【技术实现步骤摘要】
数据处理方法及装置、计算机可读存储介质及处理器
本专利技术涉及数据领域，具体而言，涉及一种数据处理方法及装置、计算机可读存储介质及处理器。
技术介绍
随着数据库系统的广泛应用和网络技术的高速发展，数据库技术也进入了一个全新的阶段，即从过去仅管理一些简单数据发展到管理由各种计算机所产生的图形、图像、音频、视频、电子档案、Web页面等多类型的复杂数据，并且数据量也越来越大。数据库在给我们提供丰富信息的同时，也体现出明显的海量信息特征。信息爆炸时代，人们迫切希望能对海量数据进行深入分析，发现并提取隐藏在其中的信息，以更好地利用这些数据。海量信息给人们带来许多负面影响，最主要的就是有效信息难以提炼，过多无用的信息必然会产生信息距离和有用知识的丢失，针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种数据处理方法及装置、计算机可读存储介质及处理器，以至少解决海量数据的信息深度识别的技术问题。根据本专利技术实施例的一个方面，提供了一种数据处理方法，该方法包括：获取多个...
【技术保护点】
1.一种数据处理方法，其特征在于，包括：/n获取多个数据源的多维数据；/n利用数据挖掘算法对所述多维数据进行数据挖掘，得到数据挖掘结果，其中，所述数据挖掘结果包括如下至少之一：充电桩与交通网络的关联关系，充电桩与配网的关联关系；/n利用预测算法对所述多维数据进行分析预测，构建预测模型，其中，所述预测模型包括如下至少之一：车辆位置分布模型、充放电预测模型；/n利用第一模式识别算法对所述多维数据进行识别，确定车辆的行驶路径。/n
【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：
获取多个数据源的多维数据；
利用数据挖掘算法对所述多维数据进行数据挖掘，得到数据挖掘结果，其中，所述数据挖掘结果包括如下至少之一：充电桩与交通网络的关联关系，充电桩与配网的关联关系；
利用预测算法对所述多维数据进行分析预测，构建预测模型，其中，所述预测模型包括如下至少之一：车辆位置分布模型、充放电预测模型；
利用第一模式识别算法对所述多维数据进行识别，确定车辆的行驶路径。
2.根据权利要求1所述的方法，其特征在于，在利用数据挖掘算法对所述多维数据进行数据挖掘，得到数据挖掘结果之后，所述方法还包括如下至少之一：
基于所述充电桩与交通网络的关联关系，构建路网模型和道路拓扑结构；
基于所述充电桩与配网的关联关系，构建配网评价指标，其中，所述配网评价指标用于量化车辆充电行为对所述配网的影响程度。
3.根据权利要求1所述的方法，其特征在于，所述数据挖掘算法包括如下之一：粒子群算法、分类预测算法、optics聚类算法、Aprioir关联分析算法。
4.根据权利要求1所述的方法，其特征在于，所述预测算法包括如下之一：ARIMA预测算法、基于CAR-LSSVM的事件序列预测算法。
5.根据权利要求1至4中任意一项所述的方法，其特征在于，在获取多个数据源的多维数据之后，所述方法还包括：
利用第二模式识别算法对所述多维数据进行分类，得到分类后的多维数据；
对所述分类后的多维...
【专利技术属性】
技术研发人员：潘鸣宇，陈平，孙舟，邱明泉，王伟贤，陈振，袁小溪，李卓群，刘祥璐，
申请(专利权)人：国网北京市电力公司，国家电网有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。