一种基于云边端架构的云端推理方法及系统技术方案

本发明专利技术涉及风险预测数据处理技术领域，具体涉及一种基于云边端架构的云端推理方法及系统

【技术实现步骤摘要】
一种基于云边端架构的云端推理方法及系统


[0001]本专利技术涉及风险预测数据处理
，具体涉及一种基于云边端架构的云端推理方法及系统
。

技术介绍

[0002]在智能制造行业，智能推理被广泛应用于对生产数据进行大规模的批量化处理和分析
。
例如，某石化公司拥有多个生产装置，每个装置都配备了传感器来监测各种工艺参数和产品指标
。
这些传感器每秒生成大量的数据，包括温度
、
压力
、
流量和质量等信息，需要通过云端推理对这些参数进行调控，需要首先将所有装置上配备的传感器所采集到的传感器数据上传到云端存储，然后使用大数据处理技术进行批量化处理和分析
。
[0003]目前常见的方法为将数据信息上传到神经网络，使得神经网络输出风险评估值
。
但由于需要上传的数据量太大，为了节省带宽，往往通过在边缘端进行数据预处理，来减少需要上传到云端的数据信息量，即通过选择特征维度数据的方式来减少数据信息量，但这种方法会导致原始数据信息丢失，尽量有的维度可能对神本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于云边端架构的云端推理方法，其特征在于，该方法包括以下步骤：获取工艺的传感器数据高维向量；根据每个工艺和其他工艺的传感器数据高维向量的相似程度对工艺进行聚类，得到每个工艺的标准聚类类别；以传感器数据高维向量中的任意维度信息作为目标维度信息，根据每个工艺和其他工艺的目标维度信息的相似程度对工艺进行聚类，得到每个工艺的维度聚类类别；对标准聚类类别和维度聚类类别进行一致性分析，得到每个工艺的维度聚类一致性；根据每个工艺和其他工艺的除目标维度信息外的其他维度信息的相似程度对工艺进行聚类，得到每个工艺的非维度聚类类别；对标准聚类类别和非维度聚类类别进行一致性分析，得到每个工艺的非维度聚类一致性；基于维度聚类一致性和非维度聚类一致性构建边值，以工艺的传感器数据高维向量中的维度信息为节点，构建数据图结构；获取数据图结构对应的不同的一因子图；分别对数据图结构和一因子图进行节点类别划分，匹配数据图结构和一因子图的节点类别，得到匹配度；基于匹配度从一因子图中筛选出相似数据，将相似数据输入训练好的图卷积网络中，得到预测风险值
。2.
根据权利要求1所述的基于云边端架构的云端推理方法，其特征在于，所述对标准聚类类别和维度聚类类别进行一致性分析，得到每个工艺的维度聚类一致性，包括：将每个工艺的标准聚类类别和维度聚类类别进行匹配，得到每个工艺的维度匹配类别对，每个维度匹配类别对中包括一个标准聚类类别和一个维度聚类类别；每个维度匹配类别对的边值为对应标准聚类类别和维度聚类类别中工艺的交并比；将所有维度匹配类别对的边值之和，作为初始维度一致性；将标准聚类类别的数量和维度聚类类别的数量中最小值和最大值的比值作为调节权重；将调节权重和初始维度一致性的乘积作为每个工艺的维度聚类一致性
。3.
根据权利要求1所述的基于云边端架构的云端推理方法，其特征在于，所述基于维度聚类一致性和非维度聚类一致性构建边值，包括：对于工艺的目标维度信息，将对应的维度聚类一致性和非维度聚类一致性中最小值和最大值的比值作为目标维度信息的节点权值；将工艺的传感器数据高维向量中的两个维度信息的节点权值的均值作为两个维度信息对应的边值
。4.
根据权利要求3所述的基于云边端架构的云端推理方法，其特征在于，所述以工艺的传感器数据高维向量中的维度信息为节点，构建数据图结构，包括：以工艺的传感器数据高维向量中的维度信息为节点，以两个维度信息对应的边值，作为两个...

【专利技术属性】
技术研发人员：朱应生，徐丽娜，王健，郭斌，陈家舒，
申请(专利权)人：青岛聚远网络科技有限公司，
类型：发明
国别省市：