53、虚拟传感器数据插补与卫星图像降维技术研究

虚拟传感器数据插补与卫星图像降维技术研究

1. 虚拟传感器数据插补——PGAIN - VS算法

在处理传感器数据缺失问题时，PGAIN - VS算法是一种有效的解决方案。它与受GAN启发的其他模型类似，对生成器$G$和判别器$D$进行训练，二者均被建模为全连接神经网络。

PGAIN - VS算法步骤如下 ：
1. 固定$G$优化$D$ ：使用小批量（默认128个样本）数据，进行10000次迭代。每次循环中，抽取$n$个包含Pearson相关排列的$Z$、$B$、$M$独立样本，根据相关公式计算插补数据$\widetilde{X}$，生成提示向量$H$，通过$D(\hat{X}|P_c, H)$计算估计掩码$\hat{M}$，然后优化$D$。
2. 固定$D$更新$G$ ：为每个小批量重复抽取$n$个$Z$、$B$和$M$的独立样本，计算$H$并更新$G$，直至训练损失收敛。

2. 实验评估

为了评估PGAIN - VS的性能，在太阳能（21个传感器）、交通（207个探测器）和Raspihat温度（12个传感器）数据集上进行了实验，并与原始GAIN模型在20%缺失数据的情况下进行比较。

故障传感器数据集的特征如下表所示 ：
| 参数 | 太阳能 | Raspihat | 交通 |
| — | — | — | — |
| 样本数 | 24000 | 769658 | 34272 |
| 均值 | 9255 | 30.9 | 60 |