CN117371821A - 基于bim技术的企业数据可视化展示方法及系统 - Google Patents
基于bim技术的企业数据可视化展示方法及系统 Download PDFInfo
- Publication number
- CN117371821A CN117371821A CN202311604581.5A CN202311604581A CN117371821A CN 117371821 A CN117371821 A CN 117371821A CN 202311604581 A CN202311604581 A CN 202311604581A CN 117371821 A CN117371821 A CN 117371821A
- Authority
- CN
- China
- Prior art keywords
- model
- variable
- data
- visual
- influence
- 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
- 230000000007 visual effect Effects 0.000 title claims abstract description 133
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000005516 engineering process Methods 0.000 title claims abstract description 19
- 238000004088 simulation Methods 0.000 claims abstract description 106
- 238000013079 data visualisation Methods 0.000 claims abstract description 19
- 238000012800 visualization Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 12
- 238000012797 qualification Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据可视化技术领域,尤其涉及一种基于BIM技术的企业数据可视化展示方法及系统,方法包括:数据获取模块获取可视化相关全部企业数据并分类;建立对应企业数据的单类别模型;建立多变量模型的单一影响变量的模拟环境生成单‑多变量数据预测模型;确定对应单个多变量模型的企业数据的多元影响变量;根据多元影响变量调整对应的多变量模型的变量,重新确定多变量模型;根据单‑多变量数据预测模型拟合得到初步可视化模型;确定可视化模型及可视化模型的精确度以及根据精确度判断可视化模型是否合格;本发明通过建立多个模型再进行拟合得到初步模型,提高了各个模型的精度,对可视化模型进行检测调整,提高了最终可视化模型精确度和真实度。
Description
技术领域
本发明涉及数据可视化技术领域,尤其涉及一种基于BIM技术的企业数据可视化展示方法及系统。
背景技术
BIM一般指建筑信息模型,以建筑工程项目的各项相关信息数据为基础而建立的建筑模型,BIM通过数字化技术,利用大数据库资源,在计算机中建立一座虚拟建筑,一个建筑信息模型就是提供了一个单一的、完整一致的、逻辑的建筑信息库,以解决设计中的不足和真实施工中可能存在的问题,可以减少错漏碰缺,提高工程质量,协同管理提升工作效率,从而提升整体管理水平。
中国专利公开号:CN115292536A公开了一种基于BIM模型的智能建筑数据可视化系统及方法;其中系统包括:仿真模型配置模块,用于基于建筑的三维模型以及构成建筑的三维模型的每一结构单元的三维结构形成建筑的三维仿真模型;可视化处理装置具有展示模块,处理模块,其包括至少一个处理单元,以及展示控制器;展示控制器与处理模块连接,当处理模块中设置的任意一个处理单元在进行结构单元的展示任务处理时,在处理模块中同时形成一个展示命令,并将所述展示命令发送至展示控制器,展示控制器基于处理单元的处理结果选择对应的配置数据并基于配置数据选择对应的展示方式来控制展示模块加载至少一个结构单元进行展示;由此可见,所述基于BIM模型的智能建筑数据可视化系统及方法存在以下问题:在形成建筑的三维仿真模型时未对模型进行调整,最后的可视化模型存在与实际情况相差大的情况,导致对数据的判断出现错误。
发明内容
为此,本发明提供一种基于BIM技术的企业数据可视化展示方法及系统,用以克服现有技术中在形成建筑的三维仿真模型时未对模型进行调整,最后的可视化模型存在与实际情况相差大的情况,导致对数据的判断出现错误的问题。
为实现上述目的,一方面,本发明提供一种基于BIM技术的企业数据可视化展示方法及系统,包括:
获取可视化相关全部企业数据,根据企业数据的来源数据库对数据进行分类;
根据来源数据库确定企业数据的种类并建立对应企业数据的单类别模型;
根据所述单类别模型中根据各影响变量的数量将各模型划分为单变量模型和多变量模型;
根据各所述多变量模型的影响变量数量建立对应各单一影响变量的模拟环境,以生成对应各单一影响变量的单-多变量数据预测模型;
根据所述多变量模型的各影响变量在所述多变量模型中的数据结果与对应的影响变量在单-多变量数据预测模型的数据模拟结果进行比较,确定对应单个多变量模型的企业数据的多元影响变量;
根据所述多元影响变量调整对应的所述多变量模型的变量,重新确定多变量模型;
将单个所述多变量模型的调整后的多元影响变量的各个单-多变量数据预测模型进行拟合得到初步可视化模型;
将初步可视化模型中的数据模拟结果与调整变量后的所述多变量模型的数据结果进行比较,确定可视化模型及可视化模型的精确度;
根据采集的企业数据的所述多元影响变量采用可视化模型进行模拟预测,根据可视化模型的数据模拟结果与企业数据的数据结果的模拟差值确定可视化模拟结果是否合格,并在不合格条件下,根据所述模拟差值与合格范围标准调整所述初步可视化模型的拟合中各个单-多变量数据预测模型的拟合权重。
进一步地,所述单类别模型中各根据影响变量的数量将各模型划分为单变量模型和多变量模型的具体过程为;
在第一数量条件下,判定单类别模型为单变量模型;
在第二数量条件下,判定单类别模型为多变量模型;
其中,所述第一数量条件为影响变量数量为1;所述第二数量条件为影响变量数量大于等于2。
进一步地,根据所述多变量模型的变量的相关性确定模型的变量是否为所述影响变量,包括:
计算所述多变量模型的各变量之间的皮尔逊相关性系数;
根据所述相关性系数与预设相关性标准的大小关系确定变量是否为所述影响变量;
其中,若变量的皮尔逊相关性系数的绝对值大于预设相关性标准时,该变量为影响变量;
若变量的皮尔逊相关性系数的绝对值小于等于预设相关性标准时,该变量为非影响变量。
进一步地,在根据各所述多变量模型的影响变量数量建立对应各单一影响变量的模拟环境时,各单一影响变量的取值范围根据对应的企业数据的数据范围确定。
进一步地,所述确定对应单个多变量模型的企业数据的多元影响变量的步骤,包括:
计算所述多变量模型的单个影响变量在所述多变量模型中的数据结果与对应单个影响变量在单-多变量数据预测模型的数据模拟结果的影响差值;
根据所述影响差值与预设标准差值的大小关系确定单个影响变量是否为多元影响变量;
若所述影响差值小于等于所述预设标准差值,判定单个影响变量为多元影响变量;
若所述影响差值大于所述预设标准差值,判定单个影响变量为单变量。
进一步地,在调整多变量模型的变量时,将原多变量模型中判定出的单变量删除,根据剩余的多元影响变量构建新的多变量模型。
进一步地,所述初步可视化模型根据所述各个单-多变量数据预测模型进行拟合得到,初步可视化模型根据下式确定:
其中,A为初步可视化模型的数据结果,Pi为第i个多元影响变量的单-多变量数据预测模型的拟合权重,i=1,2,......,n,n为多元影响变量的单-多变量数据预测模型的数量,p(xi)为单个影响变量xi的单-多变量数据预测函数。
进一步地,所述确定可视化模型及可视化模型的精确度的步骤包括:
在调整变量后的所述多变量模型中根据一个数据结果选定一组变量数据,并将该组变量数据对应至所述初步可视化模型中获得对应的数据模拟结果;
计算所述数据结果与所述数据模拟结果的差距;
根据所述数据结果与数据模拟结果的差距确定可视化模型及可视化模型的精确度。
进一步地,所述根据可视化模型的数据模拟结果与企业数据的数据结果的模拟差值确定可视化模拟结果是否合格的步骤包括:
根据所述精确度计算合格范围标准;
将所述可视化模型的数据模拟结果与企业数据的数据结果的差值与所述合格范围标准进行比对,判定可视化模拟结果是否合格;
其中,若所述可视化模型的数据模拟结果与企业数据的数据结果的差值在所述合格范围标准内,判定可视化模拟结果合格;若所述可视化模型的数据模拟结果与企业数据的数据结果的差值不在所述合格范围标准内,判定可视化模拟结果不合格。
另一方面,本发明还提供一种基于BIM技术的企业数据可视化展示方法的系统,包括:
数据获取模块,其用以获取可视化的企业数据,并根据企业数据的来源数据库对企业数据进行分类;
模型构建模块,其与所述数据获取模块相连,用以根据来源数据库确定企业数据的种类并建立对应企业数据的单类别模型,并将单类别模型划分为单变量模型和多变量模型;
模型分析模块,其与所述模型构建模块相连,用以根据所述多变量模型的影响变量数量建立对应各单一影响变量的模拟环境,以生成对应各单一影响变量的单-多变量数据预测模型,并使用单-多变量数据预测模型的模拟结果确定多变量模型的企业数据的多元影响变量,再根据多元影响变量调整对应的所述多变量模型;
模型拟合模块,其分别与所述模型构建模块和所述模型分析模块相连,用以使用多元影响变量的各个单-多变量数据预测模型进行拟合得到初步可视化模型,根据初步可视化模型中的数据模拟结果与调整变量后的所述多变量模型的数据模拟结果进行比较,确定可视化模型并根据可视化模型的精确度调整可视化模型的拟合过程;
模型测试模块,其与所述模型拟合模块相连,用以对可视化模型进行测试,根据可视化模型的数据模拟结果与企业数据的一组变量的数据结果确定可视化模型的精确度,并根据精确度和可视化模型的数据模拟结果与企业数据的数据结果的差值判定可视化模拟结果是否合格。
与现有技术相比,本发明的有益效果在于,本发明数据可视化展示方法在构建模型过程中,将获取的数据进行拆分,分别构建对应的模型,在筛选出变量后对模型进行调整,在将调整后的模型进行拟合得到初步的可视化模型,再对初步可视化模型进行拟合过程调整,得到最终可视化模型,通过对数据拆分得到各类数据对应模型,单个模型变量少因此模型精度高,再进行拟合初步可视化模型,提高了初步模型的精度,再对初步可视化模型进行检测调整,保证了最终可视化模型精确度和真实度高。
进一步地,本发明数据可视化展示方法通过变量的相关性确定其是否为影响变量,在建立可视化模型前确定变量的影响情况,便于简化后续模型构建过程,将非影响变量列为常量,减少模型中相关变量的数量,使模型构建更加精准,避免出现变量过多带来成倍的计算工作量。
进一步地,本发明数据可视化展示方法通过确定影响变量为单变量或多元影响变量,因单变量和多元影响变量对模型数据的影响程度不同,加以区分后可进一步简化构建过程和误差概率,提高了模型的准确性。
进一步地,本发明数据可视化展示方法通过将多个单-多变量数据预测模型进行拟合得到该类别企业数据的初步可视化模型,可以减少其他干扰变量的影响,并且不同的单-多变量数据预测模型根据其影响程度使用不同的拟合权重,提高了初步可视化模型的准确性,为提高最终可视化模型的准确性提供基础。
进一步地,本发明数据可视化展示方法根据数据结果与所述数据模拟结果之间的差距确定拟合得到的模型的精确度,并根据精确度确定校验最终模型的合格范围,提高了对模型判定的合理性,并根据判定结果对模型进行调整,进一步保证了可视化模型的精确性。
附图说明
图1为本发明基于BIM技术的企业数据可视化展示方法的流程图;
图2为本发明基于BIM技术的企业数据可视化展示方法的单类别模型分类逻辑图;
图3为本发明基于BIM技术的企业数据可视化展示方法的多元影响变量判断逻辑图;
图4为本发明基于BIM技术的企业数据可视化展示方法的系统结构示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,还需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示,其为本发明基于BIM技术的企业数据可视化展示方法的流程图;本发明提供一种基于BIM技术的企业数据可视化展示方法,包括:
获取可视化相关全部企业数据,根据企业数据的来源数据库对数据进行分类;
根据来源数据库确定企业数据的种类并建立对应企业数据的单类别模型;
根据所述单类别模型中根据各影响变量的数量将各模型划分为单变量模型和多变量模型;
根据各所述多变量模型的影响变量数量建立对应各单一影响变量的模拟环境,以生成对应各单一影响变量的单-多变量数据预测模型;
根据所述多变量模型的各影响变量在所述多变量模型中的数据结果与对应的影响变量在单-多变量数据预测模型的数据模拟结果进行比较,确定对应单个多变量模型的企业数据的多元影响变量;
根据所述多元影响变量调整对应的所述多变量模型的变量,重新确定多变量模型;
将单个所述多变量模型的调整后的多元影响变量的各个单-多变量数据预测模型进行拟合得到初步可视化模型;
将初步可视化模型中的数据模拟结果与调整变量后的所述多变量模型的数据结果进行比较,确定可视化模型及可视化模型的精确度;
根据采集的企业数据的所述多元影响变量采用可视化模型进行模拟预测,根据可视化模型的数据模拟结果与企业数据的数据结果的模拟差值确定可视化模拟结果是否合格,并在不合格条件下,根据所述模拟差值与合格范围标准调整所述初步可视化模型的拟合中各个单-多变量数据预测模型的拟合权重。
本发明数据可视化展示方法在构建模型过程中,将获取的数据进行拆分,分别构建对应的模型,在筛选出变量后对模型进行调整,再将调整后的模型进行拟合得到初步的可视化模型,再对初步可视化模型进行拟合过程调整,得到最终可视化模型,通过对数据拆分得到各类数据对应模型,单个模型变量少因此模型精度高,再进行拟合初步可视化模型,提高了初步模型的精度,再对初步可视化模型进行检测调整,保证了最终可视化模型精确度和真实度高。
请参阅图2所示,其为本发明基于BIM技术的企业数据可视化展示方法的单类别模型分类逻辑图;所述单类别模型中根据各影响变量的数量将各模型划分为单变量模型和多变量模型具体过程为;
在第一数量条件下,判定单类别模型为单变量模型;
在第二数量条件下,判定单类别模型为多变量模型;
其中,所述第一数量条件为影响变量数量为1;所述第二数量条件为影响变量数量大于等于2。
可以理解的是,对于单变量模型在该模型中,仅有一个变量影响模型预测结果,多变量模型中影响模型预测结果的变量不唯一,即存在两个或两个以上的变量同时对模型结果产生不同的影响。
本发明数据可视化展示方法通过变量的相关性确定其是否为影响变量,在建立可视化模型前确定变量的影响情况,便于简化后续模型构建过程,将非影响变量列为常量,减少模型出现较大误差的概率。
具体而言,根据所述多变量模型的变量的相关性确定模型的变量是否为所述影响变量,包括:
计算所述多变量模型的各变量之间的皮尔逊相关性系数;
根据所述相关性系数与预设相关性标准的大小关系确定变量是否为所述影响变量;
其中,若变量的皮尔逊相关性系数的绝对值大于预设相关性标准时,该变量为影响变量;
若变量的皮尔逊相关性系数的绝对值小于等于预设相关性标准时,该变量为非影响变量。
在实施中,皮尔逊相关性系数
其中,r为多变量模型的变量之间的皮尔逊相关性系数,xi为第i个变量值,yi为第i个多变量模型预测值,为n个变量值平均值、/>为n个多变量模型预测值平均值,n为选取的变量总数,i=1,2,...,n;预设相关性标准的取值根据具体的企业数据计算的相关性系数实际值中与1最接近的一个相关性系数实际值确定,一般的设定为最接近的相关性系数实际值的0.6~0.8倍,例如企业数据计算的相关性系数实际值中最接近1的相关性系数实际值为0.8,可以取预设相关性标准为0.48,变量的皮尔逊相关性系数的绝对值大于0.48时,变量与模型预测值间关联性强,该变量为模型的影响变量;变量的皮尔逊相关性系数的绝对值小于等于0.48时,变量与模型预测值间关联性弱,该变量为模型的非影响变量。
本发明数据可视化展示方法通过变量的相关性确定其是否为影响变量,在建立可视化模型前确定变量的影响情况,便于简化后续模型构建过程,将非影响变量列为常量,减少模型中相关变量的数量,使模型构建更加精准,避免出现变量过多带来成倍的计算工作量。
具体而言,在根据各所述多变量模型的影响变量数量建立对应各单一影响变量的模拟环境时,各单一影响变量的取值范围根据对应的企业数据的数据范围确定。
在实施中,对于一个多变量模型,该多变量模型根据现有的企业数据进行建模,一个模型中全部的变量对应的企业数据的数据范围相同。
请参阅图3所示,其为本发明基于BIM技术的企业数据可视化展示方法的多元影响变量判断逻辑图;所述确定对应单个多变量模型的企业数据的多元影响变量的步骤,包括:
计算所述多变量模型的单个影响变量在所述多变量模型中的数据结果与对应单个影响变量在单-多变量数据预测模型的数据模拟结果的影响差值;
根据所述影响差值与预设标准差值的大小关系确定单个影响变量是否为多元影响变量;
若所述影响差值小于等于所述预设标准差值,判定单个影响变量为多元影响变量;
若所述影响差值大于所述预设标准差值,判定单个影响变量为单变量。
在实施中,预设标准差值数值上等于0.3倍的多变量模型中的数据结果变化量,在多变量模型中的数据结果变化值与单-多变量数据预测模型的数据模拟结果的差值小于等于单个影响变量的变化值时,认为该变量对预测结果的影响大,则判定为多元影响变量;在多变量模型中的数据结果变化值与单-多变量数据预测模型的数据模拟结果的差值大于单个影响变量的变化值时,认为该变量对预测结果的影响小,则判定为单变量。
本发明数据可视化展示方法通过确定影响变量为单变量或多元影响变量,因单变量和多元影响变量对模型数据的影响程度不同,加以区分后可进一步简化构建过程和误差概率,提高了模型的准确性。
具体而言,在调整多变量模型的变量时,将原多变量模型中判定出的单变量删除,根据剩余的多元影响变量构建新的多变量模型。
可以理解的是,新的多变量模型中全部变量均为影响变量,且影响变量都是多元影响变量,被删除的单变量重新构建单变量模型,与划分出的单变量模型统一处理。
具体而言,所述初步可视化模型根据所述各个单-多变量数据预测模型进行拟合得到,初步可视化模型根据下式确定:
其中,A为初步可视化模型的数据结果,Pi为第i个多元影响变量的单-多变量数据预测模型的拟合权重,i=1,2,......,n,n为多元影响变量的单-多变量数据预测模型的数量,p(xi)为单个影响变量xi的单-多变量数据预测函数。
在实施中,多元影响变量的单-多变量数据预测模型的拟合权重根据该变量对多变量模型的影响程度决定,影响程度越大,则拟合权重越大,而影响程度在确定变量是否为多元影响变量时,根据影响变量在多变量模型中的数据结果与对应单个影响变量在单-多变量数据预测模型的数据模拟结果的差值进行判断,差值越小,则影响程度越大,则该多元影响变量的单-多变量数据预测模型的拟合权重越大,且全部n个模型的拟合权重和为1,即
对于单变量模型,在进行初步可视化模型建模时,一个可视化模型只根据一个单变量模型进行构建。
本发明数据可视化展示方法通过将多个单-多变量数据预测模型进行拟合得到该类别企业数据的初步可视化模型,可以减少其他干扰变量的影响,并且不同的单-多变量数据预测模型根据其影响程度使用不同的拟合权重,提高了初步可视化模型的准确性,为提高最终可视化模型的准确性提供基础。
具体而言,所述确定可视化模型及可视化模型的精确度的步骤包括:
在调整变量后的所述多变量模型中根据一个数据结果选定一组变量数据,并将该组变量数据对应至所述初步可视化模型中获得对应的数据模拟结果;
计算所述数据结果与所述数据模拟结果的差距;
根据所述数据结果与数据模拟结果的差距确定可视化模型及可视化模型的精确度。
在实施中,数据结果与数据模拟结果的差距等于数据结果与数据模拟结果作差,精确度由下式确定:
精确度
其中,α为精确度,k为数据结果,k0为数据模拟结果,|k-k0|为数据结果与数据模拟结果的差距的绝对值,0<α≤1。
所述根据可视化模型的数据模拟结果与企业数据的数据结果的模拟差值确定可视化模拟结果是否合格的步骤包括:
根据所述精确度计算合格范围标准;
将所述可视化模型的数据模拟结果与企业数据的数据结果的差值与所述合格范围标准进行比对,判定可视化模拟结果是否合格;
其中,若所述可视化模型的数据模拟结果与企业数据的数据结果的差值在所述合格范围标准内,判定可视化模拟结果合格;若所述可视化模型的数据模拟结果与企业数据的数据结果的差值不在所述合格范围标准内,判定可视化模拟结果不合格。
在实施中,合格范围标准能够根据公差在±0.05倍的精确度的数据范围内取值确定;
若可视化模型的数据模拟结果与企业数据的数据结果的差值小于等于1.05倍的精确度的企业数据的数据结果且大于等于0.95倍的精确度的企业数据的数据结果,判定为可视化模拟结果合格;若可视化模型的数据模拟结果与企业数据的数据结果的差值大于1.05倍的精确度的企业数据的数据结果或小于0.95倍的精确度的企业数据的数据结果,判定为可视化模拟结果不合格;
在实施中,在可视化模拟结果不合格时,调整可初步可视化模型的拟合权重,模拟差值与合格范围标准差距大,则优先调整权重值大的单-多变量数据预测模型的拟合权重,以0.01倍精确度为单位量,从小到大调整权重值;
例如,可视化模型的数据模拟结果与企业数据的数据结果的差值为1.06倍精确度,则调整权重值最低的单-多变量数据预测模型的拟合权重,可视化模型的数据模拟结果与企业数据的数据结果的差值为0.93倍精确度,则调整权重值第二低的单-多变量数据预测模型的拟合权重。
本发明数据可视化展示方法根据数据结果与所述数据模拟结果之间的差距确定拟合得到的模型的精确度,并根据精确度确定校验最终模型的合格范围,提高了对模型判定的合理性,并根据判定结果对模型进行调整,进一步保证了可视化模型的精确性。
请参阅图4所示,为本发明基于BIM技术的企业数据可视化展示方法的系统结构示意图,本发明实施例还提供一种基于BIM技术的企业数据可视化展示方法,包括:
数据获取模块,其用以获取可视化的企业数据,并根据企业数据的来源数据库对企业数据进行分类;
模型构建模块,其与所述数据获取模块相连,用以根据来源数据库确定企业数据的种类并建立对应企业数据的单类别模型,并将单类别模型划分为单变量模型和多变量模型;
模型分析模块,其与所述模型构建模块相连,用以根据所述多变量模型的影响变量数量建立对应各单一影响变量的模拟环境,以生成对应各单一影响变量的单-多变量数据预测模型,并使用单-多变量数据预测模型的模拟结果确定多变量模型的企业数据的多元影响变量,再根据多元影响变量调整对应的所述多变量模型;
模型拟合模块,其分别与所述模型构建模块和所述模型分析模块相连,用以使用多元影响变量的各个单-多变量数据预测模型进行拟合得到初步可视化模型,根据初步可视化模型中的数据模拟结果与调整变量后的所述多变量模型的数据模拟结果进行比较,确定可视化模型并根据可视化模型的精确度调整可视化模型的拟合过程;
模型测试模块,其与所述模型拟合模块相连,用以对可视化模型进行测试,根据可视化模型的数据模拟结果与企业数据的一组变量的数据结果确定可视化模型的精确度,并根据精确度和可视化模型的数据模拟结果与企业数据的数据结果的差值判定可视化模拟结果是否合格。
在实施中,根据多变量模型拟合得到的可视化模型为立体模型,根据单变量模型建立的可视化模型为平面模型;根据多变量模型拟合得到的可视化模型将模型中的各影响变量的拟合数据结果在可视模型中进行展示,展示结果包括整体预设结果和单-多变量数据预测模型的预测结果,并且可以根据当前可视化模型中包含的多元影响变量预测包含这些影响变量的数据,为企业制定后续计划提供数据参考。
可以理解的是,本发明企业数据均为数值或能够采用数值进行表示/赋值的数据。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例,并不用于限制本发明;对于本领域的技术人员来说,本发明可以有各种更改和变化。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BIM技术的企业数据可视化展示方法,其特征在于,包括:
获取可视化相关全部企业数据,根据企业数据的来源数据库对数据进行分类;
根据来源数据库确定企业数据的种类并建立对应企业数据的单类别模型;
根据所述单类别模型中根据各影响变量的数量将各模型划分为单变量模型和多变量模型;
根据各所述多变量模型的影响变量数量建立对应各单一影响变量的模拟环境,以生成对应各单一影响变量的单-多变量数据预测模型;
根据所述多变量模型的各影响变量在所述多变量模型中的数据结果与对应的影响变量在单-多变量数据预测模型的数据模拟结果进行比较,确定对应单个多变量模型的企业数据的多元影响变量;
根据所述多元影响变量调整对应的所述多变量模型的变量,重新确定多变量模型;
将单个所述多变量模型的调整后的多元影响变量的各个单-多变量数据预测模型进行拟合得到初步可视化模型;
将初步可视化模型中的数据模拟结果与调整变量后的所述多变量模型的数据结果进行比较,确定可视化模型及可视化模型的精确度;
根据采集的企业数据的所述多元影响变量采用可视化模型进行模拟预测,根据可视化模型的数据模拟结果与企业数据的数据结果的模拟差值确定可视化模拟结果是否合格,并在不合格条件下,根据所述模拟差值与合格范围标准调整所述初步可视化模型的拟合中各个单-多变量数据预测模型的拟合权重。
2.根据权利要求1所述的基于BIM技术的企业数据可视化展示方法,其特征在于,所述单类别模型中根据各影响变量的数量将各模型划分为单变量模型和多变量模型具体过程为;
在第一数量条件下,判定单类别模型为单变量模型;
在第二数量条件下,判定单类别模型为多变量模型;
其中,所述第一数量条件为影响变量数量为1;所述第二数量条件为影响变量数量大于等于2。
3.根据权利要求2所述的基于BIM技术的企业数据可视化展示方法,其特征在于,根据所述多变量模型的变量的相关性确定模型的变量是否为所述影响变量,包括:
计算所述多变量模型的各变量之间的皮尔逊相关性系数;
根据所述相关性系数与预设相关性标准的大小关系确定变量是否为所述影响变量;
其中,若变量的皮尔逊相关性系数的绝对值大于预设相关性标准时,该变量为影响变量;
若变量的皮尔逊相关性系数的绝对值小于等于预设相关性标准时,该变量为非影响变量。
4.根据权利要求3所述的基于BIM技术的企业数据可视化展示方法,其特征在于,在根据各所述多变量模型的影响变量数量建立对应各单一影响变量的模拟环境时,各单一影响变量的取值范围根据对应的企业数据的数据范围确定。
5.根据权利要求4所述的基于BIM技术的企业数据可视化展示方法,其特征在于,所述确定对应单个多变量模型的企业数据的多元影响变量的步骤,包括:
计算所述多变量模型的单个影响变量在所述多变量模型中的数据结果与对应单个影响变量在单-多变量数据预测模型的数据模拟结果的影响差值;
根据所述影响差值与预设标准差值的大小关系确定单个影响变量是否为多元影响变量;
若所述影响差值小于等于所述预设标准差值,判定单个影响变量为多元影响变量;
若所述影响差值大于所述预设标准差值,判定单个影响变量为单变量。
6.根据权利要求5所述的基于BIM技术的企业数据可视化展示方法,其特征在于,在调整多变量模型的变量时,将原多变量模型中判定出的单变量删除,根据剩余的多元影响变量构建新的多变量模型。
7.根据权利要求6所述的基于BIM技术的企业数据可视化展示方法,其特征在于,所述初步可视化模型根据所述各个单-多变量数据预测模型进行拟合得到,初步可视化模型根据下式确定:
其中,A为初步可视化模型的数据结果,Pi为第i个多元影响变量的单-多变量数据预测模型的拟合权重,i=1,2,......,n,n为多元影响变量的单-多变量数据预测模型的数量,p(xi)为单个影响变量xi的单-多变量数据预测函数。
8.根据权利要求7所述的基于BIM技术的企业数据可视化展示方法,其特征在于,所述确定可视化模型及可视化模型的精确度的步骤包括:
在调整变量后的所述多变量模型中根据一个数据结果选定一组变量数据,并将该组变量数据对应至所述初步可视化模型中获得对应的数据模拟结果;
计算所述数据结果与所述数据模拟结果的差距;
根据所述数据结果与数据模拟结果的差距确定可视化模型及可视化模型的精确度。
9.根据权利要求8所述的基于BIM技术的企业数据可视化展示方法,其特征在于,所述根据可视化模型的数据模拟结果与企业数据的数据结果的模拟差值确定可视化模拟结果是否合格的步骤包括:
根据所述精确度计算合格范围标准;
将所述可视化模型的数据模拟结果与企业数据的数据结果的差值与所述合格范围标准进行比对,判定可视化模拟结果是否合格;
其中,若所述可视化模型的数据模拟结果与企业数据的数据结果的差值在所述合格范围标准内,判定可视化模拟结果合格;若所述可视化模型的数据模拟结果与企业数据的数据结果的差值不在所述合格范围标准内,判定可视化模拟结果不合格。
10.一种应用于权利要求1-9任一项所述的基于BIM技术的企业数据可视化展示方法的系统,其特征在于,包括:
数据获取模块,其用以获取可视化的企业数据,并根据企业数据的来源数据库对企业数据进行分类;
模型构建模块,其与所述数据获取模块相连,用以根据来源数据库确定企业数据的种类并建立对应企业数据的单类别模型,并将单类别模型划分为单变量模型和多变量模型;
模型分析模块,其与所述模型构建模块相连,用以根据所述多变量模型的影响变量数量建立对应各单一影响变量的模拟环境,以生成对应各单一影响变量的单-多变量数据预测模型,并使用单-多变量数据预测模型的模拟结果确定多变量模型的企业数据的多元影响变量,再根据多元影响变量调整对应的所述多变量模型;
模型拟合模块,其分别与所述模型构建模块和所述模型分析模块相连,用以使用多元影响变量的各个单-多变量数据预测模型进行拟合得到初步可视化模型,根据初步可视化模型中的数据模拟结果与调整变量后的所述多变量模型的数据模拟结果进行比较,确定可视化模型并根据可视化模型的精确度调整可视化模型的拟合过程;
模型测试模块,其与所述模型拟合模块相连,用以对可视化模型进行测试,根据可视化模型的数据模拟结果与企业数据的一组变量的数据结果确定可视化模型的精确度,并根据精确度和可视化模型的数据模拟结果与企业数据的数据结果的差值判定可视化模拟结果是否合格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311604581.5A CN117371821A (zh) | 2023-11-28 | 2023-11-28 | 基于bim技术的企业数据可视化展示方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311604581.5A CN117371821A (zh) | 2023-11-28 | 2023-11-28 | 基于bim技术的企业数据可视化展示方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117371821A true CN117371821A (zh) | 2024-01-09 |
Family
ID=89393177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311604581.5A Pending CN117371821A (zh) | 2023-11-28 | 2023-11-28 | 基于bim技术的企业数据可视化展示方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117371821A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10031717A1 (de) * | 1999-06-30 | 2001-02-15 | Ibm | Data mining Mittels Schrittweiser Polynomialer Regression |
WO2008042739A2 (en) * | 2006-09-29 | 2008-04-10 | Fisher-Rosemount Systems, Inc. | On-line monitoring and diagnostics of a process using multivariate statistical analysis |
CN103324147A (zh) * | 2012-03-20 | 2013-09-25 | 陈景正 | 基于主成分分析的卷烟工序质量评价方法及其系统 |
US20130314241A1 (en) * | 2012-05-23 | 2013-11-28 | Halliburton Energy Services, Inc. | Optimization visualization using normalized achievement variables |
CN105490266A (zh) * | 2015-12-24 | 2016-04-13 | 国网甘肃省电力公司电力科学研究院 | 基于多变量拟合的发电机调速系统参数优化建模方法 |
CN109902329A (zh) * | 2018-09-21 | 2019-06-18 | 长江大学 | 一种油藏模拟辅助历史拟合方法、系统、存储介质及设备 |
CN109978716A (zh) * | 2018-11-01 | 2019-07-05 | 国网江西省电力有限公司 | 一种变电站集中监控数据智能分析与辅助决策系统 |
CN110009126A (zh) * | 2019-01-23 | 2019-07-12 | 北京化工大学 | 基于pls模型与pca贡献度融合的在线报警分析方法 |
CN110782021A (zh) * | 2019-10-25 | 2020-02-11 | 浪潮电子信息产业股份有限公司 | 一种图像分类方法、装置、设备及计算机可读存储介质 |
US20210131260A1 (en) * | 2019-10-31 | 2021-05-06 | Landmark Graphics Corporation | Model parameter reductions and model parameter selection to optimize execution time of reservoir management workflows |
-
2023
- 2023-11-28 CN CN202311604581.5A patent/CN117371821A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10031717A1 (de) * | 1999-06-30 | 2001-02-15 | Ibm | Data mining Mittels Schrittweiser Polynomialer Regression |
WO2008042739A2 (en) * | 2006-09-29 | 2008-04-10 | Fisher-Rosemount Systems, Inc. | On-line monitoring and diagnostics of a process using multivariate statistical analysis |
CN103324147A (zh) * | 2012-03-20 | 2013-09-25 | 陈景正 | 基于主成分分析的卷烟工序质量评价方法及其系统 |
US20130314241A1 (en) * | 2012-05-23 | 2013-11-28 | Halliburton Energy Services, Inc. | Optimization visualization using normalized achievement variables |
CN105490266A (zh) * | 2015-12-24 | 2016-04-13 | 国网甘肃省电力公司电力科学研究院 | 基于多变量拟合的发电机调速系统参数优化建模方法 |
CN109902329A (zh) * | 2018-09-21 | 2019-06-18 | 长江大学 | 一种油藏模拟辅助历史拟合方法、系统、存储介质及设备 |
CN109978716A (zh) * | 2018-11-01 | 2019-07-05 | 国网江西省电力有限公司 | 一种变电站集中监控数据智能分析与辅助决策系统 |
CN110009126A (zh) * | 2019-01-23 | 2019-07-12 | 北京化工大学 | 基于pls模型与pca贡献度融合的在线报警分析方法 |
CN110782021A (zh) * | 2019-10-25 | 2020-02-11 | 浪潮电子信息产业股份有限公司 | 一种图像分类方法、装置、设备及计算机可读存储介质 |
US20210131260A1 (en) * | 2019-10-31 | 2021-05-06 | Landmark Graphics Corporation | Model parameter reductions and model parameter selection to optimize execution time of reservoir management workflows |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106845526B (zh) | 一种基于大数据融合聚类分析的关联参数故障分类方法 | |
CN112257963B (zh) | 基于航天软件缺陷数据分布离群点的缺陷预测方法及装置 | |
CN104392292A (zh) | 图形重新检验用户设置界面 | |
CN108829878B (zh) | 一种工业实验数据异常点检测方法及装置 | |
CN116448419A (zh) | 基于深度模型高维参数多目标高效寻优的零样本轴承故障诊断方法 | |
CN117434912B (zh) | 无纺布制品生产环境监控方法及系统 | |
CN117389236B (zh) | 一种环氧丙烷生产过程优化方法及系统 | |
CN113850475A (zh) | 一种基于大数据的生产设备性能评估系统 | |
CA2034492A1 (en) | Method of monitoring the operational state of a system | |
CN111221249B (zh) | 一种用于数据中心系统群控的参数优化的方法 | |
CN115983796A (zh) | 一种输电线路施工进度监督预警方法及系统 | |
CN114169254A (zh) | 基于短期建筑能耗预测模型的异常能耗诊断方法及系统 | |
CN115145817A (zh) | 一种软件测试方法、装置、设备及可读存储介质 | |
CN117494905B (zh) | 数字化配重平衡拱桥施工方法及系统 | |
CN114548494A (zh) | 一种可视化造价数据预测智能分析系统 | |
CN113010806A (zh) | 水利工程巡查区域的动态巡查方法及装置 | |
CN114139589A (zh) | 故障诊断方法、装置、设备与计算机可读存储介质 | |
CN117371821A (zh) | 基于bim技术的企业数据可视化展示方法及系统 | |
CN113902222B (zh) | 一种新能源智慧运维系统 | |
CN111242266A (zh) | 一种运行数据管理系统 | |
WO2021111936A1 (ja) | 予測システム、情報処理装置および情報処理プログラム | |
CN115034005A (zh) | 一种面向构件剩余使用寿命预测的模型分析可视化方法 | |
CN112990682A (zh) | 一种基于大数据的化工装置控制参数优化方法和系统 | |
CN113642209A (zh) | 基于数字孪生的结构植入故障响应数据获取及评判方法 | |
Heo et al. | A modified lasso model for yield analysis considering the interaction effect in a multistage manufacturing line |
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 |