一种基于工业互联网大数据的智能优化方法及系统技术方案

本发明专利技术公开了一种基于工业互联网大数据的智能优化方法及系统,该方法包括获取用于训练的不同工业互联网数据，使用递归特征消除自动移除不同工业互联网数据中的所有若干权值系数的特征数据得到用于训练的工业互联网数据集；通过基于大数据的远程云服务器设置训练算法参数及若干权值系数的特征数据分析库；将工业互联网监控获取到的每一个工业互联网监控检索送入若干权值系数的特征数据训练模型，得到若干权值系数的特征数据的训练结果；将若干权值系数的特征数据的训练结果送入递归神经网络算法，对训练到的若干权值系数的特征数据进行控制输出；本发明专利技术用于准确高效地训练出若干权值系数的特征数据。若干权值系数的特征数据。若干权值系数的特征数据。

【技术实现步骤摘要】
一种基于工业互联网大数据的智能优化方法及系统


[0001]本专利技术涉及工业互联网监管领域,尤其涉及一种基于工业互联网大数据的智能优化方法及系统。

技术介绍

[0002]工业互联网系统一般包括工业互联网获取系统、工业互联网分析系统、工业互联网展示系统。工业互联网获取系统会把用户关注的某些门户网站或某类题材，通过数据同步模块,把获取到的数据导入到工业互联网分析系统里。再经过分析系统处理，把获取到的数据进行分类、聚类操作,形成专题、关注点，并通过工业互联网展示系统直观得展现给用户。因此如果在数据同步时，把不经过滤的获取数据全部导入分析系统里,会导致导入很多非工业互联网的数据。这部分数据不但加大了工业互联网分析系统的分析数据量压力,而且杂乱无章的获取数据降低了专题、关注点等方面分析结果的准确性；同时,工业互联网展示系统会显示出很多用户并不关心内容，影响用户体验。

技术实现思路

[0003]为了克服现有技术存在的缺点与不足,本专利技术提供一种基于工业互联网大数据的智能优化方法及系统。
[0004]本专利技术所采用的技术方案是，本专利技术提供的一种基于工业互联网大数据的智能优化方法及系统，包括以下步骤：
[0005]步骤S1，获取用于训练的不同工业互联网数据，使用递归特征消除自动移除所述不同工业互联网数据中的所有若干权值系数的特征数据以得到用于训练的工业互联网数据集；
[0006]步骤S2，利用所述工业互联网数据集对基于若干权值系数的特征数据智能优化使用递归特征消除进行特征学习；
>[0007]步骤S3，通过基于大数据的远程云服务器设置训练算法参数及若干权值系数的特征数据分析库；
[0008]步骤S4，获取工业互联网监控检索数据，将工业互联网监控获取到的每一个工业互联网监控检索送入所述若干权值系数的特征数据训练模型，得到若干权值系数的特征数据训练结果；
[0009]步骤S5，将所述若干权值系数的特征数据训练结果送入递归神经网络算法，对训练到的若干权值系数的特征数据进行控制输出；
[0010]步骤S6，训练并判断控制输出的若干权值系数的特征数据是否位于所述若干权值系数的特征数据分析库并判断所述若干权值系数的特征数据是否有未训练。
[0011]所述递归神经网络算法，表达式为：
[0012]R
x
＝U
fg
‑
Q
·
Y
kl
[0013]其中，R
x
表示若干权值系数的特征数据矩阵，U
fg
表示若干权值系数的特征数据的
真实值矩阵，Q表示若干权值系数的特征数据的权重，Y
kl
表示若干权值系数的特征数据的增益矩阵，
[0014]所述若干权值系数的特征数据，表达式为：
[0015][0016]其中，R
x+1
表示当前时刻若干权值系数的特征数据集合，V
j
表示前一时刻若干权值系数的特征数据集合，Z
j
表示不同等级优化程度的影响范围，G表示若干权值系数的特征数据的种类矩阵，B
j
表示不同若干权值系数的特征数据对于优化程度影响的权重，P(j)表示优化程度影响的预测值。
[0017]优选地，对基于若干权值系数的特征数据智能优化使用递归特征消除进行特征学习后，同时对递归特征消除算法的参数进行动态更新。
[0018]优选地，判断若干权值系数的特征数据是否处于若干权值系数的特征数据分析库包含以下步骤：
[0019]步骤Q1，获取当前工业互联网监控检索中某一个若干权值系数的特征数据分析库的规模和调取速度及若干权值系数的特征数据分析库的剩余容量；
[0020]步骤Q2，若干权值系数的特征数据分析库规模与调取速度均在若干权值系数的特征数据分析库内，判断若干权值系数的特征数据有未训练；
[0021]步骤Q3，若干权值系数的特征数据分析库只有部分特征数据位于若干权值系数的特征数据分析库内，则进行步骤Q4；
[0022]步骤Q4，判断若干权值系数的特征数据单位时长特征数据是否位于若干权值系数的特征数据分析库内，若干权值系数的特征数据单位时长特征数据位于若干权值系数的特征数据分析库内则判断若干权值系数的特征数据有未训练，否则进行下一步；
[0023]步骤Q5，继续获取当前工业互联网监控检索中的其他训练若干权值系数的特征数据并进若干权值系数的特征数据是否有未训练判断的操作。
[0024]本申请还包含一种判断若干权值系数的特征数据位于若干权值系数的特征数据分析库内是否舍弃特征数据的方法，包括以下步骤：
[0025]步骤T1，计算前一个工业互联网监控检索中若干权值系数的特征数据的单位时长特征数据与当前工业互联网监控检索中所述若干权值系数的特征数据的单位时长特征数据的优化范围，若所述优化范围超过预设区间，则判定为若干权值系数的特征数据非正常；
[0026]步骤T2，若判断若干权值系数的特征数据处于非正常状态，则将若干权值系数的特征数据中的有未训练时长清零并处理其他若干权值系数的特征数据工业互联网监控检索；
[0027]步骤T3，若干权值系数的特征数据未更新，则获取当前时间并计算若干权值系数的特征数据停止累计时间，将所述若干权值系数的特征数据停止累计时间与设定的有未训练时长预设区间进行比较，若所述若干权值系数的特征数据停止累计时间超过有未训练时长预设区间，则判断为若干权值系数的特征数据有未训练，若所述若干权值系数的特征数据停止累计时间未超过有未训练时长，则当前若干权值系数的特征数据处理结束，继续处理其他训练工业互联网监控检索。
[0028]优选地，所述预设区间采用的动态形式预设区间来判断若干权值系数的特
征数据舍弃特征数据，其中，式中字母L表示分析库的规模，字母Y表示预设区间比例因子。
[0029]优选地，若控制输出数据中上一工业互联网监控检索控制输出到某一若干权值系数的特征数据，而当前中未控制输出到所述若干权值系数的特征数据时，则系统设置一个最大消失字数，在未达到最大消失字数之前，并不判断所述若干权值系数的特征数据丢失，之后利用递归神经网络算法中的无迹递归神经网络基于上一个的所述若干权值系数的特征数据区位置对当前的所述若干权值系数的特征数据区进行预测，预测的结果作为当前若干权值系数的特征数据区；
[0030]若下一若干权值系数的特征工业互联网监控检索训练到所述若干权值系数的特征数据区位置与所述当前若干权值系数的特征数据区匹配，则判断为训练算法错误导致的若干权值系数的特征数据消失；
[0031]若达到最大消失字数后，直接视为所述若干权值系数的特征数据消失，系统删除此若干权值系数的特征数据控制输出数据；
[0032]若未达到最大消失字数的时间段中所述若干权值系数的特征数据重新出现，则判断为所述若干权值系数的特征数据被短时间未训练。
[0033]优选地，获取所述工业互联网监控检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于工业互联网大数据的智能优化方法，其特征在于：该方法包括：步骤S1，获取用于训练的不同工业互联网数据，使用递归特征消除自动移除所述不同工业互联网数据中的所有若干权值系数的特征数据以得到用于训练的工业互联网数据集；步骤S2，利用所述工业互联网数据集对基于若干权值系数的特征数据智能优化使用递归特征消除进行特征学习；步骤S3，通过基于大数据的远程云服务器设置训练算法参数及若干权值系数的特征数据分析库；步骤S4，获取工业互联网监控检索数据，将工业互联网监控获取到的每一个工业互联网监控检索送入所述若干权值系数的特征数据训练模型，得到若干权值系数的特征数据训练结果；步骤S5，将所述若干权值系数的特征数据训练结果送入递归神经网络算法，对训练到的若干权值系数的特征数据进行控制输出；步骤S6，训练并判断控制输出的所述若干权值系数的特征数据是否位于所述若干权值系数的特征数据分析库并判断所述若干权值系数的特征数据是否有未训练；所述递归神经网络算法，表达式为：R
x
＝U
fg
‑
Q
·
Y
kl
其中，R
x
表示若干权值系数的特征数据矩阵，U
fg
表示若干权值系数的特征数据的真实值矩阵，Q表示若干权值系数的特征数据的权重，Y
kl
表示若干权值系数的特征数据的增益矩阵，所述若干权值系数的特征数据，表达式为：其中，R
x+1
表示当前时刻若干权值系数的特征数据集合，V
j
表示前一时刻若干权值系数的特征数据集合，Z
j
表示不同等级优化程度的影响范围，G表示若干权值系数的特征数据的种类矩阵，B
j
表示不同若干权值系数的特征数据对于优化程度影响的权重，P(j)表示优化程度影响的预测值。2.根据权利要求1所述的一种基于工业互联网大数据的智能优化方法，其特征在于：对基于若干权值系数的特征数据智能优化使用递归特征消除进行特征学习后，同时对递归特征消除算法的参数进行动态更新。3.根据权利要求1所述的一种基于工业互联网大数据的智能优化方法，其特征在于：判断若干权值系数的特征数据是否处于若干权值系数的特征数据分析库包含以下步骤：步骤Q1，获取当前工业互联网监控检索中某一个若干权值系数的特征数据分析库的规模和调取速度及若干权值系数的特征数据分析库的剩余容量；步骤Q2，若干权值系数的特征数据分析库规模与调取速度均在若干权值系数的特征数据分析库内，判断若干权值系数的特征数据有未训练；步骤Q3，若干权值系数的特征数据分析库只有部分特征数据位于若干权值系数的特征数据分析库内，则进行步骤Q4；步骤Q4，判断若干权值系数的特征数据单位时长特征数据是否位于若干权值系数的特征数据分析库内，若干权值系数的特征数据单位时长特征数据位于若干权值系数的特征数
据分析库内则判断若干权值系数的特征数据有未训练，否则进行下一步；步骤Q5，继续获取当前工业互联网监控检索中的其他训练若干权值系数的特征数据并进若干权值系数的特征数据是否有未训练判断的操作。4.根据权利要求3所述的一种基于工业互联网大数据的智能优化方法，其特征在于：还包含一种判断若干权值系数的特征数据位于若干权值系数的特征数据分析库内是否舍弃特征数据的方法，包括以下步骤：步骤T1，计算前一个工业互联网监控检索中若干权值系数的特征数据的单位时长特征数据与当前工业互联网监控检索中所述若干权值系数的特征数据的单位时长...

【专利技术属性】
技术研发人员：黄霞，陈苏辉，倪忠平，周凌鋆，
申请(专利权)人：南通慧泉数据有限公司，
类型：发明
国别省市：