制造业大数据的建模与分析

目录 第1章 绪论 1 1.1制造业大数据的定义与特征 1 1.2制造业大数据的应用现状 3 1.3大数据分析的基础研究现状 4 1.4制造业大数据分析技术路线 5 1.4.1制造业大数据分析模型研究的技术路线 5 1.4.2制造业大数据质量分析与清洗研究的技术路线 5 1.4.3制造业大数据分析算法研究的技术路线 6 1.4.4制造业大数据分析结果回馈研究的技术路线 7 1.5本书内容概述 8 1.5.1四个主要模块 9 1.5.2本书解决问题的意义和价值 9 第2章 制造业大数据分析模型 11 2.1制造业大数据分析场景和分析模型需求 11 2.2制造业大数据自动分析系统 12 2.2.1制造业大数据自动分析系统的设计 13 2.2.2制造业大数据分析模型的实现 15 2.3面向应用的大数据分析模型 22 2.3.1多变量调优的 LSTM时间序列预测模型 22 2.3.2基于迁移学率预测模型 33 2.3.3基于迁移学率预测多模型集成方法 40 2.3.4基于神经网络的销量预测模型 50 第3章制造业大数据清洗技术 60 3.1基于对抗神经网络的复杂时间序列修复 60 3.2时间序列缺失值填充算法 68 3.2.1问题定义 68 3.2.2时间序列缺失值填充算法描述 70 3.2.3 算法的收敛证明 75 3.2.4时间序列的缺失值填充算法实验 77 3.3时间序列异常值检测与修复算法 80 3.3.1 问题定义 80 iv 制造业大数据的建模与分析 3.3.2 基于速度约束解决时间序列异常值检测与修复 81 3.3.3基于方差约束解决时间序列异常值检测与修复 88 3.3.4时间序列的异常值检测与清洗算法实验 91 3.4时间序列时间戳错乱问题修复算法 96 3.4.1时间序列乱序问题的更新算法 97 3.4.2基于时间约束的时间戳清洗算法 99 3.4.3时间序列的时间戳修复算法实验 104 第4章 制造业大数据分析算法 108 4.1基于条件场的复杂时间序列分析算法 108 4.1.1基于条件场与 Sta的复杂时间序列趋势预测 108 4.1.2利用条件场解决复杂时间序列修复问题 111 4.2似时间序列匹配并行化算法 SFSC 115 4.2.1时间序列的似化表示 115 4.2.2 SFSC_MR算法体设计 117 4.2.3 SFSC_MR算法的具体设计 119 4.2.4 SFSC_MR算法的分析 126 4.2.5 SFSC_MR算法的实验结果 127 4.2.6并行化算法的扩展 129 4.3基于并行深度学工业时序大数据分类算法 131 4.3.1分类工业大数据时间序列的深度学 131 4.3.2适应工业时序大数据实时的深度学 142 4.4基于迁移学和终身学故障预测算法 151 4.4.1基于迁移学预测 151 4.4.2基于终身学预测 163 第5章 制造业大数据分析支撑技术 175 5.1特征选择技术 175 5.1.1 基于 softmax的集成特征选择算法 175 5.1.2基于遗传算法的集成特征选择方法 182 5.2数据源选择技术 191 5.3计算台优化技术 194 5.3.1面向制造业大数据的并行系统优化方法 194 5.3.2 基于 HDFS的文件访问技术研究 198 5.3.3分布式分析中迭代优化策略 200 第6章 面向制造业的知识图谱 202 6.1制造业知识图谱构建 202 6.1.1研究背景与意义 202 6.1.2定量知识抽取 203 6.1.3事理知识抽取 212 6.2制造业知识图谱清洗技术 224 6.3制造业知识图谱查询技术 226 参考文献 233