[發明專利]一種基于邊緣云的物聯網時間序列預測系統及方法

有效

• 申請號: 202011622265.7
• 申請日: 2020-12-30
• 公開（公告）號: CN112822244B
• 公開（公告）日: 2022-06-24
• 發明（設計）人: 莫毓昌
• 申請（專利權）人: 莫毓昌
• 主分類號: H04L67/12
• 分類號: H04L67/12;H04L67/125;G08C17/02;G16Y10/00;G16Y40/30
• 代理公司: 北京市盛峰律師事務所 11337
• 代理人: 于國強

1.一種基于邊緣云的物聯網時間序列預測系統，預測系統包括

數據采集終端；用于采集工業現場數據，并將采集到的工業現場數據通過5G傳遞給5G基站；

5G基站；用于接收數據采集終端傳遞過來的工業現場數據，并將工業現場數據通過通信網絡傳遞給遠端的云平臺；

工業控制終端；用于接收5G基站發送過來的工業控制命令，并根據工業控制命令實施相應的工業控制；

其特征在于：

云平臺；用于根據接收到的歷史工業現場數據，對預測模型進行訓練，獲取訓練好的預測模型，并將訓練好的預測模型傳遞給邊緣云；用于根據增量樣本構造新的訓練集，并利用新的訓練集采用增量合并或替換的方式重新訓練預測模型；

邊緣云；用于接收云平臺通過通信網絡傳遞過來的訓練好的預測模型，并利用訓練好的預測模型對新工業現場數據進行預測，利用預測結果生成工業控制命令，并將工業控制命令傳遞給5G基站；

邊緣云中設置有異常計數器和高度異常計數器，邊緣云根據高度異常計數器的數值與預設數量之間的大小關系，將增量樣本通過通信網絡傳送給云平臺；云平臺根據增量樣本構造新的訓練集，并根據異常計數器的數值和高度異常計數器的數值之間的差值與預設偏差的大小關系，確定采用增量合并或替換合并的方式利用新的訓練集重新訓練預測模型；

所述預測系統用于實現如下的基于邊緣云的物聯網時間序列預測方法，預測方法包括，

S1、數據采集終端將采集到的工業現場數據通過5G傳遞給5G基站；

S2、5G基站通過通信網絡將工業現場數據傳輸到遠端的云平臺；

S3、云平臺根據收集到的工業現場數據Seq＝{D1,D2,D3,…,DT}構建訓練集；

S4、云平臺利用訓練集對預測模型進行訓練，并將訓練好的預測模型MODEL和訓練好的預測模型MODEL在訓練集上預測誤差E的標準差delta通過通信網絡傳遞給邊緣云；

S5、邊緣云利用訓練好的訓練模型MODEL對新工業現場數據ND＝{DT-N+2,DT-N+3,…,DT,DT+1}進行預測，并利用預測結果y＝MODEL(ND)生成工業控制命令，之后通過5G基站將工業控制命令傳遞給工業控制終端；N為樣本大小；

S6、工業控制終端根據工業控制命令實施相應的工業控制；

S7、邊緣云根據采集的最新工業現場數據計算前一次的預測誤差，并根據計算的前一次預測誤差與標準差之間的關系，使異常計數器和/或高度異常計數器的數值加1；并在高度異常計數器的數值超過預設數量K時，將增量樣本通過通信網絡傳送給云平臺；云平臺根據增量樣本構造新的訓練集，并根據異常計數器的數值和高度異常計數器的數值之間的差值與預設偏差的大小關系，確定采用增量合并或替換合并的方式利用新的訓練集重新訓練預測模型，將更新的預測模型MODEL’和標準差delta’傳送給邊緣云，邊緣云利用更新的MODEL’和標準差delta’返回步驟S5進行預測，獲取新的工業控制命令。

2.根據權利要求1所述的基于邊緣云的物聯網時間序列預測系統，其特征在于：采用增量合并的方式構造新的訓練集具體為，

當異常計數器的數值減去高度異常計數器的數值得到的差值小于預設偏差ε；則表示工業時序數據的分布模型沒有發生流變，當前的預測模型有效；此時，采用增量合并的方式構造新的訓練集，即將增量樣本集與原始的訓練集進行合并，構造新的訓練集；

采用替換合并的方式構造新的訓練集具體為，

當異常計數器的數值減去高度異常計數器的數值得到的差值大于或等于預設偏差ε；則表示工業時序數據的分布模型發生流變，當前的預測模型失效；此時，采用替換合并的方式構造新的訓練集，即使用增量樣本集替換原始訓練集中最早的數據樣本，構造新的訓練集。