摘要
本发明涉及一种基于动态因果图的物联网时间序列根因分析方法,属于物联网技术领域。利用物联网知识图谱嵌入微调大语言模型,通过实体和关系嵌入拼接构建图结构,结合文本词嵌入与掩码预测任务优化模型;基于知识图谱子图构建,将三元组转化为自然语言输入大模型生成因果假设;将假设转为因果约束,结合贝叶斯信息准则评分函数进行动态因果图结构学习,建模父节点与历史值的条件概率;采用核密度估计进行参数学习,量化特征间时间滞后性;基于滑动窗口观测数据预测特征概率分布,通过非对称沙普利值计算累积误差贡献,优先排序因果祖先特征确定根因。实现对物联网系统的实时、有效的根因分析,具备智能化解决故障的能力。
技术关键词
大语言模型
分析方法
实体
动态
文本
贝叶斯信息准则
图谱
三元组
联网系统
节点
概率密度函数
参数学习方法
关系
滑动窗口采样
累积误差
时间序列特征
自然语言
样本
预测特征
系统为您推荐了相关专利信息
BP神经网络
效能分析方法
全局灵敏度分析方法
平均无故障时间
平均修复时间
规则知识库
影像纹理特征
增量学习算法
多光谱卫星影像
分布式事件
智能分类方法
分类特征
红外辐射特征
粉煤灰
非线性响应特性
辅助分析方法
阴影特征
LSTM模型
边缘检测算法
坐标系