本發(fā)明屬于數據分析，具體涉及一種基于ai的智能數據分析方法、系統(tǒng)及存儲介質。

背景技術：

1、人工智能(artificial?intelligence，ai)可以提供先進的算法和模型來處理、分析和解釋大量數據，因此，人工智能在數據分析領域的應用變得更加廣泛和深入，為各行各業(yè)提供更強大的數據驅動解決方案。

2、類似的現有技術有公布號為cn117785920a的中國專利申請，公開了一種智能數據分析處理方法、裝置、設備及介質，方法包括通過共享平臺調用客戶端api接口；客戶端api接口獲取用戶提交的輸入信息，并結合模板引擎，將輸入信息和對應的提示詞模板進行整合后輸入給ai引擎；ai引擎根據輸入信息和對應的提示詞模板生成sql語句，并利用數據處理引擎執(zhí)行sql語句進行數據查詢操作，生成數據查詢結果。該發(fā)明的優(yōu)點：整個數據分析處理過程都由客戶端api接口、模板引擎、ai引擎和數據處理引擎配合自動完成，能夠有效降低用戶使用門檻和提高數據分析效率，使不具備專業(yè)技能的用戶也能進行高效的數據分析處理，且能夠提高數據分析的準確性。還有公布號為cn117216419a的中國專利申請，公開了一種基于ai技術的數據分析方法。該方法包括以下步驟：獲取用戶數據；利用人工智能技術對用戶數據進行動態(tài)行為分析，以生成用戶動態(tài)行為數據；對用戶動態(tài)行為數據進行行為模式分析，生成用戶行為模式數據；根據用戶行為模式數據對用戶動態(tài)行為數據進行時序分析，以生成用戶行為時序數據；基于用戶行為時序數據對用戶動態(tài)行為數據進行情緒波動識別，以獲取用戶情緒波動數據；利用計算機視覺技術根據用戶情緒波動數據對用戶動態(tài)行為數據進行用戶畫像擬合，構建用戶動態(tài)畫像；對用戶動態(tài)畫像進行眼部軌跡分析，以生成用戶個性偏好數據。該發(fā)明實現了高效、準確的用戶數據分析。

3、然而，上述現有技術中均僅對單一類型的數據進行分析，限制了人工智能技術的多樣性，在實際情況中，需要根據分析語令來收集必要的分析數據，并對不同類型的分析數據進行組合分析，通過ai技術生成對應的最佳分析模型，可以提高數據分析的精準度和智能決策的準確性，還可以通過提取必要的分析數據，減少數據分析的誤差。

技術實現思路

1、為解決上述問題，本發(fā)明提供了一種基于ai的智能數據分析方法、系統(tǒng)及存儲介質，以解決現有技術中的問題。

2、為了達到上述的發(fā)明目的，本發(fā)明提出一種基于ai的智能數據分析方法，包括：

3、獲取數據來源的監(jiān)測設備信息，所述監(jiān)測設備信息包括設備標簽、設備類型和設備位置，基于所述設備類型獲取數據來源對應的數據標簽；

4、設定采集傳輸模式，接收并識別分析語令，判斷所述分析語令是否包含所述設備標簽，是的情況下，基于所述采集傳輸模式獲取所述分析語令中所述設備標簽對應的監(jiān)測數據，并設定為待分析數據，否則，獲取所述分析語令的分析目的，對比所述分析目的與所述監(jiān)測設備信息，在所有監(jiān)測設備中抽取所述分析目的對應的標準設備，基于所述采集傳輸模式獲取所述標準設備對應的監(jiān)測數據，并設定為所述待分析數據；

5、基于所述數據標簽檢驗所述待分析數據的異常值，基于所述異常值篩選所述待分析數據以生成標準分析數據，基于ai技術構建模型資源庫，提取所述標準分析數據的數據特征，基于所述數據特征和所述分析語令在所述模型資源庫中抽取最佳分析模型；

6、將所述標準分析數據輸入所述最佳分析模型中進行訓練學習，并基于所述分析語令輸出分析結果，基于所述分析結果完成所述分析語令對應的智能決策。

7、進一步地，基于以下步驟設定所述采集傳輸模式：

8、將所述數據來源對應的設備設定為監(jiān)測設備，為所述監(jiān)測設備搭建預設數量的中間設備，將所述監(jiān)測設備對應的監(jiān)測數據存儲至任一中間設備中，組合所述監(jiān)測設備和對應的所有所述中間設備以構建狀態(tài)分析表，所述狀態(tài)分析表記錄并更新所有所述中間設備對應的存儲占有率，所述狀態(tài)分析表基于所述存儲占有率切換任一所述中間設備的存儲狀態(tài)，完成所述監(jiān)測設備的采集存儲過程；

9、在識別所述分析語令后，基于所述設備標簽向所述中間設備發(fā)送數據請求，基于所述數據請求依次提取所有所述中間設備中存儲的所述監(jiān)測數據，完成所述監(jiān)測數據的傳輸過程，將所述采集存儲過程和所述傳輸過程進行組合，并設定為所述采集傳輸模式。

10、進一步地，生成所述待分析數據包括以下步驟：

11、將所述分析語令中的所述設備標簽或所述標準設備設定為目標設備，向所述目標設備發(fā)送所述數據請求，其中，所述數據請求包括所述數據標簽和時間信息，基于所述數據請求對所有所述中間設備進行校對，若所述中間設備符合所述數據請求，則輸出對應存儲的所述監(jiān)測數據，基于所述時間信息組合所有所述中間設備對應的所述監(jiān)測數據，并設定為所述待分析數據。

12、進一步地，基于以下步驟判斷所述分析語令是否包含所述設備標簽：

13、基于語義分析算法進行分析解讀所述分析語令，生成擴展語令，設定解讀標簽，所述解讀標簽包括數據分析對象和數據分析目的，基于所述解讀標簽在所述擴展語令中分別提取所述數據分析對象對應的分析對象語令和所述數據分析目的對應的分析目的語令；

14、基于字符相似度判斷所述分析對象語令中是否存在所述設備標簽對應的字符，若存在，則判定所述分析語令包含所述設備標簽，否則，將所述擴展語令設定為所述分析語令對應的所述分析目的。

15、進一步地，所述在所有監(jiān)測設備中抽取所述分析目的對應的標準設備包括以下步驟：

16、將所述分析目的對應的字符分別與任一監(jiān)測設備信息對應的字符進行匹配，基于所述語義分析算法分別計算任一所述監(jiān)測設備的所述設備位置、以及所述設備類型與所述分析目的之間的詞向量相似度，并設定為第一數值，若兩個第一數值均大于第一閾值，則將任一所述監(jiān)測設備設定為所述標準設備。

17、進一步地，所述基于所述數據特征和所述分析語令在所述模型資源庫中抽取最佳分析模型包括以下步驟：

18、設定模型標簽，所述ai技術基于所述模型標簽生成多個數據分析模型，將所有所述數據分析模型基于所述模型標簽進行排列組合，生成所述模型資源庫，其中，所述模型標簽包括模型名稱、模型功能、模型缺陷和模型分析流程；

19、基于數據預處理流程檢驗相同數據標簽對應的所述待分析數據之間的異常值，并將所述異常值刪除，將剩余的數據設定為所述標準分析數據；

20、基于所述數據預處理算法設定所述數據標簽對應的特征分析算法，基于所述特征分析算法提取所述標準分析數據的所述數據特征；

21、在所述模型分析流程中抽取符合所述數據特征和所述數據標簽的模型，并設定為備選模型，基于語義分析算法獲取所述分析語令與任一備選模型的所述模型功能之間的詞向量相似度，并設定為第二數值，將所述第二數值最大的模型設定所述最佳分析模型。

22、進一步地，所述基于所述分析結果完成所述分析語令對應的智能決策包括以下步驟：

23、基于所述標準分析數據對所述最佳分析模型進行訓練生成估計模型，所述估計模型基于所述數據特征輸出估計序列結果，基于所述估計序列結果獲取所述標準分析數據的監(jiān)測模式，并設定為所述分析結果；

24、構建監(jiān)測決策表，基于所述分析結果和所述估計序列結果在所述監(jiān)測決策表中獲取對應的決策信息，并設定為所述智能決策。

25、本發(fā)明還提供了一種基于ai的智能數據分析系統(tǒng)，該系統(tǒng)用于實現上述所述的一種基于ai的智能數據分析方法，該系統(tǒng)主要包括：

26、設備處理模塊，獲取數據來源的監(jiān)測設備信息，所述監(jiān)測設備信息包括設備標簽、設備類型和設備位置，基于所述設備類型獲取數據來源對應的數據標簽；

27、數據獲取模塊，設定采集傳輸模式，接收并識別分析語令，判斷所述分析語令是否包含所述設備標簽，是的情況下，基于所述采集傳輸模式獲取所述分析語令中所述設備標簽對應的監(jiān)測數據，并設定為待分析數據，否則，獲取所述分析語令的分析目的，對比所述分析目的與所述監(jiān)測設備信息，在所有監(jiān)測設備中抽取所述分析目的對應的標準設備，基于所述采集傳輸模式獲取所述標準設備對應的監(jiān)測數據，并設定為所述待分析數據；

28、模型生成模塊，基于所述數據標簽檢驗所述待分析數據的異常值，基于所述異常值篩選所述待分析數據以生成標準分析數據，基于ai技術構建模型資源庫，提取所述標準分析數據的數據特征，基于所述數據特征和所述分析語令在所述模型資源庫中抽取最佳分析模型；

29、數據分析模塊，將所述標準分析數據輸入所述最佳分析模型中進行訓練學習，并基于所述分析語令輸出分析結果，基于所述分析結果完成所述分析語令對應的智能決策。

30、本發(fā)明還提供一種計算機存儲介質，計算機存儲介質存儲有程序指令，其中，在所述程序指令運行時控制所述計算機存儲介質所在設備執(zhí)行上述所述的一種基于ai的智能數據分析方法。

31、與現有技術相比，本發(fā)明的有益效果至少如下所述：

32、本發(fā)明首先通過標注數據來源對應的監(jiān)測設備信息，可以確定數據來源的獲取途徑，然后通過識別分析語令限定所需的設備，并通過采集傳輸模式獲取所需的待分析數據，可以減少數據存儲容量超負荷的問題，同時也可以準確獲取分析語令包含的待分析數據，提高獲取待分析數據的精準性，最后通過ai技術構建模型資源庫，并由數據特征和數據標簽抽取最佳分析模型，可以提高數據分析的準確性和數據分析種類的多樣性。

33、本發(fā)明還通過構建監(jiān)測決策表實現數據分析中由分析結果進行智能決策，提高數據分析的智能性。