基于产业数据可视化的智能分析方法及系统与流程

本发明涉及可视化智能分析，尤其涉及一种基于产业数据可视化的智能分析方法及系统。

背景技术：

1、随着信息技术的快速发展，智能制造已成为产业升级的重要方向。基于产业数据可视化的智能分析方法及系统对于智能制造的发展具有重要意义。通过数据可视化和智能分析的结合，企业能够更好地了解生产线的实时状态和问题，制定优化和改进措施，提高生产效率和质量。

2、中国专利公开号：cn114925835a公开了一种产业图谱智能生成方法及系统，通过产业源数据获取，数据预处理以及智能化的分析和挖掘，构建和生成产业政策图谱、产业链图谱和产业发展历程图谱三维度的融合产业图谱，非本领域的从业人员通过该系统可以依据产业图谱需求，方便快捷的生成对应产业类别下的产业图谱，极大的提升产业数据分析的效率。系统会针对图谱数据进行自动化合并整理，进行可视化展示，并以多种文件格式导出供企业查看，具有很好的用户体验。由此可见，所述产业图谱智能生成方法及系统存在由于数据训练的输出数据更新到人工智能问答模型中，更新的数据与人工智能问答本身的数据出现冲突，造成系统运行出现错误，从而导致系统运行的稳定性下降的问题。

技术实现思路

1、为此，本发明提供一种基于产业数据可视化的智能分析方法，用以克服现有技术中由于数据训练的输出数据更新到人工智能问答模型中，更新的数据与人工智能问答本身的数据出现冲突，造成系统运行出现错误，从而导致系统运行的稳定性下降的问题。

2、为实现上述目的，本发明提供一种基于产业数据可视化的智能分析方法，包括以下步骤：获取若干基础产业数据以形成数据集，并对所述数据集进行预处理以输出对照数据集；对所述对照数据集进行特征分析以确定待训练分析模型，并使用所述对照数据集对所述待训练分析模型进行训练以输出分析模型；对所述分析模型的运行误差进行统计以对分析模型进行更新；基于所述分析模型的输出结果的字节平均差异量确定数据训练过程的对应重复训练次数，或，对所述分析模型在模型更新前后的两个相同输入的输出结果分别进行获取；基于所述分析模型的输出结果的字节量的差异量对分析模型的更新方式进行确定，或，基于所述分析模型的输出结果的字节量的差异量和分析模型出现相同误差类型的数量确定分析模型更新数据的第一对应备份频率；获取按照所述分析模型更新数据的第一对应备份频率运行单个周期后的分析模型的响应延迟时长；基于所述分析模型的响应延迟时长对分析模型更新数据的第二对应备份频率进行确定；其中，所述分析模型更新数据的第一对应备份频率大于所述分析模型更新数据的第二对应备份频率。

3、进一步地，确定所述数据训练过程的重复训练次数的步骤包括：

4、获取在相同的输入量情况下分析模型的输出结果的字节量以对所述分析模型的输出结果的字节平均差异量进行计算；

5、将所述分析模型的输出结果的字节平均差异量分别与预设第一平均差异量和预设第二平均差异量进行对比；

6、若所述分析模型的输出结果的字节平均差异量大于所述预设第二平均差异量，则按照预设第二平均差异量对应的重复训练次数对分析模型进行训练；

7、其中，所述预设第一平均差异量小于所述预设第二平均差异量。

8、进一步地，所述对应重复训练次数通过所述分析模型的输出结果的字节平均差异量与所述预设第二平均差异量的差值确定。

9、进一步地，确定所述模型更新的方式的判定步骤包括：

10、若所述分析模型的输出结果的字节平均差异量大于所述预设第一平均差异量且小于等于所述预设第二平均差异量，则初步判定分析模型更新的精准性不符合要求；

11、分别获取分析模型在更新前后的两个相同输入量的输出结果，并对分析模型的输出结果的字节量的差异量进行计算；

12、将所述分析模型的输出结果的字节量的差异量分别与预设第一差异量和预设第二差异量进行对比；

13、若所述分析模型的输出结果的字节量的差异量大于所述预设第二差异量，则二次判定分析模型更新的精准性不符合要求，并按照所述分析模型的更新方式对分析模型进行更新。

14、进一步地，所述分析模型的更新方式为：当分析模型的输出结果为数据集时，分析模型的更新类型最高数量配置为第一更新数量；当分析模型的输出结果为单个数据时，分析模型的更新类型的最高数量配置为第二更新数量；

15、其中，所述第一更新数量大于所述第二更新数量。

16、进一步地，确定所述第一对应备份频率的判定步骤包括：

17、若所述分析模型的输出结果的字节量的差异量大于所述预设第一差异量且小于等于所述预设第二差异量，则初步判定回归测试的全面性不符合要求；

18、获取分析模型出现相同误差类型的数量进行计算；

19、将所述分析模型出现相同误差类型的数量与预设数量进行对比；

20、若所述分析模型出现相同误差类型的数量大于所述预设数量，则二次判定回归测试的全面性不符合要求，并对所述第一对应备份频率进行确定。

21、进一步地，所述第一对应备份频率通过所述分析模型出现相同误差类型的数量与所述预设数量的差值进行确定。

22、进一步地，确定所述第二对应备份频率的步骤包括：

23、将所述分析模型的响应延迟时长与预设延迟时长进行对比；

24、若所述分析模型的响应延迟时长大于所述预设延迟时长，则判定数据更新的实时性不符合要求，并对所述第二对应备份频率进行确定。

25、进一步地，所述第二对应备份频率通过所述分析模型的响应延迟时长与所述预设延迟时长的差值进行确定。

26、本发明还提供一种基于产业数据可视化的智能分析方法的智能分析系统，包括；

27、数据采集模块，用以采集若干基础产业数据以形成数据集；

28、数据预处理模块，其与所述数据采集模块相连，用以对所述数据集进行预处理以输出对照数据集；

29、模型训练模块，其分别与所述数据采集模块和所述数据预处理模块相连，用以对所述对照数据集中的产业特征数据进行特征分析以确定待训练分析模型，以及，使用所述对照数据集对所述待训练分析模型进行训练以输出分析模型；

30、存储模块，其分别与所述数据采集模块、所述数据预处理模块以及所述模型训练模块相连，用以分别对所述数据集、所述对照数据集以及所述分析模型的训练信息和更新信息进行存储；

31、控制模块，其分别与所述数据采集模块、所述数据预处理模块、所述存储模块以及所述模型训练模块相连，用以根据分析模型的输出结果的字节平均差异量确定数据训练过程的重复训练次数，或，根据所述分析模型的输出结果的字节平均差异量和分析模型的输出结果的字节量的差异量确定模型更新的方式，以及，根据所述分析模型的输出结果的字节量的差异量和分析模型出现相同误差类型的数量确定分析模型更新数据的第一对应备份频率，以及，根据分析模型的响应延迟时长确定分析模型更新数据的第二对应备份频率。

32、与现有技术相比，本发明的有益效果在于，本发明所述分析方法通过设置预设第一平均差异量和预设第二平均差异量，根据分析模型的输出结果的字节平均差异量确定数据训练过程的重复训练次数，降低了由于数据训练的输出数据更新到人工智能问答模型中，更新的数据与人工智能问答本身的数据出现冲突，造成系统运行出现错误，从而导致系统运行的稳定性下降的影响；通过设置预设第一差异量和预设第二差异量，通过对模型更新方式进行确定，降低了由于更新范围过大导致输出数据为单个数据时，输出数据的改变过大，导致分析模型更新的精准性下降的影响，实现了分析模型运行稳定性的提高。

33、进一步地，通过设置预设第一平均差异量和预设第二平均差异量，根据分析模型的输出结果的字节平均差异量确定数据训练过程的重复训练次数，降低了由于数据训练的输出数据更新到人工智能问答模型中，更新的数据与人工智能问答本身的数据出现冲突，造成系统运行出现错误，从而导致系统运行的稳定性下降的影响，进一步实现了分析模型运行稳定性的提高。

34、进一步地，本发明所述分析方法通过设置预设第一差异量和预设第二差异量，通过对模型更新方式进行确定，降低了由于更新范围过大导致输出数据为单个数据时，输出数据的改变过大，导致分析模型更新的精准性下降的影响，进一步实现了分析模型运行稳定性的提高。

35、进一步地，本发明所述分析方法通过设置预设字节量，在分析模型更新时如果没有对更新的相关数据进行及时备份，那么就会造成分析模型在进行回归测试中的测试的全面性不足，从而会造成某些功能测试的遗漏，使分析模型在实际运行中遇见未知的错误，因此导致分析模型更新的下一次模型更新的精准性不符合要求，通过对分析模型更新数据的备份频率进行增大，进一步实现了分析模型运行稳定性的提高。

36、进一步地，本发明所述分析方法通过设置预设延迟时长，通过根据分析模型的响应延迟时长确定分析模型更新数据的第二对应备份频率，降低了由于分析模型更新数据的备份频率过大，系统处理数据过多，导致系统响应时间增加，从而导致数据更新实时性下降的影响，进一步实现了分析模型运行稳定性的提高。