CN112948404B - 多源监控数据分类建模及流转方法和系统 - Google Patents

多源监控数据分类建模及流转方法和系统 Download PDF

Info

Publication number
CN112948404B
CN112948404B CN202110173526.XA CN202110173526A CN112948404B CN 112948404 B CN112948404 B CN 112948404B CN 202110173526 A CN202110173526 A CN 202110173526A CN 112948404 B CN112948404 B CN 112948404B
Authority
CN
China
Prior art keywords
data
key
module
modeling
processing module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110173526.XA
Other languages
English (en)
Other versions
CN112948404A (zh
Inventor
李冰
胡波
费洋
石琦
崔军飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nari Technology Co Ltd
Original Assignee
Nari Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nari Technology Co Ltd filed Critical Nari Technology Co Ltd
Priority to CN202110173526.XA priority Critical patent/CN112948404B/zh
Publication of CN112948404A publication Critical patent/CN112948404A/zh
Application granted granted Critical
Publication of CN112948404B publication Critical patent/CN112948404B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G06F16/2365—Ensuring data consistency and integrity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G06F16/24552—Database cache management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种轨道交通综合自动化系统多源监控数据分类建模及流转方法和系统。包括根据预先建立的模式库确定关键数据，将子系统原始报文中的数据与判定为关键数据的关键字匹配，将成功匹配的数据存入关键数据缓存；将关键数据缓存中的数据全部存入数据库。它将系统不同数据源的数据通过不同的接口进行采集，对这些数据，不按照所属的业务系统进行建模，对数据进行分类，确定各特征值元素。本发明实现对多源监控数据分类建模，通过自适应匹配模式库的方式获取特征值，在新数据加入后通过规则库确定特征值并将特征值加入模式库来更新模式，在满足实时性要求的情况下，保障影响系统运营生产的重要数据从接口采集，内部处理、最终到达数据库存储的流转过程的数据一致性。

Description

多源监控数据分类建模及流转方法和系统
技术领域
本发明涉及一种轨道交通综合自动化系统多源监控数据分类建模及流转的方法和系统，属于轨道交通综合自动化系统领域。
背景技术
随着城轨云在轨道交通行业的广泛应用，在控制中心地域搭建云平台构建数据中心，原先在分别在各车站处理的列车自动监控、广播、乘客信息、视频监控、安防、集中告警等子系统接入的数据，统一接入数据中心的综合自动化系统，原来分散在各车站节点处理的数据目前完全由综合自动化系统的中心节点统一处理，在短时间内数据量过大的情况下，是无法实时保证所有数据在经过接口采集，内部处理、最终到达数据库存储都保持一致性的。这样其中一些影响系统运营生产的重要数据的丢失或者出错就会造成系统的运行不正常，目前系统数据没有区分关键数据和非关键数据，都是采用同样的方法进行数据流转及同步。
发明内容
本发明所要解决的技术问题是保障影响系统运营生产的重要数据从接口采集，内部处理、最终到达数据库存储的流转过程的数据一致性，提供一种轨道交通综合自动化系统多源监控分类建模及流转方法和系统。为解决上述技术问题，本发明采用如下技术方案：
一方面本发明提供系统多源监控数据分类建模及流转方法，包括：根据预先建立的模式库确定关键数据，将子系统原始报文中的数据与判定为关键数据的关键字匹配，将成功匹配的数据存入关键数据缓存；将关键数据缓存中的数据全部存入数据库。进一步地，模式库的建立方法包括：对系统的数据按照关键字进行分类，根据分类结果建立数据模式库和规则库，根据规则库更新数据模式库完成数据建模，具体方法包括以下步骤：
按照关键字对已有系统数据进行分类，对各关键字对应的各项数据分别确定特征值形成初始模式库；
系统加入新数据时，通过关键字匹配的方式检索所述模式库，自动适配特征值；根据关键字及其对应的特征值识别出该关键字特征值的规律和计算出特征值的加权值并将规律和加权值加入到规则库更新规则库；若在模式库中没有匹配到新数据，则根据规则库确定该新数据的特征值，将其加入到模式库更新模式库。
进一步地，对各关键字对应的各项数据分别确定特征值形成初始模式库的方法包括：用预先辨识出的特征元素对系统中的数据进行表征，每个数据点表示为Pt（a,b,c,d），其中a代表第一特征值， b代表第二特征值，c代表第三特征值，d代表第四特征值。
进一步地，计算特征值的加权值的方法包括：确定关键字增量，加权值等于特征值增量除以数据关键字增量。
进一步可选地，所述特征元素包括时效性、准确性、重要性和完整性。
进一步地，根据规则库确定该新数据的特征值的方法为：从规则库中读取特征值的加权值和规律，根据加权值的计算方法和规律反推该数据的特征值。
进一步地，所述方法还包括根据预先建立的模式库确定非关键数据，将子系统原始报文中的数据与非关键数据的关键字匹配，将成功匹配的子系统原始报文中的数据存入至非关键数据缓存。
以上技术方案中，可选地，对数据对应的各个特征值进行加权求和，将结果与预先确定的阈值进行比较，将加权求和结果大于等于阈值的数据确定系统关键数据，加权求和结果小于阈值的数据确定为非关键数据。
另一方面，本发明提供了系统多源监控数据分类建模及流转系统，包括：采集模块、数据分类模块、数据建模模块、数据筛选模块、数据处理模块和数据入库模块；
所述采集模块用于通过协议与子系统进行通信获取子系统的数据；
所述数据分类模块，用于对系统的数据按照关键字进行分类；
所述数据建模模块，用于根据分类结果建立数据模式库和规则库，根据规则库更新数据模式库完成数据建模；
所述数据筛选模块，用于根据数据建模模块建立的模式库确定关键数据；
所述数据处理模块，用于将子系统原始报文中的数据与关键数据的关键字匹配，将成功匹配的子系统的原始报文中的数据存入关键数据缓存；
所述数据处理模块，具体用于通过消息与采集模块进行异步通信，并根据预定义规则，优先发送关键数据缓存中的信息，采集模块必须在收到处理模块确认后的回复报文后，才发送下一条信息，否则一直发送此信息，直到此信息被处理模块正确接收，当关键数据缓存中的所有信息全部发完后，才发送非关键数据缓存中的信息，采集模块发送非关键数据不需要等待处理模块反馈确认，就直接发送下一包消息。
所述数据入库模块具体用于执行以下步骤：当所述数据处理模块完成对数据的处理，所述数据入库模块通过调用数据库的同步接口，优先把关键数据从数据处理模块的内存中存入数据库中；当数据库接口返回不成功时，数据处理模块需要重新调用数据库接口，直至关键数据成功写入数据库。当数据处理模块中的关键数据全部入库后，才操作非关键数据，不管是否入库成功，处理模块继续进行数据入库操作。
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任意一种可能的实施例提供的所述方法的步骤。
本发明所取得的有益技术效果：
本发明实现对多源监控数据分类建模，通过自适应匹配模式库的方式获取特征值，在新数据加入后通过规则库确定特征值并将特征值加入模式库来更新模式，在满足实时性要求的情况下，保障影响系统运营生产的重要数据从接口采集，内部处理、最终到达数据库存储的流转过程的数据一致性。
本发明关键数据在流转的过程中，确保发送方收到接收方确认回复后，再进行下一步处理，如果不成功，需要发送方重新发送数据直至接收方正确接收为止，从而保证系统关键数据从接口采集，内部处理到数据入库的所有环节的正确性，保障关键数据在整个流转过程中的一致性。
本发明通过各个特征值的加权算法，确定系统关键数据和非关键数据，并对数据进行分类，根据不同数据在“时效性”、“准确性”、“重要性”和“完整性”4个元素的差异化需求，优先保障影响系统运营生产的重要数据的一致性。
附图说明
图 1为本发明具体实施例中数据的4个元素特征值；
图 2为本发明具体实施例中数据建模的流程图；
图 3为本发明具体实施例中数据筛选步骤流程示意图；
图 4为本发明具体实施例中数据处理系统步骤流程示意图；
图 5为本发明具体实施例中数据入库系统步骤流程示意图。
具体实施方式
下面是本发明的一个实际案例的实施方式，本发明的目的和特点也可以从案例的说明中看出。应当理解此处描述的实例仅仅用于说明和解释本发明，并不限定本发明。
本实施例基于轨道交通综合自动化系统平台说明本发明多源监控数据分类建模和流转过程的具体应用。
1. 数据分类轨道交通各业务系统不同数据源的数据接入综合自动化系统平台，其中有一部分数据跟运营生产息息相关，此类数据的出错会造成系统故障，如何辨识出此类数据至关重要，但是这些数据杂乱无章，彼此间并没有相关性，而且针对不足数据，用户的诉求点也不尽相同（如电力SCADA系统的400V开关状态数据用户关心的是数据能够准确并且实时的上报，而自动售检票AFC系统的闸机的刷卡记录的数据用户关心的是数据的准确性，而并不特别在意实时性，但是这2类数据都是用户关心的重要数据），如何辨识出此类数据至关重要。
通过用户经验及运营需求，对所有数据进行特征值辨识，共辨识出4个特征值，分别是“时效性”、“准确性”、“重要性”和“完整性”，所以用以上4个特征元素对综合自动化系统平台中的数据进行表征，每个数据（以下称为数据点Pt）可由这4个特征值组成的集合来唯一表示。数据点可以表示为Pt（a,b,c,d），其中a代表第一特征值， b代表第二特征值，c代表第三特征值，d代表第四特征值。本实施例中a代表“时效性”，b代表“准确性”，c代表“重要性”，d“完整性”，数据的4个特征元素的特征值如图1所示。
2. 数据建模（数据建模的流程图如图2所示）
（1）数据中的每个元素特征值的估值范围为[0,100],其中0最小，100最大，如Pt-400Vkg(100,100,90,0)。
（2）当新数据建模时，系统会通过关键字匹配的方式去模型库检索，自动适配特征值，系统会动态识别出规律和计算出加权值，将规律和加权值一并存入规则库。如前所述目前要建立电力SCADA系统的750V开关的状态数据，当用户生成关键字的时候，建模工具自动匹配到电力SCADA系统的400V开关状态的模板，自动生成数据Pt-750Vkg(100,100,90,0)，并且系统动态识别规律“电力SCADA系统数据的电压等级越高，特征值“重要性”越高”这一规律，系统自动把重要性这一特征值调整为95，则此生成数据Pt-750Vkg(100,100,95,0)，并按照（3）继续进行。
（3）接上文，在进行（3）同时，对数据进行关键字差异化辨识，Pt-400Vkg(100,100,90,0)和Pt-750Vkg(100,100,95,0)，辨识出750V和400V的差别，并定量的计算出电压等级与特征值“重要性”的增量关系的加权值，和规则一并存入规则库。加权值计算方法为“特征值增量÷数据关键字增量”，如上面的例子为“加权值=‘重要性’特征值增量÷电压值的增量”，即（95-90）÷(750-400)=0.0143。
（4）当再次进行数据建模时，系统首先通过关键字匹配的方式自动适配特征值，系统会动态识别出规律和计算出加权值，一并存入规则库；之后去规则库检索，如果通过数据关键字匹配到规则，读取加权值和规则方法（规则方法也就是规律），并实时修正特征值。假设需要建立电力SCADA系统的1500V开关的状态数据，首先根据关键字匹配到特征值，生成初值Pt-1500Vkg(100,100,95,0)，然后根据刚才取出的加权值，运用规则方法“加权值=‘重要性’特征值增量÷电压值的增量”，反推Pt-1500Vkg的“重要性”特征值，按上面的计算公式计算得数据Pt-1500Vkg(100,100,100,0)，（这里要明确的是，如果计算出的特征值大于100，只保留100），然后再进行（3）。
3. 数据筛选及处理
根据模式库确定关键数据和非关键数据。本实施例中所述的数据由“时效性”、“准确性”、“重要性”和“完整性”这四个特征值通过加权方式进行计算，当所有特征值的加权和大于等于特定值（本实施例取100）时，此数据被标识为关键数据，否则视为非关键数据。采集模块通过协议与子系统进行通信，并把子系统的原始报文中是否包含系统定义的关键数据作为判据，把数据分别存入至采集模块中关键数据缓存和非关键数据缓存（数据筛选流程图如图3所示）。具体实施例中，可只考虑关键数据，即只要判断原始报文中是否包含系统定义的关键数据并将关键数据存入关键数据缓存。系统采集模块通过消息与处理模块进行异步通信，并根据预定义规则，优先发送关键数据缓存中的信息，采集模块必须在收到处理模块确认后的回复报文后，才发送下一条信息，否则一直发送此信息，直到此信息被处理模块正确接收，当关键数据缓存中的所有信息全部发完后，才发送非关键数据缓存中的信息，采集模块发送非关键数据不需要等待处理模块反馈确认，就直接发送下一包消息（数据处理流程图如图4所示）。关键数据在流转的过程中，确保发送方收到接收方确认回复后，再进行下一步处理，如果不成功，需要发送方重新发送数据直至接收方正确接收为止，从而保证系统关键数据从接口采集，内部处理到数据入库的所有环节的正确性，保障关键数据在整个流转过程中的一致性。
4. 数据入库
系统数据处理模块，通过消息的方式取得数据并存入数据处理模块的内存中，当完成对数据的处理，通过调用数据库的同步接口，优先把关键数据从数据处理模块的内存中存入数据库中；当数据库接口返回不成功时，数据处理模块需要重新调用数据库接口，直至关键数据成功写入数据库。当数据处理模块中的关键数据全部入库后，才操作非关键数据，不管是否入库成功，处理模块继续进行数据入库操作，数据入库流程图如图5所示。
实施例二、与以上实施例相对应的，本发明提供了系统多源监控数据分类建模及流转系统，包括：采集模块、数据分类模块、数据建模模块、数据筛选模块、数据处理模块和数据入库模块；
所述采集模块用于通过协议与子系统进行通信获取子系统的数据；
所述数据分类模块，用于对系统的数据按照关键字进行分类；
所述数据建模模块，用于根据分类结果建立数据模式库和规则库，根据规则库更新数据模式库完成数据建模；
所述数据筛选模块，用于根据数据建模模块建立的模式库确定关键数据；
所述数据处理模块，用于将子系统原始报文中的数据与关键数据的关键字匹配，将成功匹配的子系统的原始报文中的数据存入关键数据缓存；
所述数据入库模块，用于根据数据处理模块的处理结果优先将关键数据缓存中的数据全部存入数据库。
可选地，所述数据筛选模块，还用于根据数据建模模块建立的模式库确定非关键数据；所述数据处理模块，还用于将子系统原始报文中的数据与非关键数据的关键字匹配，将成功匹配的子系统的原始报文中的数据存入非关键数据缓存。
具体用于通过消息与采集模块进行异步通信，并根据预定义规则，优先发送关键数据缓存中的信息，采集模块必须在收到处理模块确认后的回复报文后，才发送下一条信息，否则一直发送此信息，直到此信息被处理模块正确接收，当关键数据缓存中的所有信息全部发完后，才发送非关键数据缓存中的信息，采集模块发送非关键数据不需要等待处理模块反馈确认，就直接发送下一包消息。
可选地，所述数据入库模块具体用于执行以下步骤：当所述数据处理模块完成对数据的处理，所述数据入库模块通过调用数据库的同步接口，优先把关键数据从数据处理模块的内存中存入数据库中；当数据库接口返回不成功时，数据处理模块需要重新调用数据库接口，直至关键数据成功写入数据库。当数据处理模块中的关键数据全部入库后，才操作非关键数据，不管是否入库成功，处理模块继续进行数据入库操作。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
以上结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (5)

1.多源监控数据分类建模及流转方法，其特征在于，包括以下步骤：
根据预先建立的模式库确定关键数据，将子系统原始报文中的数据与判定为关键数据的关键字匹配，将成功匹配的数据存入关键数据缓存；将关键数据缓存中的数据全部存入数据库；
模式库的建立方法包括：对系统的数据按照关键字进行分类，根据分类结果建立数据模式库和规则库，根据规则库更新数据模式库完成数据建模，具体方法包括以下步骤：按照关键字对已有系统数据进行分类，对各关键字对应的各项数据分别确定特征值形成初始模式库；
系统加入新数据时，通过关键字匹配的方式检索所述模式库，自动适配特征值；根据关键字及其对应的特征值识别出该关键字特征值的规律和计算出特征值的加权值并将规律和加权值加入到规则库更新规则库；若在模式库中没有匹配到新数据，则根据规则库确定该新数据的特征值，将其加入到模式库更新模式库；
对各关键字对应的各项数据分别确定特征值形成初始模式库的方法包括：
用预先辨识出的特征元素对系统中的数据进行表征，每个数据点表示为
Pt（a,b,c,d），其中a代表第一特征值， b代表第二特征值，c代表第三特征值，d代表第四特征值；
计算特征值的加权值的方法包括：确定关键字增量，加权值等于特征值增量除以数据关键字增量；
所述特征元素包括时效性、准确性、重要性和完整性；
根据规则库确定该新数据的特征值的方法为：从规则库中读取特征值的加权值和规律，根据加权值的计算方法和规律反推该数据的特征值。
2.根据权利要求1所述多源监控数据分类建模及流转方法，其特征在于，
所述方法还包括根据预先建立的模式库确定非关键数据，将子系统原始报文中的数据与非关键数据的关键字匹配，将成功匹配的子系统原始报文中的数据存入至非关键数据缓存。
3.多源监控数据分类建模及流转系统，其特征在于，所述系统应用如权利要求1~2任一所述的多源监控数据分类建模及流转方法，所述系统包括：采集模块、数据分类模块、数据建模模块、数据筛选模块、数据处理模块和数据入库模块；
所述采集模块用于通过协议与子系统进行通信获取子系统的数据；
所述数据分类模块，用于对系统的数据按照关键字进行分类；
所述数据建模模块，用于根据分类结果建立数据模式库和规则库，根据规则库更新数据模式库完成数据建模；
所述数据筛选模块，用于根据数据建模模块建立的模式库确定关键数据；
所述数据处理模块，用于将子系统原始报文中的数据与关键数据的关键字匹配，将成功匹配的子系统的原始报文中的数据存入关键数据缓存；
所述数据入库模块，用于根据数据处理模块的处理结果将关键数据缓存中的数据全部存入数据库。
4.根据权利要求3所述的多源监控数据分类建模及流转系统，其特征在于，所述数据处理模块，具体用于通过消息与采集模块进行异步通信，并根据预定义规则，优先发送关键数据缓存中的信息，采集模块必须在收到处理模块确认后的回复报文后，才发送下一条信息，否则一直发送此信息，直到此信息被处理模块正确接收，当关键数据缓存中的所有信息全部发完后，才发送非关键数据缓存中的信息，采集模块发送非关键数据不需要等待处理模块反馈确认，就直接发送下一包消息。
5.根据权利要求3所述多源监控数据分类建模及流转系统，其特征在于，
所述数据入库模块具体用于执行以下步骤：当所述数据处理模块完成对数据的处理，所述数据入库模块通过调用数据库的同步接口，优先把关键数据从数据处理模块的内存中存入数据库中；当数据库接口返回不成功时，数据处理模块需要重新调用数据库接口，直至关键数据成功写入数据库；当数据处理模块中的关键数据全部入库后，才操作非关键数据，不管是否入库成功，处理模块继续进行数据入库操作。
CN202110173526.XA 2021-02-09 2021-02-09 多源监控数据分类建模及流转方法和系统 Active CN112948404B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110173526.XA CN112948404B (zh) 2021-02-09 2021-02-09 多源监控数据分类建模及流转方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110173526.XA CN112948404B (zh) 2021-02-09 2021-02-09 多源监控数据分类建模及流转方法和系统

Publications (2)

Publication Number Publication Date
CN112948404A CN112948404A (zh) 2021-06-11
CN112948404B true CN112948404B (zh) 2022-11-15

Family

ID=76244242

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110173526.XA Active CN112948404B (zh) 2021-02-09 2021-02-09 多源监控数据分类建模及流转方法和系统

Country Status (1)

Country Link
CN (1) CN112948404B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105718463A (zh) * 2014-12-02 2016-06-29 杭州迪普科技有限公司 关键字模糊匹配方法及装置
CN105843878A (zh) * 2016-03-17 2016-08-10 杭州优云软件有限公司 一种it系统事件标准化实现方法
CN108959645A (zh) * 2018-07-28 2018-12-07 安徽赛迪信息技术有限公司 一种政策法规收集分析系统
CN111506599A (zh) * 2020-04-20 2020-08-07 广州大学 基于规则匹配和深度学习的工控设备识别方法及系统
CN112148554A (zh) * 2020-09-14 2020-12-29 北京金和网络股份有限公司 实时计算redis业务数据占用大小的方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105718463A (zh) * 2014-12-02 2016-06-29 杭州迪普科技有限公司 关键字模糊匹配方法及装置
CN105843878A (zh) * 2016-03-17 2016-08-10 杭州优云软件有限公司 一种it系统事件标准化实现方法
CN108959645A (zh) * 2018-07-28 2018-12-07 安徽赛迪信息技术有限公司 一种政策法规收集分析系统
CN111506599A (zh) * 2020-04-20 2020-08-07 广州大学 基于规则匹配和深度学习的工控设备识别方法及系统
CN112148554A (zh) * 2020-09-14 2020-12-29 北京金和网络股份有限公司 实时计算redis业务数据占用大小的方法及装置

Also Published As

Publication number Publication date
CN112948404A (zh) 2021-06-11

Similar Documents

Publication Publication Date Title
CN110324170B (zh) 数据分析设备、多模型共决策系统及方法
CN109359098B (zh) 一种调度数据网行为监测系统及方法
CN115809183A (zh) 基于知识图谱的信创终端故障发现及处置的方法
CN113687972B (zh) 业务系统异常数据的处理方法、装置、设备及存储介质
CN112954031B (zh) 一种基于云手机的设备状态通知方法
CN113992340B (zh) 用户异常行为识别方法、装置、设备和存储介质
CN111654538B (zh) 基于区块链及大数据的通信处理方法及云边端计算服务器
CN111859479A (zh) Pdm系统中工程变更全生命周期管理方法及系统
CN113516244A (zh) 一种智能运维方法、装置、电子设备及存储介质
CN113409016A (zh) 应用于大数据云办公的信息处理方法、服务器及介质
CN114238474A (zh) 基于排水系统的数据处理方法、装置、设备及存储介质
CN112948404B (zh) 多源监控数据分类建模及流转方法和系统
CN110830504A (zh) 一种网络入侵行为检测方法及系统
CN110659818A (zh) 信息处理方法及系统
CN112712348A (zh) 换流站的日志关联分析方法及诊断装置
CN114548769B (zh) 一种智能电网it资产大数据监测系统及方法
CN116108276A (zh) 基于人工智能的信息推荐方法、装置及相关设备
CN113472640B (zh) 一种智能网关信息处理方法及系统
CN114203304A (zh) 基于智慧医疗大数据的信息推送方法及智慧医疗云服务器
CN108805462A (zh) 配网风险预警的方法及装置、存储介质、处理器
CN112712443B (zh) 换流站的事件分析方法及分析装置
CN115016976A (zh) 一种根因定位方法、装置、设备及存储介质
CN112925831A (zh) 基于云计算服务的大数据挖掘方法及大数据挖掘服务系统
CN114756722A (zh) 一种多元数据集中管理控制系统及方法
CN110727538B (zh) 一种基于模型命中概率分布的故障定位系统及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant