论文部分内容阅读
近年来,随着物联网、云计算、大数据等技术的快速发展,相关工业设备朝着智能化的方向迈进,整个工业领域正处在通向创新与时代变革的门口。将互联网技术应用到工业领域具有极大的前景和研究意义,这种创新能够为航空、铁路、电力、石油和天然气开发等工业应用带来更快的发展速度和更高的效率,必将推动更强劲的经济增长,提高人们的生活水平。在工业领域中,数据源源不断的到达,离线的静态数据分析方法已经无法满足实时分析的应用需求,用户需要在线动态的数据分析方法来实时处理不断到达的数据。 通过结合工业数据的特点以及大数据的发展趋势,文章提出将数据流技术引入到工业应用中,解决海量数据规模下实时数据在线预测问题。 文章研究了数据流相关基础以及时间序列预测方法。关于数据流的预测还处于初期阶段,没有形成系统研究。现有的预测方法时间性能较差,无法做到在线实时的预测分析。文章从实时预测的角度出发,设计了一种数据流实时预测方法,该算法仅需对数据进行单次扫描,构建概要结构,获取分析预测结果。文章提出了一种数据流滑动窗口平均值算法,该算法拓展自指数直方图算法,相对于指数直方图算法,该算法的时间性能更好,且同样能保证有限的误差。接着文章借鉴了经典时间序列预测算法中的趋势移动平均预测法的成果,结合了滑动平均值算法,建立了工业数据流实时在线预测算法,并在课题组自研的数据流分析平台实现了该算法,有效地解决了典型工业互联网应用——城市照明系统中的数据流实时预测问题。