[发明专利]基于工业物联网的数据处理方法、装置、设备及存储介质

说明书

本发明涉及数据处理领域，公开了一种基于工业物联网的数据处理方法、装置、设备及存储介质，用于提高数据处理的准确率。所述基于工业物联网的数据处理方法包括：获取待处理的工业物联网数据，并提取所述工业物联网数据中的参数指标；根据所述参数指标构建参数向量，并计算所述参数向量对应的系数向量；根据所述系数向量生成所述系数向量对应的多个特征值，并获取每个特征值对应的关联向量；根据所述多个特征值和每个特征值对应的关联向量计算所述参数指标的目标权重；根据所述目标权重和所述参数指标生成目标序列；将所述目标序列输入预置的工业物联网数据处理模型进行指标计算，得到目标预测值。

技术领域

本发明涉及数据处理领域，尤其涉及一种基于工业物联网的数据处理方法、装置、设备及存储介质。

背景技术

由于工业物联网的数据具有非常强的时间属性，而且具有顺序发生特性和顺序积累特性。也就是说，一个指标所上报的所有数据，都可以视为一个以时间为重要参数的函数，历史数据对未来的发展有一定影响，并且下一个时间节点的数值是一定显著性水平下所能预测的。考虑设备的整体运行状态，仅仅研究一两个参数是片面的，尽可能多的加入参数，可以增加对设备的把控。

现有方案是根据时间序列中的数据建立单一的分析模型，并没有对模型的适用性进行分析，导致数据的分析预测结果并不符合实际采样值，即现有方案的准确率低。

发明内容

本发明提供了一种基于工业物联网的数据处理方法、装置、设备及存储介质，用于提高数据处理的准确率。

本发明第一方面提供了一种基于工业物联网的数据处理方法，所述基于工业物联网的数据处理方法包括：获取待处理的工业物联网数据，并提取所述工业物联网数据中的参数指标；根据所述参数指标构建参数向量，并计算所述参数向量对应的系数向量；根据所述系数向量生成所述系数向量对应的多个特征值，并获取每个特征值对应的关联向量；根据所述多个特征值和每个特征值对应的关联向量计算所述参数指标的目标权重；根据所述目标权重和所述参数指标生成目标序列；将所述目标序列输入预置的工业物联网数据处理模型进行指标计算，得到目标预测值。

可选的，在本发明第一方面的第一种实现方式中，所述根据所述多个特征值和每个特征值对应的关联向量计算所述参数指标的目标权重，包括：计算每个特征值占所有特征值之和的比例，得到特征值贡献率；根据所述特征值贡献率构建特征贡献向量，并根据所述特征贡献向量生成综合评价向量；提取所述综合评价向量中每一维数据的绝对值，并将所述绝对值作为所述参数指标的目标权重。

可选的，在本发明第一方面的第二种实现方式中，所述基于工业物联网的数据处理方法还包括：调用预置的校验模型判断所述目标序列是否平稳；若平稳，则构造所述目标序列对应的自回归滑动平均模型；若不平稳，则对所述目标序列进行差分处理，并构建差分整合移动平均自回归模型。

可选的，在本发明第一方面的第三种实现方式中，所述基于工业物联网的数据处理方法还包括：通过所述工业物联网数据处理模型对所述目标序列进行数据拟合计算，得到预测数据；根据所述目标序列和所述预测数据生成残差序列；判断所述残差序列是否符合预置条件；若不符合，则对所述工业物联网数据处理模型进行参数调整，直至所述工业物联网数据处理模型对应的残差序列符合预置条件。

可选的，在本发明第一方面的第四种实现方式中，所述判断所述残差序列是否符合预置条件，包括：判断所述残差序列是否为白噪声序列，以及判断所述残差序列是否符合正态分布；若所述残差序列为白噪声序列且符合正态分布，则确定所述残差序列符合预置条件。