CN116295611A - 实验数据采集方法、装置、设备及存储介质 - Google Patents
实验数据采集方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116295611A CN116295611A CN202310050398.9A CN202310050398A CN116295611A CN 116295611 A CN116295611 A CN 116295611A CN 202310050398 A CN202310050398 A CN 202310050398A CN 116295611 A CN116295611 A CN 116295611A
- Authority
- CN
- China
- Prior art keywords
- data
- target
- experimental
- environment
- environmental data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 230000007613 environmental effect Effects 0.000 claims abstract description 187
- 238000012937 correction Methods 0.000 claims abstract description 135
- 238000002474 experimental method Methods 0.000 claims abstract description 82
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 238000013480 data collection Methods 0.000 claims description 23
- 238000004140 cleaning Methods 0.000 claims description 19
- 230000005855 radiation Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 4
- 241000287127 Passeridae Species 0.000 description 23
- 235000013305 food Nutrition 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 239000004459 forage Substances 0.000 description 3
- 244000062645 predators Species 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002431 foraging effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Genetics & Genomics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Physiology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据采集领域,尤其涉及一种实验数据采集方法、装置、设备及存储介质,该方法包括:采集目标实验区域的环境数据;对目标实验区域的当前环境数据进行预处理,得到预处理后的目标实验区域的当前环境数据;建立环境数据修正模型,并根据目标实验区域的当前环境数据对环境数据修正模型的参数进行优化调整,直到得到目标环境数据修正模型;获取当前目标实验区域的环境数据,并将当前目标实验区域的环境数据输入目标环境数据修正模型,得到环境修正系数;根据所述环境修正系数,调整当前目标实验区域的环境,并在调整后的目标实验区域的环境下,采集目标实验数据,从而提高采集的实验数据的准确性。
Description
技术领域
本发明涉及数据采集技术领域,尤其涉及一种实验数据采集方法、装置、设备以及存储介质。
背景技术
在不同实验环境下,采集到的实验数据差距很大,在实验环境控制在适合区间,采集到的实验数据才为有效实验数据。因此,如何准确控制实验环境,采集有效实验数据,提高实验的准确性成为当前亟待解决的技术问题,目前传统的方式主要采用人工调整,研究人员通过自己的感官或仪器去获取实验数据,然后通过理论计算判断获取的目标实验数据是否可靠,并根据实验数据对实验环境数据进行调整,但是人工调整方法很需要耗费研究人员大量精力,且容易出现采集到的实验数据不准确,导致实验结果不准确的问题。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种实验数据采集方法、装置、设备及存储介质,旨在解决现有技术中难以准确预测出变压器的未来油温,导致变压器过热损坏的技术问题。
为实现上述目的,本发明提供一种实验数据采集方法,所述实验数据采集方法包括以下步骤:
采集目标实验区域的环境数据,所述环境数据包括环境的温度、湿度、压强、风速、辐射强度以及海拔中的至少一项;
对所述目标实验区域的当前环境数据进行预处理,得到预处理后的目标实验区域的当前环境数据;
建立环境数据修正模型,并根据所述目标实验区域的当前环境数据对所述环境数据修正模型的参数进行优化调整,直到得到目标环境数据修正模型;
获取当前目标实验区域的环境数据,并将所述当前目标实验区域的环境数据输入目标环境数据修正模型,得到环境修正系数;
根据所述环境修正系数,调整当前目标实验区域的环境,并在调整后的目标实验区域的环境下,采集目标实验数据。
可选地,所述将所述预处理的环境数据输入所述环境数据修正模型中,得到识别结果,并根据识别结果计算识别误差;
若所述识别误差不满足识别精度要求,则对所述环境数据修正模型的阈值和权值进行更新;
重复上述操作,直到所述识别误差满足识别精度要求,以得到目标环境数据修正模型。
可选地,所述对所述环境数据修正模型的阈值和权值进行更新,包括:
对所述环境数据修正模型的种群进行初始化,得到初始化后的种群;
按照预设的进化规则,对所述初始化后的种群进行进化,得到进化后的种群;
根据所述进化后的种群,对所述环境数据修正模型的阈值和权值进行更新。
可选地,所述按照预设的进化规则,对所述初始化后的种群进行进化,得到进化后的种群,包括:
对所初始化后的种群中的发现者、改进者以及预警者的位置进行更新;
计算所述初始化后的种群的每个个体的适应度并根据适应度大小进行排序,得到排序后的种群;
将所述排序后的种群中的适应度靠前的个体进行自适度变异和交叉,得到进化后的种群。
可选地,所述根据所述进化后的种群,对所述环境数据修正模型的阈值和权值进行更新,包括:
计算所述进化后的种群中的子代自适度,并用适应能力强的子代位置替换父代位置;
将所述自适度交叉和变异的个体适应度与历史最优个体比较,并根据比较结果对所述环境数据修正模型的阈值和权值进行更新,并判断所述更新后的阈值和权值是否满足终止条件;
重复上述操作,直到所述更新后的阈值和权值满足终止条件,完成对所述环境数据修正模型的阈值和权值进行更新。
可选地,所述对所述目标实验区域的当前环境数据进行预处理,得到预处理后的目标实验区域的当前环境数据,包括:
根据目标实验区域的当前环境数据对实验结果的重要顺序,建立目标实验区域的当前环境数据清洗规则;
根据所述目标实验区域的当前环境数据清洗规则,清洗掉所述目标实验区域的当前环境数据中的无用数据、异常数据以及重复数据。
可选地,所述根据所述环境修正系数,调整当前目标实验区域的环镜,并在调整后的目标实验区域的环境下,采集目标实验数据,包括:
根据修正系数与环镜数据的预设关系,对目标实验区域的环境进行调整;
在调整后的目标实验区域的环境下采集实验数据,并判断所述实验数据是否满足预设条件要求;
若不满足,重新调整目标环境数据修正模型,并重新调整目标实验区域的环境,并采集新的实验数据。
此外,为实现上述目的,本发明还提出一种实验数据采集装置,所述实验数据采集装置包括:
获取模块,用于采集目标实验区域的环境数据,所述环境数据包括环境的温度、湿度、压强、风速、辐射强度以及海拔中的至少一项;
处理模块,用于对所述目标实验区域的当前环境数据进行预处理,得到预处理后的目标实验区域的当前环境数据;
建模模块,用于建立环境数据修正模型,并根据所述目标实验区域的当前环境数据对所述环境数据修正模型的参数进行优化调整,直到得到目标环境数据修正模型;
采集模块,用于获取当前目标实验区域的环境数据,并将所述当前目标实验区域的环境数据输入目标环境数据修正模型,得到环境修正系数;
所述采集模块,还用于环境修正系数,调整当前目标实验区域的环镜,并在调整后的目标实验区域的环境下,采集目标实验数据。
此外,为实现上述目的,本发明还提出一种实验数据采集设备,所述设备包括:存储器、处理器及存储在所述存储器上并在所述处理器上运行的实验数据采集程序,所述实验数据采集程序配置为实现如上文所述的实验数据采集方法。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有实验数据采集程序,所述实验数据采集程序被处理器执行时实现如上文所述的实验数据采集方法。
本发明其公开了一种实验数据采集方法、装置、设备及存储介质,该方法包括:采集目标实验区域的环境数据,所述环境数据包括环境的温度、湿度、压强、风速、辐射强度以及海拔中的至少一项;对所述目标实验区域的当前环境数据进行预处理,得到预处理后的目标实验区域的当前环境数据;建立环境数据修正模型,并根据所述目标实验区域的当前环境数据对所述环境数据修正模型的参数进行优化调整,直到得到目标环境数据修正模型;获取当前目标实验区域的环境数据,并将所述当前目标实验区域的环境数据输入目标环境数据修正模型,得到环境修正系数;根据所述环境修正系数,调整当前目标实验区域的环境,并在调整后的目标实验区域的环境下,采集目标实验数据。从而通过大数据方法对实验环境进行调整,以获取准确度高的实验数据,得到有效的实验结果。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的实验数据采集设备结构示意图;
图2为本发明实验数据采集方法第一实施例的流程示意图;
图3为本发明实验数据采集方法第二实施例的流程示意图;
图4为本发明实验数据采集方法第三实施例的流程示意图;
图5为本发明实验数据采集装置第一实施例的功能模块示意图。
本发明目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,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作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。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的实验数据采集设备结构示意图。
如图1所示,该实验数据采集设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display),可选用户接口1003还可以包括标准的有线接口、无线接口,对于用户接口1003的有线接口在本发明中可为USB接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity,Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(Random Access Memory,RAM)存储器,也可以是稳定的存储器(Non-volatileMemory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对实验数据采集设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,认定为一种计算机存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及实验数据采集程序。
在图1所示的实验数据采集设备中,网络接口1004主要用于连接后台服务器,与所述后台服务器进行数据通信;用户接口1003主要用于连接用户设备;所述实验数据采集设备通过处理器1001调用存储器1005中存储的实验数据采集程序,并执行本发明实施例提供的实验数据采集方法。
基于上述硬件结构,提出本发明实验数据采集方法的实施例。
参照图2,图2为本发明实验数据采集方法第一实施例的流程示意图,提出本发明实验数据采集方法第一实施例。
在第一实施例中,所述实验数据采集方法包括以下步骤:
步骤S10:采集目标实验区域的环境数据,所述环境数据包括环境的温度、湿度、压强、风速、辐射强度以及海拔中的至少一项。
理解的是,本实施例的执行主体是为实验数据采集设备,该实验数据采集设备具有数据处理、数据通信及程序运行等功能。
在具体实现中,实验数据采集设备发送收集指令到湿度传感器、温度传感器、压强传感器、风速传感器以及辐射强度传感器,以使湿度传感器、温度传感器、压强传感器、风速传感器以及辐射强度传感器在接收到了收集指令后开始收集目标实验环境中的温度、湿度、压强、风速、辐射强度以及海拔,从而使可以测得目标实验环境中的温度、湿度、压强、风速、辐射强度以及海拔。
步骤S20:对所述目标实验区域的当前环境数据进行预处理,得到预处理后的目标实验区域的当前环境数据。
在具体实施中,根据目标实验区域的当前环境数据对实验结果的重要顺序,建立目标实验区域的当前环境数据清洗规则;根据所述目标实验区域的当前环境数据清洗规则,清洗掉所述目标实验区域的当前环境数据中的无用数据、异常数据以及重复数据。
步骤S30:建立环境数据修正模型,并根据所述目标实验区域的当前环境数据对所述环境数据修正模型的参数进行优化调整,直到得到目标环境数据修正模型。
在具体实施中,将所述预处理的环境数据输入所述环境数据修正模型中,得到识别结果,并根据识别结果计算识别误差;若所述识别误差不满足识别精度要求,则对所述环境数据修正模型的阈值和权值进行更新;重复上述操作,直到所述识别误差满足识别精度要求,以得到目标环境数据修正模型。
需要说明的是,这里的对环境数据修正模型的阈值和权值进行更新的方法为一种改进的遗传算法,该算法可以用来对模型的各个参数进行修正。
步骤S40:获取当前目标实验区域的环境数据,并将所述当前目标实验区域的环境数据输入目标环境数据修正模型,得到环境修正系数。
需要说明的是,此时得到的是满足实验条件的目标环境数据修正模型,重新采集新的实验环境数据,并将新的实验环境数据输入至目标环境数据修正模型中,得到实验修正系数,并根据实验修正系数对实验环境进行调整,在修正后的实验环境下进行实验,得到目标实验结果。
步骤S50:根据所述环境修正系数,调整当前目标实验区域的环境,并在调整后的目标实验区域的环境下,采集目标实验数据。
应理解的是,如果计算得到环境系数为A.BC,而目标环境系数为A.BD,则用A.BD-A.BC=0.0D-C,并根据得到0.0D-C,对环境进行修正,得到修正后的实验环境,并根据修正后的实验环境,进行实验,得到目标实验结果。
在本实施例中,采集目标实验区域的环境数据,所述环境数据包括环境的温度、湿度、压强、风速、辐射强度以及海拔中的至少一项;对所述目标实验区域的当前环境数据进行预处理,得到预处理后的目标实验区域的当前环境数据;建立环境数据修正模型,并根据所述目标实验区域的当前环境数据对所述环境数据修正模型的参数进行优化调整,直到得到目标环境数据修正模型;获取当前目标实验区域的环境数据,并将所述当前目标实验区域的环境数据输入目标环境数据修正模型,得到环境修正系数;根据所述环境修正系数,调整当前目标实验区域的环境,并在调整后的目标实验区域的环境下,采集目标实验数据。从而通过大数据方法对实验环境进行调整,以获取准确度高的实验数据,得到有效的实验结果。
参照图3,图3为本发明实验数据采集方法第二实施例的流程示意图,基于上述图2所示的第一实施例,提出本发明实验数据采集方法的第二实施例。
在第二实施例中,所述步骤S30,包括:
步骤S301:将所述预处理的环境数据输入所述环境数据修正模型中,得到识别结果,并根据识别结果计算识别误差。
在具体实施中,将所述环境数据包括环境的温度、湿度、压强、风速、辐射强度以及海拔中的至少一项,输入至所述环境数据修正模型中,所述环境数据修正模型通过大数据进行预测和计算,得到环境修正参数。
步骤S302:若所述识别误差不满足识别精度要求,则对所述环境数据修正模型的阈值和权值进行更新。
在具体实施中,对所述环境数据修正模型的种群进行初始化,得到初始化后的种群;按照预设的进化规则,对所述初始化后的种群进行进化,得到进化后的种群;根据所述进化后的种群,对所述环境数据修正模型的阈值和权值进行更新。对所初始化后的种群中的发现者、改进者以及预警者的位置进行更新;计算所述初始化后的种群的每个个体的适应度并根据适应度大小进行排序,得到排序后的种群;将所述排序后的种群中的适应度靠前的个体进行自适度变异和交叉,得到进化后的种群。计算所述进化后的种群中的子代自适度,并用适应能力强的子代位置替换父代位置;将所述自适度交叉和变异的个体适应度与历史最优个体比较,并根据比较结果对所述环境数据修正模型的阈值和权值进行更新,并判断所述更新后的阈值和权值是否满足终止条件;重复上述操作,直到所述更新后的阈值和权值满足终止条件,完成对所述环境数据修正模型的阈值和权值进行更新。
需要说明的是,这里对环境数据修正模型的阈值和权值更新方法,采用的算法为麻雀搜索算法,其原理为麻雀在觅食过程中有三部分,分别为发现者、加入者以及预警者,其中适应度高的发现者在搜索到食物时,会引导其他更多的种群进行搜索和觅食,加入者为了获取更高的适应度会跟随发现者觅食,当麻雀种群意识到有危险时,则会发生反捕食行为,其中发现者位置更新如下公式所示。
其中,t代表迭代次数,j=1,2,....d,其中d表示待优化问题变量的维度,N为常数,其表示最大迭代次数,X表示第i个麻雀在第j维中的位置信息,a为0-1之间的随机数,Q为服从正态分布的随机数,ST和R2分别表示安全值和预警值,L为1*d且元素均为1的矩阵,为服从正态分布的随机数。当R2<ST时,表明麻雀种群觅食环境安全,没有捕食者入侵,发现者可以搜索更广泛的食物。当R2>ST时,表明种群中的部分麻雀发现了捕食者的入侵,同时向种群中的其他麻雀发出警告,这时麻雀种群都会快速飞到安全的地方觅食,其中加入者的更新方法如下式所示。
其中,Xp是当前发现者所在的最优位置,Xworst表示当前最差位置,B为随机包含−1和1两个元素的矩阵,Q为服从正态分布的随机数,n为麻雀总数,当i大于麻雀总数的一半时,表明第i个加入者没有觅食,其适应度较低,正处于饥饿状态,需要飞到其他地方觅食,以获得更高的能量.当i<n/2时,表明第i个加入者将在当前最优位置Xp附近范围找到合适的位置觅食,预警者位置更新公式如下。
其中,Xbest是当前最优位置,β为标准正态分布,fi为麻雀个体当前的适应度值,K为[−1,1]之间的随机数,fbest和fworst为全局最优和最差的适应度值,a为一个极小的数,麻雀处于种群边缘觅食,很容易遭到捕食者攻击;处于种群中间的麻雀会意识到危险,则会飞往其他麻雀的位置觅食,以减小被捕食的概率。
步骤S303:重复上述操作,直到所述识别误差满足识别精度要求,以得到目标环境数据修正模型。
需要说明的是,交叉和遗传操作在实验中起到关键性作用,对于不同具体问题具有很好的鲁棒性,能够避免麻雀种群陷入局部的最优值求解。在麻雀种群发现食物与跟随和侦察预警过程中,会对麻雀个体的适应度进行排序,选出最佳适应度麻雀个体来进行交叉与变异操作,并通过子代与父代适应度比较,淘汰适应度差的个体,这样可以增加麻雀种群的多样性,充分利用麻雀群体的优良特性,使其跳出局部最优值。
其中,交叉选择种群中的麻雀个体使他们随机地进行相互配对,并使配对好的麻雀个体通过选定的概率发生交叉操作。对于交叉的两个麻雀Xi和Xj的其位置进行交叉,其中交叉操作的公式如下:
其中,γ为区间(0,1)之间的随机数。
在本实施例中,采集目标实验区域的环境数据,所述环境数据包括环境的温度、湿度、压强、风速、辐射强度以及海拔中的至少一项;对所述目标实验区域的当前环境数据进行预处理,得到预处理后的目标实验区域的当前环境数据;将所述预处理的环境数据输入所述环境数据修正模型中,得到识别结果,并根据识别结果计算识别误差;若所述识别误差不满足识别精度要求,则对所述环境数据修正模型的阈值和权值进行更新;重复上述操作,直到所述识别误差满足识别精度要求,以得到目标环境数据修正模型;获取当前目标实验区域的环境数据,并将所述当前目标实验区域的环境数据输入目标环境数据修正模型,得到环境修正系数;根据所述环境修正系数,调整当前目标实验区域的环境,并在调整后的目标实验区域的环境下,采集目标实验数据。从而通过模型对实验环境进行调整,以获取准确度高的实验数据。
参照图4,图4为本发明实验数据采集方法第三实施例的流程示意图,基于上述图2所示的第一实施例,提出本发明实验数据采集方法的第三实施例。
在第三实施例中,所述步骤S20,包括:
步骤S201:根据目标实验区域的当前环境数据对实验结果的重要顺序,建立目标实验区域的当前环境数据清洗规则。
在具体实施中,其中根据实验过程中的当前环境数据对实验结果的重要顺序,进行排序,例如重要性温度大于湿度大于压强大于风速大于辐射强度大于海拔,则对于设置其影响系数温度大于湿度大于压强大于风速大于辐射强度大于海拔,并在进行计算修正参数时候会对温度、湿度等影响因数分别乘上修正因数。
步骤S202:根据所述目标实验区域的当前环境数据清洗规则,清洗掉所述目标实验区域的当前环境数据中的无用数据、异常数据以及重复数据。
需要说明的是,具体的剔除检测过程为,根据所述目标实验区域的当前环境数据清洗规则,清洗掉所述目标实验区域的当前环境数据中的无用数据、异常数据以及重复数据,其中,如果没有满足周期性规律以及出现了冗余情况的数据均会被剔除掉,具体过程为对所述历史测量的目标实验区域的环境数据的缺失值进行填充;识别并剔除所述历史测量的目标实验区域的环境数据中的异常值,并对所述历史测量的目标实验区域的环境数据进行平滑去噪;判断处理后的历史测量的目标实验区域的环境数据,是否满足周期性,若不满足周期性,则重复执行上述操作,直至处理后的历史测量的目标实验区域的环境数据满足周期性。进而可以得到合适的历史数据集,增加了实验数据采集的准确性。
在本实施例中,采集目标实验区域的环境数据,所述环境数据包括环境的温度、湿度、压强、风速、辐射强度以及海拔中的至少一项;根据目标实验区域的当前环境数据对实验结果的重要顺序,建立目标实验区域的当前环境数据清洗规则;根据所述目标实验区域的当前环境数据清洗规则,清洗掉所述目标实验区域的当前环境数据中的无用数据、异常数据以及重复数据。建立环境数据修正模型,并根据所述目标实验区域的当前环境数据对所述环境数据修正模型的参数进行优化调整,直到得到目标环境数据修正模型;获取当前目标实验区域的环境数据,并将所述当前目标实验区域的环境数据输入目标环境数据修正模型,得到环境修正系数;根据所述环境修正系数,调整当前目标实验区域的环境,并在调整后的目标实验区域的环境下,采集目标实验数据,从而可以得到有效的实验环境数据,有利于进行实验得到偏差较小的实验结果。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有实验数据采集程序,所述实验数据采集程序被处理器执行时实现如上文所述的实验数据采集方法的步骤。
由于本存储介质可以采用上述所有实施例的技术方案,因此至少具有上述实施例的技术方案所带来的有益效果,在此不再一一赘述。
参照图5,图5为本发明实验数据采集装置第一实施例的功能模块示意图。
本发明实验数据采集装置第一实施例中,该实验数据采集装置包括:
获取模块10,用于采集目标实验区域的环境数据,所述环境数据包括环境的温度、湿度、压强、风速、辐射强度以及海拔中的至少一项;
处理模块20,用于对所述目标实验区域的当前环境数据进行预处理,得到预处理后的目标实验区域的当前环境数据;
建模模块30,用于建立环境数据修正模型,并根据所述目标实验区域的当前环境数据对所述环境数据修正模型的参数进行优化调整,直到得到目标环境数据修正模型;
采集模块40,用于获取当前目标实验区域的环境数据,并将所述当前目标实验区域的环境数据输入目标环境数据修正模型,得到环境修正系数;
所述采集模块40,还用于环境修正系数,调整当前目标实验区域的环镜,并在调整后的目标实验区域的环境下,采集目标实验数据。
在本实施例中,采集目标实验区域的环境数据,所述环境数据包括环境的温度、湿度、压强、风速、辐射强度以及海拔中的至少一项;对所述目标实验区域的当前环境数据进行预处理,得到预处理后的目标实验区域的当前环境数据;建立环境数据修正模型,并根据所述目标实验区域的当前环境数据对所述环境数据修正模型的参数进行优化调整,直到得到目标环境数据修正模型;获取当前目标实验区域的环境数据,并将所述当前目标实验区域的环境数据输入目标环境数据修正模型,得到环境修正系数;根据所述环境修正系数,调整当前目标实验区域的环境,并在调整后的目标实验区域的环境下,采集目标实验数据。从而通过大数据方法对实验环境进行调整,以获取准确度高的实验数据,得到有效的实验结果。
在一实施例中,所述处理模块20,还用于建立环境数据修正模型,并根据所述目标实验区域的当前环境数据对所述环境数据修正模型的参数进行优化调整,直到得到目标环境数据修正模型,包括:
将所述预处理的环境数据输入所述环境数据修正模型中,得到识别结果,并根据识别结果计算识别误差;
若所述识别误差不满足识别精度要求,则对所述环境数据修正模型的阈值和权值进行更新;
重复上述操作,直到所述识别误差满足识别精度要求,以得到目标环境数据修正模型。
在一实施例中,所述处理模块20,还用于对所述环境数据修正模型的阈值和权值进行更新,包括:
对所述环境数据修正模型的种群进行初始化,得到初始化后的种群;
按照预设的进化规则,对所述初始化后的种群进行进化,得到进化后的种群;
根据所述进化后的种群,对所述环境数据修正模型的阈值和权值进行更新。
在一实施例中,所述处理模块20,还用于按照预设的进化规则,对所述初始化后的种群进行进化,得到进化后的种群,包括:
对所初始化后的种群中的发现者、改进者以及预警者的位置进行更新;
计算所述初始化后的种群的每个个体的适应度并根据适应度大小进行排序,得到排序后的种群;
将所述排序后的种群中的适应度靠前的个体进行自适度变异和交叉,得到进化后的种群。
在一实施例中,所述处理模块20,还用于根据所述进化后的种群,对所述环境数据修正模型的阈值和权值进行更新,包括:
计算所述进化后的种群中的子代自适度,并用适应能力强的子代位置替换父代位置;
将所述自适度交叉和变异的个体适应度与历史最优个体比较,并根据比较结果对所述环境数据修正模型的阈值和权值进行更新,并判断所述更新后的阈值和权值是否满足终止条件;
重复上述操作,直到所述更新后的阈值和权值满足终止条件,完成对所述环境数据修正模型的阈值和权值进行更新。
在一实施例中,所述建模模块30,还用于对所述目标实验区域的当前环境数据进行预处理,得到预处理后的目标实验区域的当前环境数据,包括:
根据目标实验区域的当前环境数据对实验结果的重要顺序,建立目标实验区域的当前环境数据清洗规则;
根据所述目标实验区域的当前环境数据清洗规则,清洗掉所述目标实验区域的当前环境数据中的无用数据、异常数据以及重复数据。
在一实施例中,所述建模模块30,还用于根据所述环境修正系数,调整当前目标实验区域的环镜,并在调整后的目标实验区域的环境下,采集目标实验数据,包括:
根据修正系数与环镜数据的预设关系,对目标实验区域的环境进行调整;
在调整后的目标实验区域的环境下采集实验数据,并判断所述实验数据是否满足预设条件要求;
若不满足,重新调整目标环境数据修正模型,并重新调整目标实验区域的环境,并采集新的实验数据。
本发明所述实验数据采集装置的其他实施例或具体实现方式可参照上述各方法实施例,因此至少具有上述实施例的技术方案所带来的所有有益效果,此处不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序,可将这些词语解释为名称。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器镜像(Read Only Memory image,ROM)/随机存取存储器(Random AccessMemory,RAM)、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种实验数据采集方法,其特征在于,所述方法包括以下步骤:
采集目标实验区域的环境数据,所述环境数据包括环境的温度、湿度、压强、风速、辐射强度以及海拔中的至少一项;
对所述目标实验区域的当前环境数据进行预处理,得到预处理后的目标实验区域的当前环境数据;
建立环境数据修正模型,并根据所述目标实验区域的当前环境数据对所述环境数据修正模型的参数进行优化调整,直到得到目标环境数据修正模型;
获取当前目标实验区域的环境数据,并将所述当前目标实验区域的环境数据输入目标环境数据修正模型,得到环境修正系数;
根据所述环境修正系数,调整当前目标实验区域的环境,并在调整后的目标实验区域的环境下,采集目标实验数据。
2.如权利要求1所述的方法,其特征在于,所述建立环境数据修正模型,并根据所述目标实验区域的当前环境数据对所述环境数据修正模型的参数进行优化调整,直到得到目标环境数据修正模型,包括:
将所述预处理的环境数据输入所述环境数据修正模型中,得到识别结果,并根据识别结果计算识别误差;
若所述识别误差不满足识别精度要求,则对所述环境数据修正模型的阈值和权值进行更新;
重复上述操作,直到所述识别误差满足识别精度要求,以得到目标环境数据修正模型。
3.如权利要求1所述的方法,其特征在于,所述对所述环境数据修正模型的阈值和权值进行更新,包括:
对所述环境数据修正模型的种群进行初始化,得到初始化后的种群;
按照预设的进化规则,对所述初始化后的种群进行进化,得到进化后的种群;
根据所述进化后的种群,对所述环境数据修正模型的阈值和权值进行更新。
4.如权利要求3所述的方法,其特征在于,所述按照预设的进化规则,对所述初始化后的种群进行进化,得到进化后的种群,包括:
对所初始化后的种群中的发现者、改进者以及预警者的位置进行更新;
计算所述初始化后的种群的每个个体的适应度并根据适应度大小进行排序,得到排序后的种群;
将所述排序后的种群中的适应度靠前的个体进行自适度变异和交叉,得到进化后的种群。
5.如权利要求3所述的方法,其特征在于,所述根据所述进化后的种群,对所述环境数据修正模型的阈值和权值进行更新,包括:
计算所述进化后的种群中的子代自适度,并用适应能力强的子代位置替换父代位置;
将所述自适度交叉和变异的个体适应度与历史最优个体比较,并根据比较结果对所述环境数据修正模型的阈值和权值进行更新,并判断所述更新后的阈值和权值是否满足终止条件;
重复上述操作,直到所述更新后的阈值和权值满足终止条件,完成对所述环境数据修正模型的阈值和权值进行更新。
6.如权利要求1所述的方法,其特征在于,所述对所述目标实验区域的当前环境数据进行预处理,得到预处理后的目标实验区域的当前环境数据,包括:
根据目标实验区域的当前环境数据对实验结果的重要顺序,建立目标实验区域的当前环境数据清洗规则;
根据所述目标实验区域的当前环境数据清洗规则,清洗掉所述目标实验区域的当前环境数据中的无用数据、异常数据以及重复数据。
7.如权利要求1所述的方法,其特征在于,所述根据所述环境修正系数,调整当前目标实验区域的环镜,并在调整后的目标实验区域的环境下,采集目标实验数据,包括:
根据修正系数与环镜数据的预设关系,对目标实验区域的环境进行调整;
在调整后的目标实验区域的环境下采集实验数据,并判断所述实验数据是否满足预设条件要求;
若不满足,重新调整目标环境数据修正模型,并重新调整目标实验区域的环境,并采集新的实验数据。
8.一种实验数据采集装置,其特征在于,所述实验数据采集装置包括:
获取模块,用于采集目标实验区域的环境数据,所述环境数据包括环境的温度、湿度、压强、风速、辐射强度以及海拔中的至少一项;
处理模块,用于对所述目标实验区域的当前环境数据进行预处理,得到预处理后的目标实验区域的当前环境数据;
建模模块,用于建立环境数据修正模型,并根据所述目标实验区域的当前环境数据对所述环境数据修正模型的参数进行优化调整,直到得到目标环境数据修正模型;
采集模块,用于获取当前目标实验区域的环境数据,并将所述当前目标实验区域的环境数据输入目标环境数据修正模型,得到环境修正系数;
所述采集模块,还用于环境修正系数,调整当前目标实验区域的环镜,并在调整后的目标实验区域的环境下,采集目标实验数据。
9.一种实验数据采集设备,其特征在于,所述实验数据采集设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的实验数据采集程序,所述实验数据采集程序被所述处理器执行时实现如权利要求1至7中任一项所述的实验数据采集方法。
10.一种存储介质,其特征在于,所述存储介质上存储有实验数据采集程序,所述实验数据采集程序被处理器执行时实现如权利要求1至7中任一项所述的实验数据采集方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310050398.9A CN116295611B (zh) | 2023-02-01 | 2023-02-01 | 实验数据采集方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310050398.9A CN116295611B (zh) | 2023-02-01 | 2023-02-01 | 实验数据采集方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116295611A true CN116295611A (zh) | 2023-06-23 |
CN116295611B CN116295611B (zh) | 2023-10-13 |
Family
ID=86778762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310050398.9A Active CN116295611B (zh) | 2023-02-01 | 2023-02-01 | 实验数据采集方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116295611B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180060766A (ko) * | 2016-11-29 | 2018-06-07 | 한국 전기안전공사 | 특고압 전기설비 안전등급 평가 방법 및 시스템 |
CN112819189A (zh) * | 2019-11-15 | 2021-05-18 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 一种基于历史预测值的风力出力预测方法 |
CN113342799A (zh) * | 2021-08-09 | 2021-09-03 | 明品云(北京)数据科技有限公司 | 一种数据修正方法及*** |
WO2021184254A1 (zh) * | 2020-03-18 | 2021-09-23 | 深圳市大疆创新科技有限公司 | 红外热成像测温方法、电子设备、无人机及存储介质 |
CN114793304A (zh) * | 2022-06-22 | 2022-07-26 | 深圳市文浩科技有限公司 | 一种人工智能物联网数据信息测量、传输及分析方法 |
CN114861126A (zh) * | 2022-03-29 | 2022-08-05 | 中国大唐集团科学技术研究总院有限公司华东电力试验研究院 | 一种燃气轮机燃烧调整过程中稳定性的预测方法及*** |
-
2023
- 2023-02-01 CN CN202310050398.9A patent/CN116295611B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180060766A (ko) * | 2016-11-29 | 2018-06-07 | 한국 전기안전공사 | 특고압 전기설비 안전등급 평가 방법 및 시스템 |
CN112819189A (zh) * | 2019-11-15 | 2021-05-18 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 一种基于历史预测值的风力出力预测方法 |
WO2021184254A1 (zh) * | 2020-03-18 | 2021-09-23 | 深圳市大疆创新科技有限公司 | 红外热成像测温方法、电子设备、无人机及存储介质 |
CN113342799A (zh) * | 2021-08-09 | 2021-09-03 | 明品云(北京)数据科技有限公司 | 一种数据修正方法及*** |
CN114861126A (zh) * | 2022-03-29 | 2022-08-05 | 中国大唐集团科学技术研究总院有限公司华东电力试验研究院 | 一种燃气轮机燃烧调整过程中稳定性的预测方法及*** |
CN114793304A (zh) * | 2022-06-22 | 2022-07-26 | 深圳市文浩科技有限公司 | 一种人工智能物联网数据信息测量、传输及分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116295611B (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109784149B (zh) | 一种人体骨骼关键点的检测方法及*** | |
CN105488528B (zh) | 基于改进自适应遗传算法的神经网络图像分类方法 | |
CN113762603B (zh) | 基于改进麻雀算法优化的光伏基站短期光伏功率预测方法 | |
CN110827924B (zh) | 基因表达数据的聚类方法、装置、计算机设备及存储介质 | |
CN112508126B (zh) | 深度学习模型训练方法、装置、电子设备及可读存储介质 | |
CN108446562B (zh) | 基于禁忌与人工蜂群双向优化支持向量机的入侵检测方法 | |
CN114440858B (zh) | 移动机器人定位丢失检测方法、***、设备及存储介质 | |
CN107240100B (zh) | 一种基于遗传算法的图像分割方法和*** | |
CN114117787A (zh) | 基于ssa优化bp神经网络的短期风功率预测方法 | |
CN116295611B (zh) | 实验数据采集方法、装置、设备及存储介质 | |
CN114330090A (zh) | 一种缺陷检测方法、装置、计算机设备和存储介质 | |
CN113902187A (zh) | 分时电价预测方法、装置及终端设备 | |
CN113962712A (zh) | 一种诈骗团伙的预测方法及相关设备 | |
CN110069647B (zh) | 图像标签去噪方法、装置、设备及计算机可读存储介质 | |
CN116628615A (zh) | 数据异常检测方法、装置、设备以及存储介质 | |
CN114819391B (zh) | 基于历史数据集时间跨度优化的光伏发电功率预测方法及*** | |
CN116136897A (zh) | 信息处理方法以及装置 | |
CN112710614B (zh) | 用于生态环保的多源卫星数据处理方法、***及存储介质 | |
CN115033591A (zh) | 一种电费数据异常智能检测方法、***、存储介质及计算机设备 | |
CN110414605A (zh) | 一种基于多核稳健模糊粗糙集模型的特征选择方法 | |
CN116956651B (zh) | 光学***结构自动生成方法及相关产品 | |
CN116821512B (zh) | 推荐模型训练方法及装置、推荐方法及装置 | |
CN116246176B (zh) | 一种农作物的病害检测方法、装置、电子设备及存储介质 | |
CN116801213B (zh) | 一种基于大数据的城市二氧化碳数据采集方法及*** | |
US20220222302A1 (en) | Method for processing web requests |
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 |