CN116629791A - 一种基于大数据的信息预测分析系统及方法 - Google Patents
一种基于大数据的信息预测分析系统及方法 Download PDFInfo
- Publication number
- CN116629791A CN116629791A CN202310589666.4A CN202310589666A CN116629791A CN 116629791 A CN116629791 A CN 116629791A CN 202310589666 A CN202310589666 A CN 202310589666A CN 116629791 A CN116629791 A CN 116629791A
- Authority
- CN
- China
- Prior art keywords
- data
- model
- recovery period
- acquired
- investment
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 13
- 238000011084 recovery Methods 0.000 claims abstract description 95
- 238000004519 manufacturing process Methods 0.000 claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000012423 maintenance Methods 0.000 claims description 40
- 230000003203 everyday effect Effects 0.000 claims description 6
- 238000000638 solvent extraction Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及大数据技术领域,具体为一种基于大数据的信息预测分析系统及方法,包括:采集模块、数据库、处理模块、分析模块和显示模块;通过所述采集模块获取设备数据,将设备数据存储到数据库,处理模块获取设备数据,对调取到的数据进行处理后,得到模型,将模型传输给分析模块,分析模块获取设备数据,计算投资回收期,将投资回收期传输给显示模块,显示模块依据数据进行提示,通过分析多个因素的影响,让决策符合实际并合理可行,通过选择合适的模型并建立模型,直接代入数据计算,让参数更准确,再选取不同区间数据计算参数,可以简化模型,提高模型精度,减少误差,根据模型预测分析,判断是否提示更换设备,提高生产效率和降低成本。
Description
技术领域
本发明涉及大数据技术领域,具体为一种基于大数据的信息预测分析系统及方法。
背景技术
目前,信息预测分析是指通过对已有数据进行统计、分析和建模,预测未来事件或趋势的过程,它可以帮助人们更好地理解当前的状况,并做出更加准确的决策,在制造业中,工厂设备是生产过程中不可或缺的一部分,新的设备可以提高生产效率、降低成本、提高产品质量,但工厂设备需要投入大量资金和资源,投资成本高,而且需要时间和精力实现设备的安装、调试和培训,投入大量资金来购买和更新设备是一个复杂的决策过程,很难判断是否合理和可行。
所以,人们需要一种基于大数据的信息预测分析系统及方法来解决上述问题。
发明内容
本发明的目的在于提供一种基于大数据的信息预测分析系统及方法,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:一种基于大数据的信息预测分析系统,所述系统包括:采集模块、数据库、处理模块、分析模块和显示模块;
通过所述采集模块获取设备数据,将设备数据存储到数据库;
通过所述处理模块获取设备数据,对调取到的数据进行处理后,得到模型,将模型传输给分析模块;
通过所述分析模块获取设备数据,计算投资回收期,将投资回收期传输给显示模块;
通过所述显示模块依据数据进行提示。
进一步的,采集模块获取设备数据,将设备数据存储到数据库,其中设备数据包括投资成本、维护成本、生产效率和投资回收期数据,每天T时,获取一次数据,存储数据,存储数据;所述采集模块通过获取数据进行存储,选择合适的模型和建立准确的模型,为预测提供数据依据。
进一步的,处理模块从数据库中获取历史投资成本、维护成本、生产效率和投资回收期数据,分别放入集合中,根据数据选取模型,通过将获得的数据代入模型,得到方程,再通过将方程分组直接计算参数,再从计算出的每个参数中,分区间选取参数,计算每个参数均值,将计算的参数均值带入模型,得到模型,将模型传输给分析模块;所述处理模块通过获取历史数据带入模型直接计算模型参数,直接代入数据计算,会让计算出的数据更准确,再选取不同区间参数计算参数均值,得到模型,选择不同区间计算出的参数,可以简化模型,提高模型精度,减少误差,让模型参数更加精确,也更符合实际,模型应用于实际预测更合理和可行。
进一步的,分析模块接收到模型后,从数据库中获取当前投资成本、维护成本、生产效率数据,其中当前数据就是当天获取的数据,将获取的数据作为参数带入模型中,计算当前投资回收期,将当前投资回收期传输给显示模块;所述分析模块根据计算出的模型,对当前情况进行预估,可以清晰的表达是否需要更换设备,提高生产效率和降低成本,为决策提供数据依据。
进一步的,显示模块接收当前投资回收期,比较当前投资回收期与当前投资回收期阈值大小,若当前投资回收期大于当前投资回收期阈值,则提示不更换设备,若当前投资回收期小于或等于当前投资回收期阈值,则提示更换设备;所述显示模块比较接收到的数据与阈值的大小,可以清晰的判断是否需要更换设备,通过显示提示,让工厂及时更换设备,提高生产效率和降低成本,更好的投资决策和评估,让决策更加合理和可行。
一种基于大数据的信息预测分析方法,包括以下步骤:
S1、获取设备数据,存储设备数据;
S2、获取历史设备数据,计算模型参数,得到模型;
S3、获取当前设备数据,计算当前投资回收期;
S4、依据计算出的数据进行提示。
进一步的,在步骤S1中,获取设备数据,存储设备数据,其中设备数据包括投资成本、维护成本、生产效率和投资回收期数据,每天T时,获取一次数据,存储数据;所述通过获取数据进行存储,选择合适的模型和建立准确的模型,为预测提供数据依据。
进一步的,在步骤S2中,获取历史投资成本、维护成本、生产效率和投资回收期数据,将获取的投资成本数据放入集合A={A1,A2,...,An},将获取的维护成本数据放入集合B={B1,B2,...,Bn},将获取的生产效率数据放入集合C={C1,C2,...,Cn},将获取的投资回收期数据放入集合D={D1,D2,...,Dn},集合A,B,C,D中数据个数分别为n且相等,根据数据选取模型,计算模型参数:a是常数项,b、c和d都是自变量系数,其中b表示投资成本的系数,c表示维护成本的系数,d表示生产效率的系数,e表示误差项,根据参数得到模型:
q=a+bx1+cx2+dx3+e
根据上述模型q表示投资回收期,x1表示投资成本,x2表示维护成本,x3表示生产效率,将集合A中第i个数据、集合B中第i个数据、集合C中第i个数据和集合D中第i个数据代入模型,得到方程,其中初始i=1,之后代入集合A、B、C和D中第i+1个数据,设置g初始为1,记录方程数,第g至g+4个方程为一组数据,若g为g+4则g置1,根据每一组数据,进行计算,得到参数a、b、c、d和e,将参数分别放入集合F、G、H、I和J中,从每个参数集合中获取第z个数据,之后获取第z+w个数据,将获取的数据放入集合F1、G1、H1、I1和J1中,集合F1、G1、H1、I1和J1中数据个数分别为h且相等,计算参数:mt表示F1、G1、H1、I1和J1集合中第t个数据,h表示数据个数:
根据上述计算方式s表示参数,若带入计算的分别是集合F1、G1、H1、I1和J1中的数据,计算得出的结果便分别是参数a、b、c、d和e的值,得到模型;所述通过获取历史数据带入模型直接计算模型参数,直接代入数据计算,会让计算出的数据更准确,再选取不同区间参数计算参数均值,得到模型,选择不同区间计算出的参数,可以简化模型,提高模型精度,减少误差,让模型参数更加精确,也更符合实际,模型应用于实际预测更合理和可行。
进一步的,在步骤S3中,获取当前投资成本、维护成本、生产效率数据,其中当前数据就是当天获取的数据,将获取的数据作为参数带入模型中,计算q值,即当前投资回收期;所述根据计算出的模型,对未来的情况进行预测,可以清晰的表达是否需要更换设备,提高生产效率和降低成本,为决策提供数据依据。
进一步的,在步骤S4中,若当前投资回收期大于当前投资回收期阈值,则提示不更换设备,若当前投资回收期小于或等于当前投资回收期阈值,则提示更换设备;所述通过比较接收到的数据与阈值的大小,可以清晰的判断是否需要更换设备,通过显示提示,让工厂及时更换设备,提高生产效率和降低成本,更好的投资决策和评估,让决策更加合理和可行。
与现有技术相比,本发明所达到的有益效果是:本发明通过分析多个因素的影响,解决了多个因素影响下,无法判断决策是否合理的问题,让决策符合实际并合理可行;通过选择合适的模型并建立模型,直接代入数据计算,让参数更准确,再选取不同区间数据计算参数,得到模型,可以简化模型,提高模型精度,减少误差,可以准确的进行预测;根据模型预测分析,判断是否提示更换设备,解决了无法判断决策是否合理和可行的问题,提高生产效率和降低成本,更好的投资决策和评估。
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的信息预测分析系统结构框图;
图2是本发明一种基于大数据的信息预测分析方法工作流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
下面结合图1-图2和具体实施例对本发明作进一步的说明。
实施例一:
如图1所示,本实施例提供了一种基于大数据的信息预测分析系统,系统包括:采集模块、数据库、处理模块、分析模块和显示模块;
通过采集模块获取设备数据,将设备数据存储到数据库;
采集模块获取设备数据,将设备数据存储到数据库,其中设备数据包括投资成本、维护成本、生产效率和投资回收期数据,每天T时,获取一次数据,存储数据。
通过处理模块获取设备数据,对调取到的数据进行处理后,得到模型,将模型传输给分析模块;
处理模块从数据库中获取历史投资成本、维护成本、生产效率和投资回收期数据,分别放入集合中,根据数据选取模型,通过将获得的数据代入模型,得到方程,再通过将方程分组直接计算参数,再从计算出的每个参数中,分区间选取参数,计算每个参数均值,将计算的参数均值带入模型,得到模型,将模型传输给分析模块。
通过分析模块获取设备数据,计算投资回收期,将投资回收期传输给显示模块;
分析模块接收到模型后,从数据库中获取当前投资成本、维护成本、生产效率数据,其中当前数据就是当天获取的数据,将获取的数据作为参数带入模型中,计算当前投资回收期,将当前投资回收期传输给显示模块。
通过显示模块依据数据进行提示;
显示模块接收当前投资回收期,比较当前投资回收期与当前投资回收期阈值大小,若当前投资回收期大于或等于当前投资回收期阈值,则提示更换设备,若当前投资回收期小于当前投资回收期阈值,则提示不更换设备。
例如:
采集模块每一天T时获取投资成本、维护成本、生产效率和投资回收期数据,将投资成本、维护成本、生产效率和投资回收期数据存储到数据库,处理模块从数据库中获取历史投资成本、维护成本、生产效率和投资回收期数据,分别放入集合中,根据数据选取模型,通过将获得的数据代入模型,得到方程,再通过将方程分组直接计算参数,再从计算出的每个参数中,分区间选取参数,计算每个参数均值,将计算的参数均值带入模型,得到模型,将模型传输给分析模块,分析模块接收到模型后,从数据库中获取当天投资成本、维护成本和生产效率数据,将获取的数据作为参数带入模型中,计算当前投资回收期,将当前投资回收期传输给显示模块,显示模块接收当前投资回收期,比较当前投资回收期与当前投资回收期阈值大小,若当前投资回收期大于当前投资回收期阈值,则提示不更换设备,若当前投资回收期小于或等于当前投资回收期阈值,则提示更换设备。
实施例二:
如图2所示,本实施例提供了一种基于大数据的信息预测分析方法,其基于实施例中的信息预测分析系统实现,具体包括以下步骤:
S1、获取设备数据,存储设备数据;
在步骤S1中,获取设备数据,存储设备数据,其中设备数据包括投资成本、维护成本、生产效率和投资回收期数据,每天T时,获取一次数据,存储数据。
S2、获取历史设备数据,计算模型参数,得到模型;
在步骤S2中,获取历史投资成本、维护成本、生产效率和投资回收期数据,将获取的投资成本数据放入集合A={A1,A2,…,An},将获取的维护成本数据放入集合B={B1,B2,…,Bn},将获取的生产效率数据放入集合C={C1,C2,…,Cn},将获取的投资回收期数据放入集合D={D1,D2,…,Dn},集合A,B,C,D中数据个数分别为n且相等,根据数据选取模型,计算模型参数:a是常数项,b、c和d都是自变量系数,其中b表示投资成本的系数,c表示维护成本的系数,d表示生产效率的系数,e表示误差项,根据参数得到模型:
q=a+bx1+cx2+dx3+e
根据上述模型q表示投资回收期,x1表示投资成本,x2表示维护成本,x3表示生产效率,将集合A中第i个数据、集合B中第i个数据、集合C中第i个数据和集合D中第i个数据代入模型,得到方程,其中初始i=1,之后代入集合A、B、C和D中第i+1个数据,设置g初始为1,记录方程数,第g至g+4个方程为一组数据,若g为g+4则g置1,根据每一组数据,进行计算,得到参数a、b、c、d和e,将参数分别放入集合F、G、H、I和J中,从每个参数集合中获取第z个数据,之后获取第z+w个数据,将获取的数据放入集合F1、G1、H1、I1和J1中,集合F1、G1、H1、I1和J1中数据个数分别为h且相等,计算参数:mt表示F1、G1、H1、I1和J1集合中第t个数据,h表示数据个数:
根据上述计算方式s表示参数,若带入计算的分别是集合F1、G1、H1、I1和J1中的数据,计算得出的结果便分别是参数a、b、c、d和e的值,得到模型。
S3、获取当前设备数据,计算当前投资回收期;
在步骤S3中,获取当前投资成本、维护成本和生产效率数据,其中当前数据就是当天获取的数据,将获取的数据作为参数带入模型中,计算q值,即当前投资回收期。
S4、依据计算出的数据进行提示;
在步骤S4中,若当前投资回收期大于当前投资回收期阈值,则提示不更换设备,若当前投资回收期小于或等于当前投资回收期阈值,则提示更换设备。
例如:
在步骤S1中,获取投资成本为100万元、维护成本为1万元、生产效率为8千个每天和投资回收期为15年,存储投资成本、维护成本、生产效率和投资回收期数据。
在步骤S2中,获取历史投资成本、维护成本、生产效率和投资回收期数据,若各有100个数据,则n为100,将获取的投资成本数据放入集合A={A1,A2,...,A100},将获取的维护成本数据放入集合B={B1,B2,...,B100},将获取的生产效率数据放入集合C={C1,C2,...,C100},将获取的投资回收期数据放入集合D={D1,D2,...,D100},根据数据选取模型,计算模型参数,将集合A中第i个数据、集合B中第i个数据、集合C中第i个数据和集合D中第i个数据代入模型,得到D1=a+bA1+cB1+dC1+e方程,其中初始i=1,之后代入集合A、B、C和D中第i+1个数据,g初始为1,第g至g+4个方程为一组数据即每5个方程为一组数据,计算出参数a、b、c、d和e各一个数据,若g为g+4则g置1,将所有计算出的参数a、b、c、d和e分别放入集合F、G、H、I和J中,若z为1,w为1,则每隔1个数据取一次数据放入集合F1、G1、H1、I1和J1中,集合F1、G1、H1、11和J1中数据个数分别为h=10,代入集合F1、G1、H1、11和J1中的数据分别计算s,计算出的值分别为a、b、c、d和e的值,得到模型。
在步骤S3中,若模型为q=0.4+0.1x1-0.1x2-0.2x3+0.6,则获取当天投资成本为100、维护成本为3和生产效率为1,将获取的数据作为参数带入模型中,计算q值为10.5,即当天投资回收期。
在步骤S4中,若当天投资回收期阈值为5,则当天投资回收期大于当天投资回收期阈值,则提示不更换设备。
最后应说明的是:以上所述仅为本发明的优选实例而已,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)
1.一种基于大数据的信息预测分析系统,其特征在于:所述系统包括:采集模块、数据库、处理模块、分析模块和显示模块;
通过所述采集模块获取设备数据,将设备数据存储到数据库;
通过所述处理模块获取设备数据,对调取到的数据进行处理后,得到模型,将模型传输给分析模块;
通过所述分析模块获取设备数据,计算投资回收期,将投资回收期传输给显示模块;
通过所述显示模块依据数据进行提示。
2.根据权利要求1所述的一种基于大数据的信息预测分析系统,其特征在于:所述采集模块获取设备数据,将设备数据存储到数据库,其中设备数据包括投资成本、维护成本、生产效率和投资回收期数据,每天T时,获取一次数据,存储数据。
3.根据权利要求1所述的一种基于大数据的信息预测分析系统,其特征在于:所述处理模块从数据库中获取历史投资成本、维护成本、生产效率和投资回收期数据,分别放入集合中,根据数据选取模型,通过将获得的数据代入模型,得到方程,再通过将方程分组直接计算参数,再从计算出的每个参数中,分区间选取参数,计算每个参数均值,将计算的参数均值带入模型,得到模型,将模型传输给分析模块。
4.根据权利要求1所述的一种基于大数据的信息预测分析系统,其特征在于:所述分析模块接收到模型后,从数据库中获取当前投资成本、维护成本和生产效率数据,其中当前数据就是当天获取的数据,将获取的数据作为参数带入模型中,计算当前投资回收期,将当前投资回收期传输给显示模块。
5.根据权利要求1所述的一种基于大数据的信息预测分析系统,其特征在于:所述显示模块接收当前投资回收期,比较当前投资回收期与当前投资回收期阈值大小,若当前投资回收期大于当前投资回收期阈值,则提示不更换设备,若当前投资回收期小于或等于当前投资回收期阈值,则提示更换设备。
6.一种基于大数据的信息预测分析方法,其特征在于:包括以下步骤:
S1、获取设备数据,存储设备数据;
S2、获取历史设备数据,计算模型参数,得到模型;
S3、获取当前设备数据,计算当前投资回收期;
S4、依据计算出的数据进行提示。
7.根据权利要求6所述的一种基于大数据的信息预测分析方法,其特征在于:在步骤S1中,获取设备数据,存储设备数据,其中设备数据包括投资成本、维护成本、生产效率和投资回收期数据,每天T时,获取一次数据,存储数据。
8.根据权利要求6所述的一种基于大数据的信息预测分析方法,其特征在于:在步骤S2中,获取历史投资成本、维护成本、生产效率和投资回收期数据,将获取的投资成本数据放入集合A={A1,A2,...,An},将获取的维护成本数据放入集合B={B1,B2,...,Bn},将获取的生产效率数据放入集合C={C1,C2,...,Cn},将获取的投资回收期数据放入集合D={D1,D2,...,Dn},集合A,B,C,D中数据个数分别为n且相等,根据数据选取模型,计算模型参数:a是常数项,b、c和d都是自变量系数,其中b表示投资成本的系数,c表示维护成本的系数,d表示生产效率的系数,e表示误差项,根据参数得到模型:
q=a+bx1+cx2+dx3+e
根据上述模型q表示投资回收期,x1表示投资成本,x2表示维护成本,x3表示生产效率,将集合A中第i个数据、集合B中第i个数据、集合C中第i个数据和集合D中第i个数据代入模型,得到方程,其中初始i=1,之后代入集合A、B、C和D中第i+1个数据,设置g初始为1,记录方程数,第g至g+4个方程为一组数据,若g为g+4则g置1,根据每一组数据,进行计算,得到参数a、b、c、d和e,将参数分别放入集合F、G、H、I和J中,从每个参数集合中获取第z个数据,之后获取第z+w个数据,将获取的数据放入集合F1、G1、H1、I1和J1中,集合F1、G1、H1、I1和J1中数据个数分别为h且相等,计算参数:mt表示F1、G1、H1、I1和J1集合中第t个数据,h表示数据个数:
根据上述计算方式s表示参数,若带入计算的分别是集合F1、G1、H1、I1和J1中的数据,计算得出的结果便分别是参数a、b、c、d和e的值,得到模型。
9.根据权利要求6所述的一种基于大数据的信息预测分析方法,其特征在于:在步骤S3中,获取当前投资成本、维护成本和生产效率数据,其中当前数据就是当天获取的数据,将获取的数据作为参数带入模型中,计算q值,即当前投资回收期。
10.根据权利要求6所述的一种基于大数据的信息预测分析方法,其特征在于:在步骤S4中,若当前投资回收期大于当前投资回收期阈值,则提示不更换设备,若当前投资回收期小于或等于当前投资回收期阈值,则提示更换设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310589666.4A CN116629791A (zh) | 2023-05-24 | 2023-05-24 | 一种基于大数据的信息预测分析系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310589666.4A CN116629791A (zh) | 2023-05-24 | 2023-05-24 | 一种基于大数据的信息预测分析系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116629791A true CN116629791A (zh) | 2023-08-22 |
Family
ID=87636061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310589666.4A Pending CN116629791A (zh) | 2023-05-24 | 2023-05-24 | 一种基于大数据的信息预测分析系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116629791A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101091754B1 (ko) * | 2011-06-23 | 2011-12-08 | (주)티앤테크 | 장비 통합유지보수 관리 시스템 및 그 방법 |
US20180046924A1 (en) * | 2015-08-31 | 2018-02-15 | Guangzhou Institute Of Energy Conversion, Chinese Academy Of Sciences | Whole-life-cycle power output classification prediction system for photovoltaic systems |
CN111860917A (zh) * | 2019-04-24 | 2020-10-30 | 中国石油天然气股份有限公司 | 油气勘探项目的预测方法及装置 |
CN113095800A (zh) * | 2021-06-09 | 2021-07-09 | 中国铁塔股份有限公司湖北省分公司 | 基站建设投资审批方法、装置、设备及存储介质 |
CN114037184A (zh) * | 2021-12-01 | 2022-02-11 | 国网江苏省电力有限公司经济技术研究院 | 收益评价指标的预测方法、装置、介质、设备及程序产品 |
CN114881486A (zh) * | 2022-05-12 | 2022-08-09 | 许瑞丰 | 一种智慧企业运营管理大数据分析决策云平台 |
CN116088438A (zh) * | 2022-12-18 | 2023-05-09 | 江阴市均达电气自动化有限公司 | 一种分条机的智能化电控系统及方法 |
-
2023
- 2023-05-24 CN CN202310589666.4A patent/CN116629791A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101091754B1 (ko) * | 2011-06-23 | 2011-12-08 | (주)티앤테크 | 장비 통합유지보수 관리 시스템 및 그 방법 |
US20180046924A1 (en) * | 2015-08-31 | 2018-02-15 | Guangzhou Institute Of Energy Conversion, Chinese Academy Of Sciences | Whole-life-cycle power output classification prediction system for photovoltaic systems |
CN111860917A (zh) * | 2019-04-24 | 2020-10-30 | 中国石油天然气股份有限公司 | 油气勘探项目的预测方法及装置 |
CN113095800A (zh) * | 2021-06-09 | 2021-07-09 | 中国铁塔股份有限公司湖北省分公司 | 基站建设投资审批方法、装置、设备及存储介质 |
CN114037184A (zh) * | 2021-12-01 | 2022-02-11 | 国网江苏省电力有限公司经济技术研究院 | 收益评价指标的预测方法、装置、介质、设备及程序产品 |
CN114881486A (zh) * | 2022-05-12 | 2022-08-09 | 许瑞丰 | 一种智慧企业运营管理大数据分析决策云平台 |
CN116088438A (zh) * | 2022-12-18 | 2023-05-09 | 江阴市均达电气自动化有限公司 | 一种分条机的智能化电控系统及方法 |
Non-Patent Citations (1)
Title |
---|
段涛等: "国产与进口综采设备的经济对比分析", 《科技情报开发与经济》, vol. 18, no. 2, 31 December 2008 (2008-12-31), pages 111 - 112 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8095484B2 (en) | System and method for automatic virtual metrology | |
CN109255440B (zh) | 基于递归神经网络(rnn)的对电力生产设备进行预测性维护的方法 | |
CN115545681A (zh) | 一种用于工程项目管理的智能过程分析与监管方法及系统 | |
CN112054943B (zh) | 一种移动网络基站流量预测方法 | |
CN112787878B (zh) | 一种网络指标的预测方法及电子设备 | |
CN116307246B (zh) | 一种基于lstm-cnn和icbam长短期特征提取的铝电解槽温预测方法 | |
CN111861023A (zh) | 基于统计学的混合风电功率预测方法、装置 | |
CN109787821B (zh) | 一种大规模移动客户流量消费智能预测方法 | |
CN117236657A (zh) | 基于实时水压的城市供水区域动态划分控制系统及方法 | |
CN107706938B (zh) | 一种基于分位点回归的风电功率波动区间分析方法 | |
CN117309891B (zh) | 一种基于智能反馈机制的玻璃钢化膜检测方法及系统 | |
CN112819322A (zh) | 基于改进模糊层次分析法的输电线路路径方案评估方法 | |
CN117008479A (zh) | 基于生物质气化炉的负碳排放优化控制方法及系统 | |
CN114548494A (zh) | 一种可视化造价数据预测智能分析系统 | |
CN111340269A (zh) | 用于流程工业过程的实时优化方法 | |
CN117711295A (zh) | 基于人工智能的显示模组控制方法、装置、芯片及介质 | |
CN116976862B (zh) | 一种工厂设备信息化管理系统及方法 | |
CN116629791A (zh) | 一种基于大数据的信息预测分析系统及方法 | |
CN111142488B (zh) | 基于工况比对驱动的流程工业优化方法 | |
CN115374991A (zh) | 一种基于改进统计升尺度的光伏集群出力预测方法 | |
KR20140147456A (ko) | 상수관망의 일일 수요량 예측방법 | |
CN112561153A (zh) | 一种基于模型集成的景区人群聚集预测方法 | |
CN117709908B (zh) | 一种电网工程人、材、机分配合理性智慧审计方法与系统 | |
CN115576288B (zh) | 一种过滤材料的生产控制方法和系统 | |
Olsson et al. | Case-based reasoning applied to geometric production measurements |
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 |