[发明专利]一种物联网系统的大数据处理方法

说明书

本发明公开了一种物联网系统的大数据处理方法，建立结构化数据库，将以往各监测终端数据基于场景和数据分类整理成结构化数据，监测终端数据包括场景数据、环境参数、工作参数、性能参数和状态参数；设立模拟仓，调用具体场景下的各监测终端数据匹配到模拟场景中的模拟监测终端中；分析所属场景下，环境参数、性能参数和状态参数对工作参数影响的权重系数，建立预测模型和区间预警模型，预测模型根据权重系数和真实的环境参数、性能参数和状态参数预测工作参数；区间预警模型设定阈值范围，用于判断预测工作参数是否会超设定阈值；预测工作参数和是否超设定阈值，获得监测终端的工作参数和修改已设定阈值范围以更符合具体场景下的设定要求。

技术领域

本发明涉及信息处理技术领域，特别涉及一种物联网系统的大数据处理方法。

背景技术

在万物相连的技术链里，传感器、物联网、大数据、机器学习、人工智能等作为这个链条的每一环，相互联系在一起，相互之间产生影响，形成积极地循环。各种连接的设备里的传感器会产生大量的数据，海量数据使得机器学习成为可能，及其学习的结果就是人工智能，而人工智能有能指导设备更精确的去执行任务，设备的行动会触发传感器，这整个就是一个完整的循环。人工智能技术能够对传感器系统有所帮助，包括：基于知识的系统、模糊逻辑、数据挖掘、自动知识收集、神经网络、遗传算法、基于案例推理和环境智能等。这些技术在传感器系统中的应用越来越广泛，不仅因为它们确实有效，还因为如今的计算机应用越来越普及。具有较低计算复杂度的人工智能技术应用于小型传感器系统、单一传感器或采用低容量微型控制器阵列的系统，能大大优化系统性能，创造更富有竞争力的传感器系统和应用。

现有技术中对于传感器等监测终端设备需要根据不同的应用场景人工现场配置不同的工作参数，造成设定的参数安全性及适用性差的技术问题。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种物联网系统的大数据处理方法。

本发明的上述技术目的是通过以下技术方案得以实现的：

一种物联网系统的大数据处理方法，所述方法包括：

建立结构化数据库，将以往各监测终端数据基于场景和数据分类整理成结构化数据，监测终端数据包括场景数据、环境参数、工作参数、性能参数和状态参数；

设立模拟仓，基于场景类别通过工程图进行模拟场景建模，再调用具体场景下的各监测终端数据匹配到模拟场景中的模拟监测终端中，并将各项数据依据时间排序分析得到走势图和数据异常情况；

根据模拟仓内各模拟监测终端数据接口获取时间序列数据，分析所属场景下，环境参数、性能参数和状态参数对工作参数影响的权重系数，建立预测模型和区间预警模型，预测模型根据权重系数和真实的环境参数、性能参数和状态参数预测工作参数；区间预警模型设定阈值范围，用于判断预测工作参数是否会超设定阈值；

根据预测工作参数和是否超设定阈值，获得监测终端的工作参数和修改已设定阈值范围以更符合具体场景下的设定要求。

进一步优选为，所述监测终端数据包括历史观测数据与实时监测数据，其中实时监测数据实时存储入历史观测数据中。

进一步优选为，所述场景数据设定影响系数，加入到预测模型中，联合环境参数、性能参数和状态参数权重系数综合判断预测工作参数。

综上所述，本发明对比于现有技术的有益效果为：通过设立模拟仓将具体场景进行建模分析，分析过程会加入场景数据和环境参数，基于不同环境下同一监测终端的工作情况不同，再分析环境参数、性能参数和状态参数对工作参数影响的权重系数，建立预测模型和区间预警模型，预测模型根据权重系数和真实的环境参数、性能参数和状态参数预测工作参数；区间预警模型设定阈值范围，用于判断预测工作参数是否会超设定阈值，根据预测工作参数和是否超设定阈值，获得监测终端的工作参数和修改已设定阈值范围以更符合具体场景下的设定要求。

具体实施方式