CN113722288A - 一种时空数据统计的建模方法 - Google Patents
一种时空数据统计的建模方法 Download PDFInfo
- Publication number
- CN113722288A CN113722288A CN202110849338.4A CN202110849338A CN113722288A CN 113722288 A CN113722288 A CN 113722288A CN 202110849338 A CN202110849338 A CN 202110849338A CN 113722288 A CN113722288 A CN 113722288A
- Authority
- CN
- China
- Prior art keywords
- data
- spatio
- space
- time
- modeling
- 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 53
- 238000011156 evaluation Methods 0.000 claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 38
- 238000012549 training Methods 0.000 claims abstract description 31
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000013179 statistical model Methods 0.000 claims abstract description 13
- 230000007246 mechanism Effects 0.000 claims abstract description 9
- 238000002790 cross-validation Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 4
- 238000012417 linear regression Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 6
- 239000008280 blood Substances 0.000 description 31
- 210000004369 blood Anatomy 0.000 description 31
- 230000003993 interaction Effects 0.000 description 5
- 230000006978 adaptation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
- G06F16/212—Schema design and management with details for data modelling support
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种时空数据统计的建模方法，所述一种时空数据统计的建模方法包括如下步骤：(1)时空数据获取、获取时空数据统计任务的初始时空数据，并对所述初始时空数据进行时空数据进行处理；(2)时空数据处理、对所述初始时空数据的初始特征进行非线性处理，获得训练集特征；(3)时空数据评估、采用聚类集束搜索机制对所述训练集特征进行评估，获得评估结果；(4)时空数据统计模型、将评估结果进行模型训练，获得训练完成的时空数据统计模型。通过采用该种方法能够在处理过程需要较小人力干预，避免影响建模时效，且充分利用计算机的计算能力提升时空统计效果。
Description
技术领域
本申请涉及时空数据统计领域，尤其是一种时空数据统计的建模方法。
背景技术
时空数据是指具有时间元素并随时间变化而变化的空间数据，是描述地球环境中地物要素信息的一种表达方式，这些时空数据涉及到各式各样的数据，如地球环境地物要素的数量、形状、纹理、空间分布特征、内在联系及规律等的数字、文本、图形和图像等,不仅具有明显的空间分布特征，而且具有数据量庞大、非线性以及时变等特征，时空数据是同时具有时间和空间维度的数据，现实世界中的数据超过80％与地理位置有关，时空大数据包括时间、空间、专题属性三维信息，具有多源、海量、更新快速的综合特点。
在时空数据的预测问题上，缺少清晰明确的体系，在面对相似的时空数据统计任务时，需要进行重复的处理过程，且该处理过程需要大量人力干预，严重影响了建模时效，且无法充分利用计算机的计算能力提升时空统计效果。因此，针对上述问题提出一种时空数据统计的建模方法。
发明内容
在本实施例中提供了一种时空数据统计的建模方法用于解决在时空数据的预测问题上，缺少清晰明确的体系，在面对相似的时空数据统计任务时，需要进行重复的处理过程，且该处理过程需要大量人力干预，严重影响了建模时效，且无法充分利用计算机的计算能力提升时空统计效果的问题。
根据本申请的一个方面，提供了一种时空数据统计的建模方法，所述时空数据统计的建模方法包括如下步骤；
(1)时空数据获取、获取时空数据统计任务的初始时空数据，并对所述初始时空数据进行时空数据进行处理；
(2)时空数据处理、对所述初始时空数据的初始特征进行非线性处理，获得训练集特征；
(3)时空数据评估、采用聚类集束搜索机制对所述训练集特征进行评估，获得评估结果；
(4)时空数据统计模型、将评估结果进行模型训练，获得训练完成的时空数据统计模型；
(5)时空数据统计任务、根据训练完成的所述时空数据统计模型执行所述时空数据统计任务。
进一步地，所述步骤(1)中所述处理包括对初始时空数据进行数据异常识别、时空数据融合、时空动态特征数据生成三个基本数据统计过程。
进一步地，所述步骤(1)中获取一个或多个实体的当前时间周期的时空数据。
进一步地，所述步骤(1)中所述时空数据包括时间信息、空间信息及实体特征信息。
进一步地，所述步骤(2)中采用聚类集束搜索机制对所述目标特征进行评估和归类，获得评估结果包括：从所述目标特征中选取预定数量的目标特征作为当前评估特征集合。
进一步地，所述步骤(2)中所述初始评价指标是根据包含初始特征集的线性回归模型进行测试获得。
进一步地，所述步骤(3)中对所述评估结果进行统计，获得所述当前评估特征中各个目标特征的评估得分统计结果。
进一步地，所述步骤(4)中模型训练使用统计学习算法，在训训练集上通过十折交叉验证进行模型参数选择和训练，获得预测的时空数据统计模型。
进一步地，所述步骤(4)中评估结果为通过的所述训练集特征和所述目标预测值。
进一步地，所述步骤(5)中根据时空数据中的目标特征信息，在数据库中分别查找各个实体对应的历史时空数据集合。
通过本申请上述实施例，通过该种时空数据统计的建模方法能够解决在时空数据的预测问题上，缺少清晰明确的体系，在面对相似的时空数据统计任务时，需要进行重复的处理过程，且该处理过程需要大量人力干预，严重影响了建模时效，且无法充分利用计算机的计算能力提升时空统计效果的问题。
附图说明
为了更清楚地说明本申请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申请的一些实施例，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它的附图。
图1为本申请流程图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本申请中，术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本申请及其实施例，并非用于限定所指示的装置、元件或组成部分必须具有特定方位，或以特定方位进行构造和操作。
并且，上述部分术语除了可以用于表示方位或位置关系以外，还可能用于表示其他含义，例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言，可以根据具体情况理解这些术语在本申请中的具体含义。
此外，术语“安装”、“设置”、“设有”、“连接”、“相连”、“套接”应做广义理解。例如，可以是固定连接，可拆卸连接，或整体式构造；可以是机械连接，或电连接；可以是直接相连，或者是通过中间媒介间接相连，又或者是两个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
本实施例中的时空数据统计的建模方法可以用于数据血缘关系系统使用，例如，在本实施例提供了如下一种时空数据统计的建模方法，本实施例中的时空数据统计的建模方法可以适用于下列数据血缘关系的系统使用。
一种基于语法分析的获取数据血缘关系的系统，包括数据血缘关系分析服务器；
数据血缘关系分析服务器主要由原始操作信息输入模块、框架分析模块、词法分析模块、语法分析模块、中间结果信息生成模块、数据血缘关系逻辑分析模块和查询接口；
所述原始操作信息输入模块用于获取大数据集群(如HIVE)对数据进行ETL处理时的原始操作信息，所述原始操作信息为数据交互语言形式；
具体地，所述数据交互语言除了标准SQL语言外，还可以为各种方言，如OracleSql方言、Spark Sql方言、Phoenix Sql方言。
所述框架分析模块用于对原始操作信息进行框架分析，包括对原始操作信息进行单元的切分、归类和分组，生成框架分析信息；
所述词法分析模块用于对框架分析信息进行词法分析，生成各个词法单元信息；
具体地，所述词法单元信息可以存储在数据血缘关系分析服务器内部的维护内部数据的词法字典结构中，从而构成一个原始操作信息与词法单元信息的关系对应。
所述语法分析模块用于对词法单元信息和框架分析信息进行语法分析，产出抽象语法树信息；
所述抽象语法树信息是对原始操作信息的树形结构描述，经过语法分析之后，数据血缘关系分析服务器内部具有了数据的流向信息的基本内容，虽然还不能直接生成数据血缘关系结果，但是已经初步具有了可分析的基础数据。
中间结果信息生成模块用于遍历抽象语法树的各个信息节点，对各个信息节点的类型进行辨认分析，分析出包括数据库、数据表、数据字段在内的关键信息，从而生成中间结果信息；
具体地，所述中间结果信息可以以字典的形式存储在数据血缘关系分析服务器内部。
数据血缘关系逻辑分析模块用于结合词法单元信息、抽象语法树信息和中间结果信息，针对不同类型的信息节点进行各自的数据血缘逻辑分析得到数据血缘关系信息，包括数据表和数据表之间的数据血缘关系信息、数据字段和数据字段之间的数据血缘关系信息。
具体地，得到的数据血缘关系信息可以存储在数据血缘关系分析服务器内部，同时也可以存储在外部存储系统，具有较高的输出方式的兼容性。
所述查询接口用于供外部终端访问和查询数据血缘关系信息。
进一步地，所述系统还包括有血缘关系代理插件，所述血缘关系代理插件部署于大数据集群端，用于动态获取大数据集群对数据进行ETL处理式的原始操作信息(一般是操作语句)，以数据交互语言形式发送给数据血缘关系分析服务器的原始操作信息输入模块。
更进一步地，所述血缘关系代理插件以实时、异步的方式将原始操作信息发送给原始操作信息输入模块。
具体地，可以根据需要开发标准SQL语言或其他方言的血缘关系代理插件来实现语言的扩展。
需要说明的是，血缘关系代理插件是工作在大数据集群端的可插拔式服务程序，针对不同类型的大数据集群可以进行相应的扩展和适配，灵活性高。在完成与大数据集群的适配工作后，可以在大数据集群端安装与部署血缘关系代理插件。大数据集群可以正常进行数据的ETL工作，血缘关系代理插件不会对集群的原有工作产生任何影响。大数据集群在进行ETL处理的任务或工作时，数据处理方式会体现出数据的血缘关系流向，而部署在大数据集群端的血缘关系代理插件在大数据集群处理数据ETL工作时，就可以动态地获取到处理数据的原始操作信息。
实施例2
本实施例提供一种利用实施例1所述的基于语法分析的获取数据血缘关系系统的方法，包括如下步骤：
S1、原始操作信息输入模块获取大数据集群对数据进行ETL处理时的原始操作信息，所述原始操作信息为数据交互语言形式；
S2、框架分析模块对原始操作信息进行框架分析，包括对原始操作信息进行单元的切分、归类和分组，生成框架分析信息；
S3、词法分析模块对框架分析信息进行词法分析，生成各个词法单元信息；
S4、语法分析模块对词法单元信息和框架分析信息进行语法分析，产出抽象语法树信息；
S5、中间结果信息生成模块遍历抽象语法树的各个信息节点，对各个信息节点的类型进行辨认分析，分析出包括数据库、数据表、数据字段在内的关键信息，从而生成中间结果信息；
S6、数据血缘关系逻辑分析模块结合词法单元信息、抽象语法树信息和中间结果信息，针对不同类型的信息节点进行各自的数据血缘逻辑分析得到数据血缘关系信息，包括数据表和数据表之间的数据血缘关系信息、数据字段和数据字段之间的数据血缘关系信息。
进一步地，步骤S6的具体过程为：
S6.1、以抽象语法树信息作为输入，从语法树的根节点开始逐级遍历直到找到最底层的叶子节点后，跳转至步骤S6.2；
对于抽象语法树的整个分析过程是先自上向下找到叶子节点，之后再自底向上的回溯分析过程。
S6.2、结合词法单元信息，对叶子节点的信息类型进行归类，不同的类型归类对应不同的算法处理逻辑；所述类型包括建表类型、条件类型、输入表类型、输出表类型、输入输出字段类型。例如，建表类型的叶子节点对应其算法处理逻辑，条件类型的叶子节点对应其算法处理逻辑。
S6.3、根据步骤S6.2中的叶子节点的信息类型归类结果，由建表类型或输出表类型的叶子节点结合中间结果信息分析得到数据血缘关系的下游信息内容；
S6.4、根据步骤S6.2中的叶子节点的信息类型归类结果，由输入表类型的叶子节点结合中间结果信息分析得到数据血缘关系的上游信息内容；
S6.5、根据步骤S6.2中的叶子节点的信息类型归类结果，由输入输出字段类型的叶子节点结合中间结果信息分析得到数据血缘关系的字段信息内容；
S6.6、将步骤S6.3、S6.4、S6.5中生成的数据血缘关系的下游信息内容、上游信息内容和字段信息内容由逻辑加工整合成最终的数据血缘关系信息。
进一步地，步骤S6中得到的数据血缘关系信息存储在数据血缘关系分析服务器内部或外部存储系统，通过查询接口进行访问和查询。
进一步地，步骤S1中，具体通过部署于大数据集群端的血缘关系代理插件，动态获取大数据集群对数据进行ETL处理式的原始操作信息，所述血缘关系代理插件以数据交互语言形式将原始操作信息发送给数据血缘关系分析服务器的原始操作信息输入模块。
更进一步地，所述血缘关系代理插件以实时、异步的方式将原始操作信息发送给原始操作信息输入模块。
当然本实施例也可以用于其他数据血缘关系系统使用。在此不再一一赘述，下面对本申请实施例的时空数据统计的建模方法进行介绍。
实施例一
请参阅图1所示，一种时空数据统计的建模方法，所述时空数据统计的建模方法包括如下步骤；
(1)时空数据获取、获取时空数据统计任务的初始时空数据，并对所述初始时空数据进行时空数据进行处理；
(2)时空数据处理、对所述初始时空数据的初始特征进行非线性处理，获得训练集特征；
(3)时空数据评估、采用聚类集束搜索机制对所述训练集特征进行评估，获得评估结果；
(4)时空数据统计模型、将评估结果进行模型训练，获得训练完成的时空数据统计模型；
(5)时空数据统计任务、根据训练完成的所述时空数据统计模型执行所述时空数据统计任务。
进一步地，所述步骤(1)中所述处理包括对初始时空数据进行数据异常识别、时空数据融合、时空动态特征数据生成三个基本数据统计过程。
进一步地，所述步骤(1)中获取一个或多个实体的当前时间周期的时空数据。
进一步地，所述步骤(1)中所述时空数据包括时间信息、空间信息及实体特征信息。
进一步地，所述步骤(2)中采用聚类集束搜索机制对所述目标特征进行评估和归类，获得评估结果包括：从所述目标特征中选取预定数量的目标特征作为当前评估特征集合。
进一步地，所述步骤(2)中所述初始评价指标是根据包含初始特征集的线性回归模型进行测试获得。
进一步地，所述步骤(3)中对所述评估结果进行统计，获得所述当前评估特征中各个目标特征的评估得分统计结果。
进一步地，所述步骤(4)中模型训练使用统计学习算法，在训训练集上通过十折交叉验证进行模型参数选择和训练，获得预测的时空数据统计模型。
进一步地，所述步骤(4)中评估结果为通过的所述训练集特征和所述目标预测值。
进一步地，所述步骤(5)中根据时空数据中的目标特征信息，在数据库中分别查找各个实体对应的历史时空数据集合。
上述方法能够在处理过程需要较小人力干预，避免影响建模时效，且充分利用计算机的计算能力提升时空统计效果。
实施例二
请参阅图1所示，一种时空数据统计的建模方法，所述时空数据统计的建模方法包括如下步骤；
(1)时空数据获取、获取时空数据统计任务的初始时空数据，并对所述初始时空数据进行时空数据进行处理；
(2)时空数据处理、对所述初始时空数据的初始特征进行非线性处理，获得训练集特征；
(3)时空数据评估、采用聚类集束搜索机制对所述训练集特征进行评估，获得评估结果；
(4)时空数据统计模型、将评估结果进行模型训练，获得训练完成的时空数据统计模型；
(5)时空数据统计任务、根据训练完成的所述时空数据统计模型执行所述时空数据统计任务。
进一步地，所述步骤(1)中所述处理包括对初始时空数据进行数据异常识别、时空数据融合、时空动态特征数据生成三个基本数据统计过程。
进一步地，所述步骤(1)中获取一个或多个实体的当前时间周期的时空数据。
进一步地，所述步骤(1)中所述时空数据包括时间信息、空间信息及实体特征信息。
进一步地，所述步骤(2)中采用聚类集束搜索机制对所述目标特征进行评估和归类，获得评估结果包括：从所述目标特征中选取预定数量的目标特征作为当前评估特征集合。
进一步地，所述步骤(2)中所述初始评价指标是根据包含初始特征集的线性回归模型进行测试获得。
进一步地，所述步骤(3)中对所述评估结果进行统计，获得所述当前评估特征中各个目标特征的评估得分统计结果。
进一步地，所述步骤(4)中模型训练使用统计学习算法，在训训练集上通过十折交叉验证进行模型参数选择和训练，获得预测的时空数据统计模型。
进一步地，所述步骤(4)中评估结果为通过的所述训练集特征和所述目标预测值。
进一步地，所述步骤(5)中根据时空数据中的目标特征信息，在数据库中分别查找各个实体对应的历史时空数据集合。
上述方法针对需要大量人力干预，严重影响了建模时效的一种时空数据统计的建模方法。
本申请的有益之处在于：
本发明通过采用该种方法能够在处理过程需要较小人力干预，避免影响建模时效，且充分利用计算机的计算能力提升时空统计效果。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种时空数据统计的建模方法，其特征在于：一种时空数据统计的建模方法包括如下步骤：
(1)时空数据获取、获取时空数据统计任务的初始时空数据，并对所述初始时空数据进行时空数据进行处理；
(2)时空数据处理、对所述初始时空数据的初始特征进行非线性处理，获得训练集特征；
(3)时空数据评估、采用聚类集束搜索机制对所述训练集特征进行评估，获得评估结果；
(4)时空数据统计模型、将评估结果进行模型训练，获得训练完成的时空数据统计模型；
(5)时空数据统计任务、根据训练完成的所述时空数据统计模型执行所述时空数据统计任务。
2.根据权利要求1所述的一种时空数据统计的建模方法，其特征在于：所述步骤(1)中所述处理包括对初始时空数据进行数据异常识别、时空数据融合、时空动态特征数据生成三个基本数据统计过程。
3.根据权利要求1所述的一种时空数据统计的建模方法，其特征在于：所述步骤(1)中获取一个或多个实体的当前时间周期的时空数据。
4.根据权利要求1所述的一种时空数据统计的建模方法，其特征在于：所述步骤(1)中所述时空数据包括时间信息、空间信息及实体特征信息。
5.根据权利要求1所述的一种时空数据统计的建模方法，其特征在于：所述步骤(2)中采用聚类集束搜索机制对所述目标特征进行评估和归类，获得评估结果包括：从所述目标特征中选取预定数量的目标特征作为当前评估特征集合。
6.根据权利要求1所述的一种时空数据统计的建模方法，其特征在于：所述步骤(2)中所述初始评价指标是根据包含初始特征集的线性回归模型进行测试获得。
7.根据权利要求1所述的一种时空数据统计的建模方法，其特征在于：所述步骤(3)中对所述评估结果进行统计，获得所述当前评估特征中各个目标特征的评估得分统计结果。
8.根据权利要求1所述的一种时空数据统计的建模方法，其特征在于：所述步骤(4)中模型训练使用统计学习算法，在训训练集上通过十折交叉验证进行模型参数选择和训练，获得预测的时空数据统计模型。
9.根据权利要求1所述的一种时空数据统计的建模方法，其特征在于：所述步骤(4)中评估结果为通过的所述训练集特征和所述目标预测值。
10.根据权利要求1所述的一种时空数据统计的建模方法，其特征在于：所述步骤(5)中根据时空数据中的目标特征信息，在数据库中分别查找各个实体对应的历史时空数据集合。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110849338.4A CN113722288A (zh) | 2021-07-27 | 2021-07-27 | 一种时空数据统计的建模方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110849338.4A CN113722288A (zh) | 2021-07-27 | 2021-07-27 | 一种时空数据统计的建模方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113722288A true CN113722288A (zh) | 2021-11-30 |
Family
ID=78674136
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110849338.4A Pending CN113722288A (zh) | 2021-07-27 | 2021-07-27 | 一种时空数据统计的建模方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113722288A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114626195A (zh) * | 2022-01-18 | 2022-06-14 | 南昌大学 | 一种利用时空数据进行固体氧化物燃料电池系统的建模方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107943928A (zh) * | 2017-11-21 | 2018-04-20 | 清华大学 | 一种基于时空数据统计学习的臭氧浓度预测方法及系统 |
| CN109241227A (zh) * | 2018-09-03 | 2019-01-18 | 四川佳联众合企业管理咨询有限公司 | 基于stacking集成学习算法的时空数据预测建模方法 |
| US20190266138A1 (en) * | 2016-10-24 | 2019-08-29 | Beijing Wellintech Co., Ltd. | Method for retrieving data object based on spatial-temporal database |
| CN110569318A (zh) * | 2018-05-16 | 2019-12-13 | 杭州海康威视数字技术股份有限公司 | 时空数据的存储方法、查询方法及存储装置、查询装置 |
| CN112396231A (zh) * | 2020-11-18 | 2021-02-23 | 京东数字科技控股股份有限公司 | 针对时空数据的建模方法、装置、电子设备及可读介质 |
-
2021
- 2021-07-27 CN CN202110849338.4A patent/CN113722288A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190266138A1 (en) * | 2016-10-24 | 2019-08-29 | Beijing Wellintech Co., Ltd. | Method for retrieving data object based on spatial-temporal database |
| CN107943928A (zh) * | 2017-11-21 | 2018-04-20 | 清华大学 | 一种基于时空数据统计学习的臭氧浓度预测方法及系统 |
| CN110569318A (zh) * | 2018-05-16 | 2019-12-13 | 杭州海康威视数字技术股份有限公司 | 时空数据的存储方法、查询方法及存储装置、查询装置 |
| CN109241227A (zh) * | 2018-09-03 | 2019-01-18 | 四川佳联众合企业管理咨询有限公司 | 基于stacking集成学习算法的时空数据预测建模方法 |
| CN112396231A (zh) * | 2020-11-18 | 2021-02-23 | 京东数字科技控股股份有限公司 | 针对时空数据的建模方法、装置、电子设备及可读介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114626195A (zh) * | 2022-01-18 | 2022-06-14 | 南昌大学 | 一种利用时空数据进行固体氧化物燃料电池系统的建模方法及系统 |
| CN114626195B (zh) * | 2022-01-18 | 2024-05-03 | 南昌大学 | 一种利用时空数据进行固体氧化物燃料电池系统的建模方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109240901B (zh) | 性能分析方法、性能分析装置、存储介质和电子设备 | |
| CN111026671B (zh) | 测试用例集构建方法和基于测试用例集的测试方法 | |
| CN104700190B (zh) | 一种用于项目与专业人员匹配的方法和装置 | |
| CN106776544A (zh) | 人物关系识别方法及装置和分词方法 | |
| CN112749266B (zh) | 一种工业问答方法、装置、系统、设备及存储介质 | |
| CN106919689A (zh) | 基于术语释义知识单元的专业领域知识图谱动态构建方法 | |
| US8326869B2 (en) | Analysis of object structures such as benefits and provider contracts | |
| CN110019396A (zh) | 一种基于分布式多维分析的数据分析系统及方法 | |
| CN108038222A (zh) | 用于信息系统建模和数据访问的实体-属性框架的系统 | |
| CN110134845A (zh) | 项目舆情监控方法、装置、计算机设备及存储介质 | |
| CN111274267A (zh) | 一种数据库查询方法、装置及计算机可读取存储介质 | |
| CN111708774B (zh) | 一种基于大数据的产业分析系统 | |
| CN113254630B (zh) | 一种面向全球综合观测成果的领域知识图谱推荐方法 | |
| CN110147552B (zh) | 基于自然语言处理的教育资源质量评价挖掘方法及系统 | |
| CN113742368A (zh) | 一种数据血缘关系分析方法 | |
| CN113553341A (zh) | 多维数据分析方法、装置、设备及计算机可读存储介质 | |
| CN107480270A (zh) | 一种基于用户反馈数据流的实时个性化推荐方法及系统 | |
| CN115357678A (zh) | 一种基于结构化自然语言规则的gis自动审查方法与系统 | |
| CN115587597A (zh) | 基于子句级关系图的方面词的情感分析方法以及装置 | |
| CN115422201A (zh) | 一种层级数据分析方法、装置及电子设备 | |
| CN113722288A (zh) | 一种时空数据统计的建模方法 | |
| CN110874366A (zh) | 数据处理、查询方法和装置 | |
| CN110069558A (zh) | 基于深度学习的数据分析方法及终端设备 | |
| Popping et al. | Network approaches in text analysis | |
| CN113408207A (zh) | 基于社会网络分析技术的数据挖掘的一种方法 |
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: 20211130 |