[发明专利]一种基于工业大数据的函数自动挖掘方法和装置

权利要求书

1.一种基于工业大数据的函数自动挖掘方法，其特征在于，包括：

获取工业大数据，并对所述工业大数据进行预处理；

基于预处理后的所述工业大数据，获取数据宽表；其中，所述数据宽表用于存储待进行函数挖掘的数据；

对所述宽表中的数据进行数据画像，得到所述宽表中的数据的数据分布，并根据所述数据分布得到基于权重的函数映射集合；

基于目标参数，从所述宽表中获取关键数据；其中，所述目标参数为待挖掘的函数的因变量；

将所述函数映射集合和所述关键数据输入至符号回归预测模型，自动得到所述工业大数据的函数挖掘结果。

2.根据权利要求1所述的一种基于工业大数据的函数自动挖掘方法，其特征在于，所述基于预处理后的所述工业大数据，获取数据宽表，包括：

基于预处理后的所述工业大数据，构建逻辑模型和物理模型；其中，所述逻辑模型用于指示所述工业大数据的存储表的格式；所述物理模型用于指示所述工业大数据中待存储到所述存储表的数据实体；

基于预处理后的所述工业大数据，建立业务模型与数据模型的映射关系，基于所述映射关系，从所述存储表中获取所述数据宽表；其中，所述业务模型用于指示所述工业大数据中各工作任务对应的参数，以及各参数之间的关系；所述数据模型用于指示所述参数的参数值。

3.根据权利要求1所述的一种基于工业大数据的函数自动挖掘方法，其特征在于，所述获取工业大数据之后，还包括：

通过数据仓库对所述工业大数据进行存储；其中，所述数据仓库基于不同的存储粒度对所述工业大数据进行分层存储。

4.根据权利要求1所述的一种基于工业大数据的函数自动挖掘方法，其特征在于，所述根据所述数据分布得到基于权重的函数映射集合，包括：

对所述数据分布进行可视化展示，基于预设函数集合和所述数据分布的可视化展示结果，通过深度学习模型从所述预设函数集合中获取基于权重的所述函数映射集合。

5.根据权利要求4所述的一种基于工业大数据的函数自动挖掘方法，其特征在于，所述通过深度学习模型从所述预设函数集合中获取基于权重的所述函数映射集合，包括：

将所述预设函数集合和所述数据分布的可视化展示结果输入所述深度学习模型，通过所述深度学习模型对所述数据分布的可视化展示结果和所述预设函数集合中的各候选函数进行曲线或曲面拟合，得到所述数据分布的可视化展示结果与各所述候选函数的拟合度，根据所述拟合度得到基于权重的所述函数映射集合以及所述函数映射集合中各函数的权重。

6.根据权利要求1所述的一种基于工业大数据的函数自动挖掘方法，其特征在于，所述基于目标参数，从所述宽表中获取关键数据，包括：

基于所述目标参数对所述宽表中的数据进行相关性计算，得到所述宽表中的各参数与所述目标参数的相关值，基于所述相关值得到关键参数，并基于所述目标参数和所述关键参数从所述宽表中获取所述关键数据；其中，所述关键参数为待挖掘的函数的自变量。

7.根据权利要求6所述的一种基于工业大数据的函数自动挖掘方法，其特征在于，所述基于所述目标参数对所述宽表中的数据进行相关性计算之前，还包括：

对所述宽表中的数据依次进行标准化处理和编码处理。

8.一种基于工业大数据的函数自动挖掘装置，其特征在于，包括：

数据获取模块，用于获取工业大数据，并对所述工业大数据进行预处理；

宽表提取模块，用于基于预处理后的所述工业大数据，获取数据宽表；其中，所述数据宽表用于存储待进行函数挖掘的数据；

数据画像模块，用于对所述宽表中的数据进行数据画像，得到所述宽表中的数据的数据分布，并根据所述数据分布得到基于权重的函数映射集合；

关键数据提取模块，用于基于目标参数，从所述宽表中获取关键数据；其中，所述目标参数为待挖掘的函数的因变量；

模型预测模块，用于将所述函数映射集合和所述关键数据输入至符号回归预测模型，自动得到所述工业大数据的函数挖掘结果。