CN110096497A - 一种农产品产量数据智能清洗方法及系统 - Google Patents
一种农产品产量数据智能清洗方法及系统 Download PDFInfo
- Publication number
- CN110096497A CN110096497A CN201910242324.9A CN201910242324A CN110096497A CN 110096497 A CN110096497 A CN 110096497A CN 201910242324 A CN201910242324 A CN 201910242324A CN 110096497 A CN110096497 A CN 110096497A
- Authority
- CN
- China
- Prior art keywords
- data
- agricultural output
- output data
- reliability
- completeness
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004140 cleaning Methods 0.000 title claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 58
- 238000005259 measurement Methods 0.000 claims description 7
- 238000011835 investigation Methods 0.000 claims description 6
- 238000012271 agricultural production Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 6
- 230000009191 jumping Effects 0.000 abstract description 5
- 230000015572 biosynthetic process Effects 0.000 abstract description 4
- 238000011161 development Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- 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
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Husbandry (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种农产品产量数据智能清洗方法及系统。方法包括:获取农产品产量数据;采用缺失判断方法判断农产品产量数据是否存在缺失;若是,则对农产品产量数据进行完备性处理,得到完备性数据;若否,则对农产品产量数据进行标准化处理,得到标准化数据;对标准化数据进行可靠性处理,得到可靠性数据;判断可靠性数据和完备性数据是否能够通过数据核验;若是,则存储可靠性数据和完备性数据;若否,则返回采用缺失判断方法判断农产品产量数据是否存在缺失。本发明能够避免农产品产量数据的缺失性、跳跃性、错误等质量问题,形成易于查询分析且数据准确的专业数据库,提高数据的使用效率。
Description
技术领域
本发明涉及数据处理领域,特别是涉及一种农产品产量数据智能清洗方法 及系统。
背景技术
随着我国农业信息化的不断发展,农业大数据技术所涉及范围也越来越 广,特别是目前农业活动的各个环节不断的增多,其产生的数据数量也越来越 多,因此,关于农业数据处理、分析的相关需求也越来越多。
农业大数据的来源广泛、类型多样、结构复杂、有潜在的价值也很难利用, 虽然我国的农业大数据技术还不是很成熟,但是我们必须对农业大数据技术的 发展状况进行及时分析,建立完善的农业大数据清洗技术体系,进一步促进我 国的农业大数据技術发展。只有农业大数据技术得到了发展,才能够更好的应 用到我国的农业经济领域中,才能够促进我国农业的整体发展,进一步促进我 国其他相关领域的经济发展。
现有技术通过一般插值方法进行处理,即邻近几个数据求平均、最近区域 直接代替等方法,然而这种方法不能避免农产品产量数据的缺失性、跳跃性、 错误等质量问题,从而造成生产经营者、管理者信息使用的成本高,农产品产 量数据使用效率低下的问题。
发明内容
本发明的目的是提供一种农产品产量数据智能清洗方法及系统,能够避免 农产品产量数据的缺失性、跳跃性、错误等质量问题,形成易于查询分析且数 据准确的专业数据库,降低了生产经营者、管理者信息使用的成本,提高了农 产品产量数据使用效率。
为实现上述目的,本发明提供了如下方案:
一种农产品产量数据智能清洗方法,包括:
获取农产品产量数据;
采用缺失判断方法判断所述农产品产量数据是否存在缺失;
若是,则对所述农产品产量数据进行完备性处理,得到完备性数据;
若否,则对所述农产品产量数据进行标准化处理,得到标准化数据;
对所述标准化数据进行可靠性处理,得到可靠性数据;
判断所述可靠性数据和所述完备性数据是否能够通过数据核验;
若是,则存储所述可靠性数据和所述完备性数据;
若否,则返回采用缺失判断方法判断所述农产品产量数据是否存在缺失。
可选的,所述获取农产品产量数据,具体包括:
通过调研或物联网方式获取各个地区农产品产量数据。
可选的,所述对所述农产品产量数据进行完备性处理,得到完备性数据, 具体包括:
对所述农产品产量数据采用公式进行完备性处理,得到完备性 数据;其中,yi为未知地区的产量数据,yj为已知地区产量数据,已知地区产 量数据共n个,ωj为未知地区产量数据权重值。
可选的,所述对所述农产品产量数据进行标准化处理,得到标准化数据, 具体包括:
对所述农产品产量数据进行统一计量单位处理,得到标准化数据。
可选的,所述对所述标准化数据进行可靠性处理,得到可靠性数据,具体 包括:
对所述标准化数据采用公式进行可靠性处理,得到可靠性数 据;其中,σ为i地区附近n个地区数据的标准差,yi为进行可靠性判别的第i 地区的数据;为i地区附近n个地区数据的平均值,n为选择的i个地区附近 的地区数目。
一种农产品产量数据智能清洗系统,包括:
获取模块,用于获取农产品产量数据;
缺失判断模块,用于采用缺失判断方法判断所述农产品产量数据是否存在 缺失;
完备性处理模块,用于若农产品产量数据存在缺失,则对所述农产品产量 数据进行完备性处理,得到完备性数据;
标准化处理模块,用于若农产品产量数据不存在缺失,则对所述农产品产 量数据进行标准化处理,得到标准化数据;
可靠性处理模块,用于对所述标准化数据进行可靠性处理,得到可靠性数 据;
数据核验判断模块,用于判断所述可靠性数据和所述完备性数据是否能够 通过数据核验;
存储模块,用于若能够通过数据核验,则存储所述可靠性数据和所述完备 性数据;
若不能够通过数据核验,则返回采用缺失判断方法判断所述农产品产量数 据是否存在缺失。
可选的,所述获取模块,具体包括:
获取单元,用于通过调研或物联网方式获取各个地区农产品产量数据。
可选的,所述完备性处理模块,具体包括:
完备性处理单元,用于对所述农产品产量数据采用公式进行完 备性处理,得到完备性数据;其中,yi为未知地区的产量数据,yj为已知地区 产量数据,已知地区产量数据共n个,ωj为未知地区产量数据权重值。
可选的,所述标准化处理模块,具体包括:
标准化处理单元,用于对所述农产品产量数据进行统一计量单位处理,得 到标准化数据。
可选的,所述可靠性处理模块,具体包括:
可靠性处理单元,用于对所述标准化数据采用公式进行可靠 性处理,得到可靠性数据;其中,σ为i地区附近n个地区数据的标准差,yi为 进行可靠性判别的第i地区的数据;为i地区附近n个地区数据的平均值,n 为选择的i个地区附近的地区数目。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明提供 一种农产品产量数据智能清洗方法,包括:获取农产品产量数据;采用缺失判 断方法判断农产品产量数据是否存在缺失;若是,则对农产品产量数据进行完 备性处理,得到完备性数据;若否,则对农产品产量数据进行标准化处理,得 到标准化数据;对标准化数据进行可靠性处理,得到可靠性数据;判断可靠性 数据和完备性数据是否能够通过数据核验;若是,则存储可靠性数据和完备性 数据;若否,则返回采用缺失判断方法判断农产品产量数据是否存在缺失。本 发明能够避免农产品产量数据的缺失性、跳跃性、错误等质量问题,形成易于 查询分析且数据准确的专业数据库,降低生产经营者、管理者信息使用的成本 提高数据的使用效率。
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性 的前提下,还可以根据这些附图获得其他的附图。
图1为本发明农产品产量数据智能清洗方法流程图;
图2为本发明产量数据完备性处理权重确定示意图;
图3为本发明农产品产量数据智能清洗系统结构图。
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做出创造 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。
本发明的目的是提供一种农产品产量数据智能清洗方法及系统,能够避免 农产品产量数据的缺失性、跳跃性、错误等质量问题,形成易于查询分析且数 据准确的专业数据库,降低了生产经营者、管理者信息使用的成本,提高了使 用效率。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和 具体实施方式对本发明作进一步详细的说明。
图1为本发明农产品产量数据智能清洗方法流程图。如图1所示,一种农 产品产量数据智能清洗方法,包括:
步骤101:获取农产品产量数据;通过调研或物联网方式获取各个地区农 产品产量数据。
步骤102:采用缺失判断方法判断所述农产品产量数据是否存在缺失;缺 失的产量数据指的是缺失某个地区的产量数据,例如全国有两百个县,如果有 10个县的数据采集不到,那么,缺失这十个县的数据。农产品的产量数据分 为两种,一种是可以采集到的地区数据,这种可以采集到的数据成为已知地区 的产量数据,一种因为某种原因采集不到的地区数据,这种采集不到的地区数 据称为缺失地区的产量数据。
步骤103:若是,则对所述农产品产量数据进行完备性处理,得到完备性 数据,具体包括:
对所述农产品产量数据采用公式进行完备性处理,得到完备性 数据;其中,yi为未知地区(缺失地区)的产量数据,yj为已知地区产量数据, 已知地区产量数据共n个,ωj为未知地区(缺失地区)产量数据权重值。
采用公式计算未知地区产量数据权重值ωj。其中,dj为各个 地区到未知地区(缺失地区)的距离。
图2为本发明产量数据完备性处理权重确定示意图。如图2所示,圆圈为 已知地区的产量数据,方块为缺失地区的产量数据。各个地区到缺失地区的距 离分别用d1、d2……dn表示。
步骤104:若否,则对所述农产品产量数据进行标准化处理,得到标准化 数据;
具体包括:
对所述农产品产量数据进行统一计量单位处理,得到标准化数据。即将所 有地区的产量数据数据进行统一计量单位,如:单产公斤/亩,产量公斤。
步骤105:对所述标准化数据进行可靠性处理,得到可靠性数据;
具体包括:
对所述标准化数据采用公式进行可靠性处理,得到可靠性数 据;其中,σ为i地区附近n个地区数据的标准差,yi为进行可靠性判别的第i 地区的数据;为i地区附近n个地区数据的平均值,n为选择的i个地区附近 的地区数目。
若或则可靠性处理不通过,将所述标准化数据清除后, 得到缺失数据,再对缺失数据进行完备性处理。
步骤106:判断所述可靠性数据和所述完备性数据是否能够通过数据核 验;
具体包括:
通过所述可靠性数据和所述完备性数据训练分类模型,调整分类模型的参 数,得到优化好的分类模型。
通过优化好的分类模型对农产品数据进行分类,得到合格数据以及不合格 数据,从而实现数据的清洗
1、把训练样本对应的各个权重设置为均等,即每 个都是1/n,xi为样本数据(农产品产量数据),yi=0代表数据不合 格,yi=1代表数据合格。把强分类器f的初始值设置为0,
2、对j=1……b重复进行以下计算
(a)对于现状的样本权重对加权的误分类率(0和1损失的 权重之和)为最小的弱分类器进行智能学习。
(b)通过下面定义的弱分类器的权重θj由下
(c)通过下式更新强分类器f
(d)通过下面更新样本权重
根据更新样本的权重去调整分类模型的参数,从而得到优化好的分类模 型。
步骤107:若是,则存储所述可靠性数据和所述完备性数据;
步骤108:若否,则返回采用缺失判断方法判断所述农产品产量数据是否 存在缺失。
本发明的农产品产量数据智能清洗方法能够针对农产品产量数据的缺失 性、跳跃性、错误等质量问题进行智能化处理,形成易于查询分析的专业数据 库,降低了生产经营者、管理者信息使用的成本,提高使用效率。
图3为本发明农产品产量数据智能清洗系统结构图。如图3所示,一种农 产品产量数据智能清洗系统,包括:
获取模块201,用于获取农产品产量数据;
缺失判断模块202,用于采用缺失判断方法判断所述农产品产量数据是否 存在缺失;
完备性处理模块203,用于若农产品产量数据存在缺失,则对所述农产品 产量数据进行完备性处理,得到完备性数据;
标准化处理模块204,用于若农产品产量数据不存在缺失,则对所述农产 品产量数据进行标准化处理,得到标准化数据;
可靠性处理模块205,用于对所述标准化数据进行可靠性处理,得到可靠 性数据;
数据核验判断模块206,用于判断所述可靠性数据和所述完备性数据是否 能够通过数据核验;
存储模块207,用于若能够通过数据核验,则存储所述可靠性数据和所述 完备性数据;
若不能够通过数据核验,则返回采用缺失判断方法判断所述农产品产量数 据是否存在缺失。
所述获取模块201,具体包括:
获取单元,用于通过调研或物联网方式获取各个地区农产品产量数据。
所述完备性处理模块203,具体包括:
完备性处理单元,用于对所述农产品产量数据采用公式进行完 备性处理,得到完备性数据;其中,yi为未知地区的产量数据,yj为已知地区 产量数据,已知地区产量数据共n个,ωj为未知地区产量数据权重值。
所述标准化处理模块204,具体包括:
标准化处理单元,用于对所述农产品产量数据进行统一计量单位处理,得 到标准化数据。
所述可靠性处理模块205,具体包括:
可靠性处理单元,用于对所述标准化数据采用公式进行可靠 性处理,得到可靠性数据;其中,σ为i地区附近n个地区数据的标准差,yi为 进行可靠性判别的第i地区的数据;为i地区附近n个地区数据的平均值,n 为选择的i个地区附近的地区数目。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是 与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于 实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较 简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施 例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的 一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变 之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种农产品产量数据智能清洗方法,其特征在于,包括:
获取农产品产量数据;
采用缺失判断方法判断所述农产品产量数据是否存在缺失;
若是,则对所述农产品产量数据进行完备性处理,得到完备性数据;
若否,则对所述农产品产量数据进行标准化处理,得到标准化数据;
对所述标准化数据进行可靠性处理,得到可靠性数据;
判断所述可靠性数据和所述完备性数据是否能够通过数据核验;
若是,则存储所述可靠性数据和所述完备性数据;
若否,则返回采用缺失判断方法判断所述农产品产量数据是否存在缺失。
2.根据权利要求1所述的农产品产量数据智能清洗方法,其特征在于,所述获取农产品产量数据,具体包括:
通过调研或物联网方式获取各个地区农产品产量数据。
3.根据权利要求1所述的农产品产量数据智能清洗方法,其特征在于,所述对所述农产品产量数据进行完备性处理,得到完备性数据,具体包括:
对所述农产品产量数据采用公式进行完备性处理,得到完备性数据;其中,yi为未知地区的产量数据,yj为已知地区产量数据,已知地区产量数据共n个,ωj为未知地区产量数据权重值。
4.根据权利要求1所述的农产品产量数据智能清洗方法,其特征在于,所述对所述农产品产量数据进行标准化处理,得到标准化数据,具体包括:
对所述农产品产量数据进行统一计量单位处理,得到标准化数据。
5.根据权利要求1所述的农产品产量数据智能清洗方法,其特征在于,所述对所述标准化数据进行可靠性处理,得到可靠性数据,具体包括:
对所述标准化数据采用公式进行可靠性处理,得到可靠性数据;其中,σ为i地区附近n个地区数据的标准差,yi为进行可靠性判别的第i地区的数据;为i地区附近n个地区数据的平均值,n为选择的i个地区附近的地区数目。
6.一种农产品产量数据智能清洗系统,其特征在于,包括:
获取模块,用于获取农产品产量数据;
缺失判断模块,用于采用缺失判断方法判断所述农产品产量数据是否存在缺失;
完备性处理模块,用于若农产品产量数据存在缺失,则对所述农产品产量数据进行完备性处理,得到完备性数据;
标准化处理模块,用于若农产品产量数据不存在缺失,则对所述农产品产量数据进行标准化处理,得到标准化数据;
可靠性处理模块,用于对所述标准化数据进行可靠性处理,得到可靠性数据;
数据核验判断模块,用于判断所述可靠性数据和所述完备性数据是否能够通过数据核验;
存储模块,用于若能够通过数据核验,则存储所述可靠性数据和所述完备性数据;
若不能够通过数据核验,则返回采用缺失判断方法判断所述农产品产量数据是否存在缺失。
7.根据权利要求5所述的农产品产量数据智能清洗系统,其特征在于,所述获取模块,具体包括:
获取单元,用于通过调研或物联网方式获取各个地区农产品产量数据。
8.根据权利要求5所述的农产品产量数据智能清洗系统,其特征在于,所述完备性处理模块,具体包括:
完备性处理单元,用于对所述农产品产量数据采用公式进行完备性处理,得到完备性数据;其中,yi为未知地区的产量数据,yj为已知地区产量数据,已知地区产量数据共n个,ωj为未知地区产量数据权重值。
9.根据权利要求5所述的农产品产量数据智能清洗系统,其特征在于,所述标准化处理模块,具体包括:
标准化处理单元,用于对所述农产品产量数据进行统一计量单位处理,得到标准化数据。
10.根据权利要求5所述的农产品产量数据智能清洗系统,其特征在于,所述可靠性处理模块,具体包括:
可靠性处理单元,用于对所述标准化数据采用公式进行可靠性处理,得到可靠性数据;其中,σ为i地区附近n个地区数据的标准差,yi为进行可靠性判别的第i地区的数据;为i地区附近n个地区数据的平均值,n为选择的i个地区附近的地区数目。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910242324.9A CN110096497A (zh) | 2019-03-28 | 2019-03-28 | 一种农产品产量数据智能清洗方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910242324.9A CN110096497A (zh) | 2019-03-28 | 2019-03-28 | 一种农产品产量数据智能清洗方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110096497A true CN110096497A (zh) | 2019-08-06 |
Family
ID=67444016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910242324.9A Pending CN110096497A (zh) | 2019-03-28 | 2019-03-28 | 一种农产品产量数据智能清洗方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110096497A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111209274A (zh) * | 2019-12-30 | 2020-05-29 | 三盟科技股份有限公司 | 一种数据质量检核方法、系统、设备及可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101719315A (zh) * | 2009-12-23 | 2010-06-02 | 山东大学 | 一种基于中间件的动态交通信息采集方法 |
US20130253369A1 (en) * | 2005-11-26 | 2013-09-26 | Natera, Inc. | System and method for cleaning noisy genetic data from target individuals using genetic data from genetically related individuals |
CN103425884A (zh) * | 2013-08-12 | 2013-12-04 | 北京工业大学 | 一种地铁换乘通道通行状态的模糊预测方法 |
CN106529704A (zh) * | 2016-10-31 | 2017-03-22 | 国家电网公司 | 月最大电力负荷预测方法及装置 |
CN106649579A (zh) * | 2016-11-17 | 2017-05-10 | 苏州航天系统工程有限公司 | 一种用于管网建模的时序数据清洗方法 |
CN106780140A (zh) * | 2016-12-15 | 2017-05-31 | 国网浙江省电力公司 | 基于大数据的电力信用评价方法 |
CN108509594A (zh) * | 2018-03-30 | 2018-09-07 | 深圳汇通智能化科技有限公司 | 一种基于云计算框架的交通大数据清洗系统 |
CN109376909A (zh) * | 2018-09-27 | 2019-02-22 | 中国农业科学院农业信息研究所 | 一种农产品监测预警模型系统 |
-
2019
- 2019-03-28 CN CN201910242324.9A patent/CN110096497A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130253369A1 (en) * | 2005-11-26 | 2013-09-26 | Natera, Inc. | System and method for cleaning noisy genetic data from target individuals using genetic data from genetically related individuals |
CN101719315A (zh) * | 2009-12-23 | 2010-06-02 | 山东大学 | 一种基于中间件的动态交通信息采集方法 |
CN103425884A (zh) * | 2013-08-12 | 2013-12-04 | 北京工业大学 | 一种地铁换乘通道通行状态的模糊预测方法 |
CN106529704A (zh) * | 2016-10-31 | 2017-03-22 | 国家电网公司 | 月最大电力负荷预测方法及装置 |
CN106649579A (zh) * | 2016-11-17 | 2017-05-10 | 苏州航天系统工程有限公司 | 一种用于管网建模的时序数据清洗方法 |
CN106780140A (zh) * | 2016-12-15 | 2017-05-31 | 国网浙江省电力公司 | 基于大数据的电力信用评价方法 |
CN108509594A (zh) * | 2018-03-30 | 2018-09-07 | 深圳汇通智能化科技有限公司 | 一种基于云计算框架的交通大数据清洗系统 |
CN109376909A (zh) * | 2018-09-27 | 2019-02-22 | 中国农业科学院农业信息研究所 | 一种农产品监测预警模型系统 |
Non-Patent Citations (2)
Title |
---|
郭世乾: "《耕地质量调查与评价技术》", 31 August 2013 * |
钱学梁: "农业大数据清洗方法比较研究", 《中国农业科学院》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111209274A (zh) * | 2019-12-30 | 2020-05-29 | 三盟科技股份有限公司 | 一种数据质量检核方法、系统、设备及可读存储介质 |
CN111209274B (zh) * | 2019-12-30 | 2021-05-07 | 三盟科技股份有限公司 | 一种数据质量检核方法、系统、设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108520357B (zh) | 一种线损异常原因的判别方法、装置及服务器 | |
Ter Braak et al. | A theory of gradient analysis | |
CN108629413A (zh) | 神经网络模型训练、交易行为风险识别方法及装置 | |
CN103729689B (zh) | 一种基于行业分类与主导行业数据的电网电量预测方法 | |
CN109842513A (zh) | 网络异常事件分析装置、方法及其电脑存储介质 | |
CN103514566A (zh) | 一种风险控制系统及方法 | |
CN112149873B (zh) | 一种基于深度学习的低压台区线损合理区间预测方法 | |
CN102183621A (zh) | 水产养殖溶解氧浓度在线预测方法及系统 | |
CN112182720B (zh) | 一种基于建筑能源管理应用场景的建筑能耗模型评价方法 | |
CN107992968A (zh) | 基于集成时间序列分析技术的电能表计量误差预测方法 | |
CN109117380A (zh) | 一种软件质量评价方法、装置、设备及可读存储介质 | |
CN108389631A (zh) | 水痘发病预警方法、服务器及计算机可读存储介质 | |
CN105572572A (zh) | 基于wknn-lssvm的模拟电路故障诊断方法 | |
CN115099511A (zh) | 基于优化copula的光伏功率概率估计方法及系统 | |
Kong et al. | A remote estimation method of smart meter errors based on neural network filter and generalized damping recursive least square | |
CN109360018A (zh) | 一种基于人工神经网络的模糊宗地地价评估方法 | |
CN107563448A (zh) | 基于近红外光谱分析的样本空间聚类划分法 | |
CN108921425A (zh) | 一种资产项目投资分类的方法、系统及服务器 | |
CN116933034A (zh) | 生态系统碳储量变化的确定方法、系统、电子设备及介质 | |
CN201716727U (zh) | 基于遥感与gis的地理模拟系统 | |
CN110096497A (zh) | 一种农产品产量数据智能清洗方法及系统 | |
CN108287974A (zh) | 面向土地利用变化元胞自动机模拟精度的耦合评价方法 | |
Sarmas et al. | Baseline energy modeling for improved measurement and verification through the use of ensemble artificial intelligence models | |
CN111239484A (zh) | 一种非居民用户非侵入式负荷用电信息采集方法 | |
CN111126827A (zh) | 一种基于bp人工神经网络的投入产出核算模型构建方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190806 |
|
RJ01 | Rejection of invention patent application after publication |