预测性维护功能 设备概览操作 登录数字孪生管理控制台。 单击左半侧目录“设备概览统计”。 图1 设备概览统计 预测设备台账操作 登录数字孪生管理控制台。 单击左半侧目录“预测设备台账”。 单击页面右侧页面内容左上方“添加”，进入“添加预测设备台账”页面。 图2 添加预测设备台账1

查看更多 →

了新的查询条件而造成查询虚拟机列表失败。 API请求HTTP动词使用标准化且满足幂等性 本条规则是Should类型的扩展规则，可提升API的可维护性。 HTTP方法的需要符合幂等性的约束，幂等性的约束是指一次和多次请求某一个资源应该具有同样的副作用，单个资源操作，资源的标准CRUD操作对应的HTTP动词如表1所示。

查看更多 →

可维护性 保证API日志采集的实时性及完整性 本条规则是MUST类型的基本规则，可保障API的可维护性。 在采集API调用日志过程中，需要保证API日志的实时性和完整性，以提升API分析的精准度。 API日志在传递过程中，必须保证传递日志不会出现丢失。API日志总体丢失率小于0.5%。

查看更多 →

智能边缘平台的主要使用场景 智能边缘平台主要应用于时延敏感型业务、带宽敏感型业务、安全性和合规性要求高的业务等场景，包括但不局限于以下典型应用场景： 工业视觉场景 工业制造预测性维护场景 父主题： 基本概念

查看更多 →

特征画像”内容。 特征画像的作用，就是对数据进行分析，把其中一些基本特征提取出来，如：周期性、离散度、时序规律、最值、采样频率等，计算KPI曲线特点（包括周期性、趋势性、噪声、离散性、随机性等）。根据计算的曲线特点，判断KPI的大类别（毛刺型、阶梯型、周期型、离散型、稀疏型、多模

查看更多 →

服务预测 服务预测失败 服务预测失败，报错APIG.XXXX 在线服务预测报错ModelArts.4206 在线服务预测报错ModelArts.4302 在线服务预测报错ModelArts.4503 在线服务预测报错MR.0105 Method Not Allowed 请求超时返回Timeout

查看更多 →

CPI预测 CPI预测基于蛋白质的一级序列和化合物的2D结构进行靶点匹配，精确的预测化合物-蛋白相互作用。 单击“CPI预测”功能卡片，进入配置页面。 配置靶点文件。 支持3种输入方式，分别是输入氨基酸序列、选择文件、输入PDB ID 输入FASTA格式氨基酸序列，输入框最多支持

查看更多 →

实时预测 实时预测通过在计算节点部署在线预测服务的方式，允许用户利用POST请求，在毫秒级时延内获取单个样本的预测结果。 创建实时预测作业 执行实时预测作业 删除实时预测作业 父主题： 联邦预测作业

查看更多 →

数字孪生—视觉管理功能 基础配置—模型管理功能 数字孪生—漫游路径功能 数字孪生—标签管理功能 数字孪生—调试工具功能 设备台账功能 设备备品备件功能 预测性维护功能 能源管理功能

查看更多 →

预测接口 功能介绍 线上预测接口。 URI POST 服务部署成功后返回的预测地址。 请求消息 请求参数请参见表1 请求参数说明。 表1 请求参数说明 参数名称 是否必选 参数类型 说明 rec_num 否 Integer 请求返回数量，默认返回50条。 user_id 是 String

查看更多 →

批量预测 批量预测通过在计算节点后台发起离线预测任务的方式，在任务完成后可以获得指定数据集中所有样本的预测结果。 创建批量预测作业 编辑批量预测作业 执行批量预测作业 删除批量预测作业 父主题： 联邦预测作业

查看更多 →

不同的准确度范围具有不同的预测区间。华为云为您提供80%的预测区间，表示实际产生的成本数据有80%的概率会落在该预测区间内。预测区间的范围取决于您的历史支出波幅或波动，历史支出的一致性和可预测性越高，预测区间就越小。 预测的方法 华为云根据不同成本类型和计费模式特点，提供不同的预测机制。 对包

查看更多 →

预测接口（排序） 功能介绍 线上预测接口。 URI POST 服务部署成功后返回的预测地址。 请求消息 请求参数请参见表1 请求参数说明。 表1 请求参数说明 参数名称 是否必选 参数类型 说明 rec_num 否 Integer 请求返回数量，默认返回50条。 user_id 是

查看更多 →

比较指标值和阈值的关系。 比较关系分为>、>=、<、<= 2）智能预测：一种趋势预测方式，根据输入，基于算法预测未来容量趋势。 预测趋势：基于预测算法，根据参考时间段内（过去一个月）的容量趋势，预测未来7天的容量趋势； 风险实例：参考时间段内的容量和预测时间段内的容量，任何一个满足安全阈值，就认为是风险实例，会被输出到风险结果中。

查看更多 →

服务预测失败 问题现象 在线服务部署完成且服务已经处于“运行中”的状态，向服务发起推理请求，预测失败。 原因分析及处理方法 服务预测需要经过客户端、外部网络、APIG、Dispatch、模型服务多个环节。每个环节出现都会导致服务预测失败。 图1 推理服务流程图 出现APIG.XX

查看更多 →

关联预测（link_prediction）(1.0.0) 表1 parameters参数说明 参数 是否必选 说明 类型 取值范围 默认值 source 是 输入起点ID。 String - - target 是 输入终点ID。 String - - 表2 response_data参数说明

查看更多 →

创建重置周期为“每天”的预算时，不支持如下功能： 周期性规划预算 基于成本和使用量的预测提醒 使用成本分组过滤成本和使用量范围 设置提醒阈值和接收提醒的联系人信息，单击“下一步”。 其中“提醒阈值”选择为“预测大于”。 示例：提醒阈值设置为预测大于80%的金额占比，表示预测金额大于预算金额的80%时，系统将会发送提醒。

查看更多 →

每个分子卡片上会展示相应分子序号与对应的参数QED、SaScore QED：代表分子的成药性。 SaScore：代表合成可及性分数，旨在评估分子的合成难易程度。 聚类分析 目前分子属性预测返回的结果小分子数较多，无法进行批量分析，通过一些聚类的辅助方式能更好的选择分子。从每个类里挑选出一两个分子

查看更多 →

中。这个预测作业可以作为后续持续预测的依据，企业A可以定期地使用模型预测自己的新业务数据。同时企业A也可以根据新积累的数据训练出新的模型，进一步优化模型预测的精确率，再创建新的联邦预测作业，产出更精准的预测结果供业务使用。 父主题： 使用 TICS 联邦预测进行新数据离线预测

查看更多 →

在线服务预测时，如何提高预测速度？ 部署在线服务时，您可以选择性能更好的“计算节点规格”提高预测速度。例如使用GPU资源代替CPU资源。 部署在线服务时，您可以增加“计算节点个数”。 如果节点个数设置为1，表示后台的计算模式是单机模式；如果节点个数设置大于1，表示后台的计算模式为分布式的。您可以根据实际需求进行选择。

查看更多 →

设备维护 设备维护标准 功能概述：设备维护标准用于创建设备点检和保养的维护标准。 操作人员：管理人员。 路径：设备维护管理→设备维护标准。 图1 设备维护标准 设备维护计划 功能概述：设备维护计划用于创建设备维护的日常计划。 操作人员：管理人员。 路径：设备维护管理→设备维护计划。

查看更多 →