一种基于大数据的智能管理平台的制作方法

本发明涉及大数据技术领域，具体涉及一种基于大数据的智能管理平台。

背景技术：

随着人类社会的进步和科学技术的发展，出现在生产、生活中的数据量越来越大，如果依靠人工对数据进行处理，不仅处理效率慢，而且受人的主观影响比较大，计算机对数据的处理又仅停留在数据的简单处理，无法迅速从数据中读取有效信息，无法实现对数据的有效分类管理。

技术实现要素：

针对上述问题，本发明旨在提供一种基于大数据的智能管理平台。

本发明的目的采用以下技术方案来实现：

提供了一种基于大数据的智能管理平台，包括数据采集子系统、无线传输子系统、数据处理子系统和数据管理子系统，所述数据采集子系统利用传感器采集时序数据序列，所述无线传输子系统用于将采集的时序数据序列传输至数据处理子系统，所述数据处理子系统用于接收所述时序数据序列并对所述时序数据序列进行分类，所述数据管理子系统基于时序数据序列分类结果对所述时序数据序列进行分类管理。

本发明基于传感器对大量的时序数据序列进行采集，基于远程通信技术将数据传输至数据处理子系统进行分类，实现了各类数据的分类管理，并可为后续的数据决策提供指导性意见。

可选的，所述无线传输子系统基于移动2g、3g、4g网络中的一种或几种进行数据传输。

可选的，所述数据处理子系统包括数据库模块、数据度量模块和数据分类模块，所述数据库模块存储有各分类标签的标准时序数据序列，所述数据度量模块用于度量传感器采集的时序数据序列与各分类标签的标准时序数据序列的相似性，所述数据分类模块基于相似性度量结果确定传感器采集的时序数据序列的分类标签。

可选的，所述数据度量模块包括第一相似性度量子模块、第二相似性度量子模块和度量结果生成子模块，所述第一相似性度量子模块用于计算时序数据序列间的第一相似因子，所述第二相似性度量子模块用于计算时序数据序列间的第二相似因子，所述度量结果生成子模块基于时序数据序列间的第一相似性因子和第二相似性因子计算时序数据序列间的相似性值。

可选的，所述第一相似性度量子模块用于计算时序数据序列间的第一相似因子，具体为：

截取传感器采集的时序数据序列，保证截取后传感器采集的时序数据序列与各类标签的标准时序数据序列包含数据数相同；

采用下式计算时序数据序列si、sj的第一相似因子d1(si，sj)：

式中，d1(si，sj)表示时序数据序列si、sj的第一相似因子，si＝(si1，si2，…，sin)，sik表示第i个传感器采集的时序数据序列中的第k个数据，sj＝(sj1，sj2，…，sjn)，sjk表示第j个分类标签的标准时序数据序列中的第k个数据，k＝1，2，…，n。

可选的，所述第二相似性度量子模块用于计算时序数据序列间的第二相似因子，具体为：

截取传感器采集的时序数据序列，保证截取后传感器采集的时序数据序列与各类标签的标准时序数据序列包含数据数相同；

采用下式计算时序数据序列si、sj的第二相似因子d2(si，sj)：

式中，d2(si，sj)表示时序数据序列si、sj的第二相似因子，si＝(si1，si2，…，sin)，sik表示第i个传感器采集的时序数据序列中的第k个数据，sj＝(sj1，sj2，…，sjn)，sjk表示第j个分类标签的标准时序数据序列中的第k个数据，k＝1，2，…，n。

可选的，所述度量结果生成子模块基于时序数据序列间的第一相似性因子和第二相似性因子计算时序数据序列间的相似性值，具体为：

采用下式计算时序数据序列si、sj的相似性值：

d(si，sj)＝b1d1(si，sj)+b2d2(si，sj)

式中，d(si，sj)表示时序数据序列si、sj的相似性值，b1、b2分别表示第一相似因子和第二相似因子的权重，b1+b2＝1；所述时序数据序列si、sj的相似性值越大，表示时序数据序列si、sj的相似程度越高。

可选的，所述数据分类模块基于相似性度量结果确定传感器采集的时序数据序列的分类标签，具体为：

计算传感器采集的时序数据序列与各分类标签的标准时序数据序列的相似性值，将相似性值最大的标准时序数据序列的分类标签作为传感器采集的时序数据序列的分类标签，实现对传感器时序数据序列的分类。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明的结构示意图；

图2是本发明数据处理子系统的结构示意图。

附图标记：

数据采集子系统1、无线传输子系统2、数据处理子系统3、数据管理子系统4、数据库模块5、数据度量模块6、数据分类模块7。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1、图2，本实施例提供了一种基于大数据的智能管理平台，包括数据采集子系统1、无线传输子系统2、数据处理子系统3和数据管理子系统4，所述数据采集子系统1利用传感器采集时序数据序列，所述无线传输子系统2用于将采集的时序数据序列传输至数据处理子系统3，所述数据处理子系统3用于接收所述时序数据序列并对所述时序数据序列进行分类，所述数据管理子系统4基于时序数据序列分类结果对所述时序数据序列进行分类管理。

基于智能管理的目的，该智能管理平台采用不同的传感器进行数据采集，根据传感器类型的不同，采集的时序数据序列不同，数据处理子系统3基于传感器类型对相应的时序数据序列进行分类，从而达到获取时序数据序列分类信息的目的，为后续的信息决策提供良好的基础。

本实施例基于传感器对大量的时序数据序列进行采集，基于远程通信技术将数据传输至数据处理子系统进行分类，实现了各类数据的分类管理，并可为后续的数据决策提供指导性意见。

优选的，所述无线传输子系统2基于移动2g、3g、4g网络中的一种或几种进行数据传输。

在条件比较艰苦的偏远地区，该智能管理平台可采用2g网络和3g网络进行数据的传输，在4g网络比较发达的城市，采用4g网络进行数据传输，当4g网络信号不好的时候，也可以采用2g网络和3g网络进行数据传输。

本优选实施例实现了不同地区的数据传输，即使在没有4g网络的地区，也能保证传感器数据进行及时有效传输，从而提高了该智能管理平台的应用范围。

优选的，所述数据处理子系统3包括数据库模块5、数据度量模块6和数据分类模块7，所述数据库模块5存储有各分类标签的标准时序数据序列，所述数据度量模块6用于度量传感器采集的时序数据序列与各分类标签的标准时序数据序列的相似性，所述数据分类模块7基于相似性度量结果确定传感器采集的时序数据序列的分类标签。

具体的，所述数据库模块5存储有各分类标签的标准时序数据序列，根据智能管理平台的具体应用不同，对应的传感器类型不同，采集的时序数据序列不同，数据库模块5与互联网连接，存储有不同应用领域下的各分类标签的标准时序数据序列；当传感器为温度传感器，对某一地区的气温状况进行采集，则数据库模块5存储分类标签为高温、中温、低温、寒冷下对应温度的标准时序数据序列，将温度传感器采集的时序数据序列分别与高温、中温、低温、寒冷下对应温度的标准时序数据序列进行相似性度量，实现对当前传感器采集的温度的分类，为下一步的防暑御寒做好准备。

当传感器为电流传感器，对某电力设备电流进行采集，则数据库模块5存储分类标签为正常、过流、电流偏低下对应电流的标准时序数据序列，将电流传感器采集的时序数据序列分别与正常、过流、电流偏低下对应电流的标准时序数据序列进行相似性度量，实现对当前传感器采集的电流的分类，为设备诊断维修提供有效数据。

当传感器为血压传感器，对人体的血压进行采集，则数据库模块5存储分类标签为正常、高血压、低血压下对应血压的标准时序数据序列，将血压传感器采集的时序数据序列分别与正常、高血压、低血压下对应血压的标准时序数据序列进行相似性度量，实现对当前传感器采集的血压的分类，为医疗诊断提供有效建议。

本优选实施例列举了三种情形下智能管理平台的数据处理和应用，分别实现了天气预报、电力设备诊断和远程医疗诊断。

当然，该智能管理平台不限于处理单一传感器情形下的数据分类管理决策，在进行天气预测时，可以同时采用温度传感器、湿度传感器、风力风向传感器进行多维数据采集，由于数据库模块5存储了大量的已有标准数据，将各类传感器数据与数据库模块5中的标准时序数据进行比对，能够实现天气的全方位预报。同理，可以采用体温计、心率仪、血压传感器等多种传感器对健康进行综合诊断。

优选的，所述数据度量模块6包括第一相似性度量子模块、第二相似性度量子模块和度量结果生成子模块，所述第一相似性度量子模块用于计算时序数据序列间的第一相似因子，所述第二相似性度量子模块用于计算时序数据序列间的第二相似因子，所述度量结果生成子模块基于时序数据序列间的第一相似性因子和第二相似性因子计算时序数据序列间的相似性值。

本优选实施例提供了一种相似性度量的新方法，建立了相似性度量新模型，通过简历第一相似因子和第二相似因子，计算时序数据序列的相似性，提升了相似性度量准确性。

优选的，所述第一相似性度量子模块用于计算时序数据序列间的第一相似因子，具体为：

截取传感器采集的时序数据序列，保证截取后传感器采集的时序数据序列与各类标签的标准时序数据序列包含数据数相同；

采用下式计算时序数据序列si、sj的第一相似因子d1(si，sj)：

式中，d1(si，sj)表示时序数据序列si、sj的第一相似因子，si＝(si1，si2，…，sin)，sik表示第i个传感器采集的时序数据序列中的第k个数据，sj＝(sj1，sj2，…，sjn)，sjk表示第j个分类标签的标准时序数据序列中的第k个数据，k＝1，2，…，n。

本优选实施例首先将采集的时序数据序列截取与标准时序数列相同的长度，便于进行相似性度量，第一相似因子考虑了时序数据序列的数值特征，在度量过程中，克服了单一通过时序数据序列整体趋势进行度量的弊端。

优选的，所述第二相似性度量子模块用于计算时序数据序列间的第二相似因子，具体为：

截取传感器采集的时序数据序列，保证截取后传感器采集的时序数据序列与各类标签的标准时序数据序列包含数据数相同；

采用下式计算时序数据序列si、sj的第二相似因子d2(si，sj)：

式中，d2(si，sj)表示时序数据序列si、sj的第二相似因子，si＝(si1，si2，…，sin)，sik表示第i个传感器采集的时序数据序列中的第k个数据，sj＝(sj1，sj2，…，sjn)，sjk表示第j个分类标签的标准时序数据序列中的第k个数据，k＝1，2，…，n。

本优选实施例首先将采集的时序数据序列截取与标准时序数列相同的长度，便于进行相似性度量，第二相似因子考虑了时序数据序列的趋势特征，在度量过程中，克服了单一通过时序数据序列数值进行度量的弊端。

优选的，所述度量结果生成子模块基于时序数据序列间的第一相似性因子和第二相似性因子计算时序数据序列间的相似性值，具体为：

采用下式计算时序数据序列si、sj的相似性值：

d(si，sj)＝b1d1(si，sj)+b2d2(si，sj)

式中，d(si，sj)表示时序数据序列si、sj的相似性值，b1、b2分别表示第一相似因子和第二相似因子的权重，b1+b2＝1；所述时序数据序列si、sj的相似性值越大，表示时序数据序列si、sj的相似程度越高。

在具体应用过程中，b1、b2的权重可以根据实际应用进行调整，如果在相似性度量过程中时序数据序列的变化趋势占据主要地位，此时，应当适当增加b2的值，如果在相似性度量过程中，更加注重数值本身的差值，此时，应当适当增加b1的值。

本优先实施在相似性度量过程中同时考虑了时序数据序列中数值和趋势两个特征，得到的分类结果更加准确，该智能管理平台的应用更为广泛。

优选的，所述数据分类模块7基于相似性度量结果确定传感器采集的时序数据序列的分类标签，具体为：

计算传感器采集的时序数据序列与各分类标签的标准时序数据序列的相似性值，将相似性值最大的标准时序数据序列的分类标签作为传感器采集的时序数据序列的分类标签，实现对传感器时序数据序列的分类。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解应当理解，可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现，处理器可以在一个或多个下列单元中实现：专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现，实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。实现时，可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于ram、rom、eeprom、cd-rom或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术目的地应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。