申请/专利权人：东莞市杰瑞智能科技有限公司

申请日：2024-04-12

公开（公告）日：2024-06-25

公开（公告）号：CN118035780B

主分类号：G06F18/23213

分类号：G06F18/23213;G06F18/10;G06F18/2433;G06Q50/26;G06F123/02

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2024.05.31#实质审查的生效;2024.05.14#公开

摘要：本发明涉及数据处理技术领域，具体涉及基于多维传感器的河流状态评估方法及系统，包括：通过传感器采集河流状态的时序数据；将时序数据分解为趋势项、周期项及残差项；根据趋势项和残差项确定时序数据的稳定性；根据残差项的数据分布差异及周期项数据分布获得时序数据的混乱程度；根据每个时序数据与目标时序数据的协方差、混乱程度差异及每个时序数据的稳定性获取每个时序数据与目标时序数据的关联程度；根据关联程度获取筛选后各时序数据在聚类算法中的权重；根据权重对时序数据分配标签；根据标签对河流状态进行评估；该方法避免了因噪声干扰难以准确获取水质指标间相互影响的问题，可根据水质指标间的相互影响准确全面评估河流状态。

主权项：1.基于多维传感器的河流状态评估方法，其特征在于，该方法包括以下步骤：通过多维传感器采集河流若干水质指标的多维时序数据，并从时序数据中筛选出目标时序数据；多维传感器分别是氨氮传感器、pH计、浑浊度传感器、溶解氧传感器，以获得氨氮值、pH值、浑浊度、含氧量多个水质指标数据；将时序数据分解为趋势项、周期项及残差项；根据趋势项和残差项确定时序数据的稳定性；利用残差项的中位数将残差项分割为两个类簇，根据两个类簇的数据分布差异以及周期项中周期数据的分布获得时序数据的混乱程度；根据每个时序数据与目标时序数据的协方差、时序数据的稳定性及时序数据的混乱程度获取每个时序数据与目标时序数据的关联程度；根据每个时序数据与目标时序数据的关联程度筛选出目标时序数据的正常时序数据，根据目标时序数据与所述正常时序数据的关联程度获取各正常时序数据在聚类算法中的权重；根据正常时序数据在聚类算法中的权重对河流的状态进行评估；所述将时序数据分解为趋势项、周期项及残差项，包括的具体步骤如下：利用STL算法将时序数据分解为趋势项、周期项及残差项；所述根据趋势项和残差项确定时序数据的稳定性，包括以下步骤：根据趋势项的均方误差和残差项的整体均值获取时序数据的稳定性；所述根据趋势项的均方误差和残差项的整体均值获取时序数据的稳定性，包括的具体计算公式如下： 式中：表示第i项时序数据的稳定性；表示第i项时序数据中的采样时间点数量；表示第i项时序数据的趋势项在第j个采样时间点的值；表示第i项时序数据的趋势项的整体均值；表示第i项时序数据的残差项在采样点的残差值；表示以自然常数为底的指数函数；表示趋势项的均方误差；表示残差项的整体均值；所述利用残差项的中位数将残差项分割为两个类簇，根据两个类簇的数据分布差异以及周期项中周期数据的分布获得时序数据的混乱程度，包括的具体步骤如下：将第i个时序数据的残差项中的所有数据通过中位数分割为两个类簇和，其中𝐿2为均值最大的类簇；计算两个类簇和的平均值和；计算两个类簇和对应的均方根和；根据两个类簇的平均值和、均方根和以及周期项中周期数据的分布获取时序数据的混乱程度；所述根据两个类簇的平均值和、均方根和以及周期项中周期数据的分布获取时序数据的混乱程度，包括的具体计算步骤如下： 式中：表示第i项时序数据的混乱程度；表示第i项时序数据的周期项中每个周期数据的数据均方根；表示第i项时序数据的周期项中单个数据周期的整体均值；为函数；所述根据每个时序数据与目标时序数据的协方差、时序数据的稳定性及时序数据的混乱程度获取每个时序数据与目标时序数据的关联程度，包括的具体计算公式如下： 式中：表示第i项时序数据与目标时序数据的关联程度；为与的协方差；表示第i项时序数据；表示目标时序数据；表示第i项时序数据的稳定性；表示第i项时序数据的混乱程度；表示目标时序数据的混乱程度；表示函数；所述根据每个时序数据与目标时序数据的关联程度筛选出目标时序数据的正常时序数据，根据目标时序数据与所述正常时序数据的关联程度获取各正常时序数据在聚类算法中的权重，包括的具体计算步骤如下：将与目标时序数据关联程度小于预设阈值的时序数据判定为噪声数据；筛选除噪声数据外的时序数据，记为目标时序数据的正常时序数据；根据目标时序数据的正常时序数据与目标时序数据的关联程度计算目标时序数据对应的第j项正常时序数据在聚类算法中的权重； 式中：表示目标时序数据对应的第j项正常时序数据在聚类算法中的权重；表示第j项正常时序数据与目标时序数据的关联程度；U表示正常时序数据的数量；所述根据正常时序数据在聚类算法中的权重对河流的状态进行评估，包括的具体步骤如下：通过手肘法确定聚类K值，根据聚类K值以及正常时序数据在聚类算法中的权重对正常时序数据进行WKmeans聚类得到K个聚类簇，正常时序数据数量最多的聚类簇被定义为健康状态类簇，其他类簇为异常状态类簇，异常状态类簇中所包含的正常时序数据对应的水质指标以及目标时序数据对应的水质指标作为河流状态的评估结果。

全文数据：

权利要求：

百度查询： 东莞市杰瑞智能科技有限公司 基于多维传感器的河流状态评估方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD