如上圖所示，這是一臺冰箱的實時溫度曲線，每1分鐘記錄一條資料，可以看到溫度資料有規律地上下起伏
但如上圖，正常使用冰箱時，門打開后也會出現溫度的上升，現在想實作在最終每日資料分析時，由系統自動判定像這樣的資料屬于日常使用引起的正常的溫度下降，不屬于因斷電或因冰箱損壞引起的不正常事件，技術上如何進行這些資料點的分析？
uj5u.com熱心網友回復：
單從溫度是看不出來的,需要輔助資訊,比如在報警的時間點有開關門的記錄uj5u.com熱心網友回復：
離散時序資料特征判定。這個玩意雖然我也會點，不過俺屬于半瓶水，就不給撒建議了。你應該去找數學系或者自動化系信號處理方面人去建模(一般是時序視窗，差分方程和統計學上的特征模型)，人工智能這塊也行(這塊不用建模，你給大批量資料讓他們他們自動二分統計分類也可以)
uj5u.com熱心網友回復：
如果要求實時性的，可以把資料放在kafka或者專門的時序資料庫里，這樣后面可以配spark，flink做外置分布式計算，畢竟即使是有專門人才給你做數學模型，一臺兩臺資料好辦，千臺萬臺就不好算了uj5u.com熱心網友回復：
謝謝大神，一看這些專業名詞就暈了
uj5u.com熱心網友回復：
這樣把，你可以先去BAT那里申請一個IOT的試驗賬號，體驗一下Bat們都怎么玩這些東西
比如：百度的天工系統
https://cloud.baidu.com/solution/iot/index.html
uj5u.com熱心網友回復：
太謝謝了轉載請註明出處，本文鏈接：https://www.uj5u.com/net/87614.html
標籤：C#