基于主数据线索的多维跨域模型数据集成方法及系统.pdf
小代****回来
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于主数据线索的多维跨域模型数据集成方法及系统.pdf
本发明提供一种基于主数据线索的多维跨域模型数据集成方法,包括:S1:获取待分析产品,构建待分析产品的主数据线索框架;S2:获取待分析产品的数字模型,将数字模型与主数据线索框架进行关联,获得模型要素关联表;S3:获取待分析产品的仿真运行数据,将仿真运行数据与主数据线索框架进行关联,获得数据汇集关联表;S4:通过主数据线索框架、模型要素关联表和数据汇集关联表构建检索模型,通过检索模型进行产品的检索分析任务。本发明将模型和数据与线索框架进行统一编码和关联,即可保证全寿期模型数据集成的便利性和时效性,也能显著提高
数据跨域请求方法、设备及系统.pdf
本发明实施例提供一种数据跨域请求方法、设备及系统,涉及信息技术领域,主要在于解决目前数据跨域请求的效率较低的问题。所述方法包括:接收客户端发送的第一数据跨域请求,第一数据跨域请求中携带有统一资源定位符URL以及第二数据跨域请求的标识信息,第一数据跨域请求为JSONP方式支持的数据跨域请求,第二数据跨域请求为JSONP方式不支持的数据跨域请求;当检测到第二数据跨域请求的标识信息与预置数据跨域请求的标识信息相匹配,则根据第二数据跨域请求对与所述URL对应的数据进行处理并将处理结果发送给客户端。本发明适用于数据
基于多维时间序列数据进行预测或训练模型的方法和系统.pdf
公开了一种用于基于多维时间序列数据进行预测的方法,包括:监测多维时间序列数据流以获取当前观察点,当前观察点包括多维特征数据;基于当前观察点,应用经训练的神经过程模型进行预测,神经过程模型是使用多个先前观察点训练的,每个先前观察点包括多维特征数据和相应的标签数据,其中神经过程模型包括编码器和解码器,编码器包括互关注模块,互关注模块基于当前观察点的多维特征数据与一个或多个先前观察点的多维特征数据之间的关联向多个先前观察点分配权重,以用于最终生成当前观察点的目标预测。本申请还涉及其它方法、系统、装置和计算机可读
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
基于数据资产多维数据库模型的数据查询方法和装置.pdf
本申请提供了一种基于数据资产多维数据库模型的数据查询方法和装置,涉及大数据处理技术领域,该方法包括:获取多种数据结构对应的初始数据资源,并通过数据探查工具将初始数据资源进行本地缓存;对初始数据资源进行数据初始化处理,并将处理后得到的数据资产加载预先创建的数据资产多维数据库模型;响应针对数据资产的查询操作,通过数据库语言对数据资产多维数据库模型进行查询。本申请提升了数据量大、数据结构众多情况下的数据查询效率。