一种基于大模型的时序数据采集方法、系统、设备及介质

本发明提供了一种基于大模型的时序数据采集方法、系统、设备及介质，属于数据采集技术领域。所述方法包括：从多种数据源中收集时间序列数据，并发送至边缘计算节点进行数据过滤、协议转换和时间同步处理，生成结构化时序数据；对结构化时序数据进行预处理，进行时序分割处理后生成标准化时序数据；读取标准化时序数据，分别提取出其中的信号特征和深层特征，将信号特征和深层特征融合后从中筛选出特征向量；根据任务类型选择神经网络模型，利用特征向量进行模型的分布式训练，优化调整模型的超参数，生成目标模型；将目标模型部署到生产环境中，实时采集时间序列数据，进行预处理后输入目标模型进行推理，并根据推理结果优化目标模型。