-
公开(公告)号:CN119357230A
公开(公告)日:2025-01-24
申请号:CN202411907751.1
申请日:2024-12-24
Applicant: 浙江浙能数字科技有限公司
IPC: G06F16/2453 , G06F16/2458 , G06F16/2455 , G06F18/241
Abstract: 本发明涉及一种基于大数据实时引擎的时序数据质量分类系统,该系统用于:获取测点的时序数据,并将所述时序数据输入实时引擎;获取测点的时序数据,并将所述时序数据输入实时引擎;将各数据过滤器获取的时序数据通过数据质量协处理器,分别路由到不同的时序数据库中。本发明的有益效果是:本发明通过业务方自由定制的规则将时序数据进行时序数据质量处理,将数据分为异常数据、存疑数据和可靠数据,并通过代理的方式,自动化将时序数据库进行分库分层操作,提高数据的可信度。
-
公开(公告)号:CN119312264A
公开(公告)日:2025-01-14
申请号:CN202411856605.0
申请日:2024-12-17
Applicant: 浙江浙能数字科技有限公司
IPC: G06F18/2433 , G06F18/214 , G06N20/00 , G06F123/02
Abstract: 本发明涉及一种基于机器学习的轻量化时序数据异常检测方法,包括:一种基于机器学习的轻量化时序数据异常检测方法;对所述历史数据进行完整性校验和周期性校验,并进行周期性预测;将周期性预测的结果和待训练节点的元信息进行整合处理,获取包含元信息的预测结果;从线上实时流数据库获取实时数据,根据所述包含元信息的预测结果,对所述实时数据将进行异常检测。本发明的有益效果是:本发明通过对时序数据的周期性校验,确定该数据是否适合进行周期性预测,得到周期性预测值或人工设定预估告警阈值,将其作为异常检测的参考值,从而实现在资源有限的设备中对海量实时流进行监控。
-