一种基于大数据的结果验证方法及系统与流程

1.本发明涉及大数据领域，具体而言，涉及一种基于大数据的结果验证方法及系统。


背景技术：

2.随着智能化科技的不断发展，人们的生活、工作、学习之中越来越多地用到了智能化设备，使用智能化科技手段，提高了人们生活的质量，增加了人们学习和工作的效率。
3.但是现有技术中的终端故障分析方法或者分析系统仅仅是通过固定的规则进行分析，或者通过简单地模型进行故障分析的输出，而不能利用多数据、多历史数据特点的大数据平台来进行更加灵活的大数据分析，且重要的是，现有技术中的故障分析过程，在得到分析结果之后无法利用大数据来分析得到的故障分析结果，并对该故障分析结果进行验证，降低了终端故障分析过程的全面性和可靠性。但是现有技术中的终端故障分析方法或者分析系统仅仅是通过固定的规则进行分析，或者通过简单地模型进行故障分析的输出，而不能利用多数据、多历史数据特点的大数据平台来进行更加灵活的大数据分析，且重要的是，现有技术中的故障分析过程，在得到分析结果之后无法利用大数据来分析得到的故障分析结果，并对该故障分析结果进行验证，降低了终端故障分析过程的全面性和可靠性。
4.针对上述的问题，目前尚未提出有效的解决方案。


技术实现要素：

5.本发明实施例提供了一种基于大数据的结果验证方法及系统，以至少解决现有技术中的终端故障分析方法或者分析系统仅仅是通过固定的规则进行分析，或者通过简单地模型进行故障分析的输出，而不能利用多数据、多历史数据特点的大数据平台来进行更加灵活的大数据分析，且重要的是，现有技术中的故障分析过程，在得到分析结果之后无法利用大数据来分析得到的故障分析结果，并对该故障分析结果进行验证，降低了终端故障分析过程的全面性和可靠性的技术问题。
6.根据本发明实施例的一个方面，提供了一种基于大数据的结果验证方法，包括：获取终端故障信息；根据所述终端故障信息，激活终端大数据平台，并通过所述大数据平台寻找匹配所述终端的历史故障数据；通过终端故障分析模型分析所述终端故障信息，得到故障分析结果和模拟运行参数；根据所述模拟运行参数执行模拟终端运行操作和验证操作。
7.可选的，在所述获取终端故障信息之后，所述方法还包括：通过所述历史故障数据和所述终端故障信息，训练所述终端故障分析模型。
8.可选的，所述通过终端故障分析模型分析所述终端故障信息，得到故障分析结果和模拟运行参数包括：将所述终端故障信息输入至所述终端故障分析模型，得到所述故障分析结果；根据所述故障分析结果，对所述终端进行修复，生成模拟运行参数。
9.可选的，所述根据所述模拟运行参数执行模拟终端运行操作和验证操作包括：通过所述大数据平台获取同类终端正常模式运行数据；根据所述模拟运行参数执行模拟终端运行操作，得到模拟运行数据；将所述模拟运行数据与所述同类终端正常模式运行数据进
行比较，得到验证结果，其中，所述验证结果包括：验证通过、验证失败。
10.根据本发明实施例的另一方面，还提供了一种基于大数据的结果验证系统，包括：获取模块，用于获取终端故障信息；激活模块，用于根据所述终端故障信息，激活终端大数据平台，并通过所述大数据平台寻找匹配所述终端的历史故障数据；分析模块，用于通过终端故障分析模型分析所述终端故障信息，得到故障分析结果和模拟运行参数；运行模块，用于根据所述模拟运行参数执行模拟终端运行操作和验证操作。
11.可选的，所述系统还包括：训练模块，用于通过所述历史故障数据和所述终端故障信息，训练所述终端故障分析模型。
12.可选的，所述分析模块包括：分析单元，用于将所述终端故障信息输入至所述终端故障分析模型，得到所述故障分析结果；生成单元，用于根据所述故障分析结果，对所述终端进行修复，生成模拟运行参数。
13.可选的，所述运行模块包括：获取单元，用于通过所述大数据平台获取同类终端正常模式运行数据；操作单元，用于根据所述模拟运行参数执行模拟终端运行操作，得到模拟运行数据；比较单元，用于将所述模拟运行数据与所述同类终端正常模式运行数据进行比较，得到验证结果，其中，所述验证结果包括：验证通过、验证失败。
14.根据本发明实施例的另一方面，还提供了一种非易失性存储介质，所述非易失性存储介质包括存储的程序，其中，所述程序运行时控制非易失性存储介质所在的设备执行一种基于大数据的结果验证方法。
15.根据本发明实施例的另一方面，还提供了一种电子装置，包含处理器和存储器；所述存储器中存储有计算机可读指令，所述处理器用于运行所述计算机可读指令，其中，所述计算机可读指令运行时执行一种基于大数据的结果验证方法。
16.在本发明实施例中，采用获取终端故障信息；根据所述终端故障信息，激活终端大数据平台，并通过所述大数据平台寻找匹配所述终端的历史故障数据；通过终端故障分析模型分析所述终端故障信息，得到故障分析结果和模拟运行参数；根据所述模拟运行参数执行模拟终端运行操作和验证操作的方式，解决了现有技术中的终端故障分析方法或者分析系统仅仅是通过固定的规则进行分析，或者通过简单地模型进行故障分析的输出，而不能利用多数据、多历史数据特点的大数据平台来进行更加灵活的大数据分析，且重要的是，现有技术中的故障分析过程，在得到分析结果之后无法利用大数据来分析得到的故障分析结果，并对该故障分析结果进行验证，降低了终端故障分析过程的全面性和可靠性的技术问题。
附图说明
17.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
18.图1是根据本发明实施例的一种基于大数据的结果验证方法的流程图；
19.图2是根据本发明实施例的一种基于大数据的结果验证方法的结构框图。
具体实施方式
20.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的
附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
21.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
22.根据本发明实施例，提供了一种基于大数据的结果验证方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
23.实施例一
24.图1是根据本发明实施例的一种基于大数据的结果验证方法的流程图，如图1所示，该方法包括如下步骤：
25.步骤s102，获取终端故障信息。
26.步骤s104，根据所述终端故障信息，激活终端大数据平台，并通过所述大数据平台寻找匹配所述终端的历史故障数据。
27.步骤s106，通过终端故障分析模型分析所述终端故障信息，得到故障分析结果和模拟运行参数。
28.步骤s108，根据所述模拟运行参数执行模拟终端运行操作和验证操作。
29.可选的，在所述获取终端故障信息之后，所述方法还包括：通过所述历史故障数据和所述终端故障信息，训练所述终端故障分析模型。
30.可选的，所述通过终端故障分析模型分析所述终端故障信息，得到故障分析结果和模拟运行参数包括：将所述终端故障信息输入至所述终端故障分析模型，得到所述故障分析结果；根据所述故障分析结果，对所述终端进行修复，生成模拟运行参数。
31.可选的，所述根据所述模拟运行参数执行模拟终端运行操作和验证操作包括：通过所述大数据平台获取同类终端正常模式运行数据；根据所述模拟运行参数执行模拟终端运行操作，得到模拟运行数据；将所述模拟运行数据与所述同类终端正常模式运行数据进行比较，得到验证结果，其中，所述验证结果包括：验证通过、验证失败。
32.在具体实施当中，首先获取终端故障信息；具体的，待分析终端发生故障的时候，会出现若干故障特征，例如司机、卡顿、警报等特征，那么收集和汇总这些故障特征，并配合终端本身的运行参数，便可得到终端故障信息数据，用于后续的故障分析。
33.根据所述终端故障信息，激活终端大数据平台，并通过大数据平台寻找匹配该终端的历史故障数据以及相关的运行信息；具体的，当得到终端故障信息之后，终端故障信息作为一个故障数据集合体，可以激活终端大数据平台，为后续通过大数据信息来分析终端
0 1 0；0 3 0.036i 0 1 0；3 4 0.0907i0 1 0；3 5 0.0756i 0 1 0；4 5 0.1210i 0 1 0；0 4 0.0380i 0 1 0；0 5 0.1883i 0 1 0]。
41.通过大数据平台获取的同类终端正常模式运行数据，同时根据所述模拟运行参数执行模拟终端运行操作，得到模拟运行数据，将所述模拟运行数据与所述同类终端正常模式运行数据进行比较，得到验证结果，其中，所述验证结果包括：验证通过、验证失败。
42.通过上述实施例，解决了现有技术中的终端故障分析方法或者分析系统仅仅是通过固定的规则进行分析，或者通过简单地模型进行故障分析的输出，而不能利用多数据、多历史数据特点的大数据平台来进行更加灵活的大数据分析，且重要的是，现有技术中的故障分析过程，在得到分析结果之后无法利用大数据来分析得到的故障分析结果，并对该故障分析结果进行验证，降低了终端故障分析过程的全面性和可靠性的技术问题。
43.实施例二
44.图2是根据本发明实施例的一种基于大数据的结果验证方法的结构框图，如图2所示，该系统包括：
45.获取模块20，用于获取终端故障信息。
46.激活模块22，用于根据所述终端故障信息，激活终端大数据平台，并通过所述大数据平台寻找匹配所述终端的历史故障数据。
47.分析模块24，用于通过终端故障分析模型分析所述终端故障信息，得到故障分析结果和模拟运行参数。
48.运行模块26，用于根据所述模拟运行参数执行模拟终端运行操作和验证操作。
49.可选的，所述系统还包括：训练模块，用于通过所述历史故障数据和所述终端故障信息，训练所述终端故障分析模型。
50.可选的，所述分析模块包括：分析单元，用于将所述终端故障信息输入至所述终端故障分析模型，得到所述故障分析结果；生成单元，用于根据所述故障分析结果，对所述终端进行修复，生成模拟运行参数。
51.可选的，所述运行模块包括：获取单元，用于通过所述大数据平台获取同类终端正常模式运行数据；操作单元，用于根据所述模拟运行参数执行模拟终端运行操作，得到模拟运行数据；比较单元，用于将所述模拟运行数据与所述同类终端正常模式运行数据进行比较，得到验证结果，其中，所述验证结果包括：验证通过、验证失败。
52.在具体实施当中，首先获取终端故障信息；具体的，待分析终端发生故障的时候，会出现若干故障特征，例如司机、卡顿、警报等特征，那么收集和汇总这些故障特征，并配合终端本身的运行参数，便可得到终端故障信息数据，用于后续的故障分析。
53.根据所述终端故障信息，激活终端大数据平台，并通过大数据平台寻找匹配该终端的历史故障数据以及相关的运行信息；具体的，当得到终端故障信息之后，终端故障信息作为一个故障数据集合体，可以激活终端大数据平台，为后续通过大数据信息来分析终端故障原因提供前提条件，并通过大数据平台寻找匹配该终端的历史故障数据以及相关的运行信息，例如，终端故障信息包括(闪灯3次、蜂鸣报警5次)，那么根据上述终端故障信息来进行故障大数据数据库的匹配检索，检索到该型号的终端以往历史数据中，出现该情况的问题分析和问题解决过程，将问题解决结果作为从大数据历史故障数据中提取出的数据成果，并同时将该型号终端的日常运行状态数据进行采集和留存，以备后续进行故障分析和
验证之用。
54.通过大数据平台获取历史故障数据，其中，历史故障数据可以是多个故障终端的若干数据，同时获取大数据平台中的终端运行参数，用于对终端在判断完故障信息之后的验证；具体的，在大数据平台的数据获取过程中，通过对数据库的检索和数据调取，可以抽取跟该终端有关的所有终端的历史故障数据，并将上述数据作为训练故障分析模型的基础，同时结合大数据平台中的终端运行参数，为验证操作做准备。
55.通过历史故障数据和终端故障信息，训练终端故障分析模型。具体的，故障分析模型可以是生成对抗网络模型的训练(gan)，即在同一轮梯度反转的过程中可以细分为2步：(1)先训练d；(2)再训练g，其中，d的训练也需要上一轮梯度反转中的g的输出值作为输入。当训练d的时候：上一轮g产生的数据和真实故障数据直接拼接在一起作为x。然后按顺序摆放成0和1，假数据对应0，真数据对应1。然后就可以通过d，x输入生成一个score(从0到1之间的数)，通过score和y组成的损失函数，就可以进行梯度反传了。当训练g的时候：需要把g和d当作一个整体叫做’d_on_g’。这个整体(简称dg系统)的输出仍然是score。
56.gan模型的目标函数如下：
[0057][0058]
其中，训练网络d使得最大概率地分对训练样本的标签(最大化log d(x)和log(1—d(g(z))))，训练网络g最小化log(1-d(g(z)))，即最大化d的损失。而训练过程中固定一方，更新另一个网络的参数，交替迭代，使得对方的错误最大化，最终，g能估测出样本数据的分布，也就是生成的故障分析结果更加真实的原因。通过所述终端故障分析模型分析所述终端故障信息，得到故障分析结果；在现有技术的故障判断方法中，通过优选模型对故障参数进行分析之后，直接得到最终的故障参数结论，而无法对通过模型输出的鼓掌结果进行验证，但是本发明在得到故障分析结果之后还需要完成以下验证步骤，增加故障分析的准确性和可靠性，减少重复劳动的情况。
[0059]
根据所述故障分析结果，对所述终端故障信息进行修复，生成模拟运行参数；
[0060]
具体的，在终端故障信息修复的时候，根据终端故障信息矩阵所列出的问题，同时将所述故障分析结果中的故障参数调整建议元素加入终端故障信息矩阵中，形成以故障信息矩阵为原型的模拟运行参数集合，用于对终端进行模拟运行，从而识别和验证该故障分析结果是否可以满足修复的要求，达到修复终端故障的效果。例如，终端故障信息矩阵可以是b0＝[0 1 0.1665i 0 1 0；1 20.8470i 0 1 0；2 3 0.6350i 0 1 0；0 3 0.0700i 0 1 0；3 4 0.3175i 0 1 0；3 5 0.2646i0 1 0；4 5 0.4234i 0 1 0；0 4 0.0464i 0 1 0；0 5 0.0930i 0 1 0]；b1＝[0 10.2042i 0 1 0；1 2 0.2420i 0 1 0；2 3 0.1815i 0 1 0；0 3 0.036i 0 1 0；3 4 0.0907i0 1 0；3 5 0.0756i 0 1 0；4 5 0.1210i 0 1 0；0 4 0.0380i 0 1 0；0 5 0.1883i 0 1 0]；b2＝[0 10.2042i 0 1 0；1 2 0.2420i 0 1 0；2 3 0.1815i 0 1 0；0 3 0.036i 0 1 0；3 4 0.0907i0 1 0；3 5 0.0756i 0 1 0；4 5 0.1210i 0 1 0；0 4 0.0380i 0 1 0；0 5 0.1883i 0 1 0]。
[0061]
通过大数据平台获取的同类终端正常模式运行数据，同时根据所述模拟运行参数执行模拟终端运行操作，得到模拟运行数据，将所述模拟运行数据与所述同类终端正常模式运行数据进行比较，得到验证结果，其中，所述验证结果包括：验证通过、验证失败。
[0062]
根据本发明实施例的另一方面，还提供了一种非易失性存储介质，所述非易失性存储介质包括存储的程序，其中，所述程序运行时控制非易失性存储介质所在的设备执行一种基于大数据的结果验证方法。
[0063]
具体的，上述一种基于大数据的结果验证方法包括：获取终端故障信息；根据所述终端故障信息，激活终端大数据平台，并通过所述大数据平台寻找匹配所述终端的历史故障数据；通过终端故障分析模型分析所述终端故障信息，得到故障分析结果和模拟运行参数；根据所述模拟运行参数执行模拟终端运行操作和验证操作。可选的，在所述获取终端故障信息之后，所述方法还包括：通过所述历史故障数据和所述终端故障信息，训练所述终端故障分析模型。可选的，所述通过终端故障分析模型分析所述终端故障信息，得到故障分析结果和模拟运行参数包括：将所述终端故障信息输入至所述终端故障分析模型，得到所述故障分析结果；根据所述故障分析结果，对所述终端进行修复，生成模拟运行参数。可选的，所述根据所述模拟运行参数执行模拟终端运行操作和验证操作包括：通过所述大数据平台获取同类终端正常模式运行数据；根据所述模拟运行参数执行模拟终端运行操作，得到模拟运行数据；将所述模拟运行数据与所述同类终端正常模式运行数据进行比较，得到验证结果，其中，所述验证结果包括：验证通过、验证失败。
[0064]
根据本发明实施例的另一方面，还提供了一种电子装置，包含处理器和存储器；所述存储器中存储有计算机可读指令，所述处理器用于运行所述计算机可读指令，其中，所述计算机可读指令运行时执行一种基于大数据的结果验证方法。
[0065]
具体的，上述一种基于大数据的结果验证方法包括：获取终端故障信息；根据所述终端故障信息，激活终端大数据平台，并通过所述大数据平台寻找匹配所述终端的历史故障数据；通过终端故障分析模型分析所述终端故障信息，得到故障分析结果和模拟运行参数；根据所述模拟运行参数执行模拟终端运行操作和验证操作。可选的，在所述获取终端故障信息之后，所述方法还包括：通过所述历史故障数据和所述终端故障信息，训练所述终端故障分析模型。可选的，所述通过终端故障分析模型分析所述终端故障信息，得到故障分析结果和模拟运行参数包括：将所述终端故障信息输入至所述终端故障分析模型，得到所述故障分析结果；根据所述故障分析结果，对所述终端进行修复，生成模拟运行参数。可选的，所述根据所述模拟运行参数执行模拟终端运行操作和验证操作包括：通过所述大数据平台获取同类终端正常模式运行数据；根据所述模拟运行参数执行模拟终端运行操作，得到模拟运行数据；将所述模拟运行数据与所述同类终端正常模式运行数据进行比较，得到验证结果，其中，所述验证结果包括：验证通过、验证失败。
[0066]
通过上述实施例，解决了现有技术中的终端故障分析方法或者分析系统仅仅是通过固定的规则进行分析，或者通过简单地模型进行故障分析的输出，而不能利用多数据、多历史数据特点的大数据平台来进行更加灵活的大数据分析，且重要的是，现有技术中的故障分析过程，在得到分析结果之后无法利用大数据来分析得到的故障分析结果，并对该故障分析结果进行验证，降低了终端故障分析过程的全面性和可靠性的技术问题。
[0067]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0068]
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0069]
在本技术所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的
方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
[0070]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0071]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0072]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0073]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。