【技术实现步骤摘要】
本申请涉及工业生产，尤其涉及一种基于em算法的工业数据风险预测方法、设备及介质。
技术介绍
1、目前，随着工业4.0的发展，工业领域的工业数据安全风险评估变得越来越重要。工业4.0是指利用物联网、大数据、云计算等信息技术，将传统工业生产与现代信息技术相结合，实现智能化制造和管理。在这样的背景下，工业数据扮演着至关重要的角色，被用于决策制定、生产优化以及设备状态监测等方面。工业数据涉及企业的核心资产和生产运营的各个环节，一旦发生数据泄露或被篡改，将给企业带来巨大的经济损失和声誉损失。
2、但是，在工业领域，工业数据具有复杂性和不确定性等特点，其风险因素也具有隐蔽性和难以量化的特点。传统的风险预测方法往往基于人工经验或简单的统计方法，这些方法在面对大规模、高维度、动态变化的工业数据时表现不佳，难以准确评估潜在的风险因素。例如，人工预测方法主要依靠评估人员的经验和直觉，具有较大的主观性和不确定性；统计方法则只能处理简单的数据结构和有限的风险因素，难以应对复杂和大规模的数据处理需求。
技术实现思路
1、本申请实施例提供了一种基于em算法的工业数据风险预测方法、设备及介质，用以解决现有的风险预测方法往往基于人工经验或简单的统计方法，难以准确评估潜在的风险因素的技术问题。
2、一方面，本申请实施例提供了一种基于em算法的工业数据风险预测方法，包括：
3、基于工业生产环境中的预设物联设备，收集对应的工业数据，并将所述工业数据存储至数据集中；
4、对
5、基于训练完的em算法模型，对所述归一化数据集中的工业数据进行数据迭代，并在迭代过程中，根据所述工业数据对应的分布情况，计算所述工业数据对应的风险概率；
6、基于所述工业数据对应的风险概率，生成对应的风险评估报告，以实现对工业数据的风险预测。
7、在本申请的一种实现方式中，所述对所述数据集中的工业数据进行预处理，以得到对应的归一化数据集，具体包括：
8、对所述数据集中的工业数据进行数据清洗，以将所述数据集中的无效数据和冗余数据进行删除，并得到数据清洗之后的数据集；
9、对数据清洗之后的数据集进行异常值处理，以将清洗之后数据集中的错误数据、离群值以及异常数据进行删除，得到数据清洗及异常处理之后的数据集；
10、确定数据清洗及异常处理之后的所述数据集中是否存在缺失值，若是，则对所述缺失值进行填充，并得到工业数据对应的完整的数据集；
11、对完整的所述数据集中的工业数据的数据格式进行统一，以得到对应的归一化数据集。
12、在本申请的一种实现方式中，所述将所述归一化数据集中的工业数据导入至em算法模型中，以对所述em算法模型进行训练之前，所述方法还包括：
13、针对所述归一化数据集中的每个工业数据，分别确定对应的观测数据，并确定观测数据对应的风险影响因子；
14、将每个观测数据对应的风险影响因子作为对应工业数据的隐变量，以得到所述归一化数据集对应的隐变量集。
15、在本申请的一种实现方式中，所述将所述归一化数据集中的工业数据导入至em算法模型中，以对所述em算法模型进行训练，具体包括：
16、将所述归一化数据集中的工业数据导入至em算法模型中，并基于所述em算法模型计算观测数据对应的期望值，以得到对应的似然函数；
17、通过所述似然函数，确定所述em算法模型对应的模型最佳参数，并基于所述模型最佳参数，确定所述工业数据对应的隐变量预测值，完成对所述em算法模型的训练。
18、在本申请的一种实现方式中，所述基于训练完的em算法模型，对所述归一化数据集中的工业数据进行数据迭代之前，所述方法还包括：
19、对隐变量集中的隐变量进行初始化，并确定所述em算法模型对应的收敛条件；
20、计算所述归一化数据集中每个工业数据对应的高斯分布概率，并将高斯分布概率作为对应工业数据对风险概率的贡献；所述高斯分布概率用于表示工业数据对应的特征向量与高斯分布中心的距离；
21、按照对风险概率的贡献由大到小的顺序，对所述归一化数据集中的工业数据进行排序，并按照由大到小的顺序，确定出预设数量个工业数据，以得到所述预设数量个工业数据的分布情况。
22、在本申请的一种实现方式中，所述基于训练完的em算法模型，对所述归一化数据集中的工业数据进行数据迭代，具体包括：
23、基于预设数量个工业数据的分布情况，对所述em算法模型的模型参数以及工业数据的分布目标进行调整；
24、基于似然函数以及所述预设数量个工业数据对风险概率的贡献，预测对应工业数据的高斯分布参数，并得到对应的预测结果；
25、根据所述预测结果中所述工业数据对应的高斯分布参数，对所述em算法模型的模型参数进行更新，直至所述em算法模型与对应的收敛条件相匹配。
26、在本申请的一种实现方式中，所述基于所述工业数据对应的风险概率，生成对应的风险评估报告，以实现对工业数据的风险预测之后，所述方法还包括：
27、将所述风险评估报告发送至对应的客户端，并确定所述风险评估报告中工业数据对应的风险概率以及所述风险概率对应的风险等级；
28、通过预设方式，将所述风险概率和对应的风险等级可视化展示于所述客户端的界面，以对存在风险的工业数据进行预警。
29、在本申请的一种实现方式中，所述基于工业生产环境中的预设物联设备，收集对应的工业数据，并将所述工业数据存储至数据集中，具体包括：
30、确定出预设于工业生产环境中的多个传感器和监控设备，并通过所述多个传感器和监控设备，分别获取对应的工业数据；
31、其中，所述传感器至少包括：温度传感器、压力传感器和液位传感器，所述工业数据至少包括：设备运行数据、人员操作数据、环境监测数据以及生产过程数据；
32、确定工业数据对应的数据类型，并根据数据类型，将工业生产环境中的多个工业数据分别存储至数据集中。
33、另一方面，本申请实施例还提供了一种基于em算法的工业数据风险预测设备，所述设备包括：
34、至少一个处理器；
35、以及，与所述至少一个处理器通信连接的存储器；
36、其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述的一种基于em算法的工业数据风险预测方法。
37、另一方面，本申请实施例还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机在执行可执行指令时实现如上述的一种基于em算法的工业数据风险预测方法。
38、本申请实施例提供了一种基于em算法的工业本文档来自技高网...
【技术保护点】
1.一种基于EM算法的工业数据风险预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于EM算法的工业数据风险预测方法，其特征在于，所述对所述数据集中的工业数据进行预处理，以得到对应的归一化数据集，具体包括：
3.根据权利要求1所述的一种基于EM算法的工业数据风险预测方法，其特征在于，所述将所述归一化数据集中的工业数据导入至EM算法模型中，以对所述EM算法模型进行训练之前，所述方法还包括：
4.根据权利要求3所述的一种基于EM算法的工业数据风险预测方法，其特征在于，所述将所述归一化数据集中的工业数据导入至EM算法模型中，以对所述EM算法模型进行训练，具体包括：
5.根据权利要求1所述的一种基于EM算法的工业数据风险预测方法，其特征在于，所述基于训练完的EM算法模型，对所述归一化数据集中的工业数据进行数据迭代之前，所述方法还包括：
6.根据权利要求5所述的一种基于EM算法的工业数据风险预测方法，其特征在于，所述基于训练完的EM算法模型，对所述归一化数据集中的工业数据进行数据迭代，具体包括：
7.
8.根据权利要求1所述的一种基于EM算法的工业数据风险预测方法，其特征在于，所述基于工业生产环境中的预设物联设备，收集对应的工业数据，并将所述工业数据存储至数据集中，具体包括：
9.一种基于EM算法的工业数据风险预测设备，其特征在于，所述设备包括：
10.一种非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机在执行可执行指令时实现如权利要求1-8任一项所述的一种基于EM算法的工业数据风险预测方法。
...【技术特征摘要】
1.一种基于em算法的工业数据风险预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于em算法的工业数据风险预测方法，其特征在于，所述对所述数据集中的工业数据进行预处理，以得到对应的归一化数据集，具体包括：
3.根据权利要求1所述的一种基于em算法的工业数据风险预测方法，其特征在于，所述将所述归一化数据集中的工业数据导入至em算法模型中，以对所述em算法模型进行训练之前，所述方法还包括：
4.根据权利要求3所述的一种基于em算法的工业数据风险预测方法，其特征在于，所述将所述归一化数据集中的工业数据导入至em算法模型中，以对所述em算法模型进行训练，具体包括：
5.根据权利要求1所述的一种基于em算法的工业数据风险预测方法，其特征在于，所述基于训练完的em算法模型，对所述归一化数据集中的工业数据进行数据迭代之前，所述方法还包括：
...
【专利技术属性】
技术研发人员：张娜娜，肖雪，商广勇，李佳，罗涛，刘大庆，
申请(专利权)人：浪潮云洲工业互联网有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。