一种基于深度学习的多数据源自动集成方法及系统

本发明涉及数据处理领域，尤其涉及一种基于深度学习的多数据源自动集成方法及系统，方法包括：获取工业生产车间中各传感器在预设时间段内同一参数的数据序列，对数据序列进行预处理；计算任意两两组合的传感器对应的预处理后的数据序列之间的最短路径距离以及匹配路径的平滑程度，进而分析两个预处理后的数据序列之间的趋势一致性；基于趋势一致性计算各传感器数据的置信度，并对多传感器数据序列进行融合，得到融合后的参数数据序列，实现高质量的多源数据集成。本发明通过量化趋势一致性和延迟幅度，提供了两种灵活的趋势一致性计算方式，优化了置信度计算，显著提高了融合结果的准确性和可靠性。