CN113378350A - 一种温度变化趋势确定方法、装置及电子设备 - Google Patents
一种温度变化趋势确定方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113378350A CN113378350A CN202110470876.2A CN202110470876A CN113378350A CN 113378350 A CN113378350 A CN 113378350A CN 202110470876 A CN202110470876 A CN 202110470876A CN 113378350 A CN113378350 A CN 113378350A
- Authority
- CN
- China
- Prior art keywords
- fitting
- temperature
- preset
- observation data
- cooling intensity
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000008859 change Effects 0.000 title claims abstract description 38
- 238000001816 cooling Methods 0.000 claims abstract description 70
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 33
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 17
- 230000006870 function Effects 0.000 claims description 26
- 230000015654 memory Effects 0.000 claims description 18
- 238000012417 linear regression Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 9
- 230000009467 reduction Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Control Of Temperature (AREA)
Abstract
本发明公开了一种温度变化趋势确定方法、装置及电子设备，包括：获取目标观测点从当天日落时刻到次日日出时刻对应的目标时间段内的多个温度观测数据；根据获取到的不同时刻对应的温度观测数据，利用预设拟合算法对预设拟合函数进行拟合操作，直至温度观测数据与拟合结果中对应的拟合数据的误差值满足预设误差条件，根据拟合结果得到降温强度；按照上述步骤计算得到连续多日内的每一天降温强度；根据连续多日内的每一天降温强度利用预设趋势检测算法确定多日内的温度变化趋势。通过提取能够表征稳定降温趋势的降温强度来表示该日的温度特征，在抗高频扰动方面，优势明显，提高了对温度趋势分析结果的准确性。
Description
技术领域
本发明涉及数据分析技术领域，具体涉及一种温度变化趋势确定方法、装置及电子设备。
背景技术
温度变化趋势分析对气候变化等科学研究、气象预报、火灾风险评估以及地震监测等领域具有重要的指示作用。现有温度变化趋势检测方法，多用特定时刻的温度观测值或多个特定时刻的温度观测值的平均值代表该日的温度值，通过连续获取多日的该温度值来分析温度变化趋势。
但使用特定时刻的温度观测值来分析温度变化趋势，由于受气候条件、观测设备精度等影响，特定时刻的温度观测值会包含较大的高频误差，可能直接导致对温度变化趋势的错误认识；且选取多个特定时刻的温度平均值来分析温度变化趋势同样存在温度观测值存在观测误差的问题，影响了对温度变化趋势分析结果的准确性；且现有温度变化趋势检测方式无法利用全部观测数据，造成了观测数据的浪费。
发明内容
因此，本发明要解决的技术问题在于克服现有温度变化趋势确定方式准确性差的缺陷，从而提供一种温度变化趋势确定方法、装置及电子设备。
根据第一方面，本发明实施例公开了一种温度变化趋势确定方法，包括：获取目标观测点从当天日落时刻到次日日出时刻对应的目标时间段内的多个温度观测数据；根据获取到的不同时刻对应的温度观测数据，利用预设拟合算法对预设拟合函数进行拟合操作，直至所述温度观测数据与拟合结果中对应的拟合数据的误差值满足预设误差条件，根据拟合结果得到降温强度，其中所述降温强度用于进行温度趋势分析，所述预设拟合函数如下式所示：
式中：t为每一个温度观测数据对应的观测时间；T0为日落时刻对应的拟合温度值；δT为t趋于正无穷大时T0与T(t)之差；t0为日落时间，k为降温强度、e为自然常数；
按照所述获取目标观测点从日落时刻到日出时刻对应的目标时间段内的多个温度观测数据的步骤和所述根据获取到的不同时刻对应的温度观测数据，利用预设拟合算法对预设拟合函数进行拟合操作，直至所述温度观测数据与拟合结果中对应的拟合数据的误差值满足预设误差条件，根据拟合结果得到降温强度的步骤，计算得到连续多日内的每一天降温强度；根据所述连续多日内的每一天降温强度利用预设趋势检测算法确定多日内的温度变化趋势。
可选地，所述根据获取到的不同时刻对应的温度观测数据，利用预设拟合算法对预设拟合函数进行拟合操作，直至所述温度观测数据与拟合结果中对应的拟合数据的误差值满足预设误差条件，根据拟合结果得到降温强度，包括：确定所述温度观测数据与拟合结果中对应的拟合数据的均方根误差是否小于预设误差值；当所述均方根误差小于预设值，根据拟合结果得到降温强度。
可选地，所述预设误差值不小于0.8，所述温度观测数据的数量大于4个。
可选地，所述预设趋势检测算法包括：线性回归法。
根据第二方面，本发明实施例还公开了一种温度变化趋势确定装置，包括：获取模块，用于获取目标观测点从当天日落时刻到次日日出时刻对应的目标时间段内的多个温度观测数据；拟合模块，用于根据获取到的不同时刻对应的温度观测数据，利用预设拟合算法对预设拟合函数进行拟合操作，直至所述温度观测数据与拟合结果中对应的拟合数据的误差值满足预设误差条件，根据拟合结果得到降温强度，其中所述降温强度用于进行温度趋势分析，所述预设拟合函数如下式所示：
式中：t为每一个温度观测数据对应的观测时间；T0为日落时刻对应的拟合温度值；δT为t趋于正无穷大时T0与T(t)之差；t0为日落时间，k为降温强度、e为自然常数；
计算模块，用于按照所述获取目标观测点从日落时刻到日出时刻对应的目标时间段内的多个温度观测数据的步骤和所述根据获取到的不同时刻对应的温度观测数据，利用预设拟合算法对预设拟合函数进行拟合操作，直至所述温度观测数据与拟合结果中对应的拟合数据的误差值满足预设误差条件，根据拟合结果得到降温强度的步骤，计算得到连续多日内的每一天降温强度；确定模块，用于根据所述连续多日内的每一天降温强度利用预设趋势检测算法确定多日内的温度变化趋势。
可选地，所述拟合模块，包括拟合子模块，用于确定所述温度观测数据与拟合结果中对应的拟合数据的均方根误差是否小于预设误差值；当所述均方根误差小于预设值，根据拟合结果得到降温强度。
可选地，所述预设误差值不小于0.8，所述温度观测数据的数量大于4个。
可选地，所述预设趋势检测算法包括：线性回归法。
根据第三方面，本发明实施例还公开了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行如第一方面或第一方面任一可选实施方式所述的温度变化趋势确定方法的步骤。
根据第四方面，本发明实施方式还公开了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面或第一方面任一可选实施方式所述的温度变化趋势确定方法的步骤。
本发明技术方案，具有如下优点：
本发明提供的温度变化趋势确定方法/装置，通过获取目标观测点从当天日落时刻到次日日出时刻对应的目标时间段内的多个温度观测数据，并根据获取到的不同时刻对应的温度观测数据，利用预设拟合算法对预设拟合函数进行拟合操作，直至温度观测数据与拟合结果中对应的拟合数据的误差值满足预设误差条件，根据拟合结果得到降温强度，重复按照上述步骤计算得到连续多日内的每一天降温强度，继而根据连续多日内的每一天降温强度利用预设趋势检测算法确定多日内的温度变化趋势。利用长达数小时的连续温度观测数据，提取能够表征稳定降温趋势的降温强度k值来表示该日的温度特征，在抗高频扰动方面，优势明显，提高了对温度趋势分析结果的准确性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中温度变化趋势确定方法的一个具体示例的流程图；
图2为本发明实施例中温度变化趋势确定方法的一个具体示例的拟合结果示意图；
图3为本发明实施例中温度变化趋势确定方法的一个具体效果示意图；
图4为本发明实施例中温度变化趋势确定装置的一个具体示例的原理框图；
图5为本发明实施例中电子设备的一个具体示例图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本发明实施例公开了一种温度变化趋势确定方法，如图1所示，该方法包括如下步骤：
步骤101，获取目标观测点从当天日落时刻到次日日出时刻对应的目标时间段内的多个温度观测数据。
示例性地，目标观测点可以是任一可实现温度观测的观测点，为了能获取到更准确的温度观测数据，目标观测点尽可能选取风量小、风速低的位置。本申请实施例中选取的目标时间段包含当天日落时刻和次日日出时刻，使得在该目标时间段内观测到的温度数据包含夜间温度，由于在夜间时，目标观测点所在的环境温度为自然温度，不会受到太阳光照的影响，提高了观测到的温度数据更准确。为了提高后续拟合操作结果的准确性，在同一目标观测点观测到的温度观测数据的数量越多越好，本申请实施例中该温度观测数据的数量大于4个，通过试验测得限制温度观测数据的数量大于4个，可以保证后续拟合提取到的降温强度参数能够准确表征温度观测数据的降温强度情况，当观测得到的温度观测数据的数据点的数量少于4个，尽管在后续拟合过程中可以提取到满足拟合误差要求的参数k，但此时的参数k离散型和稳定性较差，影响后续对多日内温度变化趋势的分析结果。
步骤102，根据获取到的不同时刻对应的温度观测数据，利用预设拟合算法对预设拟合函数进行拟合操作，直至所述温度观测数据与拟合结果中对应的拟合数据的误差值满足预设误差条件，根据拟合结果得到降温强度，其中所述降温强度用于进行温度趋势分析，所述预设拟合函数如下式所示：
式中：t为每一个温度观测数据对应的观测时间；T0为日落时刻对应的拟合温度值；δT为t趋于正无穷大时T0与T(t)之差；t0为日落时间，k为降温强度、e为自然常数；
示例性地，该预设拟合算法可以是最小二乘法，本申请实施例对该预设拟合算法的类型不作限定，本领域技术人员可以选用其他拟合算法对上式(1)进行拟合操作。如下表1所示为在目标观测点获取到的从日落到日出的多个温度观测数据，表1中第一列和第四列为温度观测数据的观测时间(t)以小时记录，该地日落时刻t0为17:00，以小时记为17，次日凌晨的时间加24小时；表中第二列和第五列为温度观测数据，温度T(t)单位为摄氏度，图2中的散点即为获取到的温度观测数据；表中第三列和第六列为拟合后的温度数据，图2中虚线即为拟合结果。
表1温度观测数据
拟合操作的方式可以采用任一可进行拟合操作的软件，并利用最小二乘法对式(1)进行拟合操作拟合。为了保证拟合得到的降温强度的准确性，对拟合结果进行监测，当拟合结果满足预设准确性条件时，使用拟合结果来确定降温强度。本申请实施例计算温度观测数据与拟合数据的均方根误差来确定拟合结果的准确性，当均方根误差小于预设值时，表征拟合结果可用，利用拟合得到的降温强度用于进行后续的温度趋势分析。本申请实施例中该预设值优选小于或等于0.8，经过试验测得，当曲线拟合的均方根误差大于0.8，得到的k值会影响后续温度趋势分析结果的准确性。该值设置的越小，表明对数据拟合的标准越高，从而会造成大量的温度观测数据因为不符合该标准而被剔除；设置的越大，可以保留较多的数据，但也有几率造成k的不准确。
目标观测点处的日落时间根据目标观测点的位置，即可直接确定观测点处观测日期的日落时间，或者从获取到的温度观测数据中找到日落时刻的温度观测数据的观测时间，将该观测时间作为日落时间，在拟合操作过程中，将获取到的目标观测点的日落时间作为目标拟合函数的日落时间。对于上式(1)中的其他系数(如T0和δT)可以预先确定，以提高确定降温强度K的效率，如在采用参数搜索方法(如穷举法或网格搜索方法)确定公式系数的过程，当其他三个参数(t0、T0以及δT)确定的情况下，每次只需要搜索一个降温强度k直至使得温度观测数据与拟合结果中对应的拟合数据的均方差误差小于预设误差值即可完成拟合操作。系数T0和δT的预先确定的方式可以是结合当前温度观测数据与历史温度观测数据的相似性，根据相似性高的历史温度观测数据对应的拟合结果确定当前拟合过程中的系数T0和δT。
为了进一步提高拟合得到的降温强度k值的准确性，本申请实施例中优选除了日落时间之外的其他数据同样与降温强度以组合穷举的方式进行拟合操作，直至拟合结果中温度观测数据与拟合结果对应的拟合数据的均方根误差小于预设误差值完成拟合操作，并将当前拟合过程中的降温强度数据作为上式(1)中的降温强度。
本申请实施例结合表1进行拟合操作，在得到均方根误差为0.33的情况下，根据拟合结果得到日落时刻的温度数据为11.551、δT为-8.4、k为4.1，得到的降温强度k可以作为特征参数用于进行温度趋势分析，k越大，表征降温强度越强，反之，降温强度越弱。k值物理含义为当天日落时刻至次日日出时刻温度的衰减强度，k值越大，衰减强度越强。对于多日温度的k值，如果处于降温周期，k值会越来越大，处于升温周期，k值会越来越小。
步骤103，按照所述获取目标观测点从日落时刻到日出时刻对应的目标时间段内的多个温度观测数据的步骤和所述根据获取到的不同时刻对应的温度观测数据，利用预设拟合算法对预设拟合函数进行拟合操作，直至所述温度观测数据与拟合结果中对应的拟合数据的误差值满足预设误差条件，根据拟合结果得到降温强度的步骤，计算得到连续多日内的每一天降温强度。
步骤104，根据所述连续多日内的每一天降温强度利用预设趋势检测算法确定多日内的温度变化趋势。
示例性地，本申请实施例中的预设趋势检测算法采用线性回归法或Mann-Kendall趋势检测法结合连续目标天数内的每一天的降温强度来预测温度变化趋势，本领域技术人员也可根据实际需要选用其他预测方法。为了保证对温度变化趋势分析结果的准确性，本申请实施例中该目标天数优选大于或等于7天。
本发明实施例提供的温度变化趋势确定方法，通过构建的表征当天日落时刻至次日日出时刻的温度变化的预设拟合函数，拟合当天日落至次日日出期间所有可用的温度观测数据进行拟合操作，整个拟合过程可以去除温度观测数据中的高频扰动信息，充分利用可用的温度观测数据，保留可靠的趋势变化信息，并且实现用具有物理含义特征参数k来表征该日温度的降温强度以进行多日内的温度变化趋势分析，在温度变化趋势分析中具有抗高频误差干扰和全面包含观测数据信息的技术优势。相比于现有技术中利用某一特定时刻的温度观测值来代表该日的温度特征以进行后续的温度变化趋势分析，本申请实施例采用拟合得到的降温强度来进行温度变化趋势分析结果更准确。
例如，下表2所示为某地升温周期内7天温度观测数据，利用单一时刻(如18点或23点)温度观测数据代表该天的温度，结合表3和图3所示，其时间序列波动较大，并呈现错误的降温趋势；利用本申请实施例记载的降温强度对温度趋势进行分析，结果显示降温强度稳定变小，指示稳定的升温过程，在稳定性和准确性方面都有显著提升。
表2某地升温周期内7天温度观测数据
表3降温强度与单一时刻观测温度分析效果对比
本发明实施例还公开了一种温度变化趋势确定装置，如图4所示，该装置包括：
获取模块301，用于获取目标观测点从当天日落时刻到次日日出时刻对应的目标时间段内的多个温度观测数据；
拟合模块302，用于根据获取到的不同时刻对应的温度观测数据，利用预设拟合算法对预设拟合函数进行拟合操作，直至所述温度观测数据与拟合结果中对应的拟合数据的误差值满足预设误差条件，根据拟合结果得到降温强度，其中所述降温强度用于进行温度趋势分析，所述预设拟合函数如下式所示：
式中：t为每一个温度观测数据对应的观测时间；T0为日落时刻对应的拟合温度值；δT为t趋于正无穷大时T0与T(t)之差；t0为日落时间，k为降温强度、e为自然常数；
计算模块303，用于按照所述获取目标观测点从日落时刻到日出时刻对应的目标时间段内的多个温度观测数据的步骤和所述根据获取到的不同时刻对应的温度观测数据，利用预设拟合算法对预设拟合函数进行拟合操作，直至所述温度观测数据与拟合结果中对应的拟合数据的误差值满足预设误差条件，根据拟合结果得到降温强度的步骤，计算得到连续多日内的每一天降温强度；
确定模块304，用于根据所述连续多日内的每一天降温强度利用预设趋势检测算法确定多日内的温度变化趋势。
本发明提供的温度变化趋势确定装置，通过构建的表征当天日落时刻至次日日出时刻的温度变化的预设拟合函数，拟合当天日落至次日日出期间所有可用的温度观测数据进行拟合操作，整个拟合过程可以去除温度观测数据中的高频扰动信息，充分利用可用的温度观测数据，保留可靠的趋势变化信息，并且实现用具有物理含义特征参数k来表征该日温度的降温强度以进行多日内的温度变化趋势分析，在温度变化趋势分析中具有抗高频误差干扰和全面包含观测数据信息的技术优势。
作为本发明一个可选实施方式，所述拟合模块，包括拟合子模块，用于确定所述温度观测数据与拟合结果中对应的拟合数据的均方根误差是否小于预设误差值；当所述均方根误差小于预设值，根据拟合结果得到降温强度。
作为本发明一个可选实施方式，所述预设误差值不小于0.8，所述温度观测数据的数量大于4个。
作为本发明一个可选实施方式，所述预设趋势检测算法包括：线性回归法。
本发明实施例还提供了一种电子设备，如图5所示，该电子设备可以包括处理器401和存储器402，其中处理器401和存储器402可以通过总线或者其他方式连接，图5中以通过总线连接为例。
处理器401可以为中央处理器(Central Processing Unit，CPU)。处理器401还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器402作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的温度变化趋势确定方法对应的程序指令/模块。处理器401通过运行存储在存储器402中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的温度变化趋势确定方法。
存储器402可以包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需要的应用程序；存储数据区可存储处理器401所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器402可选包括相对于处理器401远程设置的存储器，这些远程存储器可以通过网络连接至处理器401。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器402中，当被所述处理器401执行时，执行如图1所示实施例中的温度变化趋势确定方法。
上述电子设备具体细节可以对应参阅图1所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(RandomAccessMemory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种温度变化趋势确定方法，其特征在于，包括：
获取目标观测点从当天日落时刻到次日日出时刻对应的目标时间段内的多个温度观测数据；
根据获取到的不同时刻对应的温度观测数据，利用预设拟合算法对预设拟合函数进行拟合操作，直至所述温度观测数据与拟合结果中对应的拟合数据的误差值满足预设误差条件，根据拟合结果得到降温强度，其中所述降温强度用于进行温度趋势分析，所述预设拟合函数如下式所示：
式中：t为每一个温度观测数据对应的观测时间；T0为日落时刻对应的拟合温度值；δT为t趋于正无穷大时T0与T(t)之差；t0为日落时间，k为降温强度、e为自然常数；
按照所述获取目标观测点从日落时刻到日出时刻对应的目标时间段内的多个温度观测数据的步骤和所述根据获取到的不同时刻对应的温度观测数据，利用预设拟合算法对预设拟合函数进行拟合操作，直至所述温度观测数据与拟合结果中对应的拟合数据的误差值满足预设误差条件，根据拟合结果得到降温强度的步骤，计算得到连续多日内的每一天降温强度；
根据所述连续多日内的每一天降温强度利用预设趋势检测算法确定多日内的温度变化趋势。
2.根据权利要求1所述的方法，其特征在于，所述根据获取到的不同时刻对应的温度观测数据，利用预设拟合算法对预设拟合函数进行拟合操作，直至所述温度观测数据与拟合结果中对应的拟合数据的误差值满足预设误差条件，根据拟合结果得到降温强度，包括：
确定所述温度观测数据与拟合结果中对应的拟合数据的均方根误差是否小于预设误差值；
当所述均方根误差小于预设值，根据拟合结果得到降温强度。
3.根据权利要求2所述的方法，其特征在于，所述预设误差值不小于0.8，所述温度观测数据的数量大于4个。
4.根据权利要求1所述的方法，其特征在于，所述预设趋势检测算法包括：线性回归法。
5.一种温度变化趋势确定装置，其特征在于，包括：
获取模块，用于获取目标观测点从当天日落时刻到次日日出时刻对应的目标时间段内的多个温度观测数据；
拟合模块，用于根据获取到的不同时刻对应的温度观测数据，利用预设拟合算法对预设拟合函数进行拟合操作，直至所述温度观测数据与拟合结果中对应的拟合数据的误差值满足预设误差条件，根据拟合结果得到降温强度，其中所述降温强度用于进行温度趋势分析，所述预设拟合函数如下式所示：
式中：t为每一个温度观测数据对应的观测时间；T0为日落时刻对应的拟合温度值；δT为t趋于正无穷大时T0与T(t)之差；t0为日落时间，k为降温强度、e为自然常数；
计算模块，用于按照所述获取目标观测点从日落时刻到日出时刻对应的目标时间段内的多个温度观测数据的步骤和所述根据获取到的不同时刻对应的温度观测数据，利用预设拟合算法对预设拟合函数进行拟合操作，直至所述温度观测数据与拟合结果中对应的拟合数据的误差值满足预设误差条件，根据拟合结果得到降温强度的步骤，计算得到连续多日内的每一天降温强度；
确定模块，用于根据所述连续多日内的每一天降温强度利用预设趋势检测算法确定多日内的温度变化趋势。
6.根据权利要求5所述的装置，其特征在于，所述拟合模块，包括拟合子模块，用于确定所述温度观测数据与拟合结果中对应的拟合数据的均方根误差是否小于预设误差值；当所述均方根误差小于预设值，根据拟合结果得到降温强度。
7.根据权利要求5所述的装置，其特征在于，所述预设误差值不小于0.8，所述温度观测数据的数量大于4个。
8.根据权利要求5所述的装置，其特征在于，所述预设趋势检测算法包括：线性回归法。
9.一种电子设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行如权利要求1-4任一所述的温度变化趋势确定方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-4中任一项所述的温度变化趋势确定方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110470876.2A CN113378350A (zh) | 2021-04-28 | 2021-04-28 | 一种温度变化趋势确定方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110470876.2A CN113378350A (zh) | 2021-04-28 | 2021-04-28 | 一种温度变化趋势确定方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113378350A true CN113378350A (zh) | 2021-09-10 |
Family
ID=77570239
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110470876.2A Pending CN113378350A (zh) | 2021-04-28 | 2021-04-28 | 一种温度变化趋势确定方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113378350A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114529170A (zh) * | 2022-01-26 | 2022-05-24 | 中国长江三峡集团有限公司 | 鱼类盐度耐受性评估方法、装置、存储介质及电子设备 |
| CN118157461A (zh) * | 2024-05-11 | 2024-06-07 | 福州云能达科技有限公司 | 一种电源模块的温度调节*** |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017142178A (ja) * | 2016-02-10 | 2017-08-17 | 株式会社Ｃｓソリューション | 日変化予測プログラム、日変化予測装置および日変化予測方法 |
| CN107239592A (zh) * | 2017-04-24 | 2017-10-10 | 清华大学 | 一种空气污染监测数据的时间序列增长分析方法及*** |
| CN109543295A (zh) * | 2018-11-21 | 2019-03-29 | 国网青海省电力公司 | 数值天气预报的气象要素数据处理方法及装置 |
| CN109635242A (zh) * | 2018-11-29 | 2019-04-16 | 南京大学 | 一种基于多时间尺度模型的遥感地表日均温计算方法 |
| CN110598898A (zh) * | 2019-07-30 | 2019-12-20 | 深圳供电局有限公司 | 一种基于开放获取天气数据的光伏预测方法、***以及存储介质 |
| CN111538723A (zh) * | 2020-04-29 | 2020-08-14 | 上海电器科学研究所（集团）有限公司 | 监测数据处理方法、装置及电子设备 |
| CN111596745A (zh) * | 2020-05-13 | 2020-08-28 | 歌尔科技有限公司 | 一种温度检测装置、方法、***和电子设备 |
-
2021
- 2021-04-28 CN CN202110470876.2A patent/CN113378350A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2017142178A (ja) * | 2016-02-10 | 2017-08-17 | 株式会社Ｃｓソリューション | 日変化予測プログラム、日変化予測装置および日変化予測方法 |
| CN107239592A (zh) * | 2017-04-24 | 2017-10-10 | 清华大学 | 一种空气污染监测数据的时间序列增长分析方法及*** |
| CN109543295A (zh) * | 2018-11-21 | 2019-03-29 | 国网青海省电力公司 | 数值天气预报的气象要素数据处理方法及装置 |
| CN109635242A (zh) * | 2018-11-29 | 2019-04-16 | 南京大学 | 一种基于多时间尺度模型的遥感地表日均温计算方法 |
| CN110598898A (zh) * | 2019-07-30 | 2019-12-20 | 深圳供电局有限公司 | 一种基于开放获取天气数据的光伏预测方法、***以及存储介质 |
| CN111538723A (zh) * | 2020-04-29 | 2020-08-14 | 上海电器科学研究所（集团）有限公司 | 监测数据处理方法、装置及电子设备 |
| CN111596745A (zh) * | 2020-05-13 | 2020-08-28 | 歌尔科技有限公司 | 一种温度检测装置、方法、***和电子设备 |
Non-Patent Citations (2)
| Title |
|---|
| MANFRED MUDELSEE: "Trend analysis of climate time series: A review of methods", 《EARTH-SCIENCE REVIEWS》, vol. 190, 11 December 2018 (2018-12-11), pages 310 - 322, XP085619080, DOI: 10.1016/j.earscirev.2018.12.005 * |
| 谢中华等编著: "《MATLAB从零到进阶》", 31 December 2012, 北京航空航天大学出版社, pages: 406 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114529170A (zh) * | 2022-01-26 | 2022-05-24 | 中国长江三峡集团有限公司 | 鱼类盐度耐受性评估方法、装置、存储介质及电子设备 |
| CN114529170B (zh) * | 2022-01-26 | 2023-07-11 | 中国长江三峡集团有限公司 | 鱼类盐度耐受性评估方法、装置、存储介质及电子设备 |
| CN118157461A (zh) * | 2024-05-11 | 2024-06-07 | 福州云能达科技有限公司 | 一种电源模块的温度调节*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10496515B2 (en) | Abnormality detection apparatus, abnormality detection method, and non-transitory computer readable medium | |
| US20210318391A1 (en) | Probabilistic determination of transformer end of life | |
| CN113378350A (zh) | 一种温度变化趋势确定方法、装置及电子设备 | |
| CN112684401B (zh) | 轻载台区电能表运行误差数据的处理方法及*** | |
| CN113312579A (zh) | 一种降温强度确定及温度变化趋势检测方法和装置 | |
| CN109784528A (zh) | 基于时间序列和支持向量回归的水质预测方法及装置 | |
| CN111458661A (zh) | 一种配电网线变关系诊断方法、装置及*** | |
| CN109284543B (zh) | 基于最优尺度高斯过程模型的igbt剩余寿命预测方法 | |
| CN110288003B (zh) | 数据变化识别方法及设备 | |
| CN113536066A (zh) | 一种数据异常检测算法确定方法、装置及计算机设备 | |
| CN113624694A (zh) | 一种大气甲烷浓度的反演方法和装置 | |
| US11438994B2 (en) | Filament current control method and apparatus | |
| CN111985163B (zh) | 一种铷钟寿命预测方法及装置 | |
| CN117150244A (zh) | 基于电参数分析的智能配电柜状态监测方法及*** | |
| CN117349664A (zh) | 一种芽苗菜生长环境在线监测方法及*** | |
| CN117310829A (zh) | 一种基于地磁异常数据的优化识别方法 | |
| CN114911788B (zh) | 一种数据插补方法、装置及存储介质 | |
| CN111259338A (zh) | 元器件失效率修正方法、装置、计算机设备及存储介质 | |
| CN110852322A (zh) | 感兴趣区域的确定方法及装置 | |
| JP7149499B2 (ja) | データ分析方法、データ分析装置及びデータ分析プログラム | |
| Sysoev | Analysis of the drift of the metrological characteristics of measuring devices by means of Markov chains | |
| CN117421568B (zh) | 边坡岩土体冻融监测点定位方法、装置、终端及存储介质 | |
| CN117407264B (zh) | 内存老化剩余时间的预测方法、装置、计算机设备及介质 | |
| CN115186941B (zh) | 基于多种时空指标及综合排序的变量优选气候模式的方法 | |
| US20220128981A1 (en) | Information processing device, calculation method, and calculation program |
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 |