[发明专利]一种基于核电厂PaaS平台的数据沉淀方法及系统

权利要求书

1.一种基于核电厂PaaS平台的数据沉淀方法，其特征在于，包括以下步骤：

步骤001：利用数据抽取模块，根据相关技术文档从核电厂PaaS平台中抽取相关的原始数据构成数据集A；

步骤002：设定的技术规范和相关指标类的要求，对数据集A中数据的特征进行分析并将与要求一致的数据归类到相应的指标类中成为数据集B，剩下数据则作为所属指标类不明确的数据被记录在数据集C中，如果所有数据已经被划分到相应的指标类中，则执行步骤004；

步骤003：将数据集B和数据集C导入到数据划分模块中与，使用加权K近邻算法对数据集C中的数据所属的指标类进行划分；

步骤004：将数据类划分完成的数据上传到相应数据库进沉淀。

2.如权利要求1所述的一种基于核电厂PaaS平台的数据沉淀方法，其特征在于：所述的步骤003包括如下，

(1)遍历数据集B中的数据项，将数据项中的非数值型数据按照相关的规则进行数值化，利用统计学规则对数据集C中的各个数据项中的非数值型数据进行数值化；

(2)计算数据集C中各个数据项与B中明确指标类的各个数据项之间的切比雪夫距离距离Dis₁；

切比雪夫距离计算公式如下

Dis₁(X，Y)＝max(|x₁-y₁|，|x₂-y₂|，...，|x_n-y_n|)

其中，x_i和y_i表示的是指标类中用于划分类别的数据项，n表示数据项的个数；

(3)计算数据集C中各个数据项与B中明确指标类的各个数据项之间的欧式距离Dis₂

欧式距离计算公式如下

其中，x_i和y_i表示的是指标类中用于划分类别的数据项，n表示数据项的个数；

(4)计算数据集C中各个数据项与B中明确指标类的各个数据项之间的曼哈顿距离Dis₃；

曼哈顿距离计算公式如下

其中，x_i和y_i表示的是指标类中用于划分类别的数据项，n表示数据项的个数；

(5)结合三种距离Dis₁，Dis₂和Dis₃构建评估函F，用来比较各个数据之间的相似程度，以此确定未划分类别的数据从属于哪一个指标类，根据指标类的个数确定被沉淀的原始数据需要被划分的类别个数K；

评估函数F的计算公式如下

F＝α₁Dis₁+α₂Dis₂+α₃Dis₃

其中：α₁+α₂+α₃＝1

(6)用投票法选出K个类别中与未划分类别的数据相邻的已知类别数据的个数最多的指标类别，将数据项划分到对应的指标类别中。

3.一种基于核电厂PaaS平台的数据沉淀系统，其特征在于：包括数据抽取模块、数据归类规则模块、数据增模块和数据存储模块。

4.如权利要求3所述的一种基于核电厂PaaS平台的数据沉淀系统，其特征在于：所述的数据抽取模块：首先根据设定的技术规范中的指标类和关键字，对核电厂PaaS平台上的数据进行抽取，指标类和关键字包含电厂安全、机组运行情况、设备管理情况等，抽取的数据则包含核电厂机组发电量数据、核电厂安全事故发生记录数据等，之后根据设计文档中设定的指标类的要求和技术规范中对指标类的规定，将数据划分到对应的指标类中，剩下的数据则传入数据划分模块中。

5.如权利要求3所述的一种基于核电厂PaaS平台的数据沉淀系统，其特征在于：所述的数据划分模块：根据数据抽取模块中已经明确所属指标类的数据，利用机器学习技术对未知指标类的数据进行划分和整理，将划分后的数据及其分类结果出入到数据沉淀模块。