【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种基于物联网时序数据的问答预测系统及方法。
技术介绍
1、随着物联网技术的不断演进，物联网设备产生的时序数据不仅数量庞大，而且具有极高的价值。特别是在工业领域，这些时序数据能够揭示机械设备的运行状态、性能变化以及可能出现的故障。对于工厂和企业来说，能够准确、快速地识别机械的工作状态和维保需求，意味着能够减少停机时间、提高生产效率并降低维护成本。
2、传统的数据分析方法，如机器学习或深度学习，往往需要大量的标注数据来训练模型。然而，标注数据需要人工参与，不仅增加了成本，还可能引入人为误差；其次，物联网设备产生的数据往往是实时的、连续的，这要求标注工作能够实时进行，这在实际操作中是非常困难的；此外，由于设备的运行环境和状态可能随时发生变化，标注数据的时效性也是一个需要考虑的问题。实际应用中标注数据的获取往往成本高昂且耗时。因此，如何在不进行任务训练的情况下，利用有限的标注数据对物联网时序数据进行分析，成为了一个具有挑战性的问题。
技术实现思路
1、针对物联网时序数据在模式识别中存在的标注数据获取和模型训练等问题，本专利技术提出一种基于物联网时序数据的问答预测系统及方法，在不进行任务训练的情况下，利用大语言模型对物联网时序数据进行分析，将任务指令、物联网数据和标注结果拼接合成示例数据，实现对工程机械状态的准确预测。
2、为了实现上述目的，本专利技术通过如下的技术方案来实现：
3、一种基于物联网时序数据的问答预测系统，所
4、数据获取模块，用于获取物联网下由多个不同类型传感器采集的时序数据；
5、数据处理模块，用于将获取的时序数据进行预处理、对齐、向量化和文本化处理，生成统一数据形式的物联网数据；
6、示例数据生成模块，用于对物联网数据的分析结果进行人工标注，将任务指令、物联网数据和标注结果拼接合成示例数据，作为大语言模型的输入；
7、任务输入模块，用于通过可视化界面或api接口获取用户输入的prompt，所述prompt至少包括两组示例数据、待预测数据和任务描述，其中，待预测数据具体为数据处理模块生成的统一数据形式的物联网数据；
8、问答预测模块，用于通过大语言模型对所述示例数据进行上下文学习，根据任务描述对待预测数据进行识别，生成预测结果并输出。
9、作为本专利技术的一种优选方案，所述数据处理模块包括：
10、预处理单元，用于对所述时序数据进行清洗和异常值处理；
11、对齐单元，用于将预处理后的时序数据按照时间窗口进行对齐，具体为：按照项目需求采集传感器中n个连续时间窗口的时序数据，将每个传感器在同一时间窗口采集的时序数据按照“秒平均”进行聚合，将秒平均值作为传感器在该时间窗口记录的数值，每个时间窗口内包含m个数值，每个数值对应来自于一个传感器；
12、向量化单元，用于将对齐后的时序数据合并为元组进行向量化表示，每个元组对应一个时间窗口，即每个元组包含有序的m个数值；
13、文本化单元，用于将向量化处理后的时序数据组织成文本形式，生成统一数据形式的物联网数据。
14、作为本专利技术的一种优选方案，所述数据处理模块还包括离散化单元，用于进行数值离散化处理，把每个元组中每个数值转化为固定的文本长度，公式为：
15、离散数值d=round(log(传感器采集值/分辨率)/log(传感器最大值/分辨率)*维度最大值)。
16、作为本专利技术的一种优选方案，所述问答预测模块包括：
17、上下文学习模块，用于通过输入的示例数据，利用大语言模型捕捉示例数据中的语义信息和上下文关系，学习数据的模式和规律；
18、数据识别模块，用于利用大语言模型中的语义理解和实体识别能力，对待预测数据进行解析和分类，提取出关键信息，根据任务描述对待预测数据进行识别，包括识别待预测数据的类型、属性和时序特征等，以及理解任务描述中的具体要求；
19、预测生成模块，用于基于上下文学习和数据识别的结果，利用大语言模型的生成能力，生成符合任务描述的预测结果；
20、结果优化模块，对生成的预测结果进行后处理和优化，包括使用自然语言处理技术对预测结果进行润色和修正语法错误，或根据任务需求对预测结果进行指定的格式化处理；
21、反馈与迭代模块，用于建立反馈机制接收用户对预测结果的反馈，并将反馈用于优化大语言模型。
22、作为本专利技术的一种优选方案，所述问答预测模块还集成有专家系统和知识图谱，并进行分布式存储，用于对生成的预测结果进行优化和给出人工分析的方法建议，所述专家系统包括推理机、案例库管理系统和解释模块；
23、所述推理机为用于实现专家推理的程序；所述案例库管理系统用于根据历史物联网数据和对应的问答预测结果构建案例库，并不断更新和维护案例库的内容；所述解释模块用于向用户解释专家系统的行为和结果；
24、所述知识图谱将大语言模型作为主体网络结构，结合注意力机制计算每个实体的权重，预测实体-关系的三元组概率分布，进行实体识别与关系分类，实现实体-关系联合抽取，并通过人工检查或专家系统对构建的知识图谱进行验证。
25、作为本专利技术的一种优选方案，所述示例数据中还包括传感器信息以及人工观察数据的方法，所述传感器信息包括传感器数量以及每个传感器对应的功能、型号和规格。
26、一种基于物联网时序数据的问答预测方法，所述方法包括：
27、获取物联网下由多个不同类型传感器采集的时序数据；
28、将获取的时序数据进行预处理、对齐、向量化和文本化处理，生成统一数据形式的物联网数据；
29、对物联网数据的分析结果进行人工标注，将任务指令、物联网数据和标注结果拼接合成示例数据，作为大语言模型的输入；
30、获取用户输入的prompt，通过大语言模型对所述示例数据进行上下文学习，利用大语言模型捕捉示例数据中的语义信息和上下文关系，学习数据的模式和规律；
31、利用大语言模型中的语义理解和实体识别能力，对待预测数据进行解析和分类，提取出关键信息，根据用户输入的prompt进行数据识别；
32、基于上下文学习和数据识别的结果，利用大语言模型的生成能力，生成符合任务描述的预测结果并输出。
33、作为本专利技术的一种优选方案，所述prompt至少包括两组示例数据、待预测数据和任务描述，其中，待预测数据具体为数据处理模块生成的统一数据形式的物联网数据。
34、作为本专利技术的一种优选方案，所述将获取的时序数据进行预处理、对齐、向量化和文本化处理，具体包括：
35、对所述时序数据进行清洗和异常值处理；
36、将预处理后的时序数据按照时间窗口进行对齐，具体为：按照项目需求采集传感器中n个连续时间窗口的时序数据，将每个传感器在同一时间窗口采集的时序数据按照“秒平均本文档来自技高网...
【技术保护点】
1.一种基于物联网时序数据的问答预测系统，其特征在于，所述系统包括：
2.根据权利要求1所述的一种基于物联网时序数据的问答预测系统，其特征在于，所述数据处理模块包括：
3.根据权利要求2所述的一种基于物联网时序数据的问答预测系统，其特征在于，所述数据处理模块还包括离散化单元，用于进行数值离散化处理，把每个元组中每个数值转化为固定的文本长度，公式为：
4.根据权利要求1所述的一种基于物联网时序数据的问答预测系统，其特征在于，所述问答预测模块包括：
5.根据权利要求4所述的一种基于物联网时序数据的问答预测系统，其特征在于，所述问答预测模块还集成有专家系统和知识图谱，并进行分布式存储，用于对生成的预测结果进行优化和给出人工分析的方法建议，所述专家系统包括推理机、案例库管理系统和解释模块；
6.根据权利要求5所述的一种基于物联网时序数据的问答预测系统，其特征在于，所述示例数据中还包括传感器信息以及人工观察数据的方法，所述传感器信息包括传感器数量以及每个传感器对应的功能、型号和规格。
7.一种基于物联网时序数据的问答预
8.根据权利要求7所述的一种基于物联网时序数据的问答预测方法，其特征在于，所述prompt至少包括两组示例数据、待预测数据和任务描述，其中，待预测数据具体为数据处理模块生成的统一数据形式的物联网数据。
9.根据权利要求7所述的一种基于物联网时序数据的问答预测方法，其特征在于，所述将获取的时序数据进行预处理、对齐、向量化和文本化处理，具体包括：
10.根据权利要求7所述的一种基于物联网时序数据的问答预测方法，其特征在于，所述方法还包括通过专家系统和知识图谱对生成的预测结果进行验证和调整，使用自然语言处理技术对预测结果进行润色和修正语法错误，或根据任务需求对预测结果进行指定的格式化处理。
...【技术特征摘要】
1.一种基于物联网时序数据的问答预测系统，其特征在于，所述系统包括：
2.根据权利要求1所述的一种基于物联网时序数据的问答预测系统，其特征在于，所述数据处理模块包括：
3.根据权利要求2所述的一种基于物联网时序数据的问答预测系统，其特征在于，所述数据处理模块还包括离散化单元，用于进行数值离散化处理，把每个元组中每个数值转化为固定的文本长度，公式为：
4.根据权利要求1所述的一种基于物联网时序数据的问答预测系统，其特征在于，所述问答预测模块包括：
5.根据权利要求4所述的一种基于物联网时序数据的问答预测系统，其特征在于，所述问答预测模块还集成有专家系统和知识图谱，并进行分布式存储，用于对生成的预测结果进行优化和给出人工分析的方法建议，所述专家系统包括推理机、案例库管理系统和解释模块；
6.根据权利要求5所述的一种基于物联网时序数据的问答预测系统，其特征在于，所...
【专利技术属性】
技术研发人员：王晔，
申请(专利权)人：南京智鹤电子科技有限公司，
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。