CN113590245A - 一种曲线图等比例扩大的方法及装置 - Google Patents

一种曲线图等比例扩大的方法及装置 Download PDF

Info

Publication number
CN113590245A
CN113590245A CN202110793468.0A CN202110793468A CN113590245A CN 113590245 A CN113590245 A CN 113590245A CN 202110793468 A CN202110793468 A CN 202110793468A CN 113590245 A CN113590245 A CN 113590245A
Authority
CN
China
Prior art keywords
curve
new
curves
expansion
average value
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
Application number
CN202110793468.0A
Other languages
English (en)
Inventor
刘洪涛
王小蒙
张传盛
郭宝伟
李元元
陈文亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
TIANJIN TONGYANG TECHNOLOGY DEVELOPMENT CO LTD
Original Assignee
TIANJIN TONGYANG TECHNOLOGY DEVELOPMENT CO LTD
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by TIANJIN TONGYANG TECHNOLOGY DEVELOPMENT CO LTD filed Critical TIANJIN TONGYANG TECHNOLOGY DEVELOPMENT CO LTD
Priority to CN202110793468.0A priority Critical patent/CN113590245A/zh
Publication of CN113590245A publication Critical patent/CN113590245A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/451—Execution arrangements for user interfaces

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Image Generation (AREA)

Abstract

本发明提出一种曲线图等比例扩大的方法，根据各曲线数据点计算各曲线的扩大系数，并根据扩大系数将各曲线扩大后形成新曲线图。本发明通过对不同数量级，不同变化趋势的曲线图进行等比例扩大处理，将数值差异较大的曲线集成到同一个坐标系中，并通过软件界面进行展示，以方便用户清晰明了地观察和分析各个变量变化趋势之间的相互关系，实现原因分析溯源、大数据预测等功能。

Description

一种曲线图等比例扩大的方法及装置
技术领域
本发明属于计算机图像处理技术领域，特别涉及到一种曲线图等比例扩大功能的方法及装置。
背景技术
曲线图是计算机软件领域常用的技术，其可以应用在任何行业软件中，通过曲线表示数据或变量的变化趋势，从而进行对比和分析。
很多行业应用曲线图时，会出现对多变量分析对比变化趋势的需求，但是很多变量之间存在数量级不同的问题，导致各自曲线图变化趋势的区别较大，例如在环境监测行业中，人们需要实时监测各种污染物的数值，如CO、SO2等多达几十种污染物，需要定时上传每种污染物的数值，分析人员可能需要观察一段时间各污染物数值变化的趋势，找出规律，分析哪些物质之间有正相关或者负相关的联系。但是不同物质的数值可能差别很大，有的可能是成百上千，有的可能会小到10的负几次方。
如果将上述数值差异较大的变量的曲线整合在同一个曲线图展示出来，有的曲线的振幅非常大，有的曲线会趋近于一条直线，导致无法分辨。如果通过生成多个曲线图的办法，又不够直观，几十个变量可能会生成几十个曲线图，无法进行对比分析。
发明内容
本发明提出一种曲线图等比例扩大功能的方法及装置，将不同曲线的数值进行等比例扩大，达到在同一张曲线图中展示多条曲线变化趋势的目的。
为达到上述目的，本发明的技术方案是这样实现的：
一种曲线图等比例扩大的方法，根据各曲线数据点计算各曲线的扩大系数，并根据扩大系数将各曲线扩大后形成新曲线图。
优选的，所述扩大系数的计算方法包括：
S11、将所有曲线上的每个数据点按照所属曲线各归为一组；
S12、对各组分别求各自的平均值，从中得到最大平均值；
S13、根据最大平均值，得到各组对应的扩大系数。
更进一步的，步骤S13中所述各组对应的扩大系数，由最大平均值除以该组的平均值得到。
优选的，所述根据扩大系数将各曲线扩大后形成新曲线图的具体步骤包括：
S21、将各曲线所有数据点的数值分别乘以对应的扩大系数，得到扩大后的各曲线新值；
S22、根据各曲线新值，在同一坐标系下绘制集成的新曲线图。
更进一步的，步骤S22中所述新曲线图在曲线各点的描述中，标明该点的原始值和所乘的扩大系数以及最终的新值。
本发明另一方面还提出了一种曲线图等比例扩大的装置，包括：
计算模块，根据各曲线数据点计算各曲线的扩大系数；
新图模块，根据扩大系数将各曲线扩大后形成新曲线图。
优选的，所述计算模块包括：
分组单元，用于将所有曲线上的每个数据点按照所属曲线各归为一组；
平均值单元，用于对各组分别求各自的平均值，从中得到最大平均值；
扩大系数单元，用于根据最大平均值，得到各组对应的扩大系数。
更进一步的，扩大系数单元所述各组对应的扩大系数，由最大平均值除以该组的平均值得到。
优选的，所述新图模块包括：
扩大单元，用于将各曲线所有数据点的数值分别乘以对应的扩大系数，得到扩大后的各曲线新值；
绘制单元，用于根据各曲线新值，在同一坐标系下绘制集成的新曲线图。
更进一步的，绘制单元中所述新曲线图在曲线各点的描述中，标明该点的原始值和所乘的扩大系数以及最终的新值。
与现有技术相比，本发明具有如下的有益效果：
(1)本发明通过对不同数量级，不同变化趋势的曲线图进行等比例扩大处理，将数值差异较大的曲线集成到同一个坐标系中，并通过软件界面进行展示，以方便用户清晰明了地观察和分析各个变量变化趋势之间的相互关系，实现原因分析溯源、大数据预测等功能；
(2)本发明运算速度快，本算法消耗的时间是毫秒级的，处理数十条不同数值的曲线，可以在很短的时间内完成，以保证较好的用户体验；
(3)本发明数据展示详尽。对曲线图上的每个数值，都展示原数值和变化后的新数值，并进行了标注；
(4)本发明实现简单，任何编程语言都可以实现，将曲线的数据传入该算法中，即可实现曲线的等比例扩大。
附图说明
图1是本发明实施例的原始数据曲线图；
图2是本发明实施例等比例扩大后的新曲线图；
图3是本发明实施例展示数据详情的新曲线图。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
为使本发明专利的目的、特征更明显易懂，下面结合附图对本发明专利的具体实施方式作进一步的说明。需说明的是，附图均采用非常简化的形式且均使用非精准的比率，仅用以方便、明晰地辅助说明本发明专利实施例的目的。
下面结合附图对本发明的具体实施做进一步的详细说明。
本发明的目的是提供一种数据趋势分析的方法，用于分析多条曲线数值变化趋势，通过有限大小的软件界面，展示不同数量级的曲线的变化趋势，还可以通过软件控制曲线图等比例扩大功能的启动和关闭，分别展示通过本算法处理前和处理后的数值，方便用户简洁、灵活地进行数据分析。
本发明是使用编程语言实现的算法。算法的基本思路是基于数学概率与统计中的数学期望与方差的原理，让各组数据拥有同一个均值，在不改变数据变化趋势的前提下，让各组数据在同一个期望值的上下进行波动，相当于等比例地放大或者缩小了曲线上的每一个点，得到一组新的曲线图。
假定一共要处理从a到m共13条曲线的数据，每条曲线上有n个点。以下为本算法应用的详细说明：
步骤1、数据准备：
把从第1到第m条曲线上的每个点分组保存，用数组的形式保存并传入到算法中，数据结构如下:
曲线1：[a1,a2,a3……an]；
曲线2：[b1,b2,b3……bn]；
……
曲线m：[m1,m2,m3……mn]；
这些数组中的数值，就是各个曲线上原始的数值，定义为原始值数组。
步骤2、生成平均值数组，并找到最大平均值：
对每条曲线上的各个点求平均值，得到平均值数组,数据结构如下：
曲线1：平均值为Avg1；
曲线2：平均值为Avg2；
……
曲线m：平均值为Avgm；
平均值数组：[Avg1,Avg2……Avgm]；
其中最大的平均值为：AvgMax。
步骤3、生成扩大系数数组：
根据最大平均值AvgMax，把其他(m-1)组点的平均值都变为AvgMax,需要为每条曲线都找到一个扩大系数，这些扩大系数形成一个数组，数据结构如下：
曲线1：扩大系数为AvgMax/Avg1；
曲线2：扩大系数为AvgMax/Avg2；
……
曲线m：扩大系数为AvgMax/Avgm；
扩大系数数组为：[AvgMax/Avg1,AvgMax/Avg2,……,AvgMax/Avgm]；
步骤4、生成新值数组：
把每条曲线上的各个点的值，乘以各自曲线的扩大系数，得到该曲线扩大之后的新值的数组，数据结构如下：
曲线1：[a1*AvgMax/Avg1,a2*AvgMax/Avg1,a3*AvgMax/Avg1,……,an*AvgMax/Avg1]；
曲线2：[b1*AvgMax/Avg2,b2*AvgMax/Avg2,b3*AvgMax/Avg2,……,bn*AvgMax/Avg2]；
……
曲线m：[m1*AvgMax/Avgm,m2*AvgMax/Avgm,m3*AvgMax/Avgm,……,mn*AvgMax/Avgm]；
步骤5、封装算法软件入参：
本算法软件入参为m组曲线的初始值数组，曲线的条数以及每条曲线数据点的个数，都可以任意设定。
步骤6、封装返回结果：
算法软件最终的返回结果包括：扩大系数数组和新值数组。
步骤7、绘制新的曲线图：
根据各个曲线的新值数组，绘制新的曲线图。在曲线各点的描述中，可以标明该点的原始值和所乘的扩大系数以及最终的新值，让用户可以看清楚新数值的计算过程。
步骤8、实现软件交互界面：
为了使用户能够更灵活地使用本算法，应该为用户开放易于选择多组曲线数据的功能，以及一键控制原图和新曲线图切换的功能，在图像和数据的展示方面要做到简洁明了。
本发明的实质是一种可以横向应用的算法，理论上可以应用到任何行业软件中，只要其业务中有对多变量分析对比变化趋势的需求，就可以应用本算法。在大数据分析的场景中，可以将不同数量级的各组数据整合到同一个图表中进行对比，并且可以显示曲线上各点变更前后的数值。
以本发明在环境监测行业的应用为具体实施例，对一天内每个小时的空气质量数据进行对比分析，需要通过曲线图展示某一天内每个小时的空气质量数据。
本发明应用在空气质量在线监控系统中，主要功能是分析空气中CO、SO2、NO等十几种物质的浓度，与温度、湿度、大气压强、风速等因素之间的关联，以及各种污染物之间浓度相互影响的关系。
本系统的软件部分，使用ASP.net平台进行程序开发,由C#语言编写。系统基于空气质量监测设备，由各个监测点的监测设备定时上传各个参数的数值，每小时上传一组监测数据，监测数据包括硫化氢、二氧化硫等污染物浓度的数值，也包括温度、湿度、大气压等气象数据的数值。
为了便于环境监测人员分析各个参数的数值和变化趋势，系统应用本发明开发了污染物浓度变化趋势图，用曲线的形式逐小时来展示各参数的数值。这个曲线图为用户提供了日期选择功能、监测参数的选择功能以及图像等比例扩大的功能。用户可以根据需要选择他需要分析的时段的数据，可以勾选任意参数进行组合分析对比。
本实施例中具体选择监测内容为硫化氢、风速、大气气压、大气湿度、大气温度，形成5条曲线。需要分析空气中硫化氢浓度与其他4个参数数值的关系，以便于根据风速、气压等气象数据，对硫化氢浓度进行预测和监控。
其中图1为原始数据的曲线图，在图1可以看出，风速和硫化氢与其他3个参数的数值的数量级相差很大，所以这两条曲线近似于一条贴近与0点的直线，无法分辨曲线的变化情况。
在界面中勾选“等比例扩大”后，通过本发明算法软件的等比例扩大，可以得到放大后的曲线图(如图2)。从图2中可以看出，5条曲线的振幅大小已经很接近，各曲线的变化趋势可以很清晰地分辨，易于进行对比分析。
图3为新图中数据详情的展示。在数据详情中表明了每个参数的原值和扩大系数，以便用户可以很清晰地获取各参数的原始值和变化趋势，以及各参数之间相互影响的关系。
本发明还应用在了车载自动诊断系统(OBD系统)中，OBD系统是通过在机动车上安装OBD设备，实时监控车辆的各种性能，包括实时监测发动机、催化转化器、颗粒捕集器、氧传感器、排放控制系统、燃油系统、EGR等系统和部件。OBD设备将监测数据实时上传至服务器，通过软件平台整理并展示。在该系统中，需要对机动车尾气中的各类物质，和机动车的各种参数进行分析对比，随时监控各指标的变化趋势。
该系统的软件部分应用本发明，使用ASP.net平台进行程序开发,由C#语言编写。OBD设备实时上传的数据包括车速、加速度、坡度、比功率，以及尾气中的CO、HC、NO、不透光度等几十项参数。系统通过曲线图的形式展示车辆各个参数数值之间的关系。在此过程中，使用本发明中的算法，对不同的曲线进行等比例扩大处理，使得最终呈现出的图像清晰而且易于分辨。
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，凡在本发明的精神和原则之内，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 (10)

1.一种曲线图等比例扩大的方法，其特征在于，根据各曲线数据点计算各曲线的扩大系数，并根据扩大系数将各曲线扩大后形成新曲线图。
2.根据权利要求1所述的一种曲线图等比例扩大的方法，其特征在于，所述扩大系数的计算方法包括：
S11、将所有曲线上的每个数据点按照所属曲线各归为一组；
S12、对各组分别求各自的平均值，从中得到最大平均值；
S13、根据最大平均值，得到各组对应的扩大系数。
3.根据权利要求2所述的一种曲线图等比例扩大的方法，其特征在于，步骤S13中所述各组对应的扩大系数，由最大平均值除以该组的平均值得到。
4.根据权利要求1所述的一种曲线图等比例扩大的方法，其特征在于，所述根据扩大系数将各曲线扩大后形成新曲线图的具体步骤包括：
S21、将各曲线所有数据点的数值分别乘以对应的扩大系数，得到扩大后的各曲线新值；
S22、根据各曲线新值，在同一坐标系下绘制集成的新曲线图。
5.根据权利要求4所述的一种曲线图等比例扩大的方法，其特征在于，步骤S22中所述新曲线图在曲线各点的描述中，标明该点的原始值和所乘的扩大系数以及最终的新值。
6.一种曲线图等比例扩大的装置，其特征在于，包括：
计算模块，根据各曲线数据点计算各曲线的扩大系数；
新图模块，根据扩大系数将各曲线扩大后形成新曲线图。
7.根据权利要求6所述的一种曲线图等比例扩大的装置，其特征在于，所述计算模块包括：
分组单元，用于将所有曲线上的每个数据点按照所属曲线各归为一组；
平均值单元，用于对各组分别求各自的平均值，从中得到最大平均值；
扩大系数单元，用于根据最大平均值，得到各组对应的扩大系数。
8.根据权利要求7所述的一种曲线图等比例扩大的装置，其特征在于，扩大系数单元所述各组对应的扩大系数，由最大平均值除以该组的平均值得到。
9.根据权利要求6所述的一种曲线图等比例扩大的装置，其特征在于，所述新图模块包括：
扩大单元，用于将各曲线所有数据点的数值分别乘以对应的扩大系数，得到扩大后的各曲线新值；
绘制单元，用于根据各曲线新值，在同一坐标系下绘制集成的新曲线图。
10.根据权利要求9所述的一种曲线图等比例扩大的装置，其特征在于，绘制单元中所述新曲线图在曲线各点的描述中，标明该点的原始值和所乘的扩大系数以及最终的新值。
CN202110793468.0A 2021-07-14 2021-07-14 一种曲线图等比例扩大的方法及装置 Pending CN113590245A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110793468.0A CN113590245A (zh) 2021-07-14 2021-07-14 一种曲线图等比例扩大的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110793468.0A CN113590245A (zh) 2021-07-14 2021-07-14 一种曲线图等比例扩大的方法及装置

Publications (1)

Publication Number Publication Date
CN113590245A true CN113590245A (zh) 2021-11-02

Family

ID=78247272

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110793468.0A Pending CN113590245A (zh) 2021-07-14 2021-07-14 一种曲线图等比例扩大的方法及装置

Country Status (1)

Country Link
CN (1) CN113590245A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101231167A (zh) * 2008-02-20 2008-07-30 刘雁春 海洋测线网系统误差的检测与调整方法
CN103473413A (zh) * 2013-09-11 2013-12-25 中国核电工程有限公司 一种用于各种大量力学计算结果的比较方法
US20150205398A1 (en) * 2013-12-30 2015-07-23 Skribb.it Inc. Graphical drawing object management methods and apparatus
CN104809347A (zh) * 2015-04-28 2015-07-29 南京巨鲨显示科技有限公司 一种控制显示器突出区域显示的实现方法
US20150286614A1 (en) * 2014-04-07 2015-10-08 Dresser, Inc. System and method to display data defining operation of a valve assembly on a trend graph on a user interface
CN105716664A (zh) * 2016-04-12 2016-06-29 国家电网公司 基于标幺化算法的电缆状态监测多参数关联分析方法
CN105786427A (zh) * 2016-02-15 2016-07-20 深圳市东仪电子有限公司 一种将采集数据进行曲线转换显示的方法及装置
US20160246487A1 (en) * 2011-11-17 2016-08-25 Prezi, Inc. Grouping with frames to transform display elements within a zooming user interface

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101231167A (zh) * 2008-02-20 2008-07-30 刘雁春 海洋测线网系统误差的检测与调整方法
US20160246487A1 (en) * 2011-11-17 2016-08-25 Prezi, Inc. Grouping with frames to transform display elements within a zooming user interface
CN103473413A (zh) * 2013-09-11 2013-12-25 中国核电工程有限公司 一种用于各种大量力学计算结果的比较方法
US20150205398A1 (en) * 2013-12-30 2015-07-23 Skribb.it Inc. Graphical drawing object management methods and apparatus
US20150286614A1 (en) * 2014-04-07 2015-10-08 Dresser, Inc. System and method to display data defining operation of a valve assembly on a trend graph on a user interface
CN104809347A (zh) * 2015-04-28 2015-07-29 南京巨鲨显示科技有限公司 一种控制显示器突出区域显示的实现方法
CN105786427A (zh) * 2016-02-15 2016-07-20 深圳市东仪电子有限公司 一种将采集数据进行曲线转换显示的方法及装置
CN105716664A (zh) * 2016-04-12 2016-06-29 国家电网公司 基于标幺化算法的电缆状态监测多参数关联分析方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周秀银: "《误差理论与实验数据处理》", 31 December 1986 *
聂俊岚 等: "基于平行坐标主维度的多变量传递函数设计方法", 《计算机辅助设计与图形学学报》 *

Similar Documents

Publication Publication Date Title
US20220214322A1 (en) Air pollutants concentration forecasting method and apparatus and storage medium
CN111178456B (zh) 异常指标检测方法、装置、计算机设备和存储介质
US11301759B2 (en) Detective method and system for activity-or-behavior model construction and automatic detection of the abnormal activities or behaviors of a subject system without requiring prior domain knowledge
Zhai et al. Enabling predictive maintenance integrated production scheduling by operation-specific health prognostics with generative deep learning
US11954115B2 (en) Methods and systems for wavelet based representation
CN103412557A (zh) 一种适于非线性过程在线监控的工业故障检测与诊断方法
NO329798B1 (no) System og fremgangsmate for empirisk ensemblebasert virtuell sensing av svevestovpartikler
CN112350878A (zh) 一种压力测试系统
CN112001520A (zh) 天气预报方法、装置、计算机设备及存储介质
CN113888381A (zh) 污染物浓度预报方法及装置
CN114546365B (zh) 一种流程可视化的建模方法、服务器、计算机系统及介质
CN115271258A (zh) 臭氧主控污染物的预测方法、装置及电子设备
CN111598460A (zh) 土壤重金属含量的监测方法、装置、设备及存储介质
Qi et al. An efficient GAN-based predictive framework for multivariate time series anomaly prediction in cloud data centers
Zoltowski et al. Sparsity-promoting optimal control of spatially-invariant systems
CN113590245A (zh) 一种曲线图等比例扩大的方法及装置
CN116821633A (zh) 大气污染成因分析方法、装置、设备及存储介质
CN115587650A (zh) 中短期分时段大气常规污染物多目标混合预测方法
CN113225391A (zh) 基于滑动窗口异常检测的大气环境监测质量监控方法及计算设备
Baptista et al. Aircraft on-condition reliability assessment based on data-intensive analytics
CN112712007A (zh) 一种基于DCNN-Inception网络识别汽车尾气遥感数据的算法
Sultana A comparative analysis of air pollution detection technique using image processing, machine learning and deep learning approach
CN117454301B (zh) 一种用于展示核聚变试验跟踪pv值变化的方法及系统
Ramesh et al. CO 2 Emission Rating by Vehicles using Supervised Algorithms
Evagelopoulos et al. Fault detection of air quality measurements using artificial intelligence

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: 20211102

RJ01 Rejection of invention patent application after publication