基于數(shù)據(jù)中臺的多源異構數(shù)據(jù)指標分析方法

關鍵詞：中臺技術；深度學習算法；多源異構；數(shù)據(jù)分類

中圖分類號：TP391 文獻標志碼：A 文章編號：1001-5922（2024）12-0113-04

電力業(yè)務持續(xù)發(fā)展，電力企業(yè)財務數(shù)據(jù)集成成挑戰(zhàn)，構建基于數(shù)據(jù)中臺的多源異構數(shù)據(jù)分析系統(tǒng)勢在必行[1]。針對上述問題，利用MVC模式的企業(yè)數(shù)據(jù)共享系統(tǒng)，將企業(yè)財務所容納的真實業(yè)務數(shù)據(jù)做基礎，達到相關功能的構建[2]。利用物聯(lián)網(wǎng)來解決財務數(shù)據(jù)源傳輸?shù)膯栴}[3]，利用先進的安全分析系統(tǒng)，實現(xiàn)區(qū)塊鏈在電網(wǎng)中進行離散式的分析，該方案解決了系統(tǒng)的廣泛性、單一性的問題[4]。基于此，研究設計一個基于數(shù)據(jù)中臺技術的企業(yè)財務數(shù)據(jù)多源集成系統(tǒng)，數(shù)據(jù)中臺以企業(yè)數(shù)據(jù)為核心利用中臺技術提供統(tǒng)一的服務[5-7]，達成數(shù)據(jù)資源共享、跨專業(yè)服務沉淀與業(yè)務支撐強化的目的。

1基于數(shù)據(jù)中臺技術的系統(tǒng)功能實現(xiàn)

1.1中臺技術實施

中臺系統(tǒng)設計圖如圖1所示。

由圖1可知，本財務中臺系統(tǒng)由前臺、中臺、后臺組成，進一步明確中臺的功能目的，將前臺劃分為交互層；后臺劃分為支持層；交互層主要實現(xiàn)用戶和企業(yè)資源的交互，支持層則是保證財務中臺的數(shù)據(jù)共享和穩(wěn)定運行。本研究在搭建財務中臺時，充分考慮了企業(yè)的服務特質(zhì)，最后搭建一個兼容性的共享服務系統(tǒng)[10]，業(yè)務平臺主要包括服務共享中心，電網(wǎng)資源共享中心，財務共享中心，各業(yè)務項目共享中心。

1.2多源異構數(shù)據(jù)分析模型設計

多源數(shù)據(jù)融合需對原始數(shù)據(jù)多級處理，依數(shù)據(jù)種類確定處理順序并提取數(shù)據(jù)。為此，文中重點介紹英國情報環(huán)；觀察、定向、決策、行動（OODA）環(huán)、實驗室聯(lián)合指導委員會（JDL）模型以實現(xiàn)相關功能[8]。融合多源數(shù)據(jù)模型如圖2所示。

由圖2可知，該模型先收集原始情報數(shù)據(jù)并劃分種類，提取處理劃分中的關鍵信息數(shù)據(jù)，即數(shù)據(jù)合并與壓縮，依此整理后予以融合[9]。

平均絕對誤差（MAE）與均方根誤差（RMSE）測試結果如表1所示。

由表1可知，兩函數(shù)隨實驗次數(shù)遞增數(shù)值趨小，表明本研究模型穩(wěn)定性較高。

4試驗流程與結果

本實驗現(xiàn)場環(huán)境為：CPU為Intel i8 9600KF，搭配64G+256G內(nèi)存，系統(tǒng)為Windows10專業(yè)版32位，誤差仿真采用MATLAB 2019版，MSP430芯片仿真為Proteus 8.6，半雙工總線為RS485型。通訊網(wǎng)絡傳輸速度達70MB/s。

本研究通過選取某學習庫的數(shù)據(jù)集進行特征分類實驗，系統(tǒng)穩(wěn)定度示意圖如圖4所示。

由圖4可知，本系統(tǒng)實現(xiàn)了對多源異構數(shù)據(jù)的特征分析，以及數(shù)據(jù)資源分類和檢索，誤差及浮動率可接受，工作效率較高。

本研究系統(tǒng)的數(shù)據(jù)融合與可信度分配關系如圖5所示。

由圖5可知，數(shù)據(jù)特征相似度先增后減，數(shù)據(jù)可信度分配值為0.5時融合數(shù)據(jù)相似度最高。

系統(tǒng)實驗對比如圖6所示。

由圖6可知，本系統(tǒng)的誤差明顯較少。

5結語

本研究設計了一個基于數(shù)據(jù)中臺技術的企業(yè)財務數(shù)據(jù)多源集成系統(tǒng)，數(shù)據(jù)中臺以企業(yè)數(shù)據(jù)為核心利用中臺技術提供統(tǒng)一的服務，達成數(shù)據(jù)資源的互通共享，促使跨專業(yè)服務得以整合沉淀，進而增強對業(yè)務的有力支撐。利用深度學習模型算法對中臺內(nèi)多源業(yè)務數(shù)據(jù)進行特征收集分析，利用分析后的資源特征達到分類的目的。在中臺系統(tǒng)內(nèi)加入數(shù)據(jù)索引模型，來實現(xiàn)對分類數(shù)據(jù)的準確搜索，利用DTW算法對索引技術進行改進，通過設定數(shù)據(jù)特征閾值，進一步提高了對數(shù)據(jù)源搜索的效率和準確度。本研究系統(tǒng)各環(huán)節(jié)功能穩(wěn)定性不足，需人工監(jiān)控防范，是后續(xù)強化優(yōu)化方向。