在上一篇文章中我们为大家介绍了物联网数据中的应用模式，基础的应用就是监控，然后就是报表统计，最后就是数据挖掘和机器学习。我们给大家说到了物联网数据分析的的四个类别，其实对于每一个类别里都有两个层次，今天我们就来给大家讲讲这个知识。
我们在前面的文章中给大家说到了物联网的数据分析可以分为四个类别。分别是描述式分析、诊断式分析、预测式分析、处方式分析，在每个类别里面，又必须从两个层次来展开分析。首先就是机理分析，这是根据物理或化学的原理，对工业设备的控制、过程以及产生的响应进行基于设计原理的专业分析，这部分一定是以专业知识为依据的。然后就是数据驱动的分析。对于工业里面很多无法测量，无法解释的现象，可以通过提取数据特征，从海量的数据中寻找异常点，通过机器学习的方法，弥补专业知识的不足。可以看到，物联网数据分析的基础是物理机理，也就是专业知识的了解，而不是数据分析的方法和能力。没有充分的物理机理和专业知识，盲目的将一些大数据、人工智能的工具对工业数据进行分析，一定会适得其反的。
然后我们给大家说一下分析模型。这就用到了很多方法，首先就是梯度检查。检查时间序列的梯度，并提供检查结果。线性回归就是计算时间序列数据的线性回归值，并提供所产生的曲线数据。异常检测就是检测异常的时间序列数据，并提供检测结果。趋势预示，提供单个或多个一天时间轴上的微积分功能，具体包括基本的代数和统计学功能。序列模式挖掘就是检测报警模式，并根据事件日志进行故障预测。该服务可从导致大型事件的序列中自动地学习相关模式。多维KPI监视就是该服务可以基于训练好的模型，从多个方面推断相关量化值。需求预测就是基于用于时间序列数据的深度神经网络的预测模型执行程序。
以上的文章就是小编为大家解答的关于数据分析在物联网的应用的相关内容了，大家在进行数据分析工作的时候还是很有必要去了解一下这些知识，这样才能够为自己的工作中寻找灵感，希望这篇文章能够给大家带来帮助，最后感谢大家的阅读。
