为什幺要在佛前供花、果、燃灯、烧香?是不是给佛菩萨吃喝的?有

在佛案前,一般都供以花、果,并燃点灯、香。究竟其中有什幺意义呢?是不是用来装饰?抑或是给佛菩萨闻的,

2020-06-15影视奇趣

263浏览

工程师们,教你使用IoTANALYTICS网站进行大数据挖掘


工程师们,教你使用IoTANALYTICS网站进行大数据挖掘

装置的互连,带来了一个全新的商机。对于个人而言大幅了增加对于周围的环境事物的可控度。我们可以远端遥控家里、交通工具和办公室,只需要用到一支智慧型手机 。

利用这些高程度的互连装置,现在我们还可以收集到巨量的资料「更加的具体真实」藉由内嵌着各式各样传感器的装置提供多样的讯息。这些传感器例如:温度传感器、加速度传感器和位置传感器可以提供状态的资料。但是这些资料仅是广泛的资料数值,尚且缺乏强大的资料分析工具来处理讯息。这些泛用的数值资料可藉由英特尔的物联网分析工具与建置在区域端的感应元件来汇集、整理与探勘大数据。

介绍

这些互连元件的需求成长是极具爆发性的。 可携式产品的成长, 网际网路的普及和强健的功能与亲民的价格造就了从个人连结到终端装置的方式富而多元的想像空间, 这些都是前所未见的机会。

10 年以前谁可以预测到社群网路的蓬勃?同样的,我们现在所处的世界,连结每百万位元的资料量的花费大幅降低、无线通讯随处可用,各种机器也可以相互连结。这就是物连网的世界。

收集与分析遍布各地的设置的感应器数据成为了物联网发展过程中的一个显着的成长点。设想一下,道路中内置温度传感器的数据收集。这些传感器均通过有线或无线连接至当地的收集点,以供数据处理和汇集。

随后稳定的信息将传给道路管理人员,他们负责决定何时何地部署开路、道路处理、封锁施工,甚至暂时绕道。

现在,想像一下如何使用这些数据以建立关于路面温度如何随当地条件上下波动的预测模型。也许特定的桥会特别容易结冰;则这种情况的预警机制可以适时的提供适当的处置,从而减少桥上事故风险。

英特尔 Galileo 和 Edison 开发板经过专门的设计与建构,可为大众提供这类传感器数据收集的功能。各种各样的传感器可以将报告数据给物联网集结成开发板,并对该数据进行暂时收集和进行预先处理。英特尔创建了物联网分析网站可连结英特尔 Galileo 和 Edison 驱动的传感器网络和汇集大量的时间序列数据作进一步分析。

传感器类型与应用

今天,各种小型、经济、功能强大的环境传感器均可连接和集成至几乎其他所有设备。这些传感器发送在定义的频率测量和精确度传输测量值。这种数据生成由固定时间点和各时间点的值所组成的时间序列。例如,考虑一个发射射频识别晶片嵌入在矿工的徽章。该晶片将关于工人的时间和位置数据的连续资料传输,使矿井安全管理人员确切地知道那里的工人人数。这样的数据,如果在一个煤矿事故中,可以直接反应出挽救生命的关键价值。

工程师们,教你使用IoTANALYTICS网站进行大数据挖掘
表 1  传感器的类别与例子

传感器可以建置来传送他们的测量值,一则是可以透过限定的物理连接或使用的几种无线的方法,诸如通过蓝芽连接。唯一的要求是该传感器需要被设计用于该物理环境--- 温度,冲击,压力,等等,而且该连接是相当安全的。

资料的收集与传输
工程师们,教你使用IoTANALYTICS网站进行大数据挖掘
传感器数据如果不收集或传输至数据观察与分析站,将不会产生生任何效用。这就是英特尔 Galileo 和 Edison和所述的物联网分析网站的目的。这些开发板可通过有线或通过无线,介绍如何访问已收集的 资料以进行资料採撷与分析。 文章所列举的示例包括说明如何在物联网分析网站直接分析收集的资料的示例应用。

时间序列数据通常设置一个时间每个元件由一个时间 -- 值对,如的输入法= 0.55 秒或ALUE=40.5oC. 如果传感器数据流的週期性为 0.05 秒,然后下一测量预计在 t= 0.60 秒,接着用 t= 0.65 秒等该集合可以被可视觉化成的二维曲线图,以时间为纵轴和报告的值作为横轴。使用的物联网分析站的示例性绘图为图 3 中所示。

工程师们,教你使用IoTANALYTICS网站进行大数据挖掘
图 3, 取样时间 vs, 一氧化碳浓度

正如你在图中看到,物联网分析网站能够以各种格式绘製时间序列数据,包括总结的时间段,作为一个线或面积,并用“缩放”,在特定的数据集的基础数据的更详细的检视。

资料分析与模拟

时间序列分析科学有着悠久而丰富的历史。有许多方法来处理原始数据的时间点和值表示,本文无法一一介绍。对于最近这些技术审查,连接到“更多信息”部分参考 T-C Fu 的文章。无论何种分析技术,但是以时间序列数据挖掘方法也有一些共同的特点。

原始时间序列资料的用处非常有限,比如目测检查,无法进行下一步分析与建模。 仅管最近可根据最高限值设置警告,但有一种更为完善的方法来挖掘用于预测模型的资料。 在图 3 的示例中,设想 CO2 汽车尾气传感器通过规定的时间週期以特定的频率报告测量值。 如果这是可收集多个传感器资料的大型资料集的一部分,你可以通过对比两图之间的差异寻找规律,以预测未来的汽车保养情况。

开发的分析模型的技术中,原始数据必须首先被修改或减少到一个可行的格式。多种技术已经开发了用于时间序列数据操作,但最常见的一种是所谓的 Z 型正常化。这种技术的时间序列的原始值转换为具有 0 的中值为 1.0 的标準偏差的值。这种转换就可以比较同一时间序列数据直接设置与另一组,大大简化了算法的複杂度。关于这种转换的限制是,该数据点都必须有一个正态概率分布,这是在指定的範围内的标準的“钟形曲线”预期值。对于大多数传感器採样数据,该曲线已被发现是真实的,所以这是比较通用的方法。

基于“正常”的预测模型系统的行为,通常需要以检测异常的系统行为。有几种方法来创建这样的模式:利用一套行之有效的测量基线,将预期的系统行为的数学或工程预言,或者只是对自己在不同的时间比较传感器数据点。在最后的情况下,选择的时间段与另一相比,多半是使用滑动窗口,以检查异常值。

为了创建这些模型中,在应用算法或方法对从传感器收集的数据流。常见的技术包括傅立叶变换,动态时间扭曲,和小波变换。一种相对较新的技术,被称为符号近似,採用新颖的变换时间序列数据来定义的符号组,的技术如字母表,它允许使用多种模式匹配算法,包括那些信对 DNA,RNA 和蛋白质的生物序列分析开发。

当你选择了一个分析方法,接下来的决定是如何检测异常。传统上,已经完成或者通过识别离群值或通过计算一个“标称”数据曲线和测得的序列之间的差异。这被称为一个距离量度,并使用连续的数据点之间的欧几里得或正方形差经常计算。这些值的集合提供两曲线之间的差异的定量指示。如果名义和测量的时间序列相差大于一个给定的量,时间序列被判进一步调查。此外,模式匹配算法生物信息学研究开发的可用于定量评价两个的时间序列。

展示

本文最后一部分将探讨如何通知相关方时间序列中所检测到的异常。 物联网分析网站可提供简单但功能强大的示警机制,该机制基于一套规则。 如图 4 所示,你可以针对适用于不同设备的感测器定义一组具体规则。 执行规则的条件可针对常见的情形进行评估 :

工程师们,教你使用IoTANALYTICS网站进行大数据挖掘
图 4  英特尔物联网分析工具 -- 异常示警规则

帐号启动或者通过电子邮件注册用户就可以通知,或者通过发送一个 HTTP 消息发送到指定的地址。

这些功能足以满足那些需要传感器分析大多数情况下,但下一篇文章将显示,如果需要更深入的分析,那幺你可以使用物联网分析网站服务器 API 来获取传感器的数据集,并进行额外的数据挖掘作业。

结论

价格经济、敏感性出色的传感器不断激增,以及网路连接的日益普及为开发新的日常设备评估与控制方法奠定了坚实的基础。 通过彙集传感器测量值并採用一台简单的分析规则,我们可以在出现潜在设备故障的情况下主动採取措施,或更加快速地回应不断变化的环境状况。 而且,通过使用中心聚合网站,感测器数据可由更先进的资料採撷方法进行处理,从而有助于创建和使用预测行为模型。

更多信息

英特尔 Edison 开发板汇总

英特尔物联网分析安装说明

英特尔物联网分析指南

欢迎加入"Inside" Line 官方帐号,关注最新创业、科技、网路、工作讯息
工程师们,教你使用IoTANALYTICS网站进行大数据挖掘
工程师们,教你使用IoTANALYTICS网站进行大数据挖掘

相关文章