CN105258744A - 一种流量大数据的处理方法和系统 - Google Patents
一种流量大数据的处理方法和系统 Download PDFInfo
- Publication number
- CN105258744A CN105258744A CN201510695166.4A CN201510695166A CN105258744A CN 105258744 A CN105258744 A CN 105258744A CN 201510695166 A CN201510695166 A CN 201510695166A CN 105258744 A CN105258744 A CN 105258744A
- Authority
- CN
- China
- Prior art keywords
- data
- sequence
- last
- inverted
- module
- 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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种流量大数据的处理方法和系统，包括：获取时差法超声波流量计测量的一组在线数据X(i)。将X(i)最前八个数据和最后八个数据反序排列。采用反序排列后的最前八个数据取代X(i)中原始的最前八个数据，反序排列后的最后八个数据取代原始的最后八个数据，形成X’(i)。将X’(i)依据53H算法进行处理，获取X’3(i)。采用X’3(5)至X’3(8)的数据分别取代X(i)中的X(1)至X(4)，X’3(n-7)至X’3(n-4)的数据分别取代X(i)中的X(n-3)至X(n)，形成数据序列X”(i)。通过本发明的方案，能够有效地消除外界干扰信号带来的误差数据，提高超声波流量计的测量精度。
Description
技术领域
本发明涉及云计算与大数据处理，具体涉及一种流量大数据的处理方法和系统。
背景技术
数字信号处理技术具有灵活、精确、抗干扰性强、速度快等突出优点，这些都是模拟信号处理技术所无法比拟的。目前由于硬件资源的限制，对时差法流量计采集的数据进行数据处理的方法使用还比较少，多使用均值法，这很难去除数据中的误差量，达不到提高精度的效果，而且容易造成流量显示滞后的现象。
时差法流量计的测量数据中往往存在误差，这些误差主要来自于以下两个方面：①流体中的气泡、杂质等对超声波产生的发射、折射和吸收；②超声波在管壁中的传播时间以及电路延迟、环境温湿度等造成的误差等。因此超声波流量计测量的时差数据是一系列含有误差的数据系列，需要对数据进行处理以产生较稳定的数据。
发明内容
为了解决上述问题，本发明提出了一种流量大数据的处理方法和系统，能够有效地消除外界干扰信号带来的误差数据，提高超声波流量计的测量精度。
为了达到上述目的，本发明提出了一种流量大数据的处理方法，该方法包括：
获取时差法超声波流量计测量的一组在线数据X(i)，其中，1≤i≤n，n为正整数。
获取X(i)首部的最前八个数据和X(i)尾部的最后八个数据。
将该最前八个数据和最后八个数据分别进行反序排列。
采用反序排列后的最前八个数据取代X(i)中原始的最前八个数据，并采用反序排列后的最后八个数据取代所述X(i)中原始的最后八个数据，形成新的数据序列X’(i)。
将X’(i)依据53H算法进行处理，获取数据序列X’3(i)。
采用X’3(5)至X’3(8)的数据分别取代X(i)中的X(1)至X(4)，并且采用X’3(n-7)至X’3(n-4)的数据分别取代X(i)中的X(n-3)至X(n)，形成基于X(i)的新的数据序列X”(i)。
优选地，
将最前八个数据和最后八个数据分别进行反序排列是指：将X(i)中的X(1)至X(8)反序排列为X(8)至X(1)，将X(i)中的X(n-7)至X(n)反序排列为X(n)至X(n-7)。
新的数据序列X’(i)是指：序列X(8)→X(1),X(9)……X(n-8),X(n)→X(n-7)。
优选地，53H算法是指：
对于数据序列Y(i)，其中，1≤i≤n，n为正整数；从i＝3开始至i＝n-2结束，依次获取(Y(i-2)、Y(i-1)、Y(i)、Y(i+1)Y(i+2))的中值，分别作为新的数据序列Y1(i)的数据，其中，Y1(i)的项数比Y(i)少4项。
对于数据序列Y1(i)，从i＝4开始至i＝n-3结束，依次取(Y1(i-1)、Y1(i)、Y1(i+1))的中值，分别作为新的数据序列Y2(i)的数据，其中，X2(i)的项数比Y(i)少6项。
依据等式Y3(i)＝0.25*Y2(i-1)+0.5*Y2(i)+0.25*Y2(i+1)，构造新的数据序列Y3(i)，其中，从i＝5开始至i＝n-4结束，Y3(i)的项数比Y(i)少8项。
判断|Y(i)-Y3(i)|>ε是否成立，其中，ε为预定的经验值；如果|Y(i)-Y3(i)|>ε成立，采用Y3(i)的值代替Y(i)；如果|Y(i)-Y3(i)|>ε不成立，保留原始的Y(i)序列。
优选地，该方法还包括：对获得的新的数据序列X”(i)中的数据进行分组，并计算每一组数据的方差值，采用平滑曲线连接各组计算出的方差值，获得X”(i)的数据方差变化图。
为了达到上述目的，本发明还提出了一种流量大数据的处理系统，该系统包括：，第一获取模块、第二获取模块、反序排列模块、第一取代模块、算法处理模块和第二取代模块。
第一获取模块，用于获取时差法超声波流量计测量的一组在线数据X(i)，其中，1≤i≤n，n为正整数。
第二获取模块，用于获取X(i)首部的最前八个数据和X(i)尾部的最后八个数据。
反序排列模块，用于将最前八个数据和最后八个数据分别进行反序排列。
第一取代模块，用于采用反序排列后的最前八个数据取代X(i)中原始的最前八个数据，并采用反序排列后的最后八个数据取代X(i)中原始的最后八个数据，形成新的数据序列X’(i)。
算法处理模块，用于将X’(i)依据53H算法进行处理，获取数据序列X’3(i)。
第二取代模块，用于采用X’3(5)至X’3(8)的数据分别取代X(i)中的X(1)至X(4)，并且采用X’3(n-7)至X’3(n-4)的数据分别取代X(i)中的X(n-3)至X(n)，形成基于X(i)的新的数据序列X”(i)。
优选地，
反序排列模块将最前八个数据和最后八个数据分别进行反序排列是指：将X(i)中的X(1)至X(8)反序排列为X(8)至X(1)，将X(i)中的X(n-7)至X(n)反序排列为X(n)至X(n-7)。
新的数据序列X’(i)是指：序列X(8)→X(1),X(9)……X(n-8),X(n)→X(n-7)。
优选地，53H算法是指：
对于数据序列Y(i)，其中，1≤i≤n，n为正整数；从i＝3开始至i＝n-2结束，依次获取(Y(i-2)、Y(i-1)、Y(i)、Y(i+1)Y(i+2))的中值，分别作为新的数据序列Y1(i)的数据，其中，Y1(i)的项数比Y(i)少4项。
对于数据序列Y1(i)，从i＝4开始至i＝n-3结束，依次取(Y1(i-1)、Y1(i)、Y1(i+1))的中值，分别作为新的数据序列Y2(i)的数据，其中，X2(i)的项数比Y(i)少6项。
依据等式Y3(i)＝0.25*Y2(i-1)+0.5*Y2(i)+0.25*Y2(i+1)，构造新的数据序列Y3(i)，其中，从i＝5开始至i＝n-4结束，Y3(i)的项数比Y(i)少8项。
判断|Y(i)-Y3(i)|>ε是否成立，其中，ε为预定的经验值；如果|Y(i)-Y3(i)|>ε成立，采用Y3(i)的值代替Y(i)；如果|Y(i)-Y3(i)|>ε不成立，保留原始的Y(i)序列。
优选地，该系统还包括：数据方差变化图获取模块。
数据方差变化图获取模块，用于对获得的新的数据序列X”(i)中的数据进行分组，并计算每一组数据的方差值，采用平滑曲线连接各组计算出的所述方差值，获得X”(i)的数据方差变化图。
与现有技术相比，本发明包括：获取时差法超声波流量计测量的一组在线数据X(i)，其中，1≤i≤n，n为正整数。获取X(i)首部的最前八个数据和X(i)尾部的最后八个数据。将该最前八个数据和最后八个数据分别进行反序排列。采用反序排列后的最前八个数据取代所述X(i)中原始的最前八个数据，并采用反序排列后的最后八个数据取代X(i)中原始的最后八个数据，形成新的数据序列X’(i)。将X’(i)依据53H算法进行处理，获取数据序列X’3(i)。采用X’3(5)至X’3(8)的数据分别取代X(i)中的X(1)至X(4)，并且采用X’3(n-7)至X’3(n-4)的数据分别取代X(i)中的X(n-3)至X(n)，形成基于X(i)的新的数据序列X”(i)。通过本发明的方案，能够有效地消除外界干扰信号带来的误差数据，提高超声波流量计的测量精度。
附图说明
下面对本发明实施例中的附图进行说明，实施例中的附图是用于对本发明的进一步理解，与说明书一起用于解释本发明，并不构成对本发明保护范围的限制。
图1为本发明的流量大数据的处理方法流程图；
图2为本发明的流量大数据的处理方法与传统的53H算法的数据处理效果对比图；
图3为本发明的流量大数据的处理方法与传统的53H算法的数据方差变化效果对比图；
图4为本发明的流量大数据的处理系统组成框图。
具体实施方式
为了便于本领域技术人员的理解，下面结合附图对本发明作进一步的描述，并不能用来限制本发明的保护范围。
本发明基于传统的53H算法，对该传统的53H算法进行了改进，产生一个与测量值比较的估计值，通过得到的平滑曲线来剔除异常点，有效地消除外界带来的误差，提高系统的测量精度，使测量的时间差在0.2ns之内波动，流速波动范围控制在0.01m/s之内。改善了传统的流量大数据、多数据的处理方式。传统方式多用均值法、滚动滤波法，很难去除数据的误差，达不到精度要求，且易造成流量显示滞后现象。
为了达到上述目的，本发明提出了一种流量大数据的处理方法，该方法即对传统的53H算法的改进方法，如图1所示。
在对本发明的处理方法进行介绍之前，首先介绍一下53H算法，53H算法包括以下步骤：
S201、对于数据序列Y(i)，其中，1≤i≤n，n为正整数；从i＝3开始至i＝n-2结束，依次获取(Y(i-2)、Y(i-1)、Y(i)、Y(i+1)Y(i+2))的中值，分别作为新的数据序列Y1(i)的数据，其中，Y1(i)的项数比Y(i)少4项。
S202、对于数据序列Y1(i)，从i＝4开始至i＝n-3结束，依次取(Y1(i-1)、Y1(i)、Y1(i+1))的中值，分别作为新的数据序列Y2(i)的数据，其中，X2(i)的项数比Y(i)少6项。
S203、依据等式Y3(i)＝0.25*Y2(i-1)+0.5*Y2(i)+0.25*Y2(i+1)，构造新的数据序列Y3(i)，其中，从i＝5开始至i＝n-4结束，Y3(i)的项数比Y(i)少8项。
S204、判断|Y(i)-Y3(i)|>ε是否成立，其中，ε为预定的经验值；如果|Y(i)-Y3(i)|>ε成立，采用Y3(i)的值代替Y(i)；如果|Y(i)-Y3(i)|>ε不成立，保留原始的Y(i)序列。
上述算法中ε为软阈值，ε值在一定范围内时，平滑效果不会有较大波动，使平滑效果满足要求的ε值应该比较稳定，这也是这种算法的稳定性，所以选择合适的ε对于剔除测量的误差点很重要，ε值的设定可以根据实际噪声大小来设定。ε值的过大或者过小都会使算法处理后的最终序列X(i)波动增大，因此ε值应该在多次实验比较后选取适当的值。
本算法的改善之处在于从53H算法的步骤中可以发现首尾各4项数据都没有得到有效的平滑处理，即端点处并没有平滑效果的处理。如果首尾各4项数据存在较大的数据误差，使用传统的53H算法并不能对其进行有效的剔除。因此，本发明的流量大数据的处理方法将传统的53H算法做了改进。
具体地，本发明提出的一种流量大数据的处理方法包括以下步骤：
S101、获取时差法超声波流量计测量的一组在线数据X(i)，其中，1≤i≤n，n为正整数。
S102、获取X(i)首部的最前八个数据和X(i)尾部的最后八个数据。
S103、将该最前八个数据和最后八个数据分别进行反序排列。
优选地，
将最前八个数据和最后八个数据分别进行反序排列是指：将X(i)中的X(1)至X(8)反序排列为X(8)至X(1)，将X(i)中的X(n-7)至X(n)反序排列为X(n)至X(n-7)。
S104、采用反序排列后的最前八个数据取代X(i)中原始的最前八个数据，并采用反序排列后的最后八个数据取代所述X(i)中原始的最后八个数据，形成新的数据序列X’(i)。
优选地，新的数据序列X’(i)是指：序列X(8)→X(1),X(9)……X(n-8),X(n)→X(n-7)。
S105、将X’(i)依据53H算法进行处理，获取数据序列X’3(i)。
S106、采用X’3(5)至X’3(8)的数据分别取代X(i)中的X(1)至X(4)，并且采用X’3(n-7)至X’3(n-4)的数据分别取代X(i)中的X(n-3)至X(n)，形成基于X(i)的新的数据序列X”(i)。
基于上述改进，获得的新的数据序列X”(i)中的所有数据都可以得到有效的平滑，有效的消除了外界干扰信号带来的误差数据，提高了超声波流量计的测量精度。
优选地，该方法还包括：对获得的新的数据序列X”(i)中的数据进行分组，并计算每一组数据的方差值，采用平滑曲线连接各组计算出的方差值，获得X”(i)的数据方差变化图。
下面通过采集到的流量数据为例，对本发明方案的数据处理效果进行详细说明。
实验中流体流经的管道直径为0.1m，超声波的速度c为1450m/s，顺流方向上流体流动方向与超声波入射方向的夹角θ为45°，截取时差法超声波流量计的部分原始数据。
对400个采集数据根据传统的53H算法进行处理，如图2所示，得到的53H曲线的两个端点处的曲线波动较大，因为两端点的四个数据并未进行处理。对400个采集数根据本发明方案进行处理后可以很好的改进端点的平滑性。同时，经过算法处理后的数据相对集中在19ns到21ns之间的地带上，使数据更加集中。从图2中可以发现时间差的瞬时值波动较大，经过算法处理后的时间差差值基本保持在很小的范围内波动，稳定性和精确度明显提高，计算所得的流量值的波动也在0.01m/s之内。
关于数据方差的变化效果，如图3所示。对400个数据进行处理，20个数据为一组，共20组。计算每组的方差值，然后用平滑曲线连接各组的计算值。从图3中可以发现，经过本发明方案处理后的数据的方差值控制在0.5左右，提高了数据的平滑度和稳定性。
为了达到上述目的，本发明还提出了一种流量大数据的处理系统01，如图4所示，该系统包括：第一获取模块02、第二获取模块03、反序排列模块04、第一取代模块05、算法处理模块06和第二取代模块07。
第一获取模块02，用于获取时差法超声波流量计测量的一组在线数据X(i)，其中，1≤i≤n，n为正整数。
第二获取模块03，用于获取X(i)首部的最前八个数据和X(i)尾部的最后八个数据。
反序排列模块04，用于将最前八个数据和最后八个数据分别进行反序排列。
第一取代模块05，用于采用反序排列后的最前八个数据取代X(i)中原始的最前八个数据，并采用反序排列后的最后八个数据取代X(i)中原始的最后八个数据，形成新的数据序列X’(i)。
算法处理模块06，用于将X’(i)依据53H算法进行处理，获取数据序列X’3(i)。
第二取代模块07，用于采用X’3(5)至X’3(8)的数据分别取代X(i)中的X(1)至X(4)，并且采用X’3(n-7)至X’3(n-4)的数据分别取代X(i)中的X(n-3)至X(n)，形成基于X(i)的新的数据序列X”(i)。
优选地，
反序排列模块04将最前八个数据和最后八个数据分别进行反序排列是指：将X(i)中的X(1)至X(8)反序排列为X(8)至X(1)，将X(i)中的X(n-7)至X(n)反序排列为X(n)至X(n-7)。
新的数据序列X’(i)是指：序列X(8)→X(1),X(9)……X(n-8),X(n)→X(n-7)。
优选地，53H算法是指：
对于数据序列Y(i)，其中，1≤i≤n，n为正整数；从i＝3开始至i＝n-2结束，依次获取(Y(i-2)、Y(i-1)、Y(i)、Y(i+1)Y(i+2))的中值，分别作为新的数据序列Y1(i)的数据，其中，Y1(i)的项数比Y(i)少4项。
对于数据序列Y1(i)，从i＝4开始至i＝n-3结束，依次取(Y1(i-1)、Y1(i)、Y1(i+1))的中值，分别作为新的数据序列Y2(i)的数据，其中，X2(i)的项数比Y(i)少6项。
依据等式Y3(i)＝0.25*Y2(i-1)+0.5*Y2(i)+0.25*Y2(i+1)，构造新的数据序列Y3(i)，其中，从i＝5开始至i＝n-4结束，Y3(i)的项数比Y(i)少8项。
判断|Y(i)-Y3(i)|>ε是否成立，其中，ε为预定的经验值；如果|Y(i)-Y3(i)|>ε成立，采用Y3(i)的值代替Y(i)；如果|Y(i)-Y3(i)|>ε不成立，保留原始的Y(i)序列。
优选地，该系统还包括：数据方差变化图获取模块08。
数据方差变化图获取模块08，用于对获得的新的数据序列X”(i)中的数据进行分组，并计算每一组数据的方差值，采用平滑曲线连接各组计算出的所述方差值，获得X”(i)的数据方差变化图。
与现有技术相比，本发明包括：获取时差法超声波流量计测量的一组在线数据X(i)，其中，1≤i≤n，n为正整数。获取X(i)首部的最前八个数据和X(i)尾部的最后八个数据。将该最前八个数据和最后八个数据分别进行反序排列。采用反序排列后的最前八个数据取代X(i)中原始的最前八个数据，并采用反序排列后的最后八个数据取代X(i)中原始的最后八个数据，形成新的数据序列X’(i)。将X’(i)依据53H算法进行处理，获取数据序列X’3(i)。采用X’3(5)至X’3(8)的数据分别取代X(i)中的X(1)至X(4)，并且采用X’3(n-7)至X’3(n-4)的数据分别取代X(i)中的X(n-3)至X(n)，形成基于X(i)的新的数据序列X”(i)。通过本发明的方案，能够有效地消除外界干扰信号带来的误差数据，提高超声波流量计的测量精度。
总之，本发明具有以下有益效果：(1)采用本发明方案产生一个与测量值比较的估计值，通过得到的平滑曲线来剔除异常点，有效地消除外界带来的误差，提高系统的测量精度，使测量的时间差在0.2ns之内波动，流速波动范围控制在0.01m/s之内，具有很高的技术价值。(2)流量数据经过本发明方案处理后趋近于实际的测量值，测量值更加精准，在流量精度要求范围内，不需要硬件资源提供更多容量更大的时差数据，解放了硬件资源产生流量数据的限制。(3)本发明方案既可以运用到ARM、DSP等硬件处理器中，实现流量数据的处理，也可以将流量数据上传到云计算平台上，在平台端实现。
需要说明的是，以上所述的实施例仅是为了便于本领域的技术人员理解而已，并不用于限制本发明的保护范围，在不脱离本发明的发明构思的前提下，本领域技术人员对本发明所做出的任何显而易见的替换和改进等均在本发明的保护范围之内。
Claims (8)
1.一种流量大数据的处理方法，其特征在于，所述方法包括：
获取时差法超声波流量计测量的一组在线数据X(i)，其中，1≤i≤n，n为正整数；
获取所述X(i)首部的最前八个数据和所述X(i)尾部的最后八个数据；
将所述最前八个数据和所述最后八个数据分别进行反序排列；
采用反序排列后的所述最前八个数据取代所述X(i)中原始的最前八个数据，并采用反序排列后的所述最后八个数据取代所述X(i)中原始的最后八个数据，形成新的数据序列X’(i)；
将所述X’(i)依据53H算法进行处理，获取数据序列X’3(i)；
采用X’3(5)至X’3(8)的数据分别取代所述X(i)中的X(1)至X(4)，并且采用X’3(n-7)至X’3(n-4)的数据分别取代所述X(i)中的X(n-3)至X(n)，形成基于所述X(i)的新的数据序列X”(i)。
2.如权利要求1所述的处理方法，其特征在于，
所述将所述最前八个数据和所述最后八个数据分别进行反序排列是指：将所述X(i)中的X(1)至X(8)反序排列为X(8)至X(1)，将所述X(i)中的X(n-7)至X(n)反序排列为X(n)至X(n-7)；
所述新的数据序列X’(i)是指：序列X(8)→X(1),X(9)……X(n-8),X(n)→X(n-7)。
3.如权利要求1所述的处理方法，其特征在于，所述53H算法是指：
对于数据序列Y(i)，其中，1≤i≤n，n为正整数；从i＝3开始至i＝n-2结束，依次获取(Y(i-2)、Y(i-1)、Y(i)、Y(i+1)Y(i+2))的中值，分别作为新的数据序列Y1(i)的数据，其中，所述Y1(i)的项数比Y(i)少4项；
对于数据序列Y1(i)，从i＝4开始至i＝n-3结束，依次取(Y1(i-1)、Y1(i)、Y1(i+1))的中值，分别作为新的数据序列Y2(i)的数据，其中，所述X2(i)的项数比Y(i)少6项；
依据等式Y3(i)＝0.25*Y2(i-1)+0.5*Y2(i)+0.25*Y2(i+1)，构造新的数据序列Y3(i)，其中，从i＝5开始至i＝n-4结束，所述Y3(i)的项数比Y(i)少8项；
判断|Y(i)-Y3(i)|>ε是否成立，其中，ε为预定的经验值；如果|Y(i)-Y3(i)|>ε成立，采用Y3(i)的值代替Y(i)；如果|Y(i)-Y3(i)|>ε不成立，保留原始的Y(i)序列。
4.如权利要求1所述的处理方法，其特征在于，所述方法还包括：对获得的所述新的数据序列X”(i)中的数据进行分组，并计算每一组数据的方差值，采用平滑曲线连接各组计算出的所述方差值，获得所述X”(i)的数据方差变化图。
5.一种流量大数据的处理系统，其特征在于，所述系统包括：第一获取模块、第二获取模块、反序排列模块、第一取代模块、算法处理模块和第二取代模块；
所述第一获取模块，用于获取时差法超声波流量计测量的一组在线数据X(i)，其中，1≤i≤n，n为正整数；
所述第二获取模块，用于获取所述X(i)首部的最前八个数据和所述X(i)尾部的最后八个数据；
所述反序排列模块，用于将所述最前八个数据和所述最后八个数据分别进行反序排列；
所述第一取代模块，用于采用反序排列后的所述最前八个数据取代所述X(i)中原始的最前八个数据，并采用反序排列后的所述最后八个数据取代所述X(i)中原始的最后八个数据，形成新的数据序列X’(i)；
所述算法处理模块，用于将所述X’(i)依据53H算法进行处理，获取数据序列X’3(i)；
所述第二取代模块，用于采用X’3(5)至X’3(8)的数据分别取代所述X(i)中的X(1)至X(4)，并且采用X’3(n-7)至X’3(n-4)的数据分别取代所述X(i)中的X(n-3)至X(n)，形成基于所述X(i)的新的数据序列X”(i)。
6.如权利要求5所述的处理系统，其特征在于，
所述反序排列模块将所述最前八个数据和所述最后八个数据分别进行反序排列是指：将所述X(i)中的X(1)至X(8)反序排列为X(8)至X(1)，将所述X(i)中的X(n-7)至X(n)反序排列为X(n)至X(n-7)；
所述新的数据序列X’(i)是指：序列X(8)→X(1),X(9)……X(n-8),X(n)→X(n-7)。
7.如权利要求5所述的处理系统，其特征在于，所述53H算法是指：
对于数据序列Y(i)，其中，1≤i≤n，n为正整数；从i＝3开始至i＝n-2结束，依次获取(Y(i-2)、Y(i-1)、Y(i)、Y(i+1)Y(i+2))的中值，分别作为新的数据序列Y1(i)的数据，其中，所述Y1(i)的项数比Y(i)少4项；
对于数据序列Y1(i)，从i＝4开始至i＝n-3结束，依次取(Y1(i-1)、Y1(i)、Y1(i+1))的中值，分别作为新的数据序列Y2(i)的数据，其中，所述X2(i)的项数比Y(i)少6项；
依据等式Y3(i)＝0.25*Y2(i-1)+0.5*Y2(i)+0.25*Y2(i+1)，构造新的数据序列Y3(i)，其中，从i＝5开始至i＝n-4结束，所述Y3(i)的项数比Y(i)少8项；
判断|Y(i)-Y3(i)|>ε是否成立，其中，ε为预定的经验值；如果|Y(i)-Y3(i)|>ε成立，采用Y3(i)的值代替Y(i)；如果|Y(i)-Y3(i)|>ε不成立，保留原始的Y(i)序列。
8.如权利要求5所述的处理系统，其特征在于，所述系统还包括：数据方差变化图获取模块；
所述数据方差变化图获取模块，用于对获得的所述新的数据序列X”(i)中的数据进行分组，并计算每一组数据的方差值，采用平滑曲线连接各组计算出的所述方差值，获得所述X”(i)的数据方差变化图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510695166.4A CN105258744A (zh) | 2015-10-21 | 2015-10-21 | 一种流量大数据的处理方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510695166.4A CN105258744A (zh) | 2015-10-21 | 2015-10-21 | 一种流量大数据的处理方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105258744A true CN105258744A (zh) | 2016-01-20 |
Family
ID=55098523
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510695166.4A Pending CN105258744A (zh) | 2015-10-21 | 2015-10-21 | 一种流量大数据的处理方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105258744A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114777861A (zh) * | 2022-04-12 | 2022-07-22 | 三川智慧科技股份有限公司 | 超声波水表测量抗干扰方法、系统及可读存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102539890A (zh) * | 2012-02-14 | 2012-07-04 | 华北电力大学（保定） | 一种绝缘泄漏电流中周期分量与陡脉冲分量的分离方法 |
| CN103093078A (zh) * | 2012-12-18 | 2013-05-08 | 湖南大唐先一科技有限公司 | 一种改进53h算法的数据检验方法 |
-
2015
- 2015-10-21 CN CN201510695166.4A patent/CN105258744A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102539890A (zh) * | 2012-02-14 | 2012-07-04 | 华北电力大学（保定） | 一种绝缘泄漏电流中周期分量与陡脉冲分量的分离方法 |
| CN103093078A (zh) * | 2012-12-18 | 2013-05-08 | 湖南大唐先一科技有限公司 | 一种改进53h算法的数据检验方法 |
Non-Patent Citations (1)
| Title |
|---|
| 杨莉 等: "在线监测数据剔点处理算法的研究", 《高压电器》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114777861A (zh) * | 2022-04-12 | 2022-07-22 | 三川智慧科技股份有限公司 | 超声波水表测量抗干扰方法、系统及可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102111158B (zh) | 对位置传感器的正余弦信号细分和数据编码的装置及实现方法 | |
| CN109917152B (zh) | 一种垂线平均流速测量方法 | |
| CN105403265A (zh) | 一种自动校正零点漂移的超声水表及其校正方法 | |
| CN105043348A (zh) | 基于卡尔曼滤波的加速度计陀螺仪水平角度测量方法 | |
| CN102879061A (zh) | 一种基于拟合方程的水表误差校正方法 | |
| CN111089576A (zh) | 光纤陀螺实际输出值确定方法、光纤陀螺阀值测试方法 | |
| CN102538914A (zh) | 一种具有校正功能的电子显示水表 | |
| CN111854798A (zh) | 一种光纤陀螺仪的温度补偿方法及装置 | |
| CN104748810A (zh) | 一种流体流量累计系统 | |
| CN203224283U (zh) | 一种液体流量现场校准装置 | |
| CN105258744A (zh) | 一种流量大数据的处理方法和系统 | |
| CN103913203A (zh) | 超声波水表流量系数处理方法 | |
| CN109946765B (zh) | 风电场的流场的预测方法和系统 | |
| CN104142299A (zh) | 红外甲烷传感器的压力补偿方法 | |
| CN104597513B (zh) | 一种地球物理磁场大数据预处理值的获取方法 | |
| CN109571898A (zh) | 一种注塑机机械手精度补偿系统及方法 | |
| CN113959511B (zh) | 基于射流水表的流量计量方法、设备、介质及产品 | |
| CN102645186B (zh) | 一种基于双线性插值算法的水膜厚度传感器实现方法 | |
| CN105066959A (zh) | 路面纵断面的高程信息获取方法 | |
| CN112344907B (zh) | 铁路轨道水平测量方法、系统、可读存储介质及电子设备 | |
| CN101556255A (zh) | 一种围护结构热阻现场检测数据分析方法 | |
| CN114877975A (zh) | 一种基于管路入口雷诺数的超声水表流量误差修正方法 | |
| CN109740204B (zh) | 一种基于杜芬振子逆向相变的弱正弦信号快速检测方法 | |
| CN207317904U (zh) | 一种流量计在线检测仪 | |
| CN102435209B (zh) | 一种消除倾角传感器信号基线漂移的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160120 |