基于数据驱动的统计类大数据逻辑模型构建方法及系统.pdf
Do****76
亲,该文档总共15页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于数据驱动的统计类大数据逻辑模型构建方法及系统.pdf
本发明提供了一种基于数据驱动的统计类大数据逻辑模型构建方法及系统,首先通过获取源端数据并将源端数据通过识别抽象处理得到第一数据;然后再将第一数据与SG‑CIM逻辑模型进行覆盖比对,并根据比对结果建立统计类大数据逻辑模型。其中,识别抽象处理先将输入的源端数据进行需求分析、抽象识别得到第一源数据;再将数据源对象通过抽象提取后输出得到第一数据。其中,抽象提取包括以下的一种或多种:规范、统一语义、去重、归并、整合和拆分。本发明实现了直接从数据现状入手,提取数据和逻辑关系并完成逻辑模型构建,从而在实现的时候速度快、
基于模型与数据混合驱动的电驱动系统多维载荷预测方法.pdf
本发明公开基于模型与数据混合驱动的电驱动系统多维载荷预测方法,包括:获取实际用户运行数据,基于实际用户运行数据,分析电驱动系统的不同部件的失效机理与失效关联载荷;采用模型驱动方法提取多维失效关联载荷;采用模型与数据混合驱动方法,构建基于神经网络算法融合的电驱动系统多维载荷快速预测模型;构建载荷预测精度评价指标,验证电驱动系统多维载荷快速预测模型的有效性。本发明能够实现电驱动系统关键应力、功率损耗、时延温度等不同时间尺度的失效关联载荷预测,极大降低失效关联载荷获取的成本,为电驱动系统各部件损伤实时评估与寿命
基于大模型驱动的数据知识体系建设.pdf
基于大模型驱动的数据知识体系建设随着信息时代的不断发展,数据已成为企业发展和决策的重要依据。然而,面对海量的数据,如何将其转化为有意义的知识并进行有效管理成为了企业面临的一个重要问题。针对这一问题,基于大模型的数据知识体系建设成为了一种新的解决方案。本文将分析大模型驱动的数据知识体系建设的意义、方法和应用,并探讨其未来发展趋势。一、基于大模型的数据知识体系建设的意义1.1数据的庞大和碎片化随着互联网的发展和物联网技术的普及,数据量呈现爆炸式增长的趋势。企业面临着海量、碎片化、多源化的数据挑战,传统的手工整
基于散列数据构建基础数据模型的方法.pdf
本发明提供了一种基于散列数据构建基础数据模型的方法,不再依赖于传统的基础数据表的结构,而是通过制定标准化接口规范和数据结构,由业务功能驱动调用基础数据接口,生成基础数据的分散属性及数据,由接口对数据进行处理分散存储,在业务使用方通过调用接口,由接口对数据进行横向、纵向以及三维角度重组建模,并返回给业务方。本发明通过对基础数据的分散存储和最小单元存储,使基础数据的管理不再依赖于数据类型,使得基础数据的管理走向统一化和标准化,由于在存储中将数据项作为了最小单元,使得数据的重组更加灵活,避免多数据项组合带来的冗
基于磁感应的数据统计模型系统.pdf
本发明公开了基于磁感应的数据统计模型系统,所述系统运行方法包括以下步骤:步骤一:调用高炉煤气预热现场记录的参数数据,确定利用电磁感应加热的材料参数;步骤二:以高炉煤气输送管道为基础,利用COMSOLMultiphysics软件对高炉煤气及电磁感应加热装置的换热过程进行数值模拟;步骤三:进一步通过数值模拟的方式,模拟单只燃烧器在通入不同预热温度燃料的燃烧情况;步骤四:根据确定的材料参数以及数值模拟结果,建立电磁感应加热数据统计模型;步骤五:在电磁感应加热模拟设置结束后,将参数模拟模型和数据统计模型转换输出