文献类型：期刊文章

作　　者：刘强[1,2] 秦泗钊[2,3]

机构地区：[1]东北大学流程工业综合自动化国家重点实验室 [2]美国南加州大学化工系 [3]香港中文大学(深圳)

出　　处：《自动化学报》

基　　金：国家自然科学基金(61304107;61490704;61573022;61290323;61203102);中国博士后科学基金(2013M541242);博士后国际交流计划派出项目(20130020);中央高校基本科研业务费(N130408002;N130108001)资助~~

年　　份：2016

卷　　号：42

期　　号：2

起止页码：161-171

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2015_2016、EI(收录号：20161102103013)、IC、JST、MR、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：人们对大数据的认识已从"3Vs"(Volume—大容量;Variety—多样性;Velocity—处理实时性)、"4Vs"("3Vs"与Value—价值)、到现今的"5Vs"("4Vs"与Veracity—真实性).在此背景下,首先分析过程工业大数据的"5Vs"特性;接下来,综述现有数据建模方法,并结合过程工业大数据特有性质(包括:多层面不规则采样性、多时空时间序列性、不真实数据混杂性)论述现有数据建模方法应用于工业大数据建模时的局限;最后,探讨过程工业大数据建模有待研究的问题,包括:1)多层面不规则采样数据的潜结构建模;2)用于事件发现、决策和因果分析的多时空时间序列数据建模;3)含有不真实数据的鲁棒建模;4)支持实时建模的大容量数据计算架构与方法.

关 键 词：过程工业大数据  多层面数据潜结构建模  多时空时间序列数据建模  大数据计算架构  

分 类 号：TP311.13]