CN112597177A - 一种基于点位标记的高炉实时数据更新方法和装置 - Google Patents
一种基于点位标记的高炉实时数据更新方法和装置 Download PDFInfo
- Publication number
- CN112597177A CN112597177A CN202011621928.3A CN202011621928A CN112597177A CN 112597177 A CN112597177 A CN 112597177A CN 202011621928 A CN202011621928 A CN 202011621928A CN 112597177 A CN112597177 A CN 112597177A
- Authority
- CN
- China
- Prior art keywords
- data set
- data
- period
- next period
- latest
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2453—Query optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于点位标记的高炉实时数据更新方法和装置,所述方法包括:在服务器端执行:定时获取最近一个周期的数据集合,并根据最近一个周期的数据集合预测下一周期的模拟数据集合;在一个周期后获取下一周期的实际数据集合;比较下一周期的实际数据集合和下一周期的模拟数据集合的差异,获得更新点数据集合,并将所述更新点数据集合发送给客户端;在客户端执行:将最近一个周期的数据集合复制为下一周期的临时数据集合,并根据接收的更新点数据对下一周期的临时数据集合进行数据修正,以得到下一周期的实际数据集合,再根据下一周期的实际数据集合执行图形显示或图表动态显示。适用于高炉数据等缓慢变化的实时数据的显示刷新。
Description
技术领域
本发明涉及实时数据更新技术领域,尤其涉及一种基于点位标记的高炉实时数据更新方法和装置,可用于高炉参数数据监视及分析。
背景技术
目前对于高炉参数实时监控和数据分析,主要操作是通过后台服务,将实时数据库中的数据定时取出来显示到前端界面上。然而该做法存在以下缺点:因为高炉持续生产所产生的数据量巨大,随着时间的推进连续刷新数据,新一时间段数据将全部覆盖上一时间段数据,该做法的时间复杂度和空间复杂度较高;并且若访问目前时间段之前一时间段内的数据,则需要重新查找和覆盖,在此种情况下,访问效率将大大降低,更新数据的时间过长影响用户体验。
发明内容
有鉴于现有技术的上述缺陷,本发明的目的是提供一种实时数据更新方法,提高在客户端界面显示实时数据更新效率,及便于在客户端界面进行数据查找。
为实现上述目的,本发明提供了一种基于点位标记的高炉实时数据更新方法,包括:
在服务器端执行:
定时获取最近一个周期的数据集合,并根据最近一个周期的数据集合预测下一周期的模拟数据集合;在一个周期后获取下一周期的实际数据集合;比较下一周期的实际数据集合和下一周期的模拟数据集合的差异,获得更新点数据集合,并将所述更新点数据集合发送给客户端;
在客户端执行:
将最近一个周期的数据集合复制为下一周期的临时数据集合,并根据接收的更新点数据对下一周期的临时数据集合进行数据修正,以得到下一周期的实际数据集合,再根据下一周期的实际数据集合执行图形显示或图表动态显示。
进一步的,所述根据最近一个周期的数据集合预测下一周期的模拟数据集合,具体为:预测采用最近最常用预测法:根据最近最常出现的点坐标,预测出下一周期的模拟数据集合;
接着执行如下操作:
比较所述下一周期的模拟数据集合与最近一个周期的模拟数据集合,记录模拟数据差异点集合;
比较下一周期的实际数据集合和下一周期的模拟数据集合,记录实际数据差异点集合;
将模拟数据差异点与实际数据差异点做并集得到更新点数据。
进一步的,所述根据最近一个周期的数据集合预测下一周期的模拟数据集合,具体为:预测采用中值预测法,根据最近一个或多个周期的数据中值作为标准,作为下一个周期的模拟数据集合基准值,即下一周期的模拟数据时间坐标对应的值均为该基准值;
接着执行如下操作:
计算下一周期实际数据集合与所述的下一周期模拟数据集合基准值的偏移值,并按照偏移值所在的时间坐标的顺序记录偏移值;
以按照时间坐标顺序记录的偏移值为更新点数据。
进一步的,所述根据最近一个周期的数据集合预测下一周期的模拟数据集合,所述预测采用均值预测法:根据最近一个或多个周期的数据均值作为标准,作为下一个周期的模拟数据集合基准值,即下一周期的模拟数据时间坐标对应的值作为该基准值;
接着执行如下操作:
计算下一周期实际数据集合与所述的下一周期模拟数据集合基准值的偏移值,并按照偏移值所在的时间坐标的顺序记录偏移值;
以按照时间坐标顺序记录的偏移值为更新点数据。
进一步的,所述服务器端定时获取的最近一个周期的数据集合的周期为设定在客户端进行数据刷新的时间间隔。
为实现上述目的,本发明还提出了一种基于点位标记的高炉实时数据更新装置,包括服务器端和客户端;
所述服务器端用于:定时获取最近一个周期的数据集合,并根据最近一个周期的数据集合预测下一周期的模拟数据集合;在一个周期后获取下一周期的实际数据集合;比较下一周期的实际数据集合和下一周期的模拟数据集合的差异,获得更新点数据,并将所述更新点数据发送给所述客户端;
所述客户端用于:将最近一个周期的数据集合复制为下一周期的临时数据集合,并根据接收的更新点数据对下一周期的临时数据集合进行数据修正,以得到下一周期的实际数据集合,再根据下一周期的实际数据集合执行图形显示或图表动态显示。
进一步的,所述服务器端包括获取模块、预测模拟模块、比较模块和输出模块;
所述获取模块,用于获取最近一个周期的数据集合和下一个周期的实际数据集合;
所述预测模拟模块,用于根据最近一周期的数据集合预测出下一周期的模拟数据集合;
所述比较模块,用于比较下一周期的模拟数据集合与最近一周期数据集合,以及下一周期模拟数据集合与下一周期实际数据集合,生成更新点数据集合;
所述输出模块,用于将更新点数据集合发送给客户端,以用于客户端的实时数据更新。
技术效果:
本发明的基于点位标记的高炉实时数据更新方法,在客户端界面实时数据更新时,无需从服务器端获取全部实时数据,而是获取实时显示时的下一周期的实际数据集合和最近一个周期的数据集合比较的所需的更新点数据集合,对于高炉数据等缓慢变化的实时数据,可大大降低实时数据刷新时的数据传输量,可大大提高高炉数据的访问查询效率。
附图说明
图1是本发明的采用最常用预测法预测法的高炉实时数据更新流程图;
图2是本发明的采用数据中值预测法的高炉实时数据更新流程图;
图3是本发明的采用分段中值预测法的高炉实时数据更新流程图;
图4是本发明的基于点位标记的高炉实时数据更新装置的功能框图。
具体实施方式
为进一步说明各实施例,本发明提供有附图。这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。图中的组件并未按比例绘制,而类似的组件符号通常用来表示类似的组件。
现结合附图和具体实施方式对本发明进一步说明。
本发明公开了一种基于点位标记的高炉实时数据更新方法,包括:
在服务器端执行:
定时获取最近一个周期的数据集合,并根据最近一个周期的数据集合预测下一周期的模拟数据集合;在一个周期后获取下一周期的实际数据集合;比较下一周期的实际数据集合和下一周期的模拟数据集合的差异,获得更新点数据集合,并将所述更新点数据集合发送给客户端;
在客户端执行:
将最近一个周期的数据集合复制为下一周期的临时数据集合,并根据接收的更新点数据集合对下一周期的临时数据集合进行数据修正,以得到下一周期的实际数据集合,再根据下一周期的实际数据集合执行图形显示或图表动态显示。
以下通过实例具体说明在服务器端的更新点数据集合的获取过程。
实例1:
如图1所示,本发明提供一种基于点位标记的高炉实时数据更新实例,包括:步骤101:获取最近一个时间段内最近一个周期的数据集合;
步骤102:采用最近最常用预测法,预测出下一周期的模拟数据集合;
步骤103:比较所述下一周期的模拟数据集合与最近一个周期数据集合,记录模拟数据差异点集合;
步骤104:比较所述下一周期的模拟数据集合与下一周期实际数据集合,记录实际数据差异点集合;
步骤105:模拟数据差异点集合和实际数据差异点集合做并集得到更新点,根据更新点以及更新点的定位,作为该方法的返回值。该返回值具体为更新点数据集合,所述更新点数据集合包含更新点的定位信息和数值信息,所述更新点的定位信息即更新点的时间坐标信息。
该流程具体说明如下:
获取最近一个时间段的数据,如最近W小时的数据;获取实时数据的周期为T小时,在最近W小时数据中获取最近T小时的数据集合(以下称为:最近一个周期的数据集合)Rb={(tb1,vb1),(tb2,vb2)…(tbn,vbn)};
从上一次获取最近W小时数据的时刻开始等待T小时,在等待过程中根据上一个时间段的数据进行模拟预测,预测出将来T小时的数据集合(以下称为下一周期的模拟数据集合)Ra={(ta1,va1),(ta2,va2)…(tan,van)};
将最近一个周期的数据集合Rb的横坐标分别加周期T,获得下一周期的模拟数据集合Rb’={(tb1+T,vb1),(tb2+T,vb2)…(tbn+T,vbn)},而数据集合Ra和Rb时间差为T,因此数据集合Rb’={(ta,v1),(ta,v2)…(ta,vn)};将数据集合Ra与Rb’各个坐标点进行比较,记录纵坐标不同的坐标点对应的横坐标的下标,即tx中的x;生成点位标记差异记录集合D1={x};
到达下一次刷新数据的时刻,获取到最新最近W小时数据集合R,在其中提取出最近T小时的数据,即下一周期的实际数据集合Ra’;暂时不更新数据,先比较数据集合Rb和Ra’中相同横坐标点对应的纵坐标,记录差异点,生成点位标记差异记录集合D2={x};
根据差异记录集合D1和D2的并集D,在数据集合Rb’基础上更新差异点的纵坐标,若下标不在集合D中的坐标点,其值保持不变。更新数据后生成最近T小时实际曲线。
最近W小时里前(W-T)小时的曲线左移,拼接上最近T小时实际曲线,得到最近W小时的实际曲线。
实例2:
如图2所示,本发明提供一种基于点位标记的高炉实时数据更新实例,包括:
步骤201:获取最近一个周期的数据集合,一个周期之后再获取下一周期的实际数据集合;
步骤202:采用中值预测法:根据最近一个周期的数据中值作为标准,作为下一周期模拟数据集合的基准值,即下一周期的模拟数据时间坐标对应的值为该基准值;
步骤203:计算下一周期实际数据集合与所述下一周期模拟数据集合基准值的偏移值,并按照偏移值所在的时间坐标的顺序记录偏移值;
步骤204:以所述偏移值为更新点及更新点定位,作为该方法的返回值。
该流程具体说明如下:
获取最近一个时间段的数据,如最近W小时的数据;获取实时数据的周期为T小时(W>T),在最近W小时数据中获取最近T小时的数据集合(以下称为:最近一个周期的数据集合)Rb={(tb1,vb1),(tb2,vb2)…(tbn,vbn)};
从上一次获取最近W小时数据的时刻开始等待T小时,在等待过程中根据上一个时间段的数据进行模拟预测出将来T小时的数据集合(以下称为:下一周期的模拟数据集合)Ra={(ta1,va1),(ta2,va2)…(tan,van)},在此实例中,va1=va2=…van,为上一周期中目标点值的中位数;
到达下一次刷新数据的时刻,获取到最新最近W小时数据集合R,在其中提取出最近T小时的数据,即下一周期的实际数据集合Rb’;不更新数据,先比较数据集合Rb’和Ra中相同横坐标点对应的纵坐标,记录差异点,生成点位标记偏移值记录集合P={x};
根据点位标记偏移值记录集合P,在Rb’数据集合基础上更新差异点的纵坐标,若下标不在集合P中的坐标点,其值保持不变。更新数据后生成最近T小时实际曲线。
最近W小时里前(W-T)小时的曲线左移,拼接上最近T小时实际曲线,得到最近W小时的实际曲线。
实例3:
如图3所示,本发明提供一种基于点位标记的高炉实时数据更新实例,包括:
步骤301:获取最近一个周期的数据集合,一个周期之后再获取下一周期的实际数据集合;
步骤302:采用均值预测法:分段将最近一周期的数据去掉峰值后的均值,作为下一周期的模拟数据集合基准值,即下一周期的模拟数据时间坐标对应的值为该基准值;
步骤303:计算下一周期实际数据集合与所述下一周期模拟数据集合基准值的偏移值,并按照偏移值所在的时间坐标的顺序记录偏移值;
步骤304:以所述偏移值为更新点及更新点定位,作为该方法的返回值。
该流程具体说明如下:
获取最近一个时间段的数据,如最近W小时的数据;获取实时数据的周期为T小时(W>T),在最近W小时数据中获取最近T小时的数据集合(以下称为:最近一个周期的数据集合)Rb={(tb1,vb1),(tb2,vb2)…(tbn,vbn)};
从上一次获取最近W小时数据的时刻开始等待T小时,在等待过程中根据上一个时间段的数据进行模拟预测出将来T小时的数据集合(以下称为:下一周期的模拟数据集合)Ra={(ta1,va1),(ta2,va2)…(tan,van)},在此实例中,va1=va2=…van,为上一周期中目标点值的每个点前后段去掉峰值后的均值,此前后段的长度由一个周期内所具有的点数决定;
到达下一次刷新数据的时刻,获取到最新最近W小时数据集合R,在其中提取出最近T小时的数据,即下一周期的实际数据集合Rb’;不更新数据,先比较数据集合Rb’和Ra中相同横坐标点对应的纵坐标,记录差异点,生成点位标记偏移值记录集合P={x};
根据点位标记偏移值记录集合P,在Rb’数据集合基础上更新差异点的纵坐标,若下标不在集合P中的坐标点,其值保持不变。更新数据后生成最近T小时实际曲线。
最近W小时里前(W-T)小时的曲线左移,拼接上最近T小时实际曲线,得到最近W小时的实际曲线。
以上实施例所述的高炉实时数据更新方法,基于不同的数据预测方式,均能实现在客户端界面实时数据更新时,无需从服务器端获取全部实时数据,而是获取实时显示时的下一周期的实际数据集合和最近一个周期的数据集合比较的所需的更新点数据集合,对于高炉数据等缓慢变化的实时数据,可大大降低实时数据刷新时的数据传输量,可大大提高高炉数据的访问查询效率。
实例4:
如图4所示,本发明提供一种基于点位标记的高炉实时数据更新装置实例,包括:获取模块401、预测模拟模块402、比较模块403和输出模块404;
获取模块401:用于定时获取最近一个周期的数据集合,及在一个周期时间之后,获取下一个周期的实际数据集合;在获取下一个周期的实际数据集合后不返回下一个周期的实际数据集合,先进行如下操作:
预测模拟模块402:预测模拟模块402可以采用多种预测模式,如根据最近一个或多个周期最常出现的纵坐标值,或最近一个或几个周期纵坐标值的中值,预测出下一周期的模拟数据集合;
比较模块403:若预测模拟模块采用最近最常用预测法,则该模块用于比较下一周期的模拟数据集合与最近一周期数据集合,以及下一周期模拟数据集合与下一周期实际数据集合,两个差异点集合的并集作为现在最新的差异点(具有对应的时间节点);若预测模拟模块采用中值预测法,则该模块用于比较下一周期的实际数据与最近一个周期的数据中值,得到对应时间节点的偏移点。其中的差异点和偏移点统称为更新点,形成更新点数据集合。
输出模块404:将更新点数据集合发送给客户端,一般是采用调用的返回值的方式,从而在客户端对最近一个周期的数据集合的对应坐标点进行数据更新,得到下一周期的实际数据集合,在客户端界面上进行实时图形显示或表格动态显示,实现数据可视化。
尽管结合优选实施方案具体展示和介绍了本发明,但所属领域的技术人员应该明白,在不脱离所附权利要求书所限定的本发明的精神和范围内,在形式上和细节上可以对本发明做出各种变化,均为本发明的保护范围。
Claims (7)
1.一种基于点位标记的高炉实时数据更新方法,其特征在于,包括:
在服务器端执行:
定时获取最近一个周期的数据集合,并根据最近一个周期的数据集合预测下一周期的模拟数据集合;在一个周期后获取下一周期的实际数据集合;比较下一周期的实际数据集合和下一周期的模拟数据集合的差异,获得更新点数据集合,并将所述更新点数据集合发送给客户端;
在客户端执行:
将最近一个周期的数据集合复制为下一周期的临时数据集合,并根据接收的更新点数据对下一周期的临时数据集合进行数据修正,以得到下一周期的实际数据集合,再根据下一周期的实际数据集合执行图形显示或图表动态显示。
2.如权利要求1所述的基于点位标记的高炉实时数据更新方法,其特征在于,所述根据最近一个周期的数据集合预测下一周期的模拟数据集合,具体为:预测采用最近最常用预测法:根据最近最常出现的点坐标,预测出下一周期的模拟数据集合;
接着执行如下操作:
比较所述下一周期的模拟数据集合与最近一个周期的模拟数据集合,记录模拟数据差异点集合;
比较下一周期的实际数据集合和下一周期的模拟数据集合,记录实际数据差异点集合;
将模拟数据差异点与实际数据差异点做并集得到更新点数据。
3.如权利要求1所述的基于点位标记的高炉实时数据更新方法,其特征在于,所述根据最近一个周期的数据集合预测下一周期的模拟数据集合,具体为:预测采用中值预测法,根据最近一个或多个周期的数据中值作为标准,作为下一个周期的模拟数据集合基准值,即下一周期的模拟数据时间坐标对应的值均为该基准值;
接着执行如下操作:
计算下一周期实际数据集合与所述的下一周期模拟数据集合基准值的偏移值,并按照偏移值所在的时间坐标的顺序记录偏移值;
以按照时间坐标顺序记录的偏移值为更新点数据。
4.如权利要求1所述的基于点位标记的高炉实时数据更新方法,其特征在于,所述根据最近一个周期的数据集合预测下一周期的模拟数据集合,所述预测采用均值预测法:根据最近一个或多个周期的数据均值作为标准,作为下一个周期的模拟数据集合基准值,即下一周期的模拟数据时间坐标对应的值作为该基准值;
接着执行如下操作:
计算下一周期实际数据集合与所述的下一周期模拟数据集合基准值的偏移值,并按照偏移值所在的时间坐标的顺序记录偏移值;
以按照时间坐标顺序记录的偏移值为更新点数据。
5.如权利要求1-4任一项所述的基于点位标记的高炉实时数据更新方法,其特征在于,所述服务器端定时获取的最近一个周期的数据集合的周期为设定在客户端进行数据刷新的时间间隔。
6.一种基于点位标记的高炉实时数据更新装置,其特征在于,包括服务器端和客户端;
所述服务器端用于:定时获取最近一个周期的数据集合,并根据最近一个周期的数据集合预测下一周期的模拟数据集合;在一个周期后获取下一周期的实际数据集合;比较下一周期的实际数据集合和下一周期的模拟数据集合的差异,获得更新点数据,并将所述更新点数据发送给所述客户端;
所述客户端用于:将最近一个周期的数据集合复制为下一周期的临时数据集合,并根据接收的更新点数据对下一周期的临时数据集合进行数据修正,以得到下一周期的实际数据集合,再根据下一周期的实际数据集合执行图形显示或图表动态显示。
7.如权利要求6所述的基于点位标记的高炉实时数据更新装置,其特征在于,所述服务器端包括获取模块,预测模拟模块,比较模块,输出模块;
所述获取模块,用于获取最近一个周期的数据集合和下一个周期的实际数据集合;
所述预测模拟模块,用于根据最近一周期的数据集合预测出下一周期的模拟数据集合;
所述比较模块,用于比较下一周期的模拟数据集合与最近一周期数据集合,以及下一周期模拟数据集合与下一周期实际数据集合,生成更新点数据集合;
所述输出模块:用于将更新点数据集合发送给客户端,以用于客户端的实时数据更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011621928.3A CN112597177B (zh) | 2020-12-30 | 2020-12-30 | 一种基于点位标记的高炉实时数据更新方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011621928.3A CN112597177B (zh) | 2020-12-30 | 2020-12-30 | 一种基于点位标记的高炉实时数据更新方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112597177A true CN112597177A (zh) | 2021-04-02 |
CN112597177B CN112597177B (zh) | 2022-06-24 |
Family
ID=75206437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011621928.3A Active CN112597177B (zh) | 2020-12-30 | 2020-12-30 | 一种基于点位标记的高炉实时数据更新方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112597177B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103606018A (zh) * | 2013-12-04 | 2014-02-26 | 冶金自动化研究设计院 | 一种钢铁企业电力负荷短期动态预测*** |
CN104331494A (zh) * | 2014-11-17 | 2015-02-04 | 北京国双科技有限公司 | 一种更新数据的方法及*** |
US20160323417A1 (en) * | 2015-04-30 | 2016-11-03 | Teletracking Technologies, Inc. | Integrated system for producing procedural data change sets communicated to multiple client devices |
CN107291955A (zh) * | 2017-07-28 | 2017-10-24 | 武汉票据交易中心有限公司 | 一种图表数据动态显示方法和装置 |
WO2018064287A1 (en) * | 2016-09-28 | 2018-04-05 | Ariadne's Thread (Usa), Inc. | Predictive virtual reality display system with post rendering correction |
CN108874884A (zh) * | 2018-05-04 | 2018-11-23 | 广州多益网络股份有限公司 | 数据同步更新方法、装置和***、服务器设备 |
CN110807563A (zh) * | 2020-01-07 | 2020-02-18 | 广东招才通信息科技有限公司 | 一种基于大数据的设备寿命预测***及方法 |
CN111031511A (zh) * | 2019-12-26 | 2020-04-17 | 北京工业大学 | 一种面向物联网的可变粒度实时环境数据采集方法 |
-
2020
- 2020-12-30 CN CN202011621928.3A patent/CN112597177B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103606018A (zh) * | 2013-12-04 | 2014-02-26 | 冶金自动化研究设计院 | 一种钢铁企业电力负荷短期动态预测*** |
CN104331494A (zh) * | 2014-11-17 | 2015-02-04 | 北京国双科技有限公司 | 一种更新数据的方法及*** |
US20160323417A1 (en) * | 2015-04-30 | 2016-11-03 | Teletracking Technologies, Inc. | Integrated system for producing procedural data change sets communicated to multiple client devices |
WO2018064287A1 (en) * | 2016-09-28 | 2018-04-05 | Ariadne's Thread (Usa), Inc. | Predictive virtual reality display system with post rendering correction |
CN107291955A (zh) * | 2017-07-28 | 2017-10-24 | 武汉票据交易中心有限公司 | 一种图表数据动态显示方法和装置 |
CN108874884A (zh) * | 2018-05-04 | 2018-11-23 | 广州多益网络股份有限公司 | 数据同步更新方法、装置和***、服务器设备 |
CN111031511A (zh) * | 2019-12-26 | 2020-04-17 | 北京工业大学 | 一种面向物联网的可变粒度实时环境数据采集方法 |
CN110807563A (zh) * | 2020-01-07 | 2020-02-18 | 广东招才通信息科技有限公司 | 一种基于大数据的设备寿命预测***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112597177B (zh) | 2022-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109285220B (zh) | 一种三维场景地图的生成方法、装置、设备及存储介质 | |
JP4467838B2 (ja) | 画像認識装置および画像認識方法 | |
CN104819726A (zh) | 导航数据处理方法、装置及导航终端 | |
WO2022089143A1 (zh) | 模拟图像生成的方法、电子设备及存储介质 | |
CN113297135A (zh) | 数据处理方法以及装置 | |
CN112432650B (zh) | 高精地图数据的获取方法、车辆控制方法以及设备 | |
CN112541908B (zh) | 基于机器视觉的铸件飞边识别方法及存储介质 | |
CN109299324A (zh) | 一种标签式视频文件的检索方法 | |
CN108022006B (zh) | 一种数据驱动的可达性概率和区域生成方法 | |
CN112597177B (zh) | 一种基于点位标记的高炉实时数据更新方法和装置 | |
CN114840497B (zh) | 一种数据库的行迁移预处理方法、***、装置及存储介质 | |
CN110765074A (zh) | 一种采集终端用电负荷曲线数据的快速存取方法及*** | |
CN114564521A (zh) | 一种基于聚类算法确定农机工作时间段的方法及*** | |
CN113129375B (zh) | 数据处理方法、装置、设备及存储介质 | |
JP2009245315A (ja) | 類似画像検索方法および装置 | |
CN107491575A (zh) | 桥梁裂缝病害的矢量表示方式及数据处理方法 | |
CN112561956A (zh) | 视频目标跟踪方法、装置、电子设备及存储介质 | |
CN111860728A (zh) | 机柜的u位管理方法、管理装置以及机柜管理*** | |
CN116757964B (zh) | 用于地理信息展示的图像校正方法 | |
CN114594746B (zh) | 改性橡胶智能生产检测控制方法及*** | |
CN113674434B (zh) | 一种基于大数据云平台的智能vr全景导购方法和*** | |
CN111223100B (zh) | 一种基于双路相关性学习网络的图像分割方法及*** | |
CN116069976B (zh) | 一种区域视频分析方法及*** | |
CN116561401B (zh) | 一种基于大数据分析的资讯热点提炼方法及*** | |
CN112130792B (zh) | 一种实现可视化视图多端同步的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |