(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211471107.5 (22)申请日 2022.11.23 (71)申请人 北京中航路通科技有限公司 地址 100081 北京市海淀区大柳树 富海中 心2号楼11层1103室 (72)发明人 王俊峰　李萌　 (74)专利代理 机构 北京众辉 津成知识产权代理 事务所(普通 合伙) 16108 专利代理师 高成树 (51)Int.Cl. G06F 30/20(2020.01) G06F 17/16(2006.01) G06F 111/10(2020.01) (54)发明名称 应用于数字 孪生模型的数据管理方法 (57)摘要 本发明涉及数据处理技术领域， 具体涉及应 用于数字孪生模型的数据管理方法， 包括： 获取 初始维度矩阵， 对初始维度矩阵进行多级的极值 采样， 获取多个不同级别的极值矩阵； 获取初始 维度矩阵和极值矩阵中的保留点， 进一步获得初 始维度矩阵和极值矩阵的多个类别， 根据每个类 别的公共因子向量和独立因子向量构建每个类 别的特征关联图； 根据初始维度矩阵和极值矩阵 中对应类别的特征关联图获取初始维度矩 阵和 极值矩阵的相似性； 根据相似性、 极值矩阵中保 留点的数量 以及极值矩 阵的级别获取极值矩 阵 的评价值， 进一步得到初始数据。 本发明获得的 初始数据保留了原始数据的特征以及特征之间 的关联性， 有助于构建表示大数据特征的数字孪 生模型。 权利要求书2页 说明书8页 附图1页 CN 115544811 A 2022.12.30 CN 115544811 A 1.应用于数字 孪生模型的数据管理方法， 其特 征在于， 该 方法包括以下步骤： S1： 获取初始维度矩阵； 将初始维度矩阵作为原 始矩阵； S2： 根据原始矩阵每个维度中每个元素的梯度幅值获取原始矩阵的保留点以及所述每 个保留点的重要值； 根据原始矩阵中保留点的位置对保留点进行聚类得到多个类别， 将每 个类别中所有保留点的重要值的均值作为每个类别的重要性； 根据每个类别所有维度的共 因子向量以及每个维度的独立因子向量 获取每个维度的节点值； 根据每个类别的所有节点 值获取每 个类别的特 征关联图； S3： 对原始矩阵每个维度利用预设大小的滑窗进行预设步长的遍历， 获取每个维度每 个窗口的极值； 所有维度所有窗口 的极值构成极值矩阵； 将极值矩阵作为 新的原始矩阵； S4： 重复S2‑S3直到极值矩阵的类别数量与原始矩阵的类别数量不相等时停止迭代， 获 得多个极值矩阵， 将每 个极值矩阵获得的次序作为每 个极值矩阵的级别； S5： 获取每个极值矩阵和初始维度矩阵中对应类别的特征关联图的关联度， 作为对应 类别的关联度； 根据每个极值矩阵和初始维度矩阵中所有对应类别的关联度以及每个极值 矩阵的每 个类别的重要性获取每 个极值矩阵和初始维度矩阵的相似度； S6： 根据每个极值矩阵与初始维度矩阵的相似度、 每个极值矩阵的级别以及保留点的 数量获取每个极值矩阵的评价值； 获取评价值最大的极值矩阵中所有保留点中所有不同元 素值作为初始数据； S7： 根据初始数据构建数字 孪生模型。 2.根据权利要求1所述的应用于数字孪生模型的数据 管理方法， 其特征在于， 所述获取 每个维度每 个窗口的极值包括： 获取每个维度每 个窗口最大值的极值 性以及最小值的极值 性； 当最大值的极值性与最小值的极值性都小于第 一预设阈值 时， 将窗口内所有元素的值 的均值作为窗口的极值； 当最大值的极值性或最小值的极值性大于或等于第一预设阈值 时， 获取最大值的极值 性和最小值的极值 性中极值 性大的值作为窗口 的极值。 3.根据权利要求1所述的应用于数字孪生模型的数据 管理方法， 其特征在于， 所述根据 原始矩阵每个维度中每个元素的梯度幅值获取初始维度矩阵的保留点以及所述每个保留 点的重要值包括： 根据原始矩阵每个维度中所有元素的梯度幅值绘制每个维度的梯度幅值直方图； 对梯 度幅值直方图进行大津阈值分割得到分割阈值； 将大于分割阈值的梯度幅值作为较大梯 度； 当原始矩阵每个维度中同一个位置的元素不同维度的梯度幅值中存在一个梯度幅值为 较大梯度时， 将所述元 素作为保留点； 将每个保留点的每个维度的梯度幅值与分割阈值的比值作为每个保留点的每个维度 的较大性； 将每 个保留点的所有维度的较大性中的最大值作为每 个保留点的重要值。 4.根据权利要求1所述的应用于数字孪生模型的数据 管理方法， 其特征在于， 所述根据 每个类别所有维度的共因子 向量以及每个维度的独立因子 向量获取每个维度的节点值包 括： 对每个类别进行因子分析， 得到每个类别所有维度的公共因子向量以及每个维度的独 立因子向量； 获取每个类别中每个维度的独立因子向量的熵与所有维度的公共因子向量的熵的和权　利　要　求　书 1/2 页 2 CN 115544811 A 2作为所述每个维度的第一比值， 将每个类别中所有维度的公共因子向量的熵与每个维度的 第一比值作为所述每 个维度的节点 值。 5.根据权利要求1所述的应用于数字孪生模型的数据 管理方法， 其特征在于， 所述根据 每个类别的所有节点 值获取每 个类别的特 征关联图包括： 将每个类别的每个维度作为一个节点， 将每个类别的任意两个节点的节点值中的较大 值与较小值的比值作为所述两个节点的边权值； 根据每个类别中所有节点的节点值以及不 同节点之间的边权值构建有权无向图， 作为每 个类别的特 征关联图。 6.根据权利要求1所述的应用于数字孪生模型的数据 管理方法， 其特征在于， 所述获取 每个极值矩阵和初始维度 矩阵中对应类别的特征关联图的关联度， 作为对应类别的关联度 包括： 将极值矩阵的任意一个类别的特征关联图作为第 一特征关联图， 将初始维度矩阵中对 应类别的特征关联图作为第二特征关联图； 将第一特征关联图中每个节点的值与第二特征 关联图中对应节点的节点值的比值， 作为每个节点的比值； 将第一特征关联图中每个边的 边权值与第二特征关联图中对应边的边权值的比值， 作为每个边的比值； 将每个节点的比 值和每个边的比值的均值作为第一特 征关联图和第二特 征关联图的关联度。 7.根据权利要求1所述的应用于数字孪生模型的数据 管理方法， 其特征在于， 所述根据 每个极值矩阵和初始维度矩阵中所有对应类别的关联度以及每个极值矩阵的每个类别的 重要性获取每 个极值矩阵和初始维度矩阵的相似度包括： 将极值矩阵每个类别的重要性作为极值矩阵和初始维度矩阵中对应类别的关联度的 权重， 对极值矩阵和初始维度 矩阵中所有对应类别的关联度进行加权求和得到 极值矩阵和 初始维度矩阵的相似度。 8.根据权利要求1所述的应用于数字孪生模型的数据 管理方法， 其特征在于， 所述评价 值的表达式为： 其中 为极值矩阵的评价值； 表示极值矩阵的级别； 为极值矩阵的保留点数量与初 始维度矩阵的保留点数量的比值； 为极值矩阵与初始维度矩阵的相似度。 9.根据权利要求2所述的应用于数字孪生模型的数据 管理方法， 其特征在于， 所述极值 性的表达式为： 其中 为窗口内最大值的极值性； 为窗口内 的最大值； 为窗口内所有元素的值的均 值。权　利　要　求　书 2/2 页 3 CN 115544811 A 3