一种基于关键指标和深度学习的故障分析方法

    公开(公告)号:CN114004331A

    公开(公告)日:2022-02-01

    申请号:CN202111198167.X

    申请日:2021-10-14

    Abstract: 本发明公开了一种基于关键指标和深度学习的故障分析方法,涉及智能运维相关的故障定位技术领域,该方法包括对待预测的目标监控项和其余监控项间进行时间序列相关性分析,得到时间序列的波动特征序列;对得到的各波动特征序列间进行相关性度量;得到其余监控项中与目标监控项相关度较高的监控项;将目标监控项和得到的相关监控项的时间序列均输入LSTM以进行时序特征提取处理;得到每个时间步长下的隐状态,得到修正后的隐状态;将目标监控项的告警信息与修正后的隐状态进行融合,得到预测序列输出,并获得预测的告警信息。本发明能够更加精确地对待预测项未来时刻的变化进行预测,有效避免故障的漏报和误报。

    一种关于纵向数据的因果效应估计方法及装置

    公开(公告)号:CN115081206A

    公开(公告)日:2022-09-20

    申请号:CN202210685225.X

    申请日:2022-06-14

    Abstract: 本发明涉及数据分析与挖掘领域,具体涉及一种关于纵向数据的因果效应估计方法及装置,包括构建包含观测变量的因果关系图,并生成对应的仿真数据集,将仿真数据集的样本输入待训练的预测模型中,获取模型参数;从原始样本中抽样创建多个副本,采用训练好的预测模型模拟潜在暴露、潜在时依性混杂和潜在结果,有效调整时依性混杂的干扰;并根据副本中潜在暴露和潜在结果输入到边缘结构模型中,估计出暴露的因果效应。本发明基于蒙特卡罗的思想,模拟出在不同暴露值的潜在结果,较好地解决了纵向数据中时依性混杂的问题,尽可能无偏估计数据中暴露的因果效应。

    一种超高速光模块生产线多源异构数据集成与可视化方法

    公开(公告)号:CN119761057A

    公开(公告)日:2025-04-04

    申请号:CN202411944136.8

    申请日:2024-12-27

    Abstract: 本发明公开了一种超高速光模块生产线多源异构数据集成与可视化方法,该方法包括:针对超高速光模块的生产要素,构建超高速光模块生产线多层次的孪生模型,得到超高速光模块生产线数字孪生模型;采集现实超高速光模块生产过程中的多源异构数据;将多源异构数据进行预处理与标准化后存入数据库;利用数据库中的数据驱动所构建的超高速光模块生产线数字孪生模型;基于三维可视化系统,使超高速光模块生产线和所构建的超高速光模块生产线数字孪生模型进行深度融合,实现数字孪生模型及多源异构数据的可视化。本发明通过引入数字孪生技术,构建物理生产线的数字化虚拟模型,实现数据的实时同步、动态模拟和精细化管理,解决了数据集成和可视化的难题。

Patent Agency Ranking