CN117421538B - 一种细节防水数据调控优化方法 - Google Patents
一种细节防水数据调控优化方法 Download PDFInfo
- Publication number
- CN117421538B CN117421538B CN202311734081.3A CN202311734081A CN117421538B CN 117421538 B CN117421538 B CN 117421538B CN 202311734081 A CN202311734081 A CN 202311734081A CN 117421538 B CN117421538 B CN 117421538B
- Authority
- CN
- China
- Prior art keywords
- temperature
- data
- waterproof
- target
- humidity
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 78
- 238000005457 optimization Methods 0.000 title claims abstract description 14
- 238000009499 grossing Methods 0.000 claims abstract description 83
- 230000008859 change Effects 0.000 claims abstract description 68
- 230000009467 reduction Effects 0.000 claims abstract description 20
- 238000010276 construction Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 17
- 238000004078 waterproofing Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 7
- 238000010606 normalization Methods 0.000 description 8
- 230000000737 periodic effect Effects 0.000 description 6
- 239000000463 material Substances 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000011248 coating agent Substances 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 229910001006 Constantan Inorganic materials 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mathematical Optimization (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Air Conditioning Control Device (AREA)
- Algebra (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
Abstract
本发明涉及数据处理技术领域,具体涉及一种细节防水数据调控优化方法,包括:采集目标防水温度数据、目标防水湿度数据、若干历史防水温度数据以及若干历史防水湿度数据;根据历史防水温度数据与目标防水温度数据得到温度相对变化量;根据温度相对变化量得到温度可信度;对历史防水温度数据进行划分得到局部历史时间段;根据局部历史时间段得到历史温度重要性;根据温度可信度与历史温度重要性得到温度平滑因子;根据目标防水湿度数据以及历史防水湿度数据得到湿度平滑因子;根据温度平滑因子与湿度平滑因子得到降噪目标温度数据以及降噪目标湿度数据。本发明提高了去噪的程度,降低了去噪结果的误差。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种细节防水数据调控优化方法。
背景技术
防水施工是保障建筑物防水性能的重要过程,在其涂刷材料干燥固化的过程中,需要对涂刷材料进行防水处理,为此,需要采集防水施工环境内的温度数据和湿度数据,从而进行防水分析处理;但温度传感器与湿度传感器在采集温度数据与湿度数据的过程中,会因其内部电路、电磁干扰、防水施工环境等因素的影响产生较多的噪声信号,噪声信号会使原本采集的数据存在一定的误差,干扰分析结果,所以需要对数据进行去噪。
传统方法通常人为调整指数移动平均法的平滑因子对数据进行去噪,但由于防水施工下采集的温度数据与湿度数据会因施工进度产生一定程度的周期性变化,使不同时间段内温度数据与湿度数据受噪声干扰的程度不同,而传统人为调整的平滑因子并不能根据温度数据与湿度数据一定程度的周期性变化进行自适应调整,从而无法进行有效的去噪。
发明内容
本发明提供一种细节防水数据调控优化方法,以解决现有的问题:防水施工下采集的温度数据与湿度数据会因施工进度产生一定程度的周期性变化,使不同时间段内温度数据与湿度数据受噪声干扰的程度不同,传统人为调整的平滑因子并不能根据温度数据与湿度数据一定程度的周期性变化进行自适应调整,无法进行有效的去噪。
本发明的一种细节防水数据调控优化方法采用如下技术方案:
包括以下步骤:
采集防水施工环境下每个温湿度传感器的目标防水温度数据、目标防水湿度数据、若干历史防水温度数据以及若干历史防水湿度数据,所述目标防水温度数据以及每个历史防水温度数据均对应一个采集时间;
根据历史防水温度数据与目标防水温度数据之间温度的变化情况,得到每个温湿度传感器的温度相对变化量;对于任意一个温湿度传感器,将除该温湿度传感器以外的温湿度传感器记为温湿度传感器的对照温湿度传感器;根据目标防水温度数据以及对照温湿度传感器之间温度相对变化量的变化差异,得到每个目标防水温度数据的目标温度变化权重;根据温度相对变化量以及对照温湿度传感器之间目标温度变化权重的占比情况,得到每个目标防水温度数据的温度可信度,所述温度可信度用于描述目标防水温度数据与真实的温度数据之间的初始差异;
对温湿度传感器的所有历史防水温度数据进行采集时间划分得到若干局部历史时间段;根据局部历史时间段内温湿度传感器与对照温湿度传感器之间历史防水温度数据的关联程度,得到每个局部历史时间段内历史防水温度数据的标记值;根据标记值以及目标防水温度数据与局部历史时间段之间采集时间的差异情况,得到每个局部历史时间段的历史温度重要性,所述历史温度重要性用于描述局部历史时间段内历史防水温度数据所含的噪声量;根据温度可信度以及历史温度重要性得到每个目标温度数据的温度平滑因子,所述温度平滑因子用于描述目标防水温度数据与真实的温度数据之间的最终差异;
根据目标防水湿度数据以及历史防水湿度数据得到每个目标湿度数据的湿度平滑因子,所述湿度平滑因子用于描述目标防水湿度数据与真实的湿度数据之间的最终差异;根据温度平滑因子以及湿度平滑因子对目标防水温度数据以及目标防水湿度数据进行去噪,得到每个温湿度传感器的降噪目标温度数据以及降噪目标湿度数据。
优选的,所述根据历史防水温度数据与目标防水温度数据之间温度的变化情况,得到每个温湿度传感器的温度相对变化量,包括的具体方法为:
对于任意一个温湿度传感器,将温湿度传感器的最后一个历史防水温度数据与温湿度传感器的目标防水温度数据的差值的绝对值,记为温湿度传感器的目标防水温度数据的温度变化量;
预设一个防水温度数据范围;将/>与/>的差值的绝对值记为预设温度最大变化量,将温度变化量与预设温度最大变化量的比值记为温湿度传感器的温度相对变化量。
优选的,所述根据目标防水温度数据以及对照温湿度传感器之间温度相对变化量的变化差异,得到每个目标防水温度数据的目标温度变化权重,包括的具体方法为:
对于任意一个温湿度传感器,在所有温湿度传感器的目标防水温度数据的温度相对变化量中,将温湿度传感器的目标防水温度数据的温度相对变化量的数值出现的频率记为温湿度传感器的目标防水温度数据的温度固定频率;获取所有温湿度传感器的目标防水温度数据的温度固定频率;
式中,表示温湿度传感器的任意一个对照温湿度传感器的目标防水温度数据的目标温度变化权重;/>表示预设的超参数;/>表示温湿度传感器的所有历史防水温度数据的均值;/>表示对照温湿度传感器的所有历史防水温度数据的均值;/>表示对照温湿度传感器的目标防水温度数据的温度固定频率;/>表示取绝对值;/>表示以自然常数为底的指数函数。
优选的,所述根据温度相对变化量以及对照温湿度传感器之间目标温度变化权重的占比情况,得到每个目标防水温度数据的温度可信度,包括的具体方法为:
对于任意一个温湿度传感器,在温湿度传感器的所有历史防水温度数据中,将温湿度传感器的目标防水温度数据的数值出现的频率记为温湿度传感器的目标防水温度数据的温度历史频率;
式中,表示温湿度传感器的目标防水温度数据的温度可信度;/>表示温湿度传感器的目标防水温度数据的温度相对变化量;/>表示温湿度传感器的所有对照温湿度传感器的数量;/>表示温湿度传感器的第/>个对照温湿度传感器的目标防水温度数据的目标温度变化权重;/>表示温湿度传感器的第/>个对照温湿度传感器的目标防水温度数据的目标温度变化权重;/>表示温湿度传感器的第/>个对照温湿度传感器的目标防水温度数据的温度相对变化量;/>表示温湿度传感器的目标防水温度数据的温度历史频率;/>表示取绝对值;/>表示以自然常数为底的指数函数。
优选的,所述对温湿度传感器的所有历史防水温度数据进行采集时间划分得到若干局部历史时间段,包括的具体方法为:
对于任意一个温湿度传感器,以采集时间为横坐标、历史防水温度数据为纵坐标构建二维坐标系,将温湿度传感器的所有历史防水温度数据输入二维坐标系中,获取温湿度传感器的所有历史防水温度数据的极值点,将任意两个相邻极值点之间所有的采集时间所构成的时间段记为温湿度传感器的局部历史时间段。
优选的,所述根据局部历史时间段内温湿度传感器与对照温湿度传感器之间历史防水温度数据的关联程度,得到每个局部历史时间段内历史防水温度数据的标记值,包括的具体方法为:
预设两个标记值参数U1、U2,所述U1为正数、U2为负数;
对于任意一个温湿度传感器的任意一个局部历史时间段以及任意一个对照温湿度传感器,将温湿度传感器在局部历史时间段中的所有历史防水温度数据均记为目标温度数据,将对照温湿度传感器在局部历史时间段中的所有历史防水温度数据均记为参考温度数据;若目标温度数据与参考温度数据的协方差为正数,将局部历史时间段内历史防水温度数据的标记值记为U1;若目标温度数据与参考温度数据的协方差为非正数,将局部历史时间段内历史防水温度数据的标记值记为U2。
优选的,所述根据标记值以及目标防水温度数据与局部历史时间段之间采集时间的差异情况,得到每个局部历史时间段的历史温度重要性,包括的具体方法为:
预设一个防水温度数据范围;
式中,表示任意一个温湿度传感器的任意一个局部历史时间段的历史温度重要性;/>表示温湿度传感器的目标防水温度数据的采集时间;/>表示局部历史时间段内所有采集时间的均值;/>表示局部历史时间段内所有采集时间的数量;/>表示局部历史时间段在所有局部历史时间段中的序号;/>表示预设的超参数;/>表示局部历史时间段内所有历史防水温度数据的均值;/>表示防水温度数据范围/>的中值;/>表示所有局部历史时间段的数量;/>表示局部历史时间段内历史防水温度数据的标记值;/>表示取绝对值;/>表示以自然常数为底的指数函数。
优选的,所述根据温度可信度以及历史温度重要性得到每个目标温度数据的温度平滑因子,包括的具体方法为:
式中,表示任意一个温湿度传感器的目标温度数据的温度平滑因子;/>表示所有局部历史时间段的数量;/>表示该温湿度传感器的第/>个局部历史时间段的历史温度重要性;/>表示该温湿度传感器的目标防水温度数据的温度可信度;/>表示以自然常数为底的指数函数。
优选的,所述根据目标防水湿度数据以及历史防水湿度数据得到每个目标湿度数据的湿度平滑因子,包括的具体方法为:
参考每个温湿度传感器的目标温度数据的温度平滑因子的获取方法:
预设一个防水湿度数据范围,根据防水湿度数据范围/>得到每个温湿度传感器的目标防水湿度数据的温度相对变化量;根据每个温湿度传感器的目标防水湿度数据的温度相对变化量,得到每个温湿度传感器的所有对照温湿度传感器的目标防水湿度数据的目标温度变化权重;根据每个温湿度传感器的所有对照温湿度传感器的目标防水湿度数据的目标温度变化权重,得到每个温湿度传感器的目标防水湿度数据的温度可信度;获取每个温湿度传感器的每个局部历史时间段内历史防水湿度数据的标记值,根据每个温湿度传感器的每个局部历史时间段内历史防水湿度数据的标记值,得到每个温湿度传感器的每个局部历史时间段的历史温度重要性;根据每个温湿度传感器的每个局部历史时间段的历史温度重要性,得到每个温湿度传感器的目标湿度数据的温度平滑因子,并记为每个温湿度传感器的目标湿度数据的湿度平滑因子。
优选的,所述根据温度平滑因子以及湿度平滑因子对目标防水温度数据以及目标防水湿度数据进行去噪,得到每个温湿度传感器的降噪目标温度数据以及降噪目标湿度数据,包括的具体方法为:
对于任意一个温湿度传感器,将温湿度传感器的目标温度数据的温度平滑因子作为平滑因子,根据平滑因子对温湿度传感器的目标温度数据进行指数移动平均得到平滑后的目标温度数据,并记为温湿度传感器的降噪目标温度数据;将温湿度传感器的目标湿度数据的湿度平滑因子作为平滑因子,根据平滑因子对温湿度传感器的目标湿度数据进行指数移动平均得到平滑后的目标湿度数据,并记为温湿度传感器的降噪目标湿度数据。
本发明的技术方案的有益效果是:根据历史防水温度数据以及目标防水温度数据得到目标温度变化权重,根据目标温度变化权重得到温度可信度,对所有历史防水温度数据进行划分得到局部历史时间段,根据局部历史时间段得到标记值,根据标记值得到历史温度重要性,根据温度可信度以及历史温度重要性得到温度平滑因子,根据历史防水湿度数据以及目标防水湿度数据得到湿度平滑因子;根据温度平滑因子以及湿度平滑因子进行去噪得到降噪目标温度数据以及降噪目标湿度数据;本发明的温度可信度反映目标防水温度数据与真实的温度数据之间的初始差异,历史温度重要性反映局部历史时间段内历史防水温度数据所含的噪声量,温度平滑因子反映目标防水温度数据与真实的温度数据之间的最终差异,湿度平滑因子反映目标防水湿度数据与真实的湿度数据之间的最终差异;使指数移动平均法的平滑因子更加合理,提高了去噪的程度,降低了去噪结果的误差。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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发明的一些实施例,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为本发明一种细节防水数据调控优化方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种细节防水数据调控优化方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种细节防水数据调控优化方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种细节防水数据调控优化方法的步骤流程图,该方法包括以下步骤:
步骤S001:采集防水施工环境下每个温湿度传感器的若干历史防水温度数据、若干历史防水湿度数据、目标防水温度数据以及目标防水湿度数据。
需要说明的是,传统方法通常人为调整指数移动平均法的平滑因子对数据进行去噪,但由于防水施工下采集的温度数据与湿度数据会因施工进度产生一定程度的周期性变化,使不同时间段内温度数据与湿度数据受噪声干扰的程度不同,而传统人为调整的平滑因子并不能根据温度数据与湿度数据一定程度的周期性变化进行自适应调整,从而无法进行有效的去噪。为此,本实施例提出了一种细节防水数据调控优化方法。
具体的,为了实现本实施例提出的一种细节防水数据调控优化方法,首先需要采集历史防水温度数据、历史防水湿度数据、目标防水温度数据以及目标防水湿度数据,具体过程为:将50个温湿度传感器均匀分布在防水施工场景中,每个温湿度传感器每隔5秒为一个采集时间分别采集一次温度数据与湿度数据,共采集2天;以任意一个温湿度传感器为例,在该温湿度传感器采集的所有温度数据与湿度数据中,将除最后一次采集的温度数据与湿度数据以外的温度数据与湿度数据分别记为历史防水温度数据、历史防水湿度数据,将最后一次采集的温度数据与湿度数据分别记为一个目标防水温度数据、一个目标防水湿度数据;获取每个温湿度传感器的若干历史防水温度数据、若干历史防水湿度数据、目标防水温度数据以及目标防水湿度数据。
至此,通过上述方法得到防水施工环境下每个温湿度传感器的若干历史防水温度数据、若干历史防水湿度数据、目标防水温度数据以及目标防水湿度数据。
步骤S002:根据历史防水温度数据与目标防水温度数据之间温度的变化情况,得到每个温湿度传感器的温度相对变化量;获取目标防水温度数据以及对照温湿度传感器;根据目标防水温度数据以及对照温湿度传感器之间温度相对变化量的变化差异,得到每个目标防水温度数据的目标温度变化权重;根据温度相对变化量以及对照温湿度传感器之间目标温度变化权重的占比情况,得到每个目标防水温度数据的温度可信度。
需要说明的是,在施工防水材料涂刷后,为了确保防水材料的性能和效果,需要尽量保持施工环境的温度和湿度;其通常会根据防水材料的类型和厚度等因素,制定相应的温湿度阈值范围,即不同防水施工区域内的温湿度传感器采集数据对应不同的阈值范围,但由于建筑防水施工通常是按照施工计划逐楼层进行的,因此在一般情况下,大部分温湿度传感器采集数据对应阈值范围相似;再通过启停空调***、加湿器、除湿器等设备对施工环境的温度和湿度进行控制,因此防水施工环境内的温度数据与湿度数据变化趋势呈周期性波动,并且其不同区域的温度湿度变化会受不同程度噪声变化的影响;为此,本实施例通过分析不同区域内最新温度数据以及湿度数据相较于整体变化规律的权重,根据权重得到不同区域内最新温度数据以及湿度数据的可信度。
具体的,以任意一个温湿度传感器为例,将该温湿度传感器的最后一个历史防水温度数据与该温湿度传感器的目标防水温度数据的差值的绝对值,记为该温湿度传感器的目标防水温度数据的温度变化量;预设一个防水温度数据范围,其中本实施例以,/>为例进行叙述,本实施例不进行具体限定,其中/>、/>可根据具体实施情况而定;将/>与/>的差值的绝对值记为预设温度最大变化量,将该温度变化量与该预设温度最大变化量的比值记为该温湿度传感器的温度相对变化量;获取所有温湿度传感器的目标防水温度数据的温度相对变化量,以任意一个温湿度传感器为例,在所有温湿度传感器的目标防水温度数据的温度相对变化量中,将该温湿度传感器的目标防水温度数据的温度相对变化量的数值出现的频率记为该温湿度传感器的目标防水温度数据的温度固定频率,获取所有温湿度传感器的目标防水温度数据的温度固定频率。其中温湿度传感器的历史防水温度数据默认以采集时间从小到大的顺序进行排序。另外需要说明的是,每个温湿度传感器仅对应一个温度固定频率。
进一步的,以任意一个温湿度传感器为例,将除该温湿度传感器以外的温湿度传感器记为该温湿度传感器的对照温湿度传感器;以任意一个对照温湿度传感器为例,该对照温湿度传感器的若干历史防水温度数据得到该对照温湿度传感器的目标防水温度数据的目标温度变化权重。其中该对照温湿度传感器的目标防水温度数据的目标温度变化权重的计算方法为:
式中,表示该对照温湿度传感器的目标防水温度数据的目标温度变化权重;/>表示预设的超参数,本实施例预设/>,用于防止/>过早趋于0;/>表示该温湿度传感器的所有历史防水温度数据的均值;/>表示该对照温湿度传感器的所有历史防水温度数据的均值;/>表示该对照温湿度传感器的目标防水温度数据的温度固定频率;/>表示取绝对值;/>表示以自然常数为底的指数函数;实施例采用/>函数来呈现反比例关系及归一化处理,实施者可根据实际情况选择反比例函数及归一化函数;/>表示相同时间内该温湿度传感器与该对照温湿度传感器的温度数据之间的相似程度。其中若该对照温湿度传感器的目标防水温度数据的目标温度变化权重越大,说明该对照温湿度传感器的目标防水温度数据相较于整体目标防水温度数据的变化程度越大,反映该对照温湿度传感器的目标防水温度数据越有可能受到噪声干扰。获取该温湿度传感器的所有对照温湿度传感器的目标防水温度数据的目标温度变化权重。
进一步的,在该温湿度传感器的所有历史防水温度数据中,将该温湿度传感器的目标防水温度数据的数值出现的频率记为该温湿度传感器的目标防水温度数据的温度历史频率。根据该温湿度传感器的所有对照温湿度传感器的目标防水温度数据的目标温度变化权重,以及该温湿度传感器的目标防水温度数据的温度历史频率,得到该温湿度传感器的目标防水温度数据的温度可信度。其中每个温湿度传感器仅对应一个温度历史频率;另外该温湿度传感器的目标防水温度数据的温度可信度的计算方法为:
式中,表示该温湿度传感器的目标防水温度数据的温度可信度;/>表示该温湿度传感器的目标防水温度数据的温度相对变化量;/>表示该温湿度传感器的所有对照温湿度传感器的数量;/>表示该温湿度传感器的第/>个对照温湿度传感器的目标防水温度数据的目标温度变化权重;/>表示该温湿度传感器的第/>个对照温湿度传感器的目标防水温度数据的目标温度变化权重;/>表示该温湿度传感器的第/>个对照温湿度传感器的目标防水温度数据的温度相对变化量;/>表示该温湿度传感器的目标防水温度数据的温度历史频率;表示取绝对值;/>表示以自然常数为底的指数函数;实施例采用/>函数来呈现反比例关系及归一化处理,实施者可根据实际情况选择反比例函数及归一化函数。其中若该温湿度传感器的目标防水温度数据的温度可信度越大,说明该温湿度传感器的目标防水温度数据越接近真实的温度数据,反映该温湿度传感器的目标防水温度数据受噪声干扰的程度越低。获取所有温湿度传感器的目标防水温度数据的温度可信度。
至此,通过上述方法得到所有温湿度传感器的目标防水温度数据的温度可信度。
步骤S003:对温湿度传感器的所有历史防水温度数据进行采集时间划分得到若干局部历史时间段;根据局部历史时间段内温湿度传感器与对照温湿度传感器之间历史防水温度数据的关联程度,得到每个局部历史时间段内历史防水温度数据的标记值;根据标记值以及目标防水温度数据与局部历史时间段之间采集时间的差异情况,得到每个局部历史时间段的历史温度重要性;根据温度可信度以及历史温度重要性得到每个目标温度数据的温度平滑因子。
需要说明的是,对于任意一个温湿度传感器而言,由于该温湿度传感器的温度数据与湿度数据都还是连续采集的,所以该温湿度传感器的目标防水温度数据以及目标防水湿度数据会分别延续历史防水温度数据、历史防水湿度数据的变化趋势;同时又因不同时间段内的历史防水温度数据、历史防水湿度数据受到的噪声干扰程度不同,所以不同时间段内历史防水温度数据、历史防水湿度数据的变化趋势也会受到不同程度的影响,发生不同程度的偏差,从而影响最终的去噪结果;为此,本实施例通过分析不同时间段内历史防水温度数据、历史防水湿度数据的变化情况,确定对应时间段内的历史温度重要性、历史湿度重要性;根据历史温度重要性以及历史湿度重要性得到对应的平滑因子,以便后续分析处理。
具体的,以任意一个温湿度传感器为例,以采集时间为横坐标、历史防水温度数据为纵坐标构建二维坐标系,将该温湿度传感器的所有历史防水温度数据输入该二维坐标系中,获取该温湿度传感器的所有历史防水温度数据的极值点,将任意两个相邻极值点之间所有的采集时间所构成的时间段记为该温湿度传感器的局部历史时间段;以该温湿度传感器的任意一个对照温湿度传感器为例,将该温湿度传感器在该局部历史时间段中的所有历史防水温度数据均记为目标温度数据,将该对照温湿度传感器在该局部历史时间段中的所有历史防水温度数据均记为参考温度数据;若目标温度数据与参考温度数据的协方差为正数,将该局部历史时间段内历史防水温度数据的标记值记为1;若目标温度数据与参考温度数据的协方差为非正数,将该局部历史时间段内历史防水温度数据的标记值/>记为-1。其中每个温湿度传感器对应多个局部历史时间段;协方差的获取是公知技术,本实施例不再赘述。
进一步的,根据该局部历史时间段内历史防水温度数据的标记值得到该局部历史时间段的历史温度重要性。其中该局部历史时间段的历史温度重要性的计算方法为:
式中,表示该局部历史时间段的历史温度重要性;/>表示该温湿度传感器的目标防水温度数据的采集时间;/>表示该局部历史时间段内所有采集时间的均值;/>表示该局部历史时间段内所有采集时间的数量;/>表示该局部历史时间段在所有局部历史时间段中的序号;/>表示预设的超参数,本实施例预设/>,用于防止/>过早趋于0;/>表示该局部历史时间段内所有历史防水温度数据的均值;/>表示防水温度数据范围的中值;/>表示所有局部历史时间段的数量;/>表示该局部历史时间段内历史防水温度数据的标记值;/>表示取绝对值;/>表示以自然常数为底的指数函数;实施例采用/>函数来呈现反比例关系及归一化处理,实施者可根据实际情况选择反比例函数及归一化函数。其中若该局部历史时间段的历史温度重要性越大,说明该局部历史时间段内历史温度数据受到噪声干扰程度越小,反映该局部历史时间段内历史温度数据越接近真实的历史温度数据。获取所有局部历史时间段的历史温度重要性。
进一步的,根据所有局部历史时间段的历史温度重要性得到该温湿度传感器的目标温度数据的温度平滑因子。其中该温湿度传感器的目标温度数据的温度平滑因子的计算方法为:
式中,表示该温湿度传感器的目标温度数据的温度平滑因子;/>表示所有局部历史时间段的数量;/>表示该温湿度传感器的第/>个局部历史时间段的历史温度重要性;/>表示该温湿度传感器的目标防水温度数据的温度可信度;/>表示以自然常数为底的指数函数;实施例采用/>函数来呈现反比例关系及归一化处理,实施者可根据实际情况选择反比例函数及归一化函数;/>表示/>的校正系数。其中若该温湿度传感器的目标温度数据的温度平滑因子越大,说明该温湿度传感器的目标温度数据越不偏离真实的温度数据,反映该温湿度传感器的目标温度数据需要去噪的程度越小。获取所有温湿度传感器的目标温度数据的温度平滑因子。
至此,通过上述方法得到所有温湿度传感器的目标温度数据的温度平滑因子。
步骤S004:根据目标防水湿度数据以及历史防水湿度数据得到每个目标湿度数据的湿度平滑因子;根据温度平滑因子以及湿度平滑因子对目标防水温度数据以及目标防水湿度数据进行去噪,得到每个温湿度传感器的降噪目标温度数据以及降噪目标湿度数据。
具体的,参考每个温湿度传感器的目标温度数据的温度平滑因子的获取方法:预设一个防水湿度数据范围,其中本实施例以/>,/>为例进行叙述,本实施例不进行具体限定,其中/>、/>可根据具体实施情况而定,根据防水湿度数据范围/>得到每个温湿度传感器的目标防水湿度数据的温度相对变化量;根据每个温湿度传感器的目标防水湿度数据的温度相对变化量,得到每个温湿度传感器的所有对照温湿度传感器的目标防水湿度数据的目标温度变化权重;根据每个温湿度传感器的所有对照温湿度传感器的目标防水湿度数据的目标温度变化权重,得到每个温湿度传感器的目标防水湿度数据的温度可信度;获取每个温湿度传感器的每个局部历史时间段内历史防水湿度数据的标记值,根据每个温湿度传感器的每个局部历史时间段内历史防水湿度数据的标记值,得到每个温湿度传感器的每个局部历史时间段的历史温度重要性;根据每个温湿度传感器的每个局部历史时间段的历史温度重要性,得到每个温湿度传感器的目标湿度数据的温度平滑因子,并记为每个温湿度传感器的目标湿度数据的湿度平滑因子。
进一步的,以任意一个温湿度传感器为例,将该温湿度传感器的目标温度数据的温度平滑因子作为平滑因子,根据平滑因子对该温湿度传感器的目标温度数据进行平滑得到平滑后的目标温度数据,并记为该温湿度传感器的降噪目标温度数据;将该温湿度传感器的目标湿度数据的湿度平滑因子作为平滑因子,根据平滑因子对该温湿度传感器的目标湿度数据进行平滑得到平滑后的目标湿度数据,并记为该温湿度传感器的降噪目标湿度数据。其中根据平滑因子对数据进行平滑的过程是指数移动平均法的公知内容,本实施例不再赘述。需要说明的是,降噪目标温度数据以及降噪目标湿度数据分别为去噪后最新的温度数据、去噪后最新的湿度数据,去噪后最新的温度数据以及去噪后最新的湿度数据为细节防水数据调控优化后的数据。
至此,本实施例完成。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种细节防水数据调控优化方法,其特征在于,该方法包括以下步骤:
采集防水施工环境下每个温湿度传感器的目标防水温度数据、目标防水湿度数据、若干历史防水温度数据以及若干历史防水湿度数据,所述目标防水温度数据以及每个历史防水温度数据均对应一个采集时间;
根据历史防水温度数据与目标防水温度数据之间温度的变化情况,得到每个温湿度传感器的温度相对变化量;对于任意一个温湿度传感器,将除该温湿度传感器以外的温湿度传感器记为温湿度传感器的对照温湿度传感器;根据目标防水温度数据以及对照温湿度传感器之间温度相对变化量的变化差异,得到每个目标防水温度数据的目标温度变化权重;根据温度相对变化量以及对照温湿度传感器之间目标温度变化权重的占比情况,得到每个目标防水温度数据的温度可信度,所述温度可信度用于描述目标防水温度数据与真实的温度数据之间的初始差异;
对温湿度传感器的所有历史防水温度数据进行采集时间划分得到若干局部历史时间段;根据局部历史时间段内温湿度传感器与对照温湿度传感器之间历史防水温度数据的关联程度,得到每个局部历史时间段内历史防水温度数据的标记值;根据标记值以及目标防水温度数据与局部历史时间段之间采集时间的差异情况,得到每个局部历史时间段的历史温度重要性,所述历史温度重要性用于描述局部历史时间段内历史防水温度数据所含的噪声量;根据温度可信度以及历史温度重要性得到每个目标温度数据的温度平滑因子,所述温度平滑因子用于描述目标防水温度数据与真实的温度数据之间的最终差异;
根据目标防水湿度数据以及历史防水湿度数据得到每个目标湿度数据的湿度平滑因子,所述湿度平滑因子用于描述目标防水湿度数据与真实的湿度数据之间的最终差异;根据温度平滑因子以及湿度平滑因子对目标防水温度数据以及目标防水湿度数据进行去噪,得到每个温湿度传感器的降噪目标温度数据以及降噪目标湿度数据;
所述根据目标防水温度数据以及对照温湿度传感器之间温度相对变化量的变化差异,得到每个目标防水温度数据的目标温度变化权重,包括的具体方法为:
对于任意一个温湿度传感器,在所有温湿度传感器的目标防水温度数据的温度相对变化量中,将温湿度传感器的目标防水温度数据的温度相对变化量的数值出现的频率记为温湿度传感器的目标防水温度数据的温度固定频率;获取所有温湿度传感器的目标防水温度数据的温度固定频率;
式中,表示温湿度传感器的任意一个对照温湿度传感器的目标防水温度数据的目标温度变化权重;/>表示预设的超参数;/>表示温湿度传感器的所有历史防水温度数据的均值;/>表示对照温湿度传感器的所有历史防水温度数据的均值;/>表示对照温湿度传感器的目标防水温度数据的温度固定频率;/>表示取绝对值;/>表示以自然常数为底的指数函数;
所述根据温度相对变化量以及对照温湿度传感器之间目标温度变化权重的占比情况,得到每个目标防水温度数据的温度可信度,包括的具体方法为:
对于任意一个温湿度传感器,在温湿度传感器的所有历史防水温度数据中,将温湿度传感器的目标防水温度数据的数值出现的频率记为温湿度传感器的目标防水温度数据的温度历史频率;
式中,表示温湿度传感器的目标防水温度数据的温度可信度;/>表示温湿度传感器的目标防水温度数据的温度相对变化量;/>表示温湿度传感器的所有对照温湿度传感器的数量;/>表示温湿度传感器的第/>个对照温湿度传感器的目标防水温度数据的目标温度变化权重;/>表示温湿度传感器的第/>个对照温湿度传感器的目标防水温度数据的目标温度变化权重;/>表示温湿度传感器的第/>个对照温湿度传感器的目标防水温度数据的温度相对变化量;/>表示温湿度传感器的目标防水温度数据的温度历史频率;/>表示取绝对值;表示以自然常数为底的指数函数;
所述根据局部历史时间段内温湿度传感器与对照温湿度传感器之间历史防水温度数据的关联程度,得到每个局部历史时间段内历史防水温度数据的标记值,包括的具体方法为:
预设两个标记值参数U1、U2,所述U1为正数、U2为负数;
对于任意一个温湿度传感器的任意一个局部历史时间段以及任意一个对照温湿度传感器,将温湿度传感器在局部历史时间段中的所有历史防水温度数据均记为目标温度数据,将对照温湿度传感器在局部历史时间段中的所有历史防水温度数据均记为参考温度数据;若目标温度数据与参考温度数据的协方差为正数,将局部历史时间段内历史防水温度数据的标记值记为U1;若目标温度数据与参考温度数据的协方差为非正数,将局部历史时间段内历史防水温度数据的标记值记为U2;
所述根据标记值以及目标防水温度数据与局部历史时间段之间采集时间的差异情况,得到每个局部历史时间段的历史温度重要性,包括的具体方法为:
预设一个防水温度数据范围;
式中,表示任意一个温湿度传感器的任意一个局部历史时间段的历史温度重要性;/>表示温湿度传感器的目标防水温度数据的采集时间;/>表示局部历史时间段内所有采集时间的均值;/>表示局部历史时间段内所有采集时间的数量;/>表示局部历史时间段在所有局部历史时间段中的序号;/>表示预设的超参数;/>表示局部历史时间段内所有历史防水温度数据的均值;/>表示防水温度数据范围/>的中值;/>表示所有局部历史时间段的数量;/>表示局部历史时间段内历史防水温度数据的标记值;/>表示取绝对值;/>表示以自然常数为底的指数函数;
所述根据温度可信度以及历史温度重要性得到每个目标温度数据的温度平滑因子,包括的具体方法为:
式中,表示任意一个温湿度传感器的目标温度数据的温度平滑因子;/>表示所有局部历史时间段的数量;/>表示该温湿度传感器的第/>个局部历史时间段的历史温度重要性;/>表示该温湿度传感器的目标防水温度数据的温度可信度;/>表示以自然常数为底的指数函数;
所述根据目标防水湿度数据以及历史防水湿度数据得到每个目标湿度数据的湿度平滑因子,包括的具体方法为:
参考每个温湿度传感器的目标温度数据的温度平滑因子的获取方法:
预设一个防水湿度数据范围,根据防水湿度数据范围/>得到每个温湿度传感器的目标防水湿度数据的温度相对变化量;根据每个温湿度传感器的目标防水湿度数据的温度相对变化量,得到每个温湿度传感器的所有对照温湿度传感器的目标防水湿度数据的目标温度变化权重;根据每个温湿度传感器的所有对照温湿度传感器的目标防水湿度数据的目标温度变化权重,得到每个温湿度传感器的目标防水湿度数据的温度可信度;获取每个温湿度传感器的每个局部历史时间段内历史防水湿度数据的标记值,根据每个温湿度传感器的每个局部历史时间段内历史防水湿度数据的标记值,得到每个温湿度传感器的每个局部历史时间段的历史温度重要性;根据每个温湿度传感器的每个局部历史时间段的历史温度重要性,得到每个温湿度传感器的目标湿度数据的温度平滑因子,并记为每个温湿度传感器的目标湿度数据的湿度平滑因子。
2.根据权利要求1所述一种细节防水数据调控优化方法,其特征在于,所述根据历史防水温度数据与目标防水温度数据之间温度的变化情况,得到每个温湿度传感器的温度相对变化量,包括的具体方法为:
对于任意一个温湿度传感器,将温湿度传感器的最后一个历史防水温度数据与温湿度传感器的目标防水温度数据的差值的绝对值,记为温湿度传感器的目标防水温度数据的温度变化量;
预设一个防水温度数据范围;将/>与/>的差值的绝对值记为预设温度最大变化量,将温度变化量与预设温度最大变化量的比值记为温湿度传感器的温度相对变化量。
3.根据权利要求1所述一种细节防水数据调控优化方法,其特征在于,所述对温湿度传感器的所有历史防水温度数据进行采集时间划分得到若干局部历史时间段,包括的具体方法为:
对于任意一个温湿度传感器,以采集时间为横坐标、历史防水温度数据为纵坐标构建二维坐标系,将温湿度传感器的所有历史防水温度数据输入二维坐标系中,获取温湿度传感器的所有历史防水温度数据的极值点,将任意两个相邻极值点之间所有的采集时间所构成的时间段记为温湿度传感器的局部历史时间段。
4.根据权利要求1所述一种细节防水数据调控优化方法,其特征在于,所述根据温度平滑因子以及湿度平滑因子对目标防水温度数据以及目标防水湿度数据进行去噪,得到每个温湿度传感器的降噪目标温度数据以及降噪目标湿度数据,包括的具体方法为:
对于任意一个温湿度传感器,将温湿度传感器的目标温度数据的温度平滑因子作为平滑因子,根据平滑因子对温湿度传感器的目标温度数据进行指数移动平均得到平滑后的目标温度数据,并记为温湿度传感器的降噪目标温度数据;将温湿度传感器的目标湿度数据的湿度平滑因子作为平滑因子,根据平滑因子对温湿度传感器的目标湿度数据进行指数移动平均得到平滑后的目标湿度数据,并记为温湿度传感器的降噪目标湿度数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311734081.3A CN117421538B (zh) | 2023-12-18 | 2023-12-18 | 一种细节防水数据调控优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311734081.3A CN117421538B (zh) | 2023-12-18 | 2023-12-18 | 一种细节防水数据调控优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117421538A CN117421538A (zh) | 2024-01-19 |
CN117421538B true CN117421538B (zh) | 2024-03-15 |
Family
ID=89528643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311734081.3A Active CN117421538B (zh) | 2023-12-18 | 2023-12-18 | 一种细节防水数据调控优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117421538B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021164267A1 (zh) * | 2020-02-21 | 2021-08-26 | 平安科技(深圳)有限公司 | 异常检测方法、装置、终端设备及存储介质 |
CN114970745A (zh) * | 2022-06-17 | 2022-08-30 | 淮阴工学院 | 物联网智能安防与环境大数据*** |
CN115168159A (zh) * | 2022-09-06 | 2022-10-11 | 北京达佳互联信息技术有限公司 | 异常检测方法、装置、电子设备及存储介质 |
CN115840897A (zh) * | 2023-02-09 | 2023-03-24 | 广东吉器电子有限公司 | 一种温度传感器数据异常处理方法 |
CN116390158A (zh) * | 2023-04-18 | 2023-07-04 | 北京汇通天下物联科技有限公司 | 温度数据处理方法、服务器及温度监测终端 |
CN116611674A (zh) * | 2023-07-20 | 2023-08-18 | 中建五局第三建设有限公司 | 一种建筑供给水智能调度运行方法 |
CN117009910A (zh) * | 2023-10-08 | 2023-11-07 | 湖南工程学院 | 一种环境温度异常变化智能监测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510426B (zh) * | 2009-03-23 | 2013-03-27 | 北京中星微电子有限公司 | 一种噪声消除方法及*** |
-
2023
- 2023-12-18 CN CN202311734081.3A patent/CN117421538B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021164267A1 (zh) * | 2020-02-21 | 2021-08-26 | 平安科技(深圳)有限公司 | 异常检测方法、装置、终端设备及存储介质 |
CN114970745A (zh) * | 2022-06-17 | 2022-08-30 | 淮阴工学院 | 物联网智能安防与环境大数据*** |
CN115168159A (zh) * | 2022-09-06 | 2022-10-11 | 北京达佳互联信息技术有限公司 | 异常检测方法、装置、电子设备及存储介质 |
CN115840897A (zh) * | 2023-02-09 | 2023-03-24 | 广东吉器电子有限公司 | 一种温度传感器数据异常处理方法 |
CN116390158A (zh) * | 2023-04-18 | 2023-07-04 | 北京汇通天下物联科技有限公司 | 温度数据处理方法、服务器及温度监测终端 |
CN116611674A (zh) * | 2023-07-20 | 2023-08-18 | 中建五局第三建设有限公司 | 一种建筑供给水智能调度运行方法 |
CN117009910A (zh) * | 2023-10-08 | 2023-11-07 | 湖南工程学院 | 一种环境温度异常变化智能监测方法 |
Non-Patent Citations (3)
Title |
---|
Optimized Design for Noise Reduction Considering Relay Reliability;Wenying Yang.etc;《IEEE》;20211231;全文 * |
光伏板温度预测与仿真;李畸勇;李宜生;汤允凤;赵振东;;计算机仿真;20180315(03);全文 * |
原子钟频率稳定度测试中的噪声处理;李树洲;蔺玉亭;邹本杰;;宇航计测技术;20121015(05);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117421538A (zh) | 2024-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108416366B (zh) | 一种基于气象指数的加权ls-svm的电力***短期负荷预测方法 | |
CN112288164A (zh) | 一种计及空间相关性和修正数值天气预报的风功率组合预测方法 | |
CN111109643A (zh) | 一种薄板烘丝的烟丝含水量的控制方法及*** | |
CN110946314A (zh) | 一种气流烘丝的烟丝含水量的控制方法及*** | |
CN117408497B (zh) | 一种食品加工物料管控方法及*** | |
CN117435873B (zh) | 一种基于智能喷雾降尘的数据管理方法 | |
CN117421538B (zh) | 一种细节防水数据调控优化方法 | |
CN116975503A (zh) | 一种土壤侵蚀信息管理方法及*** | |
CN116744634A (zh) | 一种数据中心温度预测控制方法 | |
CN117455725B (zh) | 一种基于bim建筑的建筑能耗管理方法及*** | |
CN117710380A (zh) | 一种混凝土透气性智能检测方法及*** | |
CN117764290B (zh) | 一种水利工程施工用bim模型数据管理方法 | |
CN107808209B (zh) | 基于加权kNN距离的风电场异常数据辨识方法 | |
CN116383676B (zh) | 基于数据处理的暖通设备智能检测方法 | |
CN115682207B (zh) | 基于用户使用偏好的加湿器智能控制方法 | |
CN110765420A (zh) | 一种基于pso-fi的地面自动气象站气温观测资料质量控制方法 | |
CN110852888A (zh) | 一种基于粒子滤波的证券投资组合优化方法 | |
CN116085245A (zh) | 一种基于os-elm的压缩机性能在线预测方法及*** | |
CN114280536A (zh) | 一种基于mfk混合滤波和多输入bp神经网络的测距方法 | |
CN117739405B (zh) | 一种基于智能调节阀的供热控制方法及*** | |
CN117760593B (zh) | 一种粮食作物仓储温度异常监测方法 | |
CN118277744B (zh) | 基于数据分析的丹参育苗环境状态智能监测方法 | |
CN117992894B (zh) | 基于物联网的农业大棚环境异常数据监测方法 | |
CN117874445B (zh) | 一种实时在线监测数据分析的酶制剂生产监测方法 | |
CN110786834B (zh) | 一种基于舌象特征和bmi指数的脂肪肝预测模型 |
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 |