一种针对物联网平台的轻量级的数据预测方法和系统与流程

本发明提出了一种针对物联网平台的轻量级的数据预测方法和系统，属于数据预测。

背景技术：

1、数据预测框架基于spring框架实现，实现了基本的预测算法，开发人员可针对不同的业务场景选择不同的预测策略、算法、模型评估和优化方式。市面上基本没有轻量级的数据预测框架，不同厂商的数据预测模块在检测策略、算法、模型评估和优化方式具有非常大的差别，市面上没有一款可用轻量级的框架来实现数据预测的快速开发。

技术实现思路

1、本发明提供了一种针对物联网平台的轻量级的数据预测方法和系统，用以解决现有技术中同厂商的数据预测模块在检测策略、算法、模型评估和优化方式的差别较大，导致开发难度较大的问题，所采取的技术方案如下：

2、所述针对物联网平台的轻量级的数据预测方法包括：

3、通过物联网平台实时采集待处理的数据信息；

4、对所述数据信息进行分类，获得每种数据类型对应的数据集合；

5、利用所述数据集合对轻量级的数据预测模型进行训练，获得训练后的轻量级的数据预测模型；其中，所述数据预测模型采用卷积神经网络模型结构；

6、利用完成训练的轻量级的数据预测模型对物联网平台的轻量级数据进行预测，获得预测结果，其中，预测结果包括数据类型预测和判断。

7、进一步地，通过物联网平台实时采集待处理的数据信息，包括：

8、确定数据传输的通信协议，其中，所述数据传输的通信协议包括api协议和mqtt协议；

9、按照选定的数据传输的通信协议实时采集待处理的数据信息；

10、对所述待处理的数据信息进行预处理，获得预处理后的数据信息；其中，所述预处理包括数据清洗处理、数据去噪处理和数据缺失值填充处理。

11、进一步地，数据缺失值填充处理，包括：

12、对所述数据信息所包含的所有数据点通过查找nan(not a number)或null值的方式进行缺失值识别，获取数据缺失值；

13、根据预测目标获取所述数据信息的特征数值；

14、通过所述特征数值获取数据填充值；

15、利用所述数据填充值对数据缺失值进行补位填充。

16、进一步地，所述数据填充值通过如下公式获取：

17、s＝[1-(sp-sb)/s0]×s0

18、s0＝exp[-(sp-sb)/(sp+sb)]×sp

19、其中，s表示数据填充值；s0表示数据信息的特征数值的基准数值；sp表示数据信息的特征数值的平均值；sb表示数据信息的特征数值的标准差；exp表示指数运算；

20、进一步地，对所述数据信息进行分类，获得每种数据类型对应的数据集合，包括：

21、提取所述数据信息所包含的数据格式类型；

22、按照数据格式类型对所述数据信息进行分类，获得多种数据类型对应的数据集合。

23、一种针对物联网平台的轻量级的数据预测系统，所述针对物联网平台的轻量级的数据预测系统包括：

24、数据信息采集模块，用于通过物联网平台实时采集待处理的数据信息；

25、数据信息分类执行模块，用于对所述数据信息进行分类，获得每种数据类型对应的数据集合；

26、数据预测模型训练模块，用于利用所述数据集合对轻量级的数据预测模型进行训练，获得训练后的轻量级的数据预测模型；其中，所述数据预测模型采用卷积神经网络模型结构；

27、轻量级数据预测执行模块，用于利用完成训练的轻量级的数据预测模型对物联网平台的轻量级数据进行预测，获得预测结果，其中，预测结果包括数据类型预测和判断。

28、进一步地，所述数据信息采集模块包括：

29、通信协议确定模块，用于确定数据传输的通信协议，其中，所述数据传输的通信协议包括api协议和mqtt协议；

30、数据信息采集执行模块，用于按照选定的数据传输的通信协议实时采集待处理的数据信息；

31、数据信息预处理模块，用于对所述待处理的数据信息进行预处理，获得预处理后的数据信息；其中，所述预处理包括数据清洗处理、数据去噪处理和数据缺失值填充处理。

32、进一步地，所述数据信息预处理模块包括：

33、数据缺失值获取模块，用于对所述数据信息所包含的所有数据点通过查找nan(not anumber)或null值的方式进行缺失值识别，获取数据缺失值；

34、特征数值获取模块，用于根据预测目标获取所述数据信息的特征数值；

35、数据填充值获取模块，用于通过所述特征数值获取数据填充值；

36、补位填充执行模块，用于利用所述数据填充值对数据缺失值进行补位填充。

37、进一步地，所述数据填充值通过如下公式获取：

38、s＝[1-(sp-sb)/s0]×s0

39、s0＝exp[-(sp-sb)/(sp+sb)]×sp

40、其中，s表示数据填充值；s0表示数据信息的特征数值的基准数值；sp表示数据信息的特征数值的平均值；sb表示数据信息的特征数值的标准差；exp表示指数运算；

41、进一步地，所述数据信息分类执行模块包括：

42、数据格式类型提取模块，用于提取所述数据信息所包含的数据格式类型；

43、数据集合获取模块，用于按照数据格式类型对所述数据信息进行分类，获得多种数据类型对应的数据集合。

44、本发明有益效果：

45、本发明提出的一种针对物联网平台的轻量级的数据预测方法和系统通过该框架，开发人员可针对不同的业务场景选择不同的预测策略、算法、模型评估和优化方式，为物联网平台的预测分析提供了一种轻量级的实现方案和规范，为实现物联网平台数据分析提供一种可行的解决方案。

技术特征：

1.一种针对物联网平台的轻量级的数据预测方法，其特征在于，所述针对物联网平台的轻量级的数据预测方法包括：

2.根据权利要求1所述针对物联网平台的轻量级的数据预测方法，其特征在于，通过物联网平台实时采集待处理的数据信息，包括：

3.根据权利要求2所述针对物联网平台的轻量级的数据预测方法，其特征在于，数据缺失值填充处理，包括：

4.根据权利要求3所述针对物联网平台的轻量级的数据预测方法，其特征在于，所述数据填充值通过如下公式获取：

5.根据权利要求1所述针对物联网平台的轻量级的数据预测方法，其特征在于，对所述数据信息进行分类，获得每种数据类型对应的数据集合，包括：

6.一种针对物联网平台的轻量级的数据预测系统，其特征在于，所述针对物联网平台的轻量级的数据预测系统包括：

7.根据权利要求6所述针对物联网平台的轻量级的数据预测系统，其特征在于，所述数据信息采集模块包括：

8.根据权利要求7所述针对物联网平台的轻量级的数据预测系统，其特征在于，所述数据信息预处理模块包括：

9.根据权利要求8所述针对物联网平台的轻量级的数据预测系统，其特征在于，所述数据填充值通过如下公式获取：

10.根据权利要求6所述针对物联网平台的轻量级的数据预测系统，其特征在于，所述数据信息分类执行模块包括：

技术总结
本发明提出了一种针对物联网平台的轻量级的数据预测方法和系统。所述针对物联网平台的轻量级的数据预测方法包括：通过物联网平台实时采集待处理的数据信息；对所述数据信息进行分类，获得每种数据类型对应的数据集合；利用所述数据集合对轻量级的数据预测模型进行训练，获得训练后的轻量级的数据预测模型；利用完成训练的轻量级的数据预测模型对物联网平台的轻量级数据进行预测，获得预测结果。所述系统包括与所述方法步骤对应的模块。

技术研发人员：余丹,兰雨晴,马海洋,邢智涣,王丹星
受保护的技术使用者：慧之安信息技术股份有限公司
技术研发日：
技术公布日：2024/4/17