CN111626573B - 一种目标数据的确定方法、装置、可读介质及电子设备 - Google Patents
一种目标数据的确定方法、装置、可读介质及电子设备 Download PDFInfo
- Publication number
- CN111626573B CN111626573B CN202010392249.7A CN202010392249A CN111626573B CN 111626573 B CN111626573 B CN 111626573B CN 202010392249 A CN202010392249 A CN 202010392249A CN 111626573 B CN111626573 B CN 111626573B
- Authority
- CN
- China
- Prior art keywords
- data
- determining
- health index
- index
- health
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 230000036541 health Effects 0.000 claims abstract description 98
- 238000004364 calculation method Methods 0.000 claims abstract description 31
- 238000011156 evaluation Methods 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 10
- 238000007637 random forest analysis Methods 0.000 claims description 9
- 238000010248 power generation Methods 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 238000012549 training Methods 0.000 description 6
- 238000012804 iterative process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000007619 statistical method 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种目标数据的确定方法、装置、可读介质及电子设备,包括:确定至少一项第一数据,根据所述第一数据计算得到能源设备对应的第一健康度指数;获取根据第二数据计算得到的第二健康度指数;根据所述第一健康度指数和所述第二健康度指数,确定误差指数;当所述误差指数满足预设条件,将所述第一数据确定为目标数据;通过计算得到优胜的运行数据作为第一数据,并以此进行循环迭代,从而在误差指数收敛时确定出针对健康度计算的理想组合,即目标数据;由此避免了人工选定数据进行健康度计算不准确的问题。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种目标数据的确定方法、装置、可读介质及电子设备。
背景技术
在大型的能源***中,往往会涉及到各种各样的能源设备。如蒸汽锅炉、燃气锅炉、发电机等。而评估能源设备的健康度,则是能源***运行过程中一项重要的工作。目前对于能源设备健康度的评估,通常是基于能源设备的若干项运行数据进行评估计算,从而得到一个代表健康度的评估分数。
能源设备有关的运行数据种类繁多,而具体选择哪几项运行数据来进行评估计算,会直接的影响到健康度的准确性。现有技术中,通常是结合技术人员的经验,人工的选择若干项运行数据来进行评估计算。但显然经验判断有其局限性,人工选择的运行数据未必是针对健康度计算的最优组合。
发明内容
本发明提供一种目标数据的确定方法、装置、可读介质及电子设备,将通过针对性数据训练确定最适合用于计算健康度的目标数据,以使得对于能源设备健康度的评估计算更加准确。
第一方面,本发明提供了一种目标数据的确定方法,包括:
确定至少一项第一数据,根据所述第一数据计算得到能源设备对应的第一健康度指数;
获取根据第二数据计算得到的第二健康度指数;
根据所述第一健康度指数和所述第二健康度指数,确定误差指数;
当所述误差指数满足预设条件,将所述第一数据确定为目标数据。
优选地,所述确定至少一项第一数据包括:
采集所述能源设备对应的运行数据;
利用随机森林算法,从所述运行数据中确定所述第一数据。
优选地,在获取根据第二数据计算得到的第二健康度指数之前,还包括:
从所述能源设备对应的运行数据中,确定所述第二数据;
根据所述第二数据计算得到所述能源设备对应的第二健康度指数。
优选地,所述确定所述第二数据包括:
从所述运行数据中,选定所述第二数据。
优选地,所述确定所述第二数据包括:
利用随机森林算法,从所述运行数据中确定所述第二数据。
优选地,所述根据所述第一数据计算得到能源设备对应的第一健康度指数包括:
利用模糊综合评价算法,对所述第一数据进行计算,得到所述第一健康度指数。
优选地,所述当所述误差指数满足预设条件,将所述第一数据确定为目标数据包括:
当所述误差指数小于预设的误差阈值,则将所述第一数据确定为目标数据。
第二方面,本发明提供了一种目标数据的确定装置,包括:
第一健康度指数确定模块,用于确定至少一项第一数据,根据所述第一数据计算得到能源设备对应的第一健康度指数;
第二健康度指数获取模块,用于获取根据第二数据计算得到的第二健康度指数;
误差指数确定模块,用于根据所述第一健康度指数和所述第二健康度指数,确定误差指数;
目标数据确定模块,用于在所述误差指数满足预设条件时,将所述第一数据确定为目标数据。
第三方面,本发明提供了一种可读介质,包括执行指令,当电子设备的处理器执行所述执行指令时,所述电子设备执行如第一方面中任一所述的目标数据的确定方法。
第四方面,本发明提供了一种电子设备,包括处理器以及存储有执行指令的存储器,当所述处理器执行所述存储器存储的所述执行指令时,所述处理器执行如第一方面中任一所述的目标数据的确定方法。
本发明提供了一种目标数据的确定方法、装置、可读介质及电子设备,通过计算得到优胜的运行数据作为第一数据,并以此进行循环迭代,从而在误差指数收敛时确定出针对健康度计算的理想组合,即目标数据;由此避免了人工选定数据进行健康度计算不准确的问题。
上述的非惯用的优选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
为了更清楚地说明本发明实施例或现有的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种目标数据的确定方法的流程示意图;
图2为本发明一实施例提供的另一种目标数据的确定方法的流程示意图;
图3为本发明一实施例提供的一种目标数据的确定装置的结构示意图;
图4为本发明一实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合具体实施例及相应的附图对本发明的技术方案进行清楚、完整地描述。显然,所描述的实施例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。
在能源***运行过程中,评估如蒸汽锅炉、燃气锅炉、发电机等能源设备备的健康度,是一项重要的工作。目前可以依靠传感器采集能源设备的各种运行数据。再从中选择若干项运行数据作为目标数据以进行评估计算,即可得到一个代表健康度的评估分数。
传感器采集得到的能源设备的运行数据种类繁多,例如发电效率、功率因数、控制电池电压、排烟温度、缸套水温度等均为常见的运行数据。而具体选择哪几项运行数据来进行评估计算,会直接的影响到健康度的准确性。
现有技术中,通常是结合技术人员的经验,人工的选择若干项运行数据来进行评估计算。但显然人工统计分析的样本范围较小,依靠经验判断有明显局限性,人工选择的运行数据未必是针对健康度计算的最优组合。
因此,本发明提供一种目标数据的确定方法及装置,通过针对性数据训练确定最适合用于计算健康度的目标数据,以使得对于能源设备健康度的评估计算更加准确。
参见图1所示,为本发明提供的目标数据的确定方法的具体实施例。本实施例中,所述方法具体包括以下步骤:
步骤101、确定至少一项第一数据,根据所述第一数据计算得到能源设备对应的第一健康度指数。
所述第一数据,是指能源设备对应的多种运行数据中的至少一种。本实施例中将从多种运行数据中确定出至少一项作为第一数据,用于进行数据训练,从而判断所述至少一项第一数据是否为针对健康度计算的理想组合。
确定所述第一数据可以基于随机森林算法,通过建立决策树筛选出若干种优胜的运行数据以作为第一数据。随机森林算法及决策树的原理为本领域所公知,在此不赘述。可以认为,筛选得到的第一数据是对于能源设备的健康度影响相对较明显的运行数据;换言之也是更能够体现能源设备目前的健康度情况的运行数据。
当然也可通过现有技术中其他能够实现类似功能的算法确定第一数据,本实施例中对此不做限定。
得到第一数据之后,即可基于第一数据进行模糊综合评价计算,也就是根据第一数据对能源设备的健康度进行评估量化,得到对应的第一健康度指数。模糊综合评价计算同样是本领域常用的算法,在此不赘述。可以理解的是,第一健康度指数的准确性将取决于筛选得到的第一数据。
步骤102、获取根据第二数据计算得到的第二健康度指数。
可以认为,本实施例所述方法是一个循环迭代的过程。步骤101体现了本次迭代中新筛选得到的第一数据和第一健康度指数的过程。类似的在本步骤当中,所述第二数据和第二健康度指数则是来自于上一次迭代过程中。即第二数据是前次筛选得到的若干项运行数据,第二健康度指数是基于第二数据计算得到。
需要说明的是,如果前次迭代并非初次迭代,则可认为计算得到第二数据和第二健康度指数的方式与步骤101中原理相同,在此不重复叙述。而如果前次迭代为初次迭代,则第二数据可以通过人工筛选运行数据得到,由此作为迭代的初始值。
步骤103、根据所述第一健康度指数和所述第二健康度指数,确定误差指数。
误差指数可以认为是第一健康度指数和第二健康度指数差值,或者是在该差值基础上进一步处理得到的量化数值。误差指数可以衡量第一健康度指数和第二健康度指数之间的数值距离,即用来判断在迭代过程中计算得到的健康度指数是否已经收敛。
步骤104、当所述误差指数满足预设条件,将所述第一数据确定为目标数据。
通常认为,误差指数的数值越小,则意味着迭代的收敛程度越高。也就意味着利用此时筛选得到的第一数据对设备健康度进行评估,有着比较理想的效果。所以在误差指数满足特定预设条件的情况下,可以认为循环迭代的结果已经收敛。所以可结束迭代过程,将所述第一数据确定为目标数据。目标数据,即包括了至少一项运行数据,且通过目标数据能够准确的评价设备的健康度。
其中,该预设条件可以是一个根据需求设置的误差阈值。当误差指数小于该误差阈值即可认为满足预设条件。在另一些情况下,也可在迭代达到特定次数时停止迭代,并将最后一次迭代得到的第一数据作为目标数据。
至此可以认为,本实施例中确定的目标数据即是针对健康度计算的理想组合。
通过以上技术方案可知,本实施例存在的有益效果是:通过计算得到优胜的运行数据作为第一数据,并以此进行循环迭代,从而在误差指数收敛时确定出针对健康度计算的理想组合,即目标数据;由此避免了人工选定数据进行健康度计算不准确的问题。
图1所示仅为本发明所述方法的基础实施例,在其基础上进行一定的优化和拓展,还能够得到所述方法的其他优选实施例。
如图2所示,为本发明所述目标数据的确定方法的另一个具体实施例。本实施例在前述实施例的基础上,结合应用场景进行了更加具体的描述。所述方法具体包括以下步骤:
步骤201、采集所述能源设备对应的运行数据。
本实施例中,假设能源设备具体为燃气锅炉。在能源设备运行的过程中,可以采集到发电效率、功率因数、控制电池电压、排烟温度、缸套水温度共5项运行数据。本实施例的目的即在于,从中选择至少一项运行数据作为目标数据。通过该目标数据能够最为准确的计算得到能源设备的健康度。
需要说明的是,在数据训练的过程中,通常不会针对单一的一个能源设备及其运行数据进行训练,而是需要以大量能源设备及其运行数据作为样本。并且,针对传感器直接采集到的运行数据,还可进行进一步的预处理和标准化,消除空值、异常值及不同量纲数据等非正常的数据内容。从而得到用于进行后续训练的运行数据。本实施例中示例性的给出了两个能源设备,序号分别为1和2。其相应的运行数据,如表1所示:
表1
步骤202、利用随机森林算法,从所述运行数据中确定所述第一数据。
结合表1可见,一个能源设备在各个运行数据的维度上,均能够采集到一个对应的数值,由此即形成一份对应该能源设备的样本数据。本实施例中可以利用随机森林算法针对大量的上述样本数据进行运算,以获得至少一项优胜的运行数据作为第一数据。可以认为,筛选得到的第一数据是对于能源设备的健康度影响相对较明显的运行数据;换言之也是更能够体现能源设备目前的健康度情况的运行数据。
本实施例中,假设确定的第一数据为发电效率、功率因数、排烟温度三项。
步骤203、利用模糊综合评价算法,对所述第一数据进行计算,得到所述第一健康度指数。
基于第一数据进行模糊综合评价计算,也就是根据第一数据对能源设备的健康度进行评估量化,得到对应的第一健康度指数。本实施例中,第一健康度指数的计算结果可参考表2所示。
表2
通常可以认为,第一健康度指数的数值越高,则能源设备的健康度越好。
步骤204、从所述能源设备对应的运行数据中,确定所述第二数据。
所述第二数据同样是通过表1中所示的运行数据确定。并且是来自于上一次迭代过程中。如果上一次迭代为初次迭代,则可从所述运行数据中,选定所述第二数据,作为迭代的初始值。如果上一次迭代并非初次迭代,则可利用随机森林算法,从所述运行数据中确定所述第二数据。该计算过程同理于步骤202,在此不重复叙述。
本实施例中,假设第二数据为发电效率、功率因数、控制电池电压三项。
步骤205、根据所述第二数据计算得到所述能源设备对应的第二健康度指数。
本步骤中计算过程同理于步骤203,在此不重复叙述。第二健康度指数的计算结果可参考表3所示。
表3
步骤206、根据所述第一健康度指数和所述第二健康度指数,确定误差指数。
本实施例中,误差指数的计算方式可参考如下公式:
其中,err代表误差指数,Pnow代表特定能源设备的第一健康度指数,Ppre代表特定能源设备的第二健康度指数,M代表样本数据的数量,i代表M个样本数据中的第i个。
步骤207、当所述误差指数小于预设的误差阈值,则将所述第一数据确定为目标数据。
当误差指数小于误差阈值,即可认为迭代过程已经收敛,此时可将第一数据确定为目标数据,并认为目标数据即是计算能源设备健康度的理想组合。后续如需计算同类型能源设备的健康度,只需直接获取其对应的目标数据并进行模糊综合评价计算,即可得到该类型能源设备的准确的健康度。
如图3所示,为本发明所述目标数据的确定装置的一个具体实施例。本实施例所述装置,即用于执行图1~2所述方法的实体装置。其技术方案本质上与上述实施例一致,上述实施例中的相应描述同样适用于本实施例中。本实施例中所述装置包括:
第一健康度指数确定模块301,用于确定至少一项第一数据,根据所述第一数据计算得到能源设备对应的第一健康度指数。
第二健康度指数获取模块302,用于获取根据第二数据计算得到的第二健康度指数。
误差指数确定模块303,用于根据所述第一健康度指数和所述第二健康度指数,确定误差指数。
目标数据确定模块304,用于在所述误差指数满足预设条件时,将所述第一数据确定为目标数据。
图4是本发明实施例提供的一种电子设备的结构示意图。在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放执行指令。具体地,执行指令即可被执行的计算机程序。存储器可以包括内存和非易失性存储器,并向处理器提供执行指令和数据。
在一种可能实现的方式中,处理器从非易失性存储器中读取对应的执行指令到内存中然后运行,也可从其它设备上获取相应的执行指令,以在逻辑层面上形成目标数据的确定装置。处理器执行存储器所存放的执行指令,以通过执行的执行指令实现本发明任一实施例中提供的目标数据的确定方法。
上述如本发明图3所示实施例提供的目标数据的确定装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
本发明实施例还提出了一种可读介质,该可读存储介质存储有执行指令,存储的执行指令被电子设备的处理器执行时,能够使该电子设备执行本发明任一实施例中提供的目标数据的确定方法,并具体用于执行如图1或图2所示的方法。
前述各个实施例中所述的电子设备可以为计算机。
本领域内的技术人员应明白,本发明的实施例可提供为方法或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例,或软件和硬件相结合的形式。
本发明中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
还需要说明的是,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、商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、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本发明的实施例而已,并不用于限制本发明。对于本领域技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原理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权利要求范围之内。
Claims (5)
1.一种目标数据的确定方法,其特征在于,包括:
从能源设备对应的运行数据中确定至少一项第一数据,根据所述第一数据计算得到能源设备对应的第一健康度指数;其中包括:利用随机森林算法,从所述运行数据中确定所述第一数据,所述运行数据包括发电效率、功率因数、控制电池电压、排烟温度、缸套水温度;
获取根据第二数据计算得到的第二健康度指数;
根据所述第一健康度指数和所述第二健康度指数,确定误差指数;
当所述误差指数小于预设的误差阈值,将所述第一数据确定为目标数据;
其中,所述第二数据和第二健康度指数则是来自于上一次迭代过程中所确定的第一数据及其对应的第一健康度指数,若所述上一次迭代过程为首次迭代,则所述第二数据通过人工筛选所述运行数据得到。
2.根据权利要求1所述方法,其特征在于,所述根据所述第一数据计算得到能源设备对应的第一健康度指数包括:
利用模糊综合评价算法,对所述第一数据进行计算,得到所述第一健康度指数。
3.一种目标数据的确定装置,其特征在于,包括:
第一健康度指数确定模块,用于从能源设备对应的运行数据中确定至少一项第一数据,根据所述第一数据计算得到能源设备对应的第一健康度指数;包括:利用随机森林算法,从所述运行数据中确定所述第一数据,所述运行数据包括发电效率、功率因数、控制电池电压、排烟温度、缸套水温度;
第二健康度指数获取模块,用于获取根据第二数据计算得到的第二健康度指数;
误差指数确定模块,用于根据所述第一健康度指数和所述第二健康度指数,确定误差指数;
目标数据确定模块,用于当所述误差指数小于预设的误差阈值,将所述第一数据确定为目标数据;
其中,所述第二数据和第二健康度指数则是来自于上一次迭代过程中所确定的第一数据及其对应的第一健康度指数,若所述上一次迭代过程为首次迭代,则所述第二数据通过人工筛选所述运行数据得到。
4.一种可读介质,包括执行指令,当电子设备的处理器执行所述执行指令时,所述电子设备执行如权利要求1或2所述的目标数据的确定方法。
5.一种电子设备,包括处理器以及存储有执行指令的存储器,当所述处理器执行所述存储器存储的所述执行指令时,所述处理器执行如权利要求1或2所述的目标数据的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010392249.7A CN111626573B (zh) | 2020-05-11 | 2020-05-11 | 一种目标数据的确定方法、装置、可读介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010392249.7A CN111626573B (zh) | 2020-05-11 | 2020-05-11 | 一种目标数据的确定方法、装置、可读介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111626573A CN111626573A (zh) | 2020-09-04 |
CN111626573B true CN111626573B (zh) | 2024-03-01 |
Family
ID=72272485
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010392249.7A Active CN111626573B (zh) | 2020-05-11 | 2020-05-11 | 一种目标数据的确定方法、装置、可读介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111626573B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109634941A (zh) * | 2018-11-14 | 2019-04-16 | 金色熊猫有限公司 | 医疗数据处理方法、装置、电子设备及存储介质 |
CN109685107A (zh) * | 2018-11-22 | 2019-04-26 | 东软集团股份有限公司 | 特征选择方法、***、计算机可读存储介质及电子设备 |
CN110443350A (zh) * | 2019-07-10 | 2019-11-12 | 平安科技(深圳)有限公司 | 基于数据分析的模型质量检测方法、装置、终端及介质 |
CN110674003A (zh) * | 2019-08-15 | 2020-01-10 | 苏州浪潮智能科技有限公司 | 一种服务器硬件的预警方法、设备以及存储介质 |
CN110880014A (zh) * | 2019-10-11 | 2020-03-13 | 中国平安财产保险股份有限公司 | 数据处理方法、装置、计算机设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018194565A1 (en) * | 2017-04-18 | 2018-10-25 | Hewlett-Packard Development Company, L.P. | Monitoring the thermal health of an electronic device |
-
2020
- 2020-05-11 CN CN202010392249.7A patent/CN111626573B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109634941A (zh) * | 2018-11-14 | 2019-04-16 | 金色熊猫有限公司 | 医疗数据处理方法、装置、电子设备及存储介质 |
CN109685107A (zh) * | 2018-11-22 | 2019-04-26 | 东软集团股份有限公司 | 特征选择方法、***、计算机可读存储介质及电子设备 |
CN110443350A (zh) * | 2019-07-10 | 2019-11-12 | 平安科技(深圳)有限公司 | 基于数据分析的模型质量检测方法、装置、终端及介质 |
CN110674003A (zh) * | 2019-08-15 | 2020-01-10 | 苏州浪潮智能科技有限公司 | 一种服务器硬件的预警方法、设备以及存储介质 |
CN110880014A (zh) * | 2019-10-11 | 2020-03-13 | 中国平安财产保险股份有限公司 | 数据处理方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111626573A (zh) | 2020-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7167306B2 (ja) | ニューラルネットワークモデル訓練方法、装置、コンピュータ機器および記憶媒体 | |
CN111414999B (zh) | 一种设备运行状态的监测方法及装置 | |
WO2006110246A2 (en) | Diagnostic and prognostic method and system | |
CN110188862B (zh) | 用于数据处理的模型超参数的搜索方法、装置、*** | |
KR102438527B1 (ko) | Url과 연관된 콘텐츠와 호스트 데이터를 고려한 악성 url 예측 방법 및 이를 구현하기 위한 장치 | |
CN111523205B (zh) | 过热蒸汽的比焓确定方法及装置 | |
CN116187552A (zh) | 异常检测方法、计算设备及计算机存储介质 | |
CN110866682B (zh) | 基于历史数据的地下电缆预警方法和装置 | |
CN110991762A (zh) | 预测方法、装置、计算机可读存储介质及电子设备 | |
CN111626573B (zh) | 一种目标数据的确定方法、装置、可读介质及电子设备 | |
CN109146060B (zh) | 一种基于卷积神经网络处理数据的方法及装置 | |
CN112330063A (zh) | 设备故障预测方法、装置以及计算机可读存储介质 | |
CN113902187A (zh) | 分时电价预测方法、装置及终端设备 | |
CN117196385A (zh) | 一种钢筋成品质量评价方法及*** | |
CN117272145A (zh) | 转辙机的健康状态评估方法、装置和电子设备 | |
CN112035120A (zh) | 基于医疗数据的逻辑代码获取方法、装置以及计算机设备 | |
CN114884686B (zh) | 一种php威胁识别方法及装置 | |
CN115344386A (zh) | 基于排序学习的云仿真计算资源预测方法、装置和设备 | |
CN114398633A (zh) | 一种蜜罐攻击者的画像分析方法及装置 | |
CN109960144B (zh) | 风力发电机组偏航控制的方法、设备和*** | |
CN113419706A (zh) | 一种快速的任意分布随机数产生方法、***及其检验方法、*** | |
CN115982224A (zh) | 为多变量时序数据异常检测提供解释性 | |
CN112348055A (zh) | 一种聚类评估度量方法、***、装置和存储介质 | |
CN111624906A (zh) | 设备运行状态确定方法、装置、可读介质及电子设备 | |
CN114254792A (zh) | 一种烟气含氧量预测方法及装置 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20240108 Address after: 065602 science and innovation base 2101, Hangyi road free trade zone, Langfang Airport Economic Zone, Daxing airport area, China (Hebei) pilot Free Trade Zone, Langfang City, Hebei Province Applicant after: Xinao Xinzhi Technology Co.,Ltd. Address before: 100102 10th floor, 1 Wangjing East Road, Chaoyang District, Beijing Applicant before: ENNEW DIGITAL TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |