一种基于大数据的预测方法及系统技术方案

本申请涉及大数据处理领域，尤其涉及一种基于大数据的预测方法及系统，包括：在监测时间段内采集影响电子设备可靠性的各类影响因素；为采集的每类影响因素匹配可靠性预测权重；依据监测时间段内采集的各类影响因素和为采集的每类影响因素匹配的可靠性预测权重，获得电子设备的可靠性评价值；将获得的电子设备的可靠性评价值与预设的可靠性阈值进行比较；若获得的电子设备的可靠性评价值不大于预设的可靠性阈值，则关闭该电子设备。本申请可以预测电子设备的可靠性，从而切实增加电子设备运行的安全性。运行的安全性。运行的安全性。

【技术实现步骤摘要】
一种基于大数据的预测方法及系统


[0001]本申请涉及大数据处理领域，尤其涉及一种基于大数据的预测方法及系统。

技术介绍

[0002]随着科学技术的不断发展，电子设备的可靠性越来越受到人们的关注。但是，影响电子设备可靠性的因素较多，有自然环境因素（例如：温度、湿度、盐雾、大气污染颗粒等）、机械结构因素（例如：强烈的机械振动、碰撞等）、电磁环境因素、组装工艺因素等。
[0003]电子设备在不同因素的综合作用下，其可靠性难免会呈现出衰退的趋势，当其可靠性衰退达到一定程度时，电子设备将无法完成正常任务和功能，进而造成难以挽回的经济损失和资源浪费。
[0004]因此，如何预测电子设备的可靠性，以切实增加电子设备运行的安全性，是目前本领域技术人员急需解决的技术问题。

技术实现思路

[0005]本申请提供了一种基于大数据的预测方法及系统，以预测电子设备的可靠性，从而切实增加电子设备运行的安全性。
[0006]为解决上述技术问题，本申请提供如下技术方案：一种基于大数据的预测方法，包括如下步骤：步骤S110、在监测时间段内采集影响电子设备可靠性的各类影响因素；步骤S120、为采集的每类影响因素匹配可靠性预测权重；步骤S130、依据监测时间段内采集的各类影响因素和为采集的每类影响因素匹配的可靠性预测权重，获得电子设备的可靠性评价值；步骤S140、将获得的电子设备的可靠性评价值与预设的可靠性阈值进行比较，以判断电子设备当前的可靠性；步骤S150、若获得的电子设备的可靠性评价值大于预设的可靠性阈值，则返回步骤S110。
[0007]如上所述的基于大数据的预测方法，其中，优选的是，还包括以下步骤：步骤S160、若获得的电子设备的可靠性评价值不大于预设的可靠性阈值，则关闭该电子设备。
[0008]如上所述的基于大数据的预测方法，其中，优选的是，将在同一时刻采集的同一类的影响因素中的所有子影响因素集合在一起，形成该时刻每个同一类影响因素的子影响因素特征向量集；依据该时刻的每个同一类影响因素的子影响因素，得到该时刻的每个同一类影响因素的综合特征值；将监测时间段内得到的每个同一类影响因素的所有综合特征值集合在一起，形成综合特征值集。
[0009]如上所述的基于大数据的预测方法，其中，优选的是，计算采集到的每类影响因素的类别特征与预设的影响因素的类别特征的相似性；将采集到的每类影响因素的类别归入与之具有最大相似性的预设影响因素的类别中，将所归入的预设影响因素的类别所对应的可靠性预测权重作为采集到的每类影响因素的可靠性预测权重。
[0010]如上所述的基于大数据的预测方法，其中，优选的是，提取每类影响因素的综合特征值所包含的类别特征，并形成采集影响因素的类别特征集；依据预设的影响因素的类别
特征集和采集影响因素的类别特征集，获得采集到的每类影响因素的类别特征与预测服务器中预设的影响因素的类别特征的相似性。
[0011]一种基于大数据的预测系统，包括：因素采集单元、权重匹配单元、评价值计算单元和比较预测单元；因素采集单元在监测时间段内采集影响电子设备可靠性的各类影响因素；权重匹配单元为采集的每类影响因素匹配可靠性预测权重；评价值计算单元依据监测时间段内采集的各类影响因素和为采集的每类影响因素匹配的可靠性预测权重，获得电子设备的可靠性评价值；比较预测单元将获得的电子设备的可靠性评价值与预设的可靠性阈值进行比较，以判断电子设备当前的可靠性；若获得的电子设备的可靠性评价值大于预设的可靠性阈值，则因素采集单元在下一个监测时间段内继续采集影响电子设备可靠性的各类影响因素。
[0012]如上所述的基于大数据的预测系统，其中，优选的是，还包括：状态停止单元；若获得的电子设备的可靠性评价值不大于预设的可靠性阈值，则状态停止单元关闭该电子设备。
[0013]如上所述的基于大数据的预测系统，其中，优选的是，将在同一时刻采集的同一类的影响因素中的所有子影响因素集合在一起，形成该时刻每个同一类影响因素的子影响因素特征向量集；依据该时刻的每个同一类影响因素的子影响因素，得到该时刻的每个同一类影响因素的综合特征值；将监测时间段内得到的每个同一类影响因素的所有综合特征值集合在一起，形成综合特征值集。
[0014]如上所述的基于大数据的预测系统，其中，优选的是，计算采集到的每类影响因素的类别特征与预设的影响因素的类别特征的相似性；将采集到的每类影响因素的类别归入与之具有最大相似性的预设影响因素的类别中，将所归入的预设影响因素的类别所对应的可靠性预测权重作为采集到的每类影响因素的可靠性预测权重。
[0015]如上所述的基于大数据的预测系统，其中，优选的是，提取每类影响因素的综合特征值所包含的类别特征，并形成采集影响因素的类别特征集；依据预设的影响因素的类别特征集和采集影响因素的类别特征集，获得采集到的每类影响因素的类别特征与预测服务器中预设的影响因素的类别特征的相似性。
[0016]相对上述
技术介绍
，本申请所提供的基于大数据的预测方法及系统可以预测电子设备的可靠性，从而切实增加电子设备运行的安全性。
附图说明
[0017]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
[0018]图1是本申请实施例所提供的基于大数据的预测方法的流程图；图2是本申请实施例所提供的基于大数据的预测系统的示意图。
具体实施方式
[0019]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终
相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。
[0020]实施例一请参阅图1，图1是本申请实施例所提供的基于大数据的预测方法的流程图。
[0021]本申请提供了一种基于大数据的预测方法，包括如下步骤：步骤S110、在监测时间段内采集影响电子设备可靠性的各类影响因素；影响电子设备可靠性的影响因素有很多种类，例如：自然环境因素（温度、湿度、盐雾、大气污染颗粒等）、机械结构因素（强烈的机械振动、碰撞等）、电磁环境因素、组装工艺因素等。其中，温度、湿度、盐雾、大气污染颗粒等自然环境因素会对电子设备的元器件的正常运行产生影响，使其电气性能下降，甚至损伤元器件，从而引发故障；强烈的机械振动、碰撞等机械结构因素会使电子设备产生机械结构的损伤变形，甚至导致电子设备的元器件的物理损伤或失效，致使电子设备无法正常运行；在电磁环境因素的影响下，电子设备的电路的噪声会变大，稳定性会变差，甚至会导致电子设备运行故障；组装工艺因素会直接影响连接牢固度、密封性、耐环境腐蚀能力等，进而影响电子设备的质量和可靠性。
[0022]不同种类的影响因素中有不同数量的子影响因素，因此将在同一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的预测方法，其特征在于，包括如下步骤：步骤S110、在监测时间段内采集影响电子设备可靠性的各类影响因素；步骤S120、为采集的每类影响因素匹配可靠性预测权重；步骤S130、依据监测时间段内采集的各类影响因素和为采集的每类影响因素匹配的可靠性预测权重，获得电子设备的可靠性评价值；步骤S140、将获得的电子设备的可靠性评价值与预设的可靠性阈值进行比较，以判断电子设备当前的可靠性；步骤S150、若获得的电子设备的可靠性评价值大于预设的可靠性阈值，则返回步骤S110。2.根据权利要求1所述的基于大数据的预测方法，其特征在于，还包括以下步骤：步骤S160、若获得的电子设备的可靠性评价值不大于预设的可靠性阈值，则关闭该电子设备。3.根据权利要求1或2所述的基于大数据的预测方法，其特征在于，将在同一时刻采集的同一类的影响因素中的所有子影响因素集合在一起，形成该时刻每个同一类影响因素的子影响因素特征向量集；依据该时刻的每个同一类影响因素的子影响因素，得到该时刻的每个同一类影响因素的综合特征值；将监测时间段内得到的每个同一类影响因素的所有综合特征值集合在一起，形成综合特征值集。4.根据权利要求3所述的基于大数据的预测方法，其特征在于，计算采集到的每类影响因素的类别特征与预设的影响因素的类别特征的相似性；将采集到的每类影响因素的类别归入与之具有最大相似性的预设影响因素的类别中，将所归入的预设影响因素的类别所对应的可靠性预测权重作为采集到的每类影响因素的可靠性预测权重。5.根据权利要求4所述的基于大数据的预测方法，其特征在于，提取每类影响因素的综合特征值所包含的类别特征，并形成采集影响因素的类别特征集；依据预设的影响因素的类别特征集和采集影响因素的类别特征集，获得采集到的每类影响因素的类别特征与预测服务器中预设的影响因素的类别特征的相似性。6.一种基于大数据的预测系统，其特征在于，包括：因素采集单元...

【专利技术属性】
技术研发人员：张弛，
申请(专利权)人：睿至科技集团有限公司，
类型：发明
国别省市：