完成划分后智能路灯控制系统中各组数据的均值向量.用rj与j分别表示完成划第 卷第期孟介民:智能路灯控制系统缺失数据流关联修复仿真分后各组数据的均值向量以及协方差矩阵.计算完成划分后的各组数据占全部智能路灯控制系统的数据集的比重,用wjNj/N表示完成划分后,各组数据在全部智能路灯控制系统数据集中的初始权重.采用EM方法对智能路灯控制系统缺失数据流实施关联修复.用F与F分别表示初始迭代次数以及迭代次数阈值,表示精度阈值.智能路灯控制系统缺失数据流关联修复过程如下:()期望步骤计算智能路灯控制系统缺失数据流关联修复的期望值和隐含变量数据.用G表示智能路灯控制系统中的指示数据成分,成分i针对数据xj形成的概率表达式如下:Pi jP(Gixj)()公式()表 示 利 用 第j个 高 斯 分 布 形 成 的概率.利用 贝 叶 斯 公 式 可 知,存 在Pi jP(xj|Gi)P(Gi),其中P(xj|Gi)与P(Gi)分别表示第i组高斯分布中,xj的概率以及第i个高斯分布的权重参数.代入利用GMM划分的智能路灯控制系统数据集中,可得成分j针对智能路灯控制系统中的数据x形成的概率表达式如下:P(jx)wjG(x,rj,j)P(x,rj,)()()极大化步骤该步骤利用对数似然方程的求解,获取到达极大值点时期望值的均值rj以及权重wj.均值rj以及权重wj求解表达式如下:rjMiP(jxi)wjxiwjM()w(i)jMiP(jxi)rjM()()缺失数据流关联修复步骤依据以上过程重复迭代计算完成划分的智能路灯控制数据集,直至迭代次数F满足条件F时,终止缺失数据流关联修复的迭代,获取最终次的rj.将rj值设置为智能路灯控制系统缺失数据流关联修复的插补值;否则依据设置的阈值条件,判断输出的预测接收是否满足w(i)jw(i)j 的循环迭代条件.若不满足以上条件,转到步骤(),设置迭代次数为F,满足终止迭代条件时,输出此时的参数wj与rj值.将此时的rj值作为智能路灯控制系统缺失数据集中缺失数据点的插补值.通过以上过程完成智能路灯控制系统缺失数据流的关联修复.仿真测试为了验证本文方法的智能路灯控制系统缺失数据流关联修复有效性,采用M a t l a b仿真软件模拟某城市的智能路灯控制系统中的数据流变化,采用C语言作为开发语言,编写本文方法,验证本文方法的缺失数据流关联修复有效性.数据集内包含智能路灯控制系统运行 m i n的数据,数据集内共有数据 条,智能路灯控制系统数据集的数据集依据时间顺序排序.利用随机数据缺失技术,处理原始智能路灯控制系统的数据集,生成缺失数据.生成滑动时间窗口的大小为 s.选取根均方值误差和插补效果误差作为衡量本文方法关联修复智能路灯控制系统缺失数据流的评价指标.根均方值误差的计算表达式如下:Enn(hihi)()公式()中,hi与hi分别表示修复后的智能路灯控制系统插补数据以及实际缺失的智能路灯控制系统目标数据;n表示真实智能路灯控制系统数据的总数量.通过公式()可知,根均方值误差的计算结果越小时,该方法具有越高的缺失数据流关联修复准确度.插补效果误差的计算表达式如下:Kni(xa ixb i)()公式()中,xa i与xb i分别表示插补的缺失替代值以及原始观测值.通过公式()可以看出,插补效果误差越低时,该方法具有越高的关联修复性能.相关系数阈值对智能路灯控制系统缺失数据流的关联修复性能影响极大.统计不同相关系数阈值时,本文方法修复智能路灯控制系统缺失数据流的修复精度,统计结果如图所示.从图可以看出,不同缺失率情况下,相关系数阈值为 时,本文方法具有最高的缺失数据修复精度.不同缺失率时,相关系数阈值为 时,本文方法的缺失数据修复精度均高于,设置本文方法实际应用于智能路灯控制系统时,相关系数阈值为.计算技术与自动化 年月图相关系数阈值对缺失数据流修复精度的影响统计本文方法在不同的滑动窗口大小时,数据缺失率存在差异时,缺失数据流关联修复的根均方值误差,统计结果如图所示.图根均方值误差统计结果通过图可以看出,不同缺失率情况下,本文方法的根均方值误差的统计结果均低于.统计本文方法在不同的滑动窗口大小时,数据缺失率存在差异时,缺失数据流关联修复的插补效果误差,统计结果如图所示.通过图可以看出,本文方法在不同缺失率以及不同 滑动窗口大 小时,插补 修复误差均 低于.结论为了令智能路灯控制系统中的数据发挥最大的控制性能,提升智能路灯控制系统的应用价值,研究智能路灯控制系统缺失数据流关联修复方法具有重要意义.所研究方法充分考虑了智能路灯控制系统中数据间存在的关联,检测智能路灯控制系统中的缺失数据.利用缺失数据流关联修复方法修复智能路灯控制系统中的缺失数据.通过仿真测试验证该方法可以精准获取智能路灯控制系统中的缺失数据,具有较高的修复缺失数据精准性,完成修复的缺失数据与原始智能路灯控制系统中的数据极为接近.图插补效果误差统计结果参考文献时兵复杂网络数据流频繁项集人工智能挖掘仿真J计算机仿真,():田旭飞,姚凯学,王凯鹏,等基于L o R a和S TM 的路灯自动监控系统的研究J计算机工程与科学,():吕爱华蚁群算法在智能L E D路灯控制中的应用研究J工程数学学报,():周锦荣,邹力伟,周志森,等基于物联网技术的大功率L E D路灯监测控制系统J电子器件,():宋士瞻,陈浩宇,张健,等考虑路灯充电桩接入的城市配电网电压控制方法J山东大学学报(工学版),():杨挺,何周泽,赵东艳,等基于F S OM神经网络的电能质量数据缺失修复算法J电网技术,():杨杰,蒋俊正利用联合图模型的传感器网络数据修复方法J西安电子科技大学学报,():谢正勇,刘捷,许勇,等面向大数据流量的交互式智能电网通信J微型电脑应用,():