2025年工业大数据分析师考试题库（附答案和详细解析）（1126）.docxVIP

工业大数据分析师考试试卷（总分100分）

一、单项选择题（共10题，每题1分，共10分）

工业大数据区别于通用大数据的核心特征是？

A.海量性

B.多源异构性

C.高速性

D.低价值密度

答案：B

解析：工业场景中设备类型（如PLC、传感器）、通信协议（如Modbus、OPCUA）、数据格式（如时序数据、文档数据）高度多样，形成“多源异构性”，这是工业大数据区别于互联网等通用大数据的核心特征。海量性、高速性、低价值密度是通用大数据的共性特征。

工业传感器数据采集常用的轻量级通信协议是？

A.HTTP

B.MQTT

C.TCP/IP

D.FTP

答案：B

解析：MQTT（消息队列遥测传输）是专为物联网设计的轻量级协议，支持低带宽、高延迟场景，适合工业传感器的实时数据传输。HTTP、TCP/IP、FTP是通用网络协议，资源消耗较高，不适用于工业设备的轻量化通信需求。

数据清洗中处理异常值的常用方法不包括？

A.Z-score检验

B.IQR（四分位距）法

C.K-means聚类

D.线性插值法

答案：D

解析：线性插值法用于填补缺失值（如时间序列中某时刻的缺失数据），而Z-score（基于标准差）、IQR（基于四分位数范围）、K-means（通过聚类检测离群点）是典型的异常值检测与处理方法。

工业时间序列数据建模时，最不适合的模型是？

A.ARIMA

B.LSTM

C.SVM

D.决策树

答案：D

解析：时间序列数据的核心特征是时序依赖性（如当前值与历史值相关），ARIMA（自回归移动平均模型）、LSTM（长短期记忆网络）均能捕捉时间依赖；SVM（支持向量机）虽不直接处理时序，但可通过构造滞后特征间接应用。决策树基于特征分割，无法显式建模时间序列的顺序关系，因此最不适合。

工业大数据平台的核心功能不包括？

A.多源数据集成

B.实时流计算

C.用户画像分析

D.可视化看板

答案：C

解析：工业大数据平台需实现数据集成（接入设备、系统数据）、实时计算（如产线OEE实时监控）、可视化（如设备状态看板）。用户画像是消费互联网领域的需求（如分析用户偏好），与工业场景无关。

评估分类模型性能时，关注“正样本被正确识别比例”的指标是？

A.准确率（Accuracy）

B.召回率（Recall）

C.F1分数

D.AUC-ROC

答案：B

解析：召回率=TP/(TP+FN)，表示模型正确识别的正样本占实际正样本的比例（如故障设备被正确检测的比例）。准确率是整体正确比例（TP+TN)/(TP+TN+FP+FN)，F1是精确率与召回率的调和平均，AUC-ROC反映模型区分正负样本的能力。

工业设备健康度评估中，关键特征不包括？

A.振动信号均方根值

B.温度波动标准差

C.月度工单数量

D.电流谐波畸变率

答案：C

解析：设备健康度需直接反映运行状态的物理特征（如振动、温度、电流谐波），而月度工单数量是设备维护的管理数据，与当前健康状态无直接关联。

边缘计算在工业大数据中的主要作用是？

A.减少云端计算压力

B.提高数据采集精度

C.增强网络传输安全

D.降低数据存储成本

答案：A

解析：边缘计算在设备端或近设备端处理数据（如实时过滤无效数据、提取关键特征），仅将必要结果上传至云端，可显著减少云端计算与存储压力。数据精度由传感器硬件决定，网络安全依赖加密技术，存储成本降低是间接效果。

工业数据脱敏的常用技术不包括？

A.匿名化（如替换姓名为ID）

B.加密（如AES算法）

C.泛化（如将“25岁”改为“20-30岁”）

D.归一化（如将数据缩放到[0,1]）

答案：D

解析：脱敏的目标是保护隐私（如防止设备序列号、位置信息泄露），常用技术包括匿名化、加密、泛化。归一化是数据预处理步骤（用于模型训练），不涉及隐私保护。

工业大数据分析的最终目标是？

A.提升数据存储容量

B.优化生产决策

C.增加数据采集维度

D.提高网络传输速率

答案：B

解析：工业大数据的核心价值是通过分析数据驱动决策（如调整工艺参数、优化排产），提升生产效率与质量。存储容量、数据维度、传输速率是支撑手段，非最终目标。

二、多项选择题（共10题，每题2分，共20分）

工业大数据的主要来源包括？

A.生产设备传感器

B.ERP系统（企业资源计划）

C.PLC控制器（可编程逻辑控制器）

D.社交媒体评论

答案：ABC

解析：工业数据来源包括设备层（传感器、PLC）、系统层（ERP、MES）；社交媒体属于消费领域数据，与工业场景无关。

数据预处理的关键步骤通常包括？

A.数据清洗（处理缺失值、异常值）

B.特征工程（构造新特征）

C.模型超参数调优

D.多源数据集成（如合并设备与ERP数据