【摘要】：核心算法层主要分为统计性数据分析和数据推演算法两类。动态信息主要为设备运行过程中产生的数据，其数据始终处于变化中。这类算法尤其适用于设施设备、空间管理、能耗管理和应急管理中常见的预测性维护。例如，在设施管理中，经常通过设施的历史状态信息、维修记录、维护工作单等，基于历史大数据和机器学习算法，进行预测模型的训练，帮助管理人员在设施效率耗尽以前进行预测性维护。
核心算法层主要分为统计性数据分析和数据推演算法两类。
（1）统计性数据分析
统计性数据分析主要针对一些空间及设施管理产生的信息，这部分信息属于静态信息。由于该部分信息录入系统后一般不会发生变化，因此其算法较为简单，也不需要通过数字化平台来设计专门的数据诊断算法，主要用于运维阶段各种工作内容所需的状态呈现。(www.xing528.com)
（2）数据推演算法
数据推演算法是主要针对运维阶段的动态信息进行分析。动态信息主要为设备运行过程中产生的数据，其数据始终处于变化中。其算法包括两部分：数据质量算法及数据挖掘算法，数据质量算法为数据挖掘算法的基础，系统一切功能的应用都依托于良好的数据质量，因此对动态数据的处理应先对数据质量进行筛查，然后再对筛查合格的数据进行数据挖掘。数据挖掘算法是从采集的大量数据中通过算法搜索隐藏于其中信息的算法，主要用于挖掘建筑的安全、环境、节能及人员管理方面的信息，并通过一定的算法来指导运维管理的优化和高效运营。这类算法尤其适用于设施设备、空间管理、能耗管理和应急管理中常见的预测性维护。例如，在设施管理中，经常通过设施的历史状态信息、维修记录、维护工作单等，基于历史大数据和机器学习算法，进行预测模型的训练，帮助管理人员在设施效率耗尽以前进行预测性维护。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
