CN116911386A - 基于知识脉络面向业务场景的水电设备知识图谱构建方法 - Google Patents

基于知识脉络面向业务场景的水电设备知识图谱构建方法 Download PDF

Info

Publication number
CN116911386A
CN116911386A CN202311171932.8A CN202311171932A CN116911386A CN 116911386 A CN116911386 A CN 116911386A CN 202311171932 A CN202311171932 A CN 202311171932A CN 116911386 A CN116911386 A CN 116911386A
Authority
CN
China
Prior art keywords
knowledge
context
fault
scene
equipment
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.)
Granted
Application number
CN202311171932.8A
Other languages
English (en)
Other versions
CN116911386B (zh
Inventor
张春辉
宋晶辉
司汉松
谭鋆
孟旋
段开林
秦小元
杨刚
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.)
China Yangtze Power Co Ltd
Original Assignee
China Yangtze Power 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 China Yangtze Power Co Ltd filed Critical China Yangtze Power Co Ltd
Priority to CN202311171932.8A priority Critical patent/CN116911386B/zh
Publication of CN116911386A publication Critical patent/CN116911386A/zh
Application granted granted Critical
Publication of CN116911386B publication Critical patent/CN116911386B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G06N5/025—Extracting rules from data
    • 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
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2282—Tablespace storage structures; Management thereof
    • 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
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • 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
    • G06Q10/20—Administration of product repair or maintenance
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Fuzzy Systems (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及基于知识脉络面向业务场景的水电设备知识图谱构建方法，包括：抽取数据库元信息，构建水电设备模式层图谱模型；对图谱模型对应的节点以及节点之间的关系进行标注，生成分类的知识脉络线，利用与同一场景关联的多条知识脉络线形成水电设备故障场景的子场景分析模型；将所述子场景分析模型的节点与数据表进行映射，并配置关联字段；实例化，抽取实体数据，构建出面向业务场景的知识子图谱；利用知识了图谱进行设备故障分析、故障归因。本发明实现了水电设备故障相关联的知识高度关联，便于用户一键式查询分析特定故障或特定设备的故障特征、故障部位以及相关的故障控制措施，代替人工搜集、关联和匹配，直观性好，省时省力。

Description

基于知识脉络面向业务场景的水电设备知识图谱构建方法
技术领域
本发明属于水电机组设备监测领域，具体涉及一种基于知识脉络面向业务场景的水电设备知识图谱构建方法。
背景技术
传统的水电设备故障诊断处理方法往往依赖于文件记录、个人经历、专家经验等，这些信息无法有效的关联和整合，也不利于知识的沉淀，无法更高效、便捷地为操作人员提供需要的信息。
知识图谱是一种用图模型来描述知识和建模世界万物之间的关联关系的技术方法，知识图谱由节点和边组成。目前在水电设备故障诊断领域中的知识图谱的相关专利文献如公开号为CN110941725A的中国发明申请“一种基于知识图谱的水电机组故障诊断方法及系统”和公开号为CN110033101A的中国发明申请“一种基于融合特征的知识图谱的水电机组故障诊断方法和系统”，存在如下问题：
1、需要手动设计图谱的模式层，手动设计费时费力且需要设计人员具有丰富的专业知识和经验。
2、在图谱上无法基于特定或复杂路径的关联关系查询，仅能完成简单的关联查询，如：“特征名称-特征属性-故障名称”，仅存在两种关联关系。
发明内容
本发明的目的是针对上述问题，提供一种基于知识脉络面向业务场景的水电设备知识图谱构建方法，构建水电设备模式层图谱模型后，根据业务场景对图谱模型的节点以及节点之间的关系进行标注，创建分别用于设备故障措施匹配、故障部位定位和故障特征分析的知识脉络线，并利用知识脉络线共同形成水电设备故障场景的子场景分析模型，进而基于实际设备对子场景分析模型实例化，抽取设备实体数据，构建出面向故障场景的知识子图谱，用于设备故障分析、故障归因和追踪溯源，并得到设备故障控制措施。
本发明的技术方案是基于知识脉络面向业务场景的水电设备知识图谱构建方法，包括以下步骤：
步骤1：抽取数据库元信息，构建水电设备模式层图谱模型；
步骤1.1：根据配置好的数据库连接信息从数据库中抽取数据库元信息；
步骤1.2：将抽取的每个数据表生成图谱模型中一个节点，数据表的字段对应节点的属性；
步骤1.3：根据抽取到的数据表之间的关联字段创建图谱模型中节点间的关系；
步骤1.4：针对来源数据库为抽取的数据打标签进行标记，将从失效模式与影响分析库抽取的数据标记为故障场景数据；
步骤2：根据不同的业务场景，对图谱模型对应的节点以及节点之间的关系进行标注，生成分类的知识脉络线，利用与同一场景关联的多条知识脉络线形成水电设备故障场景的子场景分析模型；
步骤3：将所述子场景分析模型的节点与预先配置的数据表进行映射，并配置关联字段；
步骤4：对所述子场景分析模型进行实例化，抽取实体数据，构建出面向业务场景的知识子图谱；
步骤5：利用步骤4得到的知识子图谱进行设备故障分析、故障归因，并得到设备故障控制措施。
优选地，在一条知识脉络中，各个节点之间的关系是具有方向性的，用于后续故障溯源或其他关联关系的构建与查询。
优选地，步骤4中，在构建得到的图谱中进行关联查询；选定起始查询节点，根据起始查询节点与相邻加节点之间关系遍历得到至少一条知识脉络，将所述知识脉络上经过的所有节点以及关联关系返回给用户。
优选地，所述的分类的知识脉络线包括第一脉络线、第二脉络线和第三脉络线；第一脉络线用于设备故障控制，第二脉络线用于定位故障部位，第三脉络线用于故障特征分析；第一脉络线和第二脉络线共同构成设备故障原因和措施分析子场景，第二脉络线和第三脉络线共同构成设备故障征兆分析子场景。
优选地，第一脉络线采用“故障模式→故障原因→故障措施”的结构形式。
优选地，第二脉络线采用“故障模式→故障征兆→特征参数”的结构形式。
优选地，第三脉络线采用“故障模式→设备”的结构形式。
进一步地，步骤2中，标注过程采用交互式生成方法，用户根据实际所需的业务场景选定初始节点，利用故障征兆库或者故障案例库中的相关知识，基于图谱模型中各个节点以及关联关系，采用图计算方法生成知识脉络线，
进一步地，步骤2中，采用最短路径法或最小加权生成树或度中心性或紧密中心性方法来生成知识脉络线。
相比现有技术，本发明的有益效果包括：
1）本发明通过对图谱模型的节点以及节点之间的关系进行标注，创建分别用于设备故障措施匹配、故障部位定位和故障特征分析的知识脉络线，形成了水电设备故障场景的子场景分析模型，并进而构建实现了面向故障场景的知识子图谱，实现了水电设备故障相关联的知识高度关联，便于用户一键式查询分析特定故障或特定设备的故障特征、故障部位以及想着的故障控制措施，代替人工对特定故障或特定设备的关联数据信息的搜集、关联和匹配，直观性好，省时省力。
2）本发明的知识脉络线带有方向性，有利于故障分析或故障部位定位的追踪溯源。
3）本发明基于业务场景即水电设备故障场景，实现了故障特征分析、故障定位和故障控制措施选取的高度集成，有利于提高水电设备的控制管理水平，有效减少设备故障的损失和影响。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1为本发明实施例的水电设备知识图谱构建方法的流程示意图。
图2为本发明实施例的知识脉络线的示意图。
图3为本发明实施例中对子场景分析模型进行实例化的流程示意图。
图4为本发明实施例中“质量不平衡”故障的子场景分析模型的示意图。
图5为本发明实施例中“质量不平衡”故障的知识子图谱查询结果示意图。
图6为本发明实施例中失效模式与影响分析库中的数据表及关系示意图。
具体实施方式
如图1所示，基于知识脉络面向业务场景的水电设备知识图谱构建方法，包括：
（一）抽取图谱模式层节点和关系自动创建模式层图谱模型，具体包括：
(1)根据配置好的数据库连接信息从数据库中抽取数据库元信息，如特定数据表的表信息和字段信息。
(2) 将抽取到的每一个表生成图谱模型中一个节点，表的字段对应节点的属性信息。
(3) 根据抽取到的表之间的关联字段创建图谱模型中节点间的关系。
(4) 默认自动为该部分抽取的数据打上标签，比如从故障库抽取的数据，则自动将其圈为故障分析场景。
（二）根据水电业务相关知识对创建完的模型进行添加和完善修改。如图2所示，在模型中每个节点用圆圈表示，每个节点代表一类数据，每个箭头代表两端这两类数据之间的共同的关系和节点之间的方向顺序关系，通过将多个节点连接在一起构成图谱模型。
在创建的图谱模型中，根据不同的业务场景对相关的数据进行梳理分析，进而将图谱模型中涉及到的对应节点和节点之间的关系进行标注，生成一条知识脉络，在一条知识脉络中，各个节点之间的关系是具有方向性的，用于后续故障溯源或其他关联关系的构建与查询。与同一业务场景相关联的多条知识脉络所包含的节点和关系构成与该业务场景对应的子分析模型。
图2所示为实际设备的故障脉络线示意图。其中，“故障模式→故障原因→故障措施”为第一知识脉络线，“故障模式→故障征兆→特征参数”为第二知识脉络线，“故障模式→设备”为第三知识脉络线。其中，第一知识脉络线和第三知识脉络线共同构成了设备故障原因和措施分析子场景，第二知识脉络线和第三知识脉络线共同构成了设备故障征兆信息分析子场景。
脉络的标注过程采用交互式生成方法，用户根据实际所需的业务场景选定初始节点，利用故障征兆库或者故障案例库中的相关知识，基于图谱模型中各个节点以及关联关系，采用图计算方法生成脉络，可采用最短路径法、最小加权生成树、度中心性或紧密中心性来生成脉络。如果当节点较多时，为了确定一条路径而选用最短路径法来确定一条路径。实施例中，最短路径法、最小加权生成树参照托马斯·科尔曼（Thomas H. Cormen）等人于1990年发表的专著《算法导论》第23章和第24章公开的单源最短路径的实现方法和最小加权生成树实现方法；度中心性或紧密中心性方法采用Neo4j图数据库自带的度中心性或紧密中心性方法。
实施例的故障案例库的数据包括：
设备基本信息：设备名称、报警测点设备部位等；
设计参数：设备出厂相关技术参数；
征兆属性：告警/预警时刻下的包含描述性特征、峰值特征、频谱特征等的特征向量；
故障属性：故障名称和缺陷说明；
策略属性：维修措施名称和维修措施说明；
关联属性：预警信息，数据样本等。
（三）在图谱实例化配置阶段，基于模式层图谱模型创建的过程，将图谱模型中的各个实体分别与对应的数据库中的数据表配置关联关系，将实体的各个属性与数据表中的字段进行映射，将各个表的关联字段配置为各个关系的创建条件。
（四）进行谱图的实例化操作。
如图3所示，以从失效模式与影响分析库中抽取数据为例，将各节点配置为失效模式与影响分析库中的各数据表并选中各抽取的属性字段，选择参与关联的属性来作为创建关系的必要条件，如“故障模式”与“故障原因”通过两者都有的模式编码属性来关联。然后进行实体数据抽取，将数据表中每一行抽取为图中一个实体，每一行的一个字段抽取为这个实体的一个属性。实体抽取后进行实体之间关系的抽取，根据模式层模型中各节点之间的关系，对抽取到的图节点进行关系创建，形成带实例化数据的图谱，失效模式与影响分析库中的数据表及数据表的关联关系如图6所示。
如图4所示，实例化的图谱中每个圆圈代表一个具体的实体数据，通过实体搜索来选中一个中心节点，如质量不平衡，则基于图导航知其对应“运行不稳”，“破坏平衡的不当操作”，“转动部件移位”三个原因及“更换设备”和“关闭设备”等两个处理措施。
（五）根据故障模式生成了知识子图谱后，用户根据实际需要进行关联场景的查询、分析、溯源等操作。
以关联查询操作为例，用户选中起始节点A，即可查找与该节点对应的模型层节点A’所属的脉络M，并根据A’在脉络M中的位置和相邻的节点关系进行遍历查询，将查询得到的节点和关系返回给用户。当节点A’存在双向关系时，确定A’在M中的位置分别向两端遍历，形成至少两条关系序列R1，R2。进而实现了以图谱节点A为起点，依据关系序列R1和R2的关联查询，将查询得到的节点和关系返回给用户。
在实际应用中，当基于本申请提出的基于知识脉络的图谱进行查询时，得到的知识图谱仅保留了最关键最核心的关联关系，如图5所示。

Claims (9)

1.基于知识脉络面向业务场景的水电设备知识图谱构建方法，其特征在于，包括以下步骤：
步骤1：抽取数据库元信息，构建水电设备模式层图谱模型；
步骤1.1：根据配置好的数据库连接信息从数据库中抽取数据库元信息；
步骤1.2：将抽取的每个数据表生成图谱模型中一个节点，数据表的字段对应节点的属性；
步骤1.3：根据抽取到的数据表之间的关联字段创建图谱模型中节点间的关系；
步骤1.4：针对来源数据库为抽取的数据打标签进行标记，将从失效模式与影响分析库抽取的数据标记为故障场景数据；
步骤2：根据不同的业务场景，对图谱模型对应的节点以及节点之间的关系进行标注，生成分类的知识脉络线，利用与同一场景关联的多条知识脉络线形成水电设备故障场景的子场景分析模型；
步骤3：将所述子场景分析模型的节点与数据表进行映射，并配置关联字段；
步骤4：对所述子场景分析模型进行实例化，抽取实体数据，构建出面向业务场景的知识子图谱；
步骤5：利用步骤4得到的知识子图谱进行设备故障分析、故障归因，并得到设备故障控制措施。
2.根据权利要求1所述的基于知识脉络面向业务场景的水电设备知识图谱构建方法，其特征在于，步骤2中，在一条知识脉络中，各个节点之间的关系是具有方向性的，用于后续故障溯源或其他关联关系的构建与查询。
3.根据权利要求2所述的基于知识脉络面向业务场景的水电设备知识图谱构建方法，其特征在于，步骤4中，在构建得到的图谱中进行关联查询；选定起始查询节点，根据起始查询节点与相邻加节点之间关系遍历得到至少一条知识脉络，将所述知识脉络上经过的所有节点以及关联关系返回给用户。
4.根据权利要求2所述的基于知识脉络面向业务场景的水电设备知识图谱构建方法，其特征在于，所述的分类的知识脉络线包括第一脉络线、第二脉络线和第三脉络线；第一脉络线用于设备故障控制，第二脉络线用于定位故障部位，第三脉络线用于故障特征分析；
第一脉络线和第二脉络线共同构成设备故障原因和措施分析子场景，第二脉络线和第三脉络线共同构成设备故障征兆分析子场景。
5.根据权利要求4所述的基于知识脉络面向业务场景的水电设备知识图谱构建方法，其特征在于，第一脉络线采用“故障模式→故障原因→故障措施”的结构形式。
6.根据权利要求5所述的基于知识脉络面向业务场景的水电设备知识图谱构建方法，其特征在于，第二脉络线采用“故障模式→故障征兆→特征参数”的结构形式。
7.根据权利要求6所述的基于知识脉络面向业务场景的水电设备知识图谱构建方法，其特征在于，第三脉络线采用“故障模式→设备”的结构形式。
8.根据权利要求1至7之一所述的基于知识脉络面向业务场景的水电设备知识图谱构建方法，其特征在于，步骤2中，标注过程采用交互式生成方法，用户根据业务场景选定初始节点，利用故障征兆库或者故障案例库中的相关知识，基于图谱模型中各个节点以及关联关系，生成知识脉络线。
9.根据权利要求8所述的基于知识脉络面向业务场景的水电设备知识图谱构建方法，其特征在于，步骤2中，采用图数据库neo4j中的最短路径算法或最小加权生成树方法生成知识脉络线。
CN202311171932.8A 2023-09-12 2023-09-12 基于知识脉络面向业务场景的水电设备知识图谱构建方法 Active CN116911386B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311171932.8A CN116911386B (zh) 2023-09-12 2023-09-12 基于知识脉络面向业务场景的水电设备知识图谱构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311171932.8A CN116911386B (zh) 2023-09-12 2023-09-12 基于知识脉络面向业务场景的水电设备知识图谱构建方法

Publications (2)

Publication Number Publication Date
CN116911386A true CN116911386A (zh) 2023-10-20
CN116911386B CN116911386B (zh) 2023-11-28

Family

ID=88367171

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311171932.8A Active CN116911386B (zh) 2023-09-12 2023-09-12 基于知识脉络面向业务场景的水电设备知识图谱构建方法

Country Status (1)

Country Link
CN (1) CN116911386B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118132323A (zh) * 2024-04-30 2024-06-04 苏州元脑智能科技有限公司 一种服务器故障诊断方法、装置、电子设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114528897A (zh) * 2021-07-27 2022-05-24 河北工业大学 一种基于知识和数据融合驱动的设备故障诊断方法
CN115809348A (zh) * 2022-12-22 2023-03-17 上海方甸智能科技有限公司 基于sbom+fta框架模型的知识图谱构建方法及系统
WO2023045417A1 (zh) * 2021-09-24 2023-03-30 中兴通讯股份有限公司 一种故障知识图谱构建方法及装置
CN116089627A (zh) * 2023-01-09 2023-05-09 河南开放大学 一种基于大数据技术的知识图谱构建方法
CN116361482A (zh) * 2023-03-27 2023-06-30 广西电网有限责任公司 基于知识图谱技术的电力效能场景化抽取模型及方法及辅助系统
CN116383402A (zh) * 2023-03-10 2023-07-04 科技谷（厦门）信息技术有限公司 一种基于图分析模型的智能出行图谱构建方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114528897A (zh) * 2021-07-27 2022-05-24 河北工业大学 一种基于知识和数据融合驱动的设备故障诊断方法
WO2023045417A1 (zh) * 2021-09-24 2023-03-30 中兴通讯股份有限公司 一种故障知识图谱构建方法及装置
CN115809348A (zh) * 2022-12-22 2023-03-17 上海方甸智能科技有限公司 基于sbom+fta框架模型的知识图谱构建方法及系统
CN116089627A (zh) * 2023-01-09 2023-05-09 河南开放大学 一种基于大数据技术的知识图谱构建方法
CN116383402A (zh) * 2023-03-10 2023-07-04 科技谷（厦门）信息技术有限公司 一种基于图分析模型的智能出行图谱构建方法
CN116361482A (zh) * 2023-03-27 2023-06-30 广西电网有限责任公司 基于知识图谱技术的电力效能场景化抽取模型及方法及辅助系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
QINGSONG ZHAO 等: "Study on Military Equipment Knowledge Construction based on Knowledge Graph", 2022 8TH INTERNATIONAL CONFERENCE ON BIG DATA AND INFORMATION ANALYTICS (BIGDIA) *
瞿智豪 等: "工业设备故障处置知识图谱构建与应用研究", 计算机工程与应用 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118132323A (zh) * 2024-04-30 2024-06-04 苏州元脑智能科技有限公司 一种服务器故障诊断方法、装置、电子设备及存储介质
CN118132323B (zh) * 2024-04-30 2024-07-05 苏州元脑智能科技有限公司 一种服务器故障诊断方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN116911386B (zh) 2023-11-28

Similar Documents

Publication Publication Date Title
CN111756582B (zh) 基于nfv日志告警的业务链监控方法
CN101093559B (zh) 一种基于知识发现的专家系统构造方法
CN101614781B (zh) 一种基于空间规则索引的广电设备故障智能诊断方法
CN116911386B (zh) 基于知识脉络面向业务场景的水电设备知识图谱构建方法
CN107908606A (zh) 基于不同信息源自动生成报表的方法和系统
CN103902816A (zh) 基于数据挖掘技术的带电检测数据处理方法
CN109254901B (zh) 一种指标监测方法及系统
CN104573185B (zh) 高速列车技术指标的处理方法及装置
CN112181960A (zh) 一种基于AIOps的智能运维框架系统
CN114791846B (zh) 一种针对云原生混沌工程实验实现可观测性的方法
CN114118224A (zh) 一种基于神经网络的全系统遥测参数异常检测系统
CN104683164A (zh) 简化的配置项关联模型生成监控拓扑图的方法
CN109213773A (zh) 一种在线故障的诊断方法、装置及电子设备
CN112241424A (zh) 一种基于知识图谱的空管设备应用系统及方法
CN108073582A (zh) 一种计算框架选择方法和装置
CN116955469A (zh) 一种基于血缘分析的业务告警溯源方法
CN117056528A (zh) 一种基于实时大数据的知识图谱系统的构建方法
CN111045757B (zh) It资源运行状态的可视化展示系统和方法及存储介质
CN108897680B (zh) 一种基于soa的软件系统操作剖面构造方法
CN111010311A (zh) 一种基于知识图谱的智能网络故障诊断方法
CN115297016A (zh) 一种基于深度学习的电力网络活跃度评价和预测方法
CN114860851A (zh) 数据处理方法、装置、设备及存储介质
CN114331165A (zh) 一种城市安全绩效评估报告自动生成与分析方法及系统
Jukic et al. Inventory management system for water supply network
CN116451056B (zh) 端特征洞察方法、装置以及设备

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