本發(fā)明涉及智能大數(shù)據(jù)分析，尤其涉及一種基于數(shù)字孿生協(xié)同的智能大數(shù)據(jù)分析處理方法、裝置、設(shè)備及計算機程序產(chǎn)品。

背景技術(shù)：

1、目前，傳統(tǒng)的大數(shù)據(jù)分析處理方法較為依賴靜態(tài)數(shù)據(jù)和離線分析，通常通過預(yù)先收集和存儲大量數(shù)據(jù)來進行分析和決策。這種方法雖然滿足基本的數(shù)據(jù)處理需求，但在處理實時性要求高和數(shù)據(jù)變化頻繁的場景時，實時性和準(zhǔn)確性方面顯得不足。例如，在需要對動態(tài)環(huán)境中的實時數(shù)據(jù)進行精確分析和即時響應(yīng)時，現(xiàn)有技術(shù)無法充分滿足這種高精度和實時性的需求。此外，現(xiàn)有技術(shù)的大數(shù)據(jù)分析系統(tǒng)主要依賴傳統(tǒng)的統(tǒng)計分析和規(guī)則匹配方法來識別和處理數(shù)據(jù)，缺乏利用先進的數(shù)字孿生技術(shù)和實時數(shù)據(jù)融合的應(yīng)用。然而，當(dāng)數(shù)據(jù)源多樣且數(shù)據(jù)量巨大，且需要對實時數(shù)據(jù)進行動態(tài)分析和預(yù)測時，這種依賴傳統(tǒng)方法的數(shù)據(jù)處理方式會導(dǎo)致分析結(jié)果的準(zhǔn)確性和及時性無法得到保證，進而影響系統(tǒng)決策的優(yōu)化效果。因此，亟需一種在數(shù)據(jù)源多樣且數(shù)據(jù)量巨大的復(fù)雜情況下，依然能夠?qū)崿F(xiàn)高精度、實時性大數(shù)據(jù)分析處理的方法，以確保對實時數(shù)據(jù)進行動態(tài)分析和預(yù)測。

技術(shù)實現(xiàn)思路

1、本發(fā)明的主要目的在于提供一種基于數(shù)字孿生協(xié)同的智能大數(shù)據(jù)分析處理方法、裝置、設(shè)備及計算機程序產(chǎn)品，旨在解決傳統(tǒng)的數(shù)據(jù)分析方法在處理復(fù)雜異構(gòu)數(shù)據(jù)時，尤其是實時性要求高的情況下，往往無法及時響應(yīng)和準(zhǔn)確預(yù)測的技術(shù)問題。

2、為實現(xiàn)上述目的，本發(fā)明提供一種基于數(shù)字孿生協(xié)同的智能大數(shù)據(jù)分析處理方法，

3、優(yōu)選地，所述方法包括：

4、步驟s10：采集原始數(shù)據(jù)經(jīng)過多源數(shù)據(jù)分析得到初始數(shù)據(jù)集，根據(jù)所述初始數(shù)據(jù)集構(gòu)建多維數(shù)據(jù)模型，結(jié)合空間映射方法生成數(shù)字孿生模型；

5、步驟s20：基于數(shù)字孿生模型進行實時數(shù)據(jù)監(jiān)測，根據(jù)實時監(jiān)測的數(shù)據(jù)結(jié)合改進xgboost算法進行預(yù)測分析，根據(jù)預(yù)測分析結(jié)果生成動態(tài)數(shù)據(jù)報告；

6、步驟s30：基于動態(tài)數(shù)據(jù)報告的結(jié)果識別需要優(yōu)化的模型參數(shù)，并應(yīng)用改進蟻群算法進行分析處理得到全局最優(yōu)解時最優(yōu)參數(shù)配置。

7、優(yōu)選地，所述結(jié)合空間映射方法生成數(shù)字孿生模型的步驟，包括：

8、基于空間映射方法對與初始數(shù)據(jù)集對應(yīng)的三維空間數(shù)據(jù)進行多維數(shù)據(jù)模型構(gòu)建；

9、通過實時交互將多維數(shù)據(jù)模型與增強現(xiàn)實環(huán)境中的數(shù)字孿生模型進行動態(tài)鏈接。

10、優(yōu)選地，所述三維空間數(shù)據(jù)包括物理實體的幾何形狀數(shù)據(jù)和基于全球定位系統(tǒng)獲取的物理實體的地理位置信息。

11、優(yōu)選地，所述數(shù)字孿生模型包括物理實體的多維數(shù)據(jù)模型，通過虛擬環(huán)境與物理世界進行同步，其中多維數(shù)據(jù)模型包括結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)的多層次映射。

12、優(yōu)選地，所述動態(tài)數(shù)據(jù)報告包括統(tǒng)計分析、預(yù)測分析和系統(tǒng)運行狀態(tài)的多維度視圖。

13、優(yōu)選地，所述改進xgboost算法包括引入加權(quán)方法優(yōu)化特征選擇過程。

14、優(yōu)選地，所述空間映射方法包括通過多源傳感器采集物理空間的地理位置信息和物理特征并將物理特征映射到虛擬環(huán)境中。

15、優(yōu)選地，所述裝置包括：

16、數(shù)據(jù)采集和模型構(gòu)建模塊，用于采集原始數(shù)據(jù)經(jīng)過多源數(shù)據(jù)分析得到初始數(shù)據(jù)集，根據(jù)所述初始數(shù)據(jù)集構(gòu)建多維數(shù)據(jù)模型，結(jié)合空間映射方法生成數(shù)字孿生模型；

17、預(yù)測分析模塊，用于基于數(shù)字孿生模型進行實時數(shù)據(jù)監(jiān)測，根據(jù)實時監(jiān)測的數(shù)據(jù)結(jié)合改進xgboost算法進行預(yù)測分析，根據(jù)預(yù)測分析結(jié)果生成動態(tài)數(shù)據(jù)報告；

18、系統(tǒng)優(yōu)化模塊，用于基于動態(tài)數(shù)據(jù)報告的結(jié)果識別需要優(yōu)化的模型參數(shù)，并應(yīng)用改進蟻群算法進行分析處理得到全局最優(yōu)解時最優(yōu)參數(shù)配置。

19、優(yōu)選地，所述設(shè)備包括：

20、存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的一種基于數(shù)字孿生協(xié)同的智能大數(shù)據(jù)分析處理程序，所述一種基于數(shù)字孿生協(xié)同的智能大數(shù)據(jù)分析處理程序被所述處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至7中任一項所述的一種基于數(shù)字孿生協(xié)同的智能大數(shù)據(jù)分析處理方法。

21、優(yōu)選地，所述計算機程序產(chǎn)品包括一種基于數(shù)字孿生協(xié)同的智能大數(shù)據(jù)分析處理程序，所述一種基于數(shù)字孿生協(xié)同的智能大數(shù)據(jù)分析處理程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至7中任一項所述的一種基于數(shù)字孿生協(xié)同的智能大數(shù)據(jù)分析處理方法。

22、本發(fā)明的有益效果在于：相較于傳統(tǒng)的數(shù)據(jù)分析方法，在處理復(fù)雜異構(gòu)數(shù)據(jù)時，尤其是實時性要求高的情況下，往往無法及時響應(yīng)和準(zhǔn)確預(yù)測的技術(shù)問題。由于本發(fā)明通過數(shù)字孿生模型與增強現(xiàn)實技術(shù)的結(jié)合使用，從而有效避免了數(shù)據(jù)處理滯后和模型精度不足的問題，提高了數(shù)據(jù)分析的實時性和預(yù)測的準(zhǔn)確性。

技術(shù)特征：

1.一種基于數(shù)字孿生協(xié)同的智能大數(shù)據(jù)分析處理方法，其特征在于，所述方法包括：

2.如權(quán)利要求1所述的基于數(shù)字孿生協(xié)同的智能大數(shù)據(jù)分析處理方法，其特征在于，所述結(jié)合空間映射方法生成數(shù)字孿生模型的步驟，包括：

3.如權(quán)利要求2所述的基于數(shù)字孿生協(xié)同的智能大數(shù)據(jù)分析處理方法，其特征在于，所述三維空間數(shù)據(jù)包括物理實體的幾何形狀數(shù)據(jù)和基于全球定位系統(tǒng)獲取的物理實體的地理位置信息。

4.如權(quán)利要求1所述的基于數(shù)字孿生協(xié)同的智能大數(shù)據(jù)分析處理方法，其特征在于，所述數(shù)字孿生模型包括物理實體的多維數(shù)據(jù)模型，通過虛擬環(huán)境與物理世界進行同步，其中多維數(shù)據(jù)模型包括結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)的多層次映射。

5.如權(quán)利要求1所述的基于數(shù)字孿生協(xié)同的智能大數(shù)據(jù)分析處理方法，其特征在于，所述動態(tài)數(shù)據(jù)報告包括統(tǒng)計分析、預(yù)測分析和系統(tǒng)運行狀態(tài)的多維度視圖。

6.如權(quán)利要求1所述的基于數(shù)字孿生協(xié)同的智能大數(shù)據(jù)分析處理方法，其特征在于，所述改進xgboost算法包括引入加權(quán)方法優(yōu)化特征選擇過程。

7.如權(quán)利要求1所述的基于數(shù)字孿生協(xié)同的智能大數(shù)據(jù)分析處理方法，其特征在于，所述空間映射方法包括通過多源傳感器采集物理空間的地理位置信息和物理特征并將物理特征映射到虛擬環(huán)境中。

8.一種基于數(shù)字孿生協(xié)同的智能大數(shù)據(jù)分析處理裝置，其特征在于，裝置包括：

9.一種基于數(shù)字孿生協(xié)同的智能大數(shù)據(jù)分析處理設(shè)備，其特征在于，包括：

10.一種計算機程序產(chǎn)品，其特征在于，所述計算機程序產(chǎn)品包括一種基于數(shù)字孿生協(xié)同的智能大數(shù)據(jù)分析處理程序，所述一種基于數(shù)字孿生協(xié)同的智能大數(shù)據(jù)分析處理程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至7中任一項所述的一種基于數(shù)字孿生協(xié)同的智能大數(shù)據(jù)分析處理方法。

技術(shù)總結(jié)
本發(fā)明涉及智能大數(shù)據(jù)分析技術(shù)領(lǐng)域，公開了一種基于數(shù)字孿生協(xié)同的智能大數(shù)據(jù)分析處理方法，該方法包括：采集原始數(shù)據(jù)經(jīng)過多源數(shù)據(jù)分析得到初始數(shù)據(jù)集，根據(jù)初始數(shù)據(jù)集構(gòu)建多維數(shù)據(jù)模型，結(jié)合空間映射方法生成數(shù)字孿生模型；基于數(shù)字孿生模型進行實時數(shù)據(jù)監(jiān)測，根據(jù)實時監(jiān)測的數(shù)據(jù)結(jié)合改進XGBoost算法進行預(yù)測分析，根據(jù)預(yù)測分析結(jié)果生成動態(tài)數(shù)據(jù)報告；基于動態(tài)數(shù)據(jù)報告的結(jié)果識別需要優(yōu)化的模型參數(shù)，并應(yīng)用改進蟻群算法進行分析處理得到全局最優(yōu)解時最優(yōu)參數(shù)配置；由于本發(fā)明通過數(shù)字孿生模型與數(shù)據(jù)分析算法的結(jié)合使用，從而有效避免了數(shù)據(jù)處理滯后和模型精度不足的問題，提高了數(shù)據(jù)分析的實時性和預(yù)測的準(zhǔn)確性。

技術(shù)研發(fā)人員：徐嘉輝,吳慶軍
受保護的技術(shù)使用者：南京億海網(wǎng)絡(luò)技術(shù)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2