CN113609445A - 多源异构监测数据处理方法、终端设备及可读存储介质 - Google Patents
多源异构监测数据处理方法、终端设备及可读存储介质 Download PDFInfo
- Publication number
- CN113609445A CN113609445A CN202110888532.3A CN202110888532A CN113609445A CN 113609445 A CN113609445 A CN 113609445A CN 202110888532 A CN202110888532 A CN 202110888532A CN 113609445 A CN113609445 A CN 113609445A
- Authority
- CN
- China
- Prior art keywords
- monitoring data
- monitoring
- subsequences
- matrix
- processing method
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 165
- 238000003672 processing method Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 24
- 230000004927 fusion Effects 0.000 claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 46
- 238000004590 computer program Methods 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 14
- 239000013598 vector Substances 0.000 claims description 10
- 230000010354 integration Effects 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 7
- 238000000513 principal component analysis Methods 0.000 claims description 7
- 230000001186 cumulative effect Effects 0.000 claims description 5
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 13
- 238000010276 construction Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/148—Wavelet transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本申请适用于数据处理技术领域,提供了一种多源异构监测数据处理方法、终端设备及可读存储介质。其中,所述方法包括:获取各个监测点位的原始监测数据;根据原始监测数据的类型,生成对应的多个子序列;任一子序列由来自各个监测点位的相同类型的监测数据构成;根据多个子序列生成综合监测信息序列。本申请实施例提供的多源异构监测数据处理方法、终端设备及可读存储介质,通过对监测数据进行多维融合,实现对多源异构监测数据的分析处理,从而对建筑工程的安全性进行更加准确地控制与评估。
Description
技术领域
本申请适用于数据处理技术领域,提供了一种多源异构监测数据处理方法、终端设备及可读存储介质。
背景技术
建筑工程从施工阶段到竣工投入使用的过程中,应按照规范要求对建筑的压力、位移、形变、温度和沉降等安全性能指标进行监测。每种监测指标都需要布置多个监视点,并使用不同的传感器来获取相应的监测数据,每种监测数据的维度是不同的。来自多传感器的所有这些监测数据被称为多源异构监测数据。这些数据不仅有助于工程技术人员对建筑的安全性能和运行状态进行控制和评估,也有助于确定建筑物的力学形态的变化和规律,对未来同类型的建筑设计提供指导。由于监测的数据量很大,并不适宜直接用于建筑工程的质量或安全性能评估。
发明内容
有鉴于此,本申请实施例提供了一种多源异构监测数据处理方法、终端设备及可读存储介质,充分考虑了不同类型的监测数据对建筑工程安全性能的影响,对监测数据进行多维融合,为准确评估建筑工程的安全性能提供了一种解决方案。
根据第一方面,本申请实施例提供了一种多源异构监测数据处理方法,包括:获取各个监测点位的原始监测数据;任一所述监测点位的原始监测数据包括多种不同类型的监测数据;根据所述原始监测数据的类型,生成对应的多个子序列;任一所述子序列由来自各个监测点位的相同类型的监测数据构成;根据所述多个子序列生成综合监测信息序列。
结合第一方面,在本申请的一些实施例中,在所述获取各个监测点位的原始监测数据的步骤之后,所述多源异构监测数据处理方法还包括:对所述原始监测数据进行去噪处理。
结合第一方面,在本申请的一些实施例中,所述对所述原始监测数据进行去噪处理的步骤,为:根据小波分析处理方法对所述原始监测数据进行去噪处理。
结合第一方面,在本申请的一些实施例中,所述对所述原始监测数据进行去噪处理的步骤,包括:根据预设的小波基函数和分解层数,将所述原始监测数据分解为数个多尺度层;获取小波系数,并根据预设的阈值处理函数对所述小波系数进行限制;根据所述小波系数,生成去噪后的原始监测数据。
结合第一方面,在本申请的一些实施例中,所述根据所述多个子序列生成综合监测信息序列的步骤,为:根据主成分分析的信息集成方法将所述多个子序列融合为一个综合监测信息序列。
结合第一方面,在本申请的一些实施例中,所述根据主成分分析的信息集成方法将所述多个子序列融合为一个综合监测信息序列的步骤,包括:根据多个所述子序列生成对应的矩阵T;所述矩阵T由p维向量构成,矩阵T=(T1,T2,...,Tp);T1,T2,...,Tp分别表示所述子序列,所述原始监测数据包含p种不同类型的监测数据,令矩阵T中的第j个监视指标的第i个样本值为tij;计算矩阵T中j列的期望值μj和方差σj;使用标准化矩阵对矩阵T中的各个样本值tij进行标准化处理,生成对应的归一化矩阵Z;计算所述归一化矩阵Z的相关系数矩阵R;计算所述相关系数矩阵R的非负特征值λi和对应的特征向量;计算累计贡献率α,并根据所述累计贡献率α生成所述综合监测信息序列。
结合第一方面,在本申请的一些实施例中,在所述根据多个所述子序列生成对应的矩阵T的步骤之前,所述根据主成分分析的信息集成方法将所述多个子序列融合为一个综合监测信息序列的步骤,还包括:根据熵权法对所述子序列T1,T2,...,Tp进行加权处理。
根据第二方面,本申请实施例提供了一种终端设备,包括:输入单元,用于获取各个监测点位的原始监测数据;任一所述监测点位的原始监测数据包括多种不同类型的监测数据;分类单元,用于根据所述原始监测数据的类型,生成对应的多个子序列;任一所述子序列由来自各个监测点位的相同类型的监测数据构成;融合单元,用于根据所述多个子序列生成综合监测信息序列。
根据第三方面,本申请实施例提供了另一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如第一方面或第一方面任一实施方式所述方法的步骤。
根据第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,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实施方式所述方法的步骤。
本申请实施例提供的多源异构监测数据处理方法、终端设备及可读存储介质,通过对监测数据进行多维融合,实现对多源异构监测数据的分析处理,从而对建筑工程的安全性进行更加准确地控制与评估。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的多源异构监测数据处理方法的实现流程示意图;
图2是某大桥未经处理的监测数据折线图;
图3是某大桥经本申请实施例提供的多源异构监测数据处理方法处理后得到的综合位移时间序列及数据变动特征折线图。
图4某大桥经本申请实施例提供的多源异构监测数据处理方法处理后得到的综合监测数据时间序列及数据变动特征折线图。
图5是本申请实施例提供的终端设备的示意图;
图6是本申请实施例提供的另一终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
数据融合是将多传感器信息源的数据和信息加以组合,从而对监测对象进行更加准确可靠的评估。根据数据融合的方式,多源异构信息融合可分为数据融合、特征融合和决策融合三种类型。数据融合是指直接使用传感器得到的数据进行初步分析和集成,然后提取集成数据的特征以说明工程结构的时程特性。这种方法可以处理尽可能多的原始信息,但是融合处理的信息量很大。特征融合指首先提取每种类型监测数据的特征值以形成相应监测指标的特征向量,然后通过处理这些特征向量来获得融合信息。这种融合模式相对简单灵活,并且在许多融合应用中更加实用。决策融合是一种较为高级的融合模式,需要数据库和专家决策***分析处理原始数据或中间层数据。
本申请提出了一种多源异构监测数据综合信息的处理方法,充分考虑了不同类型的监测指标对建筑工程安全性能的影响,对监测数据进行降噪处理和多维融合,为准确评估建筑工程的安全性能提供了一种解决方案。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
本申请实施例提供了一种多源异构监测数据处理方法,如图1所示,该方法可以包括以下步骤:
步骤S101:获取各个监测点位的原始监测数据。任一监测点位的原始监测数据包括多种不同类型的监测数据。
步骤S102:对原始监测数据进行去噪处理。
受到建筑工程复杂的现场因素影响,从各个监测点位测得的数据相对于理想条件会有一些误差,需要对其进行再处理才能获得较为可靠的监测数据。另一方面,对同一建筑的监测通常涉及多个指标,在进行建筑工程的监控量测时,一些特定的监测指标往往更能体现该类型的建筑的安全性能。因此,合理地对不同监测指标获取的数据进行综合提取和处理,是准确评估监测数据进行的重要前提。在一具体实施方式中,可以根据小波分析处理方法对步骤S101采集的原始监测数据进行去噪处理。
作为示例,可以首先根据预设的小波基函数和分解层数,将原始监测数据分解为数个多尺度层;其次,获取小波系数并根据预设的阈值处理函数对小波系数进行限制;再次,根据所述小波系数,生成去噪后的原始监测数据。
具体的,硬阈值处理得到的小波系数的表达式如下:
软阈值处理得到的小波系数的表达式如下:
步骤S103:根据原始监测数据的类型,生成对应的多个子序列。任一子序列由来自各个监测点位的相同类型的监测数据构成。
步骤S104:根据多个子序列生成综合监测信息序列。在一具体实施方式中,可以根据主成分分析的信息集成方法将步骤S103所得的多个子序列融合为一个综合监测信息序列。
作为示例,可以首先根据熵权法对步骤S103所得的各个子序列T1,T2,...,Tp进行加权处理。步骤S101采集的原始监测数据包含p种不同类型的监测数据,因此。子序列的数量也为p。
第j个传感器的熵权值wj的表达式如下:
其次,根据经加权熵处理后的多个子序列生成对应的矩阵T。矩阵T由p维向量构成,矩阵T=(T1,T2,...,Tp);T1,T2,...,Tp分别表示子序列。令矩阵T中的第j个监视指标的第i个样本值为tij。
其次,计算矩阵T中j列的期望值μj和方差σj。
再次,使用标准化矩阵对矩阵T中的各个样本值tij进行标准化处理,生成对应的归一化矩阵Z。归一化矩阵Z的表达式如下:
再次,计算归一化矩阵Z的相关系数矩阵R。相关系数矩阵R的表达式如下:
再次,计算相关系数矩阵R的非负特征值λi和对应的特征向量。
最后,计算累计贡献率α,并根据累计贡献率α生成综合监测信息序列。在实际应用中,可以计算矩阵Z中L个主成分对应的计贡献率α;如果α≥0.85,则表示矩阵Z中包含的信息可以用L个主成分表示,这L个主成分组成的矩阵即为综合监测信息序列W。
累计贡献率α的计算公式如下所示:
下面以某大桥为例,详细介绍本申请实施例提供的多源异构监测数据处理方法:
首先从各个传感器处获得各监测点位的原始监测数据时间序列,监测数据的时间序列长度M,传感器的数量n,监测数据的种类P;同类型的j个传感器提供的一系列监测数据X1,X2,...,Xj。
选择合适的小波基函数和分解层数,将监测点的原始数据分解为数个多尺度层:
根据监测数据和选择的确定未经处理的小波系数wj,k,计算小波系数的中位数median(|wj,k|)。
根据下面的公式计算噪声的标准偏差σ:
根据下面的公式计算阈值λ:
其中,数学符号函数sign(x)的表达式为:
重构阈值处理后的高频系数和低频系数,即可得到去噪后的监测时间序列。
根据下面的公式计算第j个传感器的熵值Hj,Hj表示传感器的熵:
其中,系数fij的表达式如下:
得到各个传感器的熵值之后,即可根据下面的公式计算每个传感器的熵权值wj:
根据下面的公式即可确定某一监测指标的时间序列Ti:
Ti=[w1,w2,…,wn][X1,X2,…,Xn]T
将各个监测指标的时间序列T1,T2,...,Tp整理为p维向量T=(T1,T2,...,Tp),计算矩阵T中每列的期望值和方差。
根据下面的公式计算归一化矩阵Z,其中μj表示第j列的期望值,σj表示第j列的方差;tij表示第j个监视指标的第j个样本值:
根据下面的公式计算相关系数矩阵R,并计算矩阵R的第i个非负特征值λi和对应的特征向量:
计算累计贡献率α;如果α≥0.85,则表示矩阵Z中包含的信息可以用以上的L个主成分来表示,这L个主成分组成的矩阵即为综合监测信息序列W。
本申请实施例提供的多源异构监测数据处理方法,通过对监测数据进行多维融合,实现对多源异构监测数据的分析处理,从而对建筑工程的安全性进行更加准确地控制与评估。图2示出了某大桥未经处理的监测数据折线图。图3和图4示出了该大桥经本申请实施例提供的多源异构监测数据处理方法处理后得到的综合位移时间序列、综合监测数据时间序列及对应的数据变动特征折线图。通过图2、图3和图4,可以看出利用本申请实施例提供的多源异构监测数据处理方法,能够在显著降低数据量的基础上,保存监测数据的主要特征,从而帮助工程技术人员对建筑的安全性能和运行状态进行控制和评估。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本申请实施例还提供了一种终端设备,如图5所示,包括:输入单元201、分类单元202和融合单元203。
具体的,输入单元201用于获取各个监测点位的原始监测数据;其对应的工作过程可参见上述方法实施例中步骤S101的记载。
分类单元202用于根据原始监测数据的类型,生成对应的多个子序列;其对应的工作过程可参见上述方法实施例中步骤S103的记载。在一具体实施方式中,分类单元202还用于对原始监测数据进行去噪处理;其对应的工作过程可参见上述方法实施例中步骤S102的记载。
融合单元203用于根据多个子序列生成综合监测信息序列;其对应的工作过程可参见上述方法实施例中步骤S104的记载。
图6是本申请实施例提供的另一终端设备的示意图。如图6所示,该实施例的终端设备300包括:处理器301、存储器302以及存储在所述存储器302中并可在所述处理器301上运行的计算机程序303,例如多源异构监测数据处理程序。所述处理器301执行所述计算机程序303时实现上述各个多源异构监测数据处理方法实施例中的步骤,例如图1所示的各个步骤。或者,所述处理器301执行所述计算机程序303时实现上述各装置实施例中各模块/单元的功能,例如图5所示各个模块的功能。
所述计算机程序303可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器302中,并由所述处理器301执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序303在所述终端设备300中的执行过程。例如,所述计算机程序303可以被分割成同步模块、汇总模块、获取模块、返回模块(虚拟装置中的模块)。
所述终端设备300可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器301、存储器302。本领域技术人员可以理解,图6仅仅是终端设备300的示例,并不构成对终端设备300的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器301可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器302可以是所述终端设备300的内部存储单元,例如终端设备300的硬盘或内存。所述存储器302也可以是所述终端设备300的外部存储设备,例如所述终端设备300上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器302还可以既包括所述终端设备300的内部存储单元也包括外部存储设备。所述存储器302用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器302还可以用于暂时地存储己经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种多源异构监测数据处理方法,其特征在于,包括:
获取各个监测点位的原始监测数据;任一所述监测点位的原始监测数据包括多种不同类型的监测数据;
根据所述原始监测数据的类型,生成对应的多个子序列;任一所述子序列由来自各个监测点位的相同类型的监测数据构成;
根据所述多个子序列生成综合监测信息序列。
2.如权利要求1所述的多源异构监测数据处理方法,其特征在于,在所述获取各个监测点位的原始监测数据的步骤之后,所述多源异构监测数据处理方法还包括:
对所述原始监测数据进行去噪处理。
3.如权利要求2所述的多源异构监测数据处理方法,其特征在于,所述对所述原始监测数据进行去噪处理的步骤,为:
根据小波分析处理方法对所述原始监测数据进行去噪处理。
4.如权利要求3所述的多源异构监测数据处理方法,其特征在于,所述对所述原始监测数据进行去噪处理的步骤,包括:
根据预设的小波基函数和分解层数,将所述原始监测数据分解为数个多尺度层;
获取小波系数,并根据预设的阈值处理函数对所述小波系数进行限制;
根据所述小波系数,生成去噪后的原始监测数据。
5.如权利要求1至4中任一项所述的多源异构监测数据处理方法,其特征在于,所述根据所述多个子序列生成综合监测信息序列的步骤,为:
根据主成分分析的信息集成方法将所述多个子序列融合为一个综合监测信息序列。
6.如权利要求5所述的多源异构监测数据处理方法,其特征在于,所述根据主成分分析的信息集成方法将所述多个子序列融合为一个综合监测信息序列的步骤,包括:
根据多个所述子序列生成对应的矩阵T;所述矩阵T由p维向量构成,矩阵T=(T1,T2,...,Tp);T1,T2,...,Tp分别表示所述子序列,所述原始监测数据包含p种不同类型的监测数据,令矩阵T中的第j个监视指标的第i个样本值为tij;
计算矩阵T中j列的期望值μj和方差σj;
使用标准化矩阵对矩阵T中的各个样本值tij进行标准化处理,生成对应的归一化矩阵Z;
计算所述归一化矩阵Z的相关系数矩阵R;
计算所述相关系数矩阵R的非负特征值λi和对应的特征向量;
计算累计贡献率α,并根据所述累计贡献率α生成所述综合监测信息序列。
7.如权利要求6所述的多源异构监测数据处理方法,其特征在于,在所述根据多个所述子序列生成对应的矩阵T的步骤之前,所述根据主成分分析的信息集成方法将所述多个子序列融合为一个综合监测信息序列的步骤,还包括:
根据熵权法对所述子序列T1,T2,...,Tp进行加权处理。
8.一种终端设备,其特征在于,包括:
输入单元,用于获取各个监测点位的原始监测数据;任一所述监测点位的原始监测数据包括多种不同类型的监测数据;
分类单元,用于根据所述原始监测数据的类型,生成对应的多个子序列;任一所述子序列由来自各个监测点位的相同类型的监测数据构成;
融合单元,用于根据所述多个子序列生成综合监测信息序列。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,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至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110888532.3A CN113609445A (zh) | 2021-08-03 | 2021-08-03 | 多源异构监测数据处理方法、终端设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110888532.3A CN113609445A (zh) | 2021-08-03 | 2021-08-03 | 多源异构监测数据处理方法、终端设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113609445A true CN113609445A (zh) | 2021-11-05 |
Family
ID=78339362
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110888532.3A Pending CN113609445A (zh) | 2021-08-03 | 2021-08-03 | 多源异构监测数据处理方法、终端设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113609445A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114970667A (zh) * | 2022-03-30 | 2022-08-30 | 国网吉林省电力有限公司 | 一种多源异构能源数据融合方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0458181A (ja) * | 1990-06-27 | 1992-02-25 | Toshiba Corp | 分散処理型放射線モニタシステム |
CN107958309A (zh) * | 2017-12-07 | 2018-04-24 | 河海大学 | 一种高坝多点变形性态联合预报方法 |
CN111260525A (zh) * | 2020-01-16 | 2020-06-09 | 深圳市广道高新技术股份有限公司 | 社区安全态势感知和预警方法、***及存储介质 |
CN111967519A (zh) * | 2020-08-18 | 2020-11-20 | 河南工业大学 | 基于多源压缩感知的故障诊断方法 |
CN112598797A (zh) * | 2020-12-08 | 2021-04-02 | 中广核工程有限公司 | 核电厂复杂多源异构数据同化的方法、***、介质及设备 |
-
2021
- 2021-08-03 CN CN202110888532.3A patent/CN113609445A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0458181A (ja) * | 1990-06-27 | 1992-02-25 | Toshiba Corp | 分散処理型放射線モニタシステム |
CN107958309A (zh) * | 2017-12-07 | 2018-04-24 | 河海大学 | 一种高坝多点变形性态联合预报方法 |
CN111260525A (zh) * | 2020-01-16 | 2020-06-09 | 深圳市广道高新技术股份有限公司 | 社区安全态势感知和预警方法、***及存储介质 |
CN111967519A (zh) * | 2020-08-18 | 2020-11-20 | 河南工业大学 | 基于多源压缩感知的故障诊断方法 |
CN112598797A (zh) * | 2020-12-08 | 2021-04-02 | 中广核工程有限公司 | 核电厂复杂多源异构数据同化的方法、***、介质及设备 |
Non-Patent Citations (3)
Title |
---|
廖国礼等: "主成分分析法在矿山空气污染监测点优化中的应用", 金属矿山, no. 05, pages 1 - 3 * |
王罡 等: "基于多源异构数据融合的综合管廊电力舱***保护", 《 电力***保护与控制》, vol. 49, no. 7, pages 103 - 109 * |
聂庆科 等: "多源异构监测数据融合方法及应用", 科学技术与工程, vol. 22, no. 13, pages 5348 - 5357 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114970667A (zh) * | 2022-03-30 | 2022-08-30 | 国网吉林省电力有限公司 | 一种多源异构能源数据融合方法 |
CN114970667B (zh) * | 2022-03-30 | 2024-03-29 | 国网吉林省电力有限公司 | 一种多源异构能源数据融合方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112131383B (zh) | 特定目标的情感极性分类方法 | |
CN112257578B (zh) | 人脸关键点检测方法、装置、电子设备及存储介质 | |
CN111259269A (zh) | 基于时间序列数据的异常点检测方法、设备和存储介质 | |
CN110147502B (zh) | 基于大数据分析的产品推荐方法、装置、介质及服务器 | |
US20140297323A1 (en) | Extracting key action patterns from patient event data | |
CN110020739B (zh) | 用于数据处理的方法、装置、电子设备及计算机可读介质 | |
CN115062674B (zh) | 基于深度学习的刀具排布及换刀方法、设备及存储介质 | |
CN114565196B (zh) | 基于政务热线的多事件趋势预判方法、装置、设备及介质 | |
CN112801315A (zh) | 电力二次设备的状态诊断方法、装置及终端 | |
CN116977001A (zh) | 地质灾害防治工程造价管理***及其方法 | |
Lataniotis | Data-driven uncertainty quantification for high-dimensional engineering problems | |
CN113705092B (zh) | 基于机器学习的疾病预测方法及装置 | |
CN113110961B (zh) | 设备异常检测方法、装置、计算机设备及可读存储介质 | |
CN113743650B (zh) | 电力负荷预测方法、装置、设备与存储介质 | |
CN113609445A (zh) | 多源异构监测数据处理方法、终端设备及可读存储介质 | |
CN111478742B (zh) | 一种sm4算法的分析方法、***以及设备 | |
CN116564539A (zh) | 基于信息抽取和实体归一的医学相似病例推荐方法和*** | |
CN111091099A (zh) | 一种场景识别模型的构建方法、场景识别方法及设备 | |
CN116432608A (zh) | 基于人工智能的文本生成方法、装置、计算机设备及介质 | |
CN114398228A (zh) | 一种设备资源使用情况的预测方法、装置及电子设备 | |
CN113327655B (zh) | 多维度数据的离群值检测方法、装置、设备和介质 | |
Bakery et al. | A new double truncated generalized gamma model with some applications | |
CN113850686A (zh) | 投保概率确定方法、装置、存储介质及电子设备 | |
CN113704236A (zh) | 政务***数据质量评估方法、装置、终端及存储介质 | |
CN112348584A (zh) | 一种车辆估值方法、装置及设备 |
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 |