首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种IOT智能服务平台数据的智能分析方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:苏州普康智慧养老产业科技有限公司;浙江普康智慧养老产业科技有限公司

摘要:本发明涉及数据聚类技术领域,具体涉及一种IOT智能服务平台数据的智能分析方法。首先,获取多维周期性数据,并基于时序分解算法将每个单维数据分解为趋势项、季节项和残差项。分析残差项得到每个采样时刻的异常程度值。考虑数据的趋势性和周期性,结合异常程度值,计算距离因子。进一步分析各单维数据之间的相关性,得到距离权重。结合距离因子和距离权重,计算各采样时刻之间的距离参数,该参数综合了数据的多种特性,如相关性、趋势性、周期性和异常情况。基于该参数构建初始连通图集,并修正承受系数,然后通过连通图动态分裂的聚类算法获取分裂连通图作为聚类结果。此聚类结果用于异常检测,可提高异常检测的可信度和准确度。

主权项:1.一种IOT智能服务平台数据的智能分析方法,其特征在于,所述方法包括:获取IOT智能服务平台中待测工业设备至少两个数据周期的多维数据,且所述多维数据至少包括温度数据、振动数据以及功率数据;基于时序分解算法获取所述多维数据中每个单维数据的趋势项、季节项以及残差项;在两个不同的数据周期中各任选一个采样时刻作为待测时刻,在所述多维数据中任选一个单维数据作为待分析数据;在所述待分析数据中,根据对应残差项中各采样时刻对应的残差值之间的差异以及分布情况,获得每个采样时刻对应的异常程度值;根据两个所述待测时刻之间的趋势项数值差异、季节项数值差异以及异常程度值,获得两个所述待测时刻之间的距离因子;根据待分析数据与其他所有单维数据之间的相关情况,获得两个待测时刻之间的距离权重;根据两个待测时刻在所有单维数据中的距离因子以及对应的距离权重,获取两个待测时刻之间的距离参数;在同一数据周期内的任意两个采样时刻之间的距离参数为预设值,且所述预设值小于两个待测时刻之间的距离参数;根据所有采样时刻之间的所述距离参数获取所述多维数据对应的初始连通图集;根据所述距离参数对连通图动态分裂的聚类算法中的承受系数进行修正,根据修正后的承受系数获得初始连通图集的分裂连通图,作为聚类结果;根据所述聚类结果进行异常检测;所述根据对应残差项中各采样时刻对应的残差值之间的差异以及分布情况,获得每个采样时刻对应的异常程度值,包括:以每个采样时刻为中心,构建预设邻域;在待分析数据对应的残差项中,在每个采样时刻对应的预设邻域内,将中心采样时刻与所有邻域采样时刻的残差值之间的差异均值,作为中心采样时刻的第一异常因子;以每个采样时刻所在的数据周期为中心,构建预设范围,计算每个采样时刻与预设范围内其他数据周期中同位置处的采样时刻之间的残差值的差异均值,作为对应采样时刻的第二异常因子;将每个采样时刻的第一异常因子与第二异常因子的乘积作为对应采样时刻的异常程度值;所述根据两个所述待测时刻之间的趋势项数值差异、季节项数值差异以及异常程度值,获得两个所述待测时刻之间的距离因子,包括:根据两个所述待测时刻在趋势项中的位置与数值、在季节项中的数值获得每个待测时刻对应的差异系数;计算两个待测时刻之间的异常程度值的差异,得到异常差异值;将两个待测时刻对应的差异系数相乘后,再与异常差异值进行相乘,将所得乘积进行归一化后的值作为两个所述待测时刻之间的距离因子;在两个待测时刻中任选一个作为第一时刻,另一个则作为第二时刻,所述差异系数的公式模型为: 其中,表示在待分析数据s中,第一时刻ta对应的差异系数;表示在待分析数据s对应的趋势项中,第一时刻ta对应的趋势值;表示在待分析数据s对应的趋势项中,在第二时刻tb所在数据周期中,与第一时刻ta相同位置处的采样时刻对应的趋势值;表示在待分析数据s对应的季节项中,第一时刻ta对应的数值;表示在待分析数据s对应的季节项中,在第二时刻tb所在数据周期中,与第一时刻ta相同位置处的采样时刻对应的数值;所述根据待分析数据与其他所有单维数据之间的相关情况,获得两个待测时刻之间的距离权重,包括:在每个单维数据对应的趋势项中,将待测时刻与对应的邻域采样时刻的趋势值按照时序组成数据序列;在待分析数据与其他每个单维数据中,计算每个待测时刻对应的所述数据序列之间的皮尔逊相关系数,作为相关值,并将两个待测时刻对应的相关值的差异作为差异参数;将两个待测时刻在待分析数据与其他所有单维数据中的差异参数的均值作为两个待测时刻之间的距离权重;所述根据所述距离参数对连通图动态分裂的聚类算法中的承受系数进行修正,根据修正后的承受系数获得初始连通图集的分裂连通图,作为聚类结果,包括:根据所述距离参数对承受系数进行修正,修正后的承受系数的公式模型为: 其中,t′表示修正后的承受系数;WA表示连通图被分裂为两个部分后,部分A中点的总数;WB表示连通图被分裂为两个部分后,部分B中点的总数;Dh表示连通图被分裂为两个部分后,连接两个部分的第h条边对应的两个采样时刻之间的距离参数;H表示连通图被分裂成两个部分后,连接两个部分的边的总数;min{}表示取最小值;基于连通图动态分裂的聚类算法,根据预设分裂阈值和所述修正后的承受系数对初始连通图集中的每个连通图进行分裂,获得初始连通图集中所有连通图的分裂连通图,作为聚类结果。

全文数据:

权利要求:

百度查询: 苏州普康智慧养老产业科技有限公司 浙江普康智慧养老产业科技有限公司 一种IOT智能服务平台数据的智能分析方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。