CN116415423A - 一种基于大数据分析的计算机仿真数据处理系统及方法 - Google Patents

Abstract

本发明公开了一种基于大数据分析的计算机仿真数据处理系统及方法，属于计算机技术领域。本发明包括仿真数据分析模块、仿真精度获取模块、异常仿真数据预测模块和仿真优化模块；所述仿真数据分析模块用于对计算机仿真数据进行优先级别的划分；所述仿真精度获取模块用于对导致异常仿真数据的可变影响因素和计算机仿真系统中异常仿真步骤的仿真精度进行获取；所述异常仿真数据预测模块用于对优化处理后的计算机仿真系统对仿真步骤中产生的异常仿真数据进行预测；所述仿真优化模块用于对计算机仿真系统进行优化处理，本发明基于层级分析实现对仿真数据的全面分析，减少了仿真数据分析处理量，从而有效提高了计算机仿真数据处理系统的处理效率。

Description

一种基于大数据分析的计算机仿真数据处理系统及方法

技术领域

本发明涉及计算机技术领域，具体为一种基于大数据分析的计算机仿真数据处理系统及方法。

背景技术

虚拟仿真实验教学系统是基于虚拟现实技术开展的教学实验活动，能够突破传统实验教学的弊端，从资源供给、实验范围、操作形式、实验深度等方面提升高等教育实验教学的质量。

目前，在对计算机仿真数据进行处理时，通常将仿真数据与实验数据进行多次对比，根据对比结果对仿真系统进行调整，由于仿真数据量较大，因此在对比过程中耗费时间较长，导致仿真系统在短时间内仍然处于仿真精度较低的状态，从而导致实验资源的浪费，以及现有系统无法实现对仿真数据的全面分析，导致无法及时发现实验中即将发生的异常情况，从而降低仿真实验的可信度。

发明内容

本发明的目的在于提供一种基于大数据分析的计算机仿真数据处理系统及方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据分析的计算机仿真数据处理系统，所述系统包括仿真数据分析模块、仿真精度获取模块、异常仿真数据预测模块和仿真优化模块；

所述仿真数据分析模块用于根据计算机仿真系统中各仿真步骤之间的关联度，以及各仿真步骤的失败率，对计算机仿真数据进行优先级别的划分，根据划分结果，对计算机异常仿真数据进行层级分析，并将分析结果和计算机异常仿真数据传输至仿真精度获取模块；

所述仿真精度获取模块用于对仿真数据分析模块传输的分析结果和计算机异常仿真数据进行接收，基于接收信息，对导致异常仿真数据的可变影响因素和计算机仿真系统中异常仿真步骤的仿真精度进行获取，并将可变影响因素和获取的异常仿真步骤的仿真精度传输至异常仿真数据预测模块；

所述异常仿真数据预测模块用于对仿真精度获取模块传输的异常仿真步骤的仿真精度进行接收，基于接收信息，对计算机仿真系统进行优化处理，基于优化处理后的计算机仿真系统对仿真步骤中产生的异常仿真数据进行预测，并将预测结果传输至仿真优化模块；

所述仿真优化模块用于对异常仿真数据预测模块传输的优化仿真模型和预测的异常仿真数据进行接收，基于接收信息，对计算机仿真系统进行优化处理。

进一步的，所述仿真数据分析模块包括信息获取单元、仿真数据划分单元、异常仿真数据获取单元和仿真数据分析单元；

所述信息获取单元对计算机仿真系统中各仿真步骤之间的关联度，以及各仿真步骤对应的失败率进行获取，并将获取信息传输至仿真数据划分单元；

所述仿真数据划分单元对信息获取单元传输的获取信息进行接收，基于接收信息，对当前仿真步骤与任一仿真步骤之间的关联度，与当前仿真步骤的失败率之间的乘积进行计算，得到当前仿真步骤的划分因子集P_i，将计算得到的各仿真步骤对应的划分因子集放入同一集合Q中，并对同一集合中重复的划分因子进行标记删除处理，对集合P_i中的划分因子的平均值R_i进行计算，将对应仿真步骤对应的划分因子集的平均值按照由大到小的顺序，对各仿真步骤产生的仿真数据进行优先级别的划分，并将仿真数据划分结果和集合Q传输至异常仿真数据获取单元，其中，第一仿真步骤的划分因子＝第一仿真步骤的失败率，划分因子集的平均值越大，对应仿真步骤产生的仿真数据的优先级别越高，i表示仿真步骤对应的编号，i＝1,2,…,n，n表示仿真步骤总数；

所述异常仿真数据获取单元对仿真数据划分单元传输的仿真数据划分结果和集合Q进行接收，根据接收的对应仿真步骤产生的仿真数据的优先级别顺序，先后将对应仿真步骤产生的仿真数据与对应匹配的标准仿真数据进行对比，根据对比结果，判断对应仿真步骤产生的仿真数据是否异常，若仿真数据正常，则无需对产生的仿真数据进行分析处理，若仿真数据异常，则基于集合Q中的划分因子，对与异常仿真步骤相关度高的其它仿真步骤进行获取，基于匹配的划分因子值和其它仿真步骤产生仿真数据的时间，先后将其它仿真步骤对应的仿真数据与对应匹配的标准仿真数据进行对比，直至判断对应仿真步骤产生的仿真数据正常，并将对应仿真步骤产生的异常仿真数据传输至仿真数据分析单元和仿真精度获取模块；

所述仿真数据分析单元对异常仿真数据获取单元传输的对应仿真步骤产生的异常仿真数据进行接收，通过大数据对异常仿真数据异常的影响因素，以及各影响因素对应的影响比例进行获取，结合与异常仿真数据，对异常仿真数据的异常原因进行分析，并将异常仿真数据的分析结果传输至仿真精度获取模块。

进一步的，所述仿真精度获取模块包括影响因素排除单元和仿真精度获取单元；

所述影响因素排除单元对仿真数据分析单元传输的异常仿真数据的异常原因进行接收，基于接收信息，结合计算机性能，对异常原因中的可变影响因素进行识别，并将识别的可变影响因素传输至仿真精度获取单元，可变影响因素指计算机性能差异导致的仿真数据异常的影响因素；

所述仿真精度获取单元对影响因素排除单元传输的可变影响因素，以及异常仿真数据获取单元传输的对应仿真步骤产生的异常仿真数据进行接收，基于接收的可变影响因素，对异常仿真数据中由可变影响因素导致的异常差值进行确定，根据确定的异常差值对异常仿真数据进行复原处理，根据复原处理后的异常仿真数据与对应匹配的标准仿真数据之间的比值，对异常仿真步骤的仿真精度进行确定，并将确定的异常仿真步骤的仿真精度传输至异常仿真数据预测模块。

进一步的，所述异常仿真数据预测模块包括优化模型构建单元和异常仿真数据预测单元；

所述优化模型构建单元对仿真精度获取单元传输的异常仿真步骤的仿真精度进行接收，基于接收信息，对计算机仿真系统中的仿真模型进行优化处理，并将优化处理后的仿真模型传输至异常仿真数据预测单元和仿真优化模块；

所述异常仿真数据预测单元对优化模型构建单元传输的仿真模型进行接收，基于接收的仿真模型，对计算机仿真系统工作时产生的异常仿真数据进行预测，并将预测的异常仿真数据传输至仿真优化模块。

进一步的，所述仿真优化模块对优化模型构建单元传输的优化仿真模型，以及异常仿真数据预测单元传输的异常仿真数据进行接收，基于接收信息，对计算机仿真系统进行优化处理。

一种基于大数据分析的计算机仿真数据处理方法，所述仿真数据分析单元对异常仿真数据的异常原因进行分析的具体方法为：根据通过大数据对异常仿真数据异常的影响因素，以及各影响因素对应的影响比例，以及异常仿真数据对异常仿真数据的异常原因进行分析，具体的分析模型W为：

W＝min{F-∑m j＝1[α_i*(1+(-1)βj*k_j)*A]}；

其中，F表示异常仿真数据值，j＝1,2,…,m表示影响因素对应的编号，m表示影响因素总数，k_j表示编号为j的影响因素对应的影响比例，A表示与异常仿真数据对应的仿真步骤产生的标准仿真数据，β_j表示编号为j的影响因素的影响趋势，且β＝1或2，当β＝1时，表示影响因素为负影响，当β＝2时，表示影响因素为正影响，α_i表示编号为j的影响因素对应的影响系数，且α＝1或0，当α＝1时，表示编号为j的影响因素对异常仿真数据产生影响，当α＝0时，表示编号为j的影响因素对异常仿真数据不产生影响，当F-∑m j＝1(1+(-1)βj*k_j)*A取最小值时，对α＝1时对应的编号j进行获取，W表示异常仿真数据在除去异常原因后，与标准仿真数据之间的差值；

根据获取的编号j，对异常仿真数据发生异常的影响因素进行确定。

进一步的，所述影响因素排除单元对异常原因中的可变影响因素进行识别的具体方法为：

S10：对当前仿真实验使用的计算机的性能信息进行获取，通过大数据对仿真实验使用的计算机的标准性能信息进行获取，以及对分析模型计算得到的min{F-∑m j＝1[α_i*

(1+(-1)βj*k_j)*A]}值进行获取；

S20：根据S10中获取的信息，构建数学模型，对异常原因中的可变影响因素进行识别，具体的数学模型D为：

D＝W-∑v u＝1{[(E_u-e_u)/E_u]*g_u}；

其中，u＝1,2,…,v表示计算机性能指标对应的编号，v表示计算机性能指标总数，e_u表示当前仿真实验使用的计算机对应的编号为u的性能指标值，E_u表示通过大数据获取的仿真实验使用的标准计算机对应的编号为u的性能指标值，g_u表示计算机中编号为u的性能指标改变1/E时，对应的仿真数据改变值，当E_u-e_u＝0时，表示对应编号的性能指标不是可变影响因素，当E_u-e_u≠0，且D＝0时，表示对应编号的性能指标是可变影响因素，当D＝0时，表示异常原因中的可变影响因素由计算机性能差异所导致，当D≠0时，表示异常原因中的可变影响因素包括环境因素，D表示异常数据对应的异常原因中存在可变影响因素类型的判断值。

进一步的，所述仿真精度获取单元对异常仿真数据中由可变影响因素导致的异常差值进行确定，具体的确定值为min{F-∑m j＝1[α_i*(1+(-1)βj*k_j)*A]}。

进一步的，所述异常仿真数据预测单元对计算机仿真系统工作时产生的异常仿真数据进行预测的具体方法为：

步骤一：当优化处理后的计算机仿真模型在工作时，基于对应仿真步骤产生的仿真数据的优先级别顺序，按照优先级别由低到高的顺序，结合仿真数据出现的时间，先后将对应仿真步骤产生的仿真数据与对应匹配的标准仿真数据进行对比，若对比结果不同，表示对应仿真步骤得到的仿真数据为异常仿真数据；

步骤二：根据步骤一得到的异常仿真数据，结合仿真数据划分单元中得到的对应仿真步骤的划分因子集，对计算机仿真系统工作时下一步产生异常仿真数据的步骤进行预测，以及结合仿真数据分析单元中分析的异常数据异常原因，对对应仿真步骤产生的仿真数据值进行预测。

进一步的，所述仿真优化模块对计算机仿真系统进行优化处理的具体方法为：对异常仿真数据预测单元预测的异常仿真数据与标准仿真数据之间的差值进行计算，基于计算结果，对优化处理后的计算机仿真模型的误差值进行确定，根据确定的误差值，对计算机仿真系统进行优化处理。

与现有技术相比，本发明所达到的有益效果是：

1.本发明通过计算机仿真系统中各仿真步骤之间的关联度，以及各仿真步骤的失败率，对对应仿真步骤的划分因子集进行获取，将对应仿真步骤对应的划分因子集的平均值按照由大到小的顺序进行排列，根据排列结果，实现对各仿真步骤产生的仿真数据进行优先级别的划分，根据划分的优先级别对仿真数据进行层级分析，基于层级分析实现对仿真数据的全面分析，进一步减少了仿真数据分析处理量，从而有效提高了计算机仿真数据处理系统的处理效率。

2.本发明在对仿真系统中的异常仿真步骤的仿真精度进行确定时，消除了可变影响因素对仿真精度的影响作用，保证优化后的计算机仿真系统得到的仿真精度更高，从而有效减少了对仿真数据的处理量。

3.本发明通过对异常仿真数据产生的原因进行分析，基于分析的异常原因，对异常原因中存在的可变影响因素进行确定，根据确定的可变影响因素和异常原因，对计算机仿真模型进行优化处理，结合优化处理后的计算机仿真模型预测的异常仿真数据与标准仿真数据之间的差值，对优化后的计算机仿真模型中存在的误差值进行确定，基于误差值，对计算机仿真系统进行优化处理，进一步提高了仿真系统的仿真精度，从而提高系统对仿真数据的处理精度。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明一种基于大数据分析的计算机仿真数据处理系统及方法的工作原理结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明提供技术方案：一种基于大数据分析的计算机仿真数据处理系统，系统包括仿真数据分析模块、仿真精度获取模块、异常仿真数据预测模块和仿真优化模块；

仿真数据分析模块用于根据计算机仿真系统中各仿真步骤之间的关联度，以及各仿真步骤的失败率，对计算机仿真数据进行优先级别的划分，根据划分结果，对计算机异常仿真数据进行层级分析，并将分析结果和计算机异常仿真数据传输至仿真精度获取模块；

仿真数据分析模块包括信息获取单元、仿真数据划分单元、异常仿真数据获取单元和仿真数据分析单元；

信息获取单元对计算机仿真系统中各仿真步骤之间的关联度，以及各仿真步骤对应的失败率进行获取，并将获取信息传输至仿真数据划分单元；

仿真数据划分单元对信息获取单元传输的获取信息进行接收，基于接收信息，对当前仿真步骤与任一仿真步骤之间的关联度，与当前仿真步骤的失败率之间的乘积进行计算，得到当前仿真步骤的划分因子集P_i，将计算得到的各仿真步骤对应的划分因子集放入同一集合Q中，并对同一集合中重复的划分因子进行标记删除处理，对集合P_i中的划分因子的平均值R_i进行计算，将对应仿真步骤对应的划分因子集的平均值按照由大到小的顺序，对各仿真步骤产生的仿真数据进行优先级别的划分，并将仿真数据划分结果和集合Q传输至异常仿真数据获取单元，其中，第一仿真步骤的划分因子＝第一仿真步骤的失败率，划分因子集的平均值越大，对应仿真步骤产生的仿真数据的优先级别越高，i表示仿真步骤对应的编号，i＝1,2,…,n，n表示仿真步骤总数；

异常仿真数据获取单元对仿真数据划分单元传输的仿真数据划分结果和集合Q进行接收，根据接收的对应仿真步骤产生的仿真数据的优先级别顺序，先后将对应仿真步骤产生的仿真数据与对应匹配的标准仿真数据进行对比，根据对比结果，判断对应仿真步骤产生的仿真数据是否异常，若仿真数据正常，则无需对产生的仿真数据进行分析处理，若仿真数据异常，则基于集合Q中的划分因子，对与异常仿真步骤相关度高的其它仿真步骤进行获取，基于匹配的划分因子值和其它仿真步骤产生仿真数据的时间，先后将其它仿真步骤对应的仿真数据与对应匹配的标准仿真数据进行对比，直至判断对应仿真步骤产生的仿真数据正常，并将对应仿真步骤产生的异常仿真数据传输至仿真数据分析单元和仿真精度获取模块；

仿真数据分析单元对异常仿真数据获取单元传输的对应仿真步骤产生的异常仿真数据进行接收，通过大数据对异常仿真数据异常的影响因素，以及各影响因素对应的影响比例进行获取，结合与异常仿真数据，对异常仿真数据的异常原因进行分析，并将异常仿真数据的分析结果传输至仿真精度获取模块；

仿真数据分析单元对异常仿真数据的异常原因进行分析的具体方法为：根据通过大数据对异常仿真数据异常的影响因素，以及各影响因素对应的影响比例，以及异常仿真数据对异常仿真数据的异常原因进行分析，具体的分析模型W为：

W＝min{F-∑m j＝1[α_i*(1+(-1)βj*k_j)*A]}；

其中，F表示异常仿真数据值，j＝1,2,…,m表示影响因素对应的编号，m表示影响因素总数，k_j表示编号为j的影响因素对应的影响比例，A表示与异常仿真数据对应的仿真步骤产生的标准仿真数据，β_j表示编号为j的影响因素的影响趋势，且β＝1或2，当β＝1时，表示影响因素为负影响，当β＝2时，表示影响因素为正影响，α_i表示编号为j的影响因素对应的影响系数，且α＝1或0，当α＝1时，表示编号为j的影响因素对异常仿真数据产生影响，当α＝0时，表示编号为j的影响因素对异常仿真数据不产生影响，当F-∑m j＝1(1+(-1)^βj*k_j)*A取最小值时，对α＝1时对应的编号j进行获取，W表示异常仿真数据在除去异常原因后，与标准仿真数据之间的差值；

根据获取的编号j，对异常仿真数据发生异常的影响因素进行确定。

仿真精度获取模块用于对仿真数据分析模块传输的分析结果和计算机异常仿真数据进行接收，基于接收信息，对导致异常仿真数据的可变影响因素和计算机仿真系统中异常仿真步骤的仿真精度进行获取，并将可变影响因素和获取的异常仿真步骤的仿真精度传输至异常仿真数据预测模块；

仿真精度获取模块包括影响因素排除单元和仿真精度获取单元；

影响因素排除单元对仿真数据分析单元传输的异常仿真数据的异常原因进行接收，基于接收信息，结合计算机性能，对异常原因中的可变影响因素进行识别，并将识别的可变影响因素传输至仿真精度获取单元，可变影响因素指计算机性能差异导致的仿真数据异常的影响因素；

影响因素排除单元对异常原因中的可变影响因素进行识别的具体方法为：

S10：对当前仿真实验使用的计算机的性能信息进行获取，通过大数据对仿真实验使用的计算机的标准性能信息进行获取，以及对分析模型计算得到的min{F-∑m j＝1[α_i*(1+(-1)^βj*k_j)*A]}值进行获取；

S20：根据S10中获取的信息，构建数学模型，对异常原因中的可变影响因素进行识别，具体的数学模型D为：

D＝W-∑v u＝1{[(E_u-e_u)/E_u]*g_u}；

其中，u＝1,2,…,v表示计算机性能指标对应的编号，v表示计算机性能指标总数，e_u表示当前仿真实验使用的计算机对应的编号为u的性能指标值，E_u表示通过大数据获取的仿真实验使用的标准计算机对应的编号为u的性能指标值，g_u表示计算机中编号为u的性能指标改变1/E时，对应的仿真数据改变值，当E_u-e_u＝0时，表示对应编号的性能指标不是可变影响因素，当E_u-e_u≠0，且D＝0时，表示对应编号的性能指标是可变影响因素，当D＝0时，表示异常原因中的可变影响因素由计算机性能差异所导致，当D≠0时，表示异常原因中的可变影响因素包括环境因素，D表示异常数据对应的异常原因中存在可变影响因素类型的判断值；

仿真精度获取单元对影响因素排除单元传输的可变影响因素，以及异常仿真数据获取单元传输的对应仿真步骤产生的异常仿真数据进行接收，基于接收的可变影响因素，对异常仿真数据中由可变影响因素导致的异常差值进行确定，根据确定的异常差值对异常仿真数据进行复原处理，根据复原处理后的异常仿真数据与对应匹配的标准仿真数据之间的比值，对异常仿真步骤的仿真精度进行确定，并将确定的异常仿真步骤的仿真精度传输至异常仿真数据预测模块；

仿真精度获取单元对异常仿真数据中由可变影响因素导致的异常差值进行确定，具体的确定值为min{F-∑m j＝1[α_i*(1+(-1)^βj*k_j)*A]}。

异常仿真数据预测模块用于对仿真精度获取模块传输的异常仿真步骤的仿真精度进行接收，基于接收信息，对计算机仿真系统进行优化处理，基于优化处理后的计算机仿真系统对仿真步骤中产生的异常仿真数据进行预测，并将预测结果传输至仿真优化模块；

异常仿真数据预测模块包括优化模型构建单元和异常仿真数据预测单元；

优化模型构建单元对仿真精度获取单元传输的异常仿真步骤的仿真精度进行接收，基于接收信息，对计算机仿真系统中的仿真模型进行优化处理，并将优化处理后的仿真模型传输至异常仿真数据预测单元和仿真优化模块；

异常仿真数据预测单元对优化模型构建单元传输的仿真模型进行接收，基于接收的仿真模型，对计算机仿真系统工作时产生的异常仿真数据进行预测，并将预测的异常仿真数据传输至仿真优化模块；

异常仿真数据预测单元对计算机仿真系统工作时产生的异常仿真数据进行预测的具体方法为：

步骤一：当优化处理后的计算机仿真模型在工作时，基于对应仿真步骤产生的仿真数据的优先级别顺序，按照优先级别由低到高的顺序，结合仿真数据出现的时间，先后将对应仿真步骤产生的仿真数据与对应匹配的标准仿真数据进行对比，若对比结果不同，表示对应仿真步骤得到的仿真数据为异常仿真数据；

步骤二：根据步骤一得到的异常仿真数据，结合仿真数据划分单元中得到的对应仿真步骤的划分因子集，对计算机仿真系统工作时下一步产生异常仿真数据的步骤进行预测，以及结合仿真数据分析单元中分析的异常数据异常原因，对对应仿真步骤产生的仿真数据值进行预测。

仿真优化模块对优化模型构建单元传输的优化仿真模型，以及异常仿真数据预测单元传输的异常仿真数据进行接收，基于接收信息，对计算机仿真系统进行优化处理；

仿真优化模块对计算机仿真系统进行优化处理的具体方法为：对异常仿真数据预测单元预测的异常仿真数据与标准仿真数据之间的差值进行计算，基于计算结果，对优化处理后的计算机仿真模型的误差值进行确定，根据确定的误差值，对计算机仿真系统进行优化处理。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于大数据分析的计算机仿真数据处理系统，其特征在于：所述系统包括仿真数据分析模块、仿真精度获取模块、异常仿真数据预测模块和仿真优化模块；

所述仿真数据分析模块用于根据计算机仿真系统中各仿真步骤之间的关联度，以及各仿真步骤的失败率，对计算机仿真数据进行优先级别的划分，根据划分结果，对计算机异常仿真数据进行层级分析，并将分析结果和计算机异常仿真数据传输至仿真精度获取模块；

所述仿真精度获取模块用于对仿真数据分析模块传输的分析结果和计算机异常仿真数据进行接收，基于接收信息，对导致异常仿真数据的可变影响因素和计算机仿真系统中异常仿真步骤的仿真精度进行获取，并将可变影响因素和获取的异常仿真步骤的仿真精度传输至异常仿真数据预测模块；

所述异常仿真数据预测模块用于对仿真精度获取模块传输的异常仿真步骤的仿真精度进行接收，基于接收信息，对计算机仿真系统进行优化处理，基于优化处理后的计算机仿真系统对仿真步骤中产生的异常仿真数据进行预测，并将预测结果传输至仿真优化模块；

所述仿真优化模块用于对异常仿真数据预测模块传输的优化仿真模型和预测的异常仿真数据进行接收，基于接收信息，对计算机仿真系统进行优化处理。

2.根据权利要求1所述的一种基于大数据分析的计算机仿真数据处理系统，其特征在于：所述仿真数据分析模块包括信息获取单元、仿真数据划分单元、异常仿真数据获取单元和仿真数据分析单元；

所述信息获取单元对计算机仿真系统中各仿真步骤之间的关联度，以及各仿真步骤对应的失败率进行获取，并将获取信息传输至仿真数据划分单元；

所述仿真数据划分单元对信息获取单元传输的获取信息进行接收，基于接收信息，对当前仿真步骤与任一仿真步骤之间的关联度，与当前仿真步骤的失败率之间的乘积进行计算，得到当前仿真步骤的划分因子集P_i，将计算得到的各仿真步骤对应的划分因子集放入同一集合Q中，并对同一集合中重复的划分因子进行标记删除处理，对集合P_i中的划分因子的平均值R_i进行计算，将对应仿真步骤对应的划分因子集的平均值按照由大到小的顺序，对各仿真步骤产生的仿真数据进行优先级别的划分，并将仿真数据划分结果和集合Q传输至异常仿真数据获取单元，其中，第一仿真步骤的划分因子＝第一仿真步骤的失败率，划分因子集的平均值越大，对应仿真步骤产生的仿真数据的优先级别越高，i表示仿真步骤对应的编号，i＝1,2,…,n，n表示仿真步骤总数；

所述异常仿真数据获取单元对仿真数据划分单元传输的仿真数据划分结果和集合Q进行接收，根据接收的对应仿真步骤产生的仿真数据的优先级别顺序，先后将对应仿真步骤产生的仿真数据与对应匹配的标准仿真数据进行对比，根据对比结果，判断对应仿真步骤产生的仿真数据是否异常，若仿真数据正常，则无需对产生的仿真数据进行分析处理，若仿真数据异常，则基于集合Q中的划分因子，对与异常仿真步骤相关度高的其它仿真步骤进行获取，基于匹配的划分因子值和其它仿真步骤产生仿真数据的时间，先后将其它仿真步骤对应的仿真数据与对应匹配的标准仿真数据进行对比，直至判断对应仿真步骤产生的仿真数据正常，并将对应仿真步骤产生的异常仿真数据传输至仿真数据分析单元和仿真精度获取模块；

所述仿真数据分析单元对异常仿真数据获取单元传输的对应仿真步骤产生的异常仿真数据进行接收，通过大数据对异常仿真数据异常的影响因素，以及各影响因素对应的影响比例进行获取，结合与异常仿真数据，对异常仿真数据的异常原因进行分析，并将异常仿真数据的分析结果传输至仿真精度获取模块。

3.根据权利要求2所述的一种基于大数据分析的计算机仿真数据处理系统，其特征在于：所述仿真精度获取模块包括影响因素排除单元和仿真精度获取单元；

所述影响因素排除单元对仿真数据分析单元传输的异常仿真数据的异常原因进行接收，基于接收信息，结合计算机性能，对异常原因中的可变影响因素进行识别，并将识别的可变影响因素传输至仿真精度获取单元；

所述仿真精度获取单元对影响因素排除单元传输的可变影响因素，以及异常仿真数据获取单元传输的对应仿真步骤产生的异常仿真数据进行接收，基于接收的可变影响因素，对异常仿真数据中由可变影响因素导致的异常差值进行确定，根据确定的异常差值对异常仿真数据进行复原处理，根据复原处理后的异常仿真数据与对应匹配的标准仿真数据之间的比值，对异常仿真步骤的仿真精度进行确定，并将确定的异常仿真步骤的仿真精度传输至异常仿真数据预测模块。

4.根据权利要求3所述的一种基于大数据分析的计算机仿真数据处理系统，其特征在于：所述异常仿真数据预测模块包括优化模型构建单元和异常仿真数据预测单元；

所述优化模型构建单元对仿真精度获取单元传输的异常仿真步骤的仿真精度进行接收，基于接收信息，对计算机仿真系统中的仿真模型进行优化处理，并将优化处理后的仿真模型传输至异常仿真数据预测单元和仿真优化模块；

所述异常仿真数据预测单元对优化模型构建单元传输的仿真模型进行接收，基于接收的仿真模型，对计算机仿真系统工作时产生的异常仿真数据进行预测，并将预测的异常仿真数据传输至仿真优化模块。

5.根据权利要求4所述的一种基于大数据分析的计算机仿真数据处理系统，其特征在于：所述仿真优化模块对优化模型构建单元传输的优化仿真模型，以及异常仿真数据预测单元传输的异常仿真数据进行接收，基于接收信息，对计算机仿真系统进行优化处理。

6.一种应用于权利要求1-5任一项所述的基于大数据分析的计算机仿真数据处理系统的基于大数据分析的计算机仿真数据处理方法，其特征在于：所述仿真数据分析单元对异常仿真数据的异常原因进行分析的具体方法为：根据通过大数据对异常仿真数据异常的影响因素，以及各影响因素对应的影响比例，以及异常仿真数据对异常仿真数据的异常原因进行分析，具体的分析模型W为：

W＝min{F-∑m j＝1[α_i*(1+(-1)βj*k_j)*A]}；

其中，F表示异常仿真数据值，j＝1,2,…,m表示影响因素对应的编号，m表示影响因素总数，k_j表示编号为j的影响因素对应的影响比例，A表示与异常仿真数据对应的仿真步骤产生的标准仿真数据，β_j表示编号为j的影响因素的影响趋势，且β＝1或2，当β＝1时，表示影响因素为负影响，当β＝2时，表示影响因素为正影响，α_i表示编号为j的影响因素对应的影响系数，且α＝1或0，当α＝1时，表示编号为j的影响因素对异常仿真数据产生影响，当α＝0时，表示编号为j的影响因素对异常仿真数据不产生影响，当F-∑m j＝1(1+(-1)βj*k_j)*A取最小值时，对α＝1时对应的编号j进行获取，W表示异常仿真数据在除去异常原因后，与标准仿真数据之间的差值；

根据获取的编号j，对异常仿真数据发生异常的影响因素进行确定。

7.根据权利要求6所述的一种基于大数据分析的计算机仿真数据处理方法，其特征在于：所述影响因素排除单元对异常原因中的可变影响因素进行识别的具体方法为：

S10：对当前仿真实验使用的计算机的性能信息进行获取，通过大数据对仿真实验使用的计算机的标准性能信息进行获取，以及对分析模型计算得到的min{F-∑m j＝1[α_i*(1+(-1)^βj*k_j)*A]}值进行获取；

S20：根据S10中获取的信息，构建数学模型，对异常原因中的可变影响因素进行识别，具体的数学模型D为：

D＝W-∑v u＝1{[(E_u-e_u)/E_u]*g_u}；

其中，u＝1,2,…,v表示计算机性能指标对应的编号，v表示计算机性能指标总数，e_u表示当前仿真实验使用的计算机对应的编号为u的性能指标值，E_u表示通过大数据获取的仿真实验使用的标准计算机对应的编号为u的性能指标值，g_u表示计算机中编号为u的性能指标改变1/E时，对应的仿真数据改变值，当E_u-e_u＝0时，表示对应编号的性能指标不是可变影响因素，当E_u-e_u≠0，且D＝0时，表示对应编号的性能指标是可变影响因素，当D＝0时，表示异常原因中的可变影响因素由计算机性能差异所导致，当D≠0时，表示异常原因中的可变影响因素包括环境因素，D表示异常数据对应的异常原因中存在可变影响因素类型的判断值。

8.根据权利要求7所述的一种基于大数据分析的计算机仿真数据处理方法，其特征在于：所述仿真精度获取单元对异常仿真数据中由可变影响因素导致的异常差值进行确定，具体的确定值为min{F-∑m j＝1[α_i*(1+(-1)βj*k_j)*A]}。

9.根据权利要求8所述的一种基于大数据分析的计算机仿真数据处理方法，其特征在于：所述异常仿真数据预测单元对计算机仿真系统工作时产生的异常仿真数据进行预测的具体方法为：

步骤一：当优化处理后的计算机仿真模型在工作时，基于对应仿真步骤产生的仿真数据的优先级别顺序，按照优先级别由低到高的顺序，结合仿真数据出现的时间，先后将对应仿真步骤产生的仿真数据与对应匹配的标准仿真数据进行对比，若对比结果不同，表示对应仿真步骤得到的仿真数据为异常仿真数据；

步骤二：根据步骤一得到的异常仿真数据，结合仿真数据划分单元中得到的对应仿真步骤的划分因子集，对计算机仿真系统工作时下一步产生异常仿真数据的步骤进行预测，以及结合仿真数据分析单元中分析的异常数据异常原因，对对应仿真步骤产生的仿真数据值进行预测。

10.根据权利要求9所述的一种基于大数据分析的计算机仿真数据处理方法，其特征在于：所述仿真优化模块对计算机仿真系统进行优化处理的具体方法为：对异常仿真数据预测单元预测的异常仿真数据与标准仿真数据之间的差值进行计算，基于计算结果，对优化处理后的计算机仿真模型的误差值进行确定，根据确定的误差值，对计算机仿真系统进行优化处理。

Images