[发明专利]一种机器学习方法及系统

权利要求书

1.一种机器学习方法，其特征在于，基于PHM数据建模，所述机器学习方法包括：

模型建立步骤：建立设备对象模型；

数据存储步骤：封装大数据平台接口，调用所述接口将数据源信息存储到数据库中，配置所述设备对象模型的模型信息和字段信息的映射关系，并将所述映射关系和映射数据存储到所述数据库中；

算法管理步骤：上传算法，选择所述设备对象模型，上传算法文件及配置文件，根据所述配置文件中的信息解析算法参数，将所述算法参数存储到所述数据库中；

训练任务创建步骤：新建训练任务，选择训练任务类型、训练算法参数，通过所述训练算法参数定位所述设备对象模型，根据时间范围从所述设备对象模型中选择实例数据后配置训练任务执行策略，并执行所述设备对象模型训练，将训练验证结果存储到所述数据库之后发布训练模型；

预测任务创建步骤:新建预测任务，添加预测任务属性，选择预测任务类型、预测算法参数，通过所述预测算法参数定位所述设备对象模型并选择所述训练模型，发布所述预测任务，并按策略执行所述预测任务后存储预测结果。

2.根据权利要求1所述的一种机器学习方法，其特征在于，所述模型建立步骤包括，建立设备对象模型，并添加所述设备对象模型的设备属性、测点数据信息。

3.根据权利要求1所述的一种机器学习方法，其特征在于，所述数据存储步骤包括：

数据源存储步骤：封装大数据平台的influxdb的接口，调用所述influxdb接口将数据库名存储到MySql的数据源表中；

数据映射存储步骤：配置所述设备对象模型的属性、测点信息和所述字段信息的所述映射关系，并将所述映射关系和映射数据存储到所述MySql数据库中。

4.根据权利要求1所述的一种机器学习方法，其特征在于，所述算法管理步骤包括：

算法上传步骤：上传算法，添加所述算法的属性，选择所述设备对象模型，并下载所述设备对象模型的数据，如需辅助文件则进行选择后打包上传算法文件、配置文件及辅助文件并保存到服务器中；

算法解析步骤：根据所述配置文件中信息解析所述算法参数，将所述算法参数与所述设备对象模型的所述测点数据信息进行对比，并将所述算法参数存储到所述数据库中。

5.根据权利要求1所述的一种机器学习方法，其特征在于，所述训练任务创建步骤包括，新建训练任务，添加训练任务名称，选择训练任务类型、训练算法参数，通过所述训练算法参数定位所述设备对象模型，并选择所述设备对象模型的实例数据时间范围，根据所述实例数据时间范围从所述设备对象模型中选择实例数据后所述训练任务配置执行策略并保存所述执行策略，根据所述执行策略进行所述设备对象模型的训练，并将训练验证结果存储到所述数据库之后发布训练模型。

6.根据权利要求5所述的一种机器学习方法，其特征在于，所述预测任务创建步骤包括，新建预测任务，添加预测任务属性，选择预测任务类型、预测算法参数，通过所述算法参数定位所述设备对象模型，选择所述训练模型，如需输入预测结果数据时，需重复执行所述预测任务，选择前面第N次的预测结果，需要立即执行所述预测任务，选择一个预测结果，如无需输入所述预测结果时，需提供在线预测服务，执行所述预测任务，生成在线API服务供用户调用，无需提供所述在线预测服务时，保存所述预测任务后按策略执行所述预测任务，并进行所述设备对象模型的预测，存储预测结果。