CN114881305B - 一种食堂预测预警系统及其预测方法 - Google Patents
一种食堂预测预警系统及其预测方法 Download PDFInfo
- Publication number
- CN114881305B CN114881305B CN202210438713.0A CN202210438713A CN114881305B CN 114881305 B CN114881305 B CN 114881305B CN 202210438713 A CN202210438713 A CN 202210438713A CN 114881305 B CN114881305 B CN 114881305B
- Authority
- CN
- China
- Prior art keywords
- dining
- data
- student
- students
- early warning
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 18
- 230000002159 abnormal effect Effects 0.000 claims abstract description 52
- 235000012054 meals Nutrition 0.000 claims abstract description 37
- 238000002360 preparation method Methods 0.000 claims abstract description 22
- 235000016709 nutrition Nutrition 0.000 claims abstract description 20
- 230000035764 nutrition Effects 0.000 claims abstract description 20
- 238000004140 cleaning Methods 0.000 claims description 18
- 238000009826 distribution Methods 0.000 claims description 13
- 239000000284 extract Substances 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 5
- 238000009472 formulation Methods 0.000 claims 1
- 239000000203 mixture Substances 0.000 claims 1
- 238000007726 management method Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 235000006286 nutrient intake Nutrition 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000006071 cream Substances 0.000 description 1
- 235000001705 insufficient nutrition Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Abstract
本发明公开了一种食堂预测预警系统及其预测方法,通过周期采集就餐消费数据,并根据正常的就餐消费数据建立数据基线范围,针对学生端将下一个周期采集的就餐消费数据与数据基线范围进行比对判异,然后通过异常数据对学生欺凌进行预警,通过正常数据对学生营养摄入情况进行预警,进而根据学生的食堂消费行为对学生情况进行预警;针对食堂端将下一个周期采集的就餐消费数据与数据基线范围进行比对判异,然后通过正常数据对食堂满意度以及食堂备餐进行预测,使得食堂备餐和满意度更加符合学生期望。
Description
技术领域
本发明属于食堂就餐数据预测的技术领域,具体涉及一种食堂预测预警系统及其预测方法。
背景技术
学校食堂本身自带消费统计系统,可以对学生在食堂的基本消费记录进行记录以及查询,进而能够通过消费记录数据对学生的消费行为进行分析,进而指导食堂的经营。
如专利申请号为“CN202110943519.3”,名称为“智慧食堂就餐规律预测方法及装置”的专利就公开了一种用于对食堂的就餐人数进行预测的系统以及预测方法。
如专利申请号为“CN202011247920.5”,名称为“基于物联网及智能预测推荐的智慧食堂管理系统”的专利就公开了一种对食堂菜品配餐进行预测的管理系统。
但是上述智慧食堂管理系统都只考虑了食堂端的需求,即分析预测食堂的备餐,但是并没有针对学生端进行有效的分析反馈。而实际情况中,学生会与食堂发生频繁密切的接触,传统的食堂预测系统就缺乏对学生端的监管预测。特别是在学校中发生校园欺凌事件事,实质上也能够从受到欺凌或参与欺凌的学生在食堂的消费情况加以体现。而传统的试探预测系统并不具备对学生情况进行分析预警的功能。
发明内容
本发明的目的在于提供一种食堂预测预警系统及其预测方法,不仅根据学生在食堂的就餐消费数据对食堂端的满意度与备餐情况进行预测指导,同时还能根据学生在食堂的就餐消费数据分析得出学生的情况,进而对学生的异常情况进行预警。
本发明通过下述技术方案实现:
一种食堂预测预警系统及其预测方法,包括周期性收集学生就餐消费数据的数据服务器,还包括数据清洗模块、基线建立模块、学生就餐预警模块、食堂预测模块,所述数据清洗模块接收数据服务器中的学生就餐消费数据,并对异常数据进行判断清洗;所述基线建立模块在每个周期内根据清洗后剩余的正常数据建立数据基线范围;所述学生就餐预警模块提取下一个周期的学生就餐消费数据与数据基线范围进行比对以对学生的异常就餐情况进行预警;所述食堂预测模块提取下一个周期的学生就餐消费数据与数据基线范围进行比对以对食堂的备餐方案进行预测。
数据服务器与学校食堂的刷卡终端连接,学生在刷卡终端上进行消费时,通过数据服务器即周期性可采集学生就餐消费数据,采集周期为一天、一周、一月。
学生就餐消费数据包括就餐次数、就餐数量、就餐金额、就餐种类等数据。数据服务器将收集的学生就餐消费数据发送至数据清洗模块对数据进行清洗筛选,针对无效或异常的数据进行筛分,避免无效或异常的数据影响后续建立的数据基线范围的精确度。经过数据清洗模块清洗后剩余的正常数据被发送至基线建立模块,基线建立模块对正常数据进行分析计算后得到相应的数据基线范围,如针对正常的就餐金额进行统计分析,建立关于就餐金额的数据基线范围,这个这对就餐金额的数据基线范围就代表学生在这个周期内正常的就餐金额消费水平。
针对学生端,学生就餐预警模块提取下一个周期的学生就餐消费数据与数据基线范围进行比对,根据学生就餐消费数据在数据基线范围中的分布情况,进而对学生的就餐情况进行异常判断。如学生的就餐金额异常增高或异常降低,则判断当前的就餐金额为异常,针对异常的数据匹配其学生卡中的学生信息,进而对学生的异常就餐情况进行预警。
针对食堂端,食堂预测模块提取下一个周期的学生就餐消费数据与数据基线范围进行比对,根据学生就餐消费数据在数据基线范围中的分布情况,进而对学生的就餐情况进行异常判断。如学生的就餐金额或就餐数量异常增高或异常降低,则判断当前的就餐金额或就餐数量为异常,针对剩余的正常数据进行分析,进而得到就餐金额或就餐数量的变化趋势,进而对食堂的备餐方案中涉及的就餐金额的制定、就餐数量的制定等进行预测。
为了更好的实现本发明,进一步地,所述学生就餐预警模块包括学生欺凌预警模块、学生营养摄入预警模块,所述学生欺凌预警模块将学生就餐消费数据中的就餐次数与就餐金额与数据基线范围比对判断,若判断异常则进行欺凌预警,若判断正常则将学生就餐消费数据中的就餐种类与就餐数量发送至学生营养摄入预警模块;所述学生营养摄入预警模块根据就餐种类与就餐数量对学生的营养摄入情况进行预警。
针对就餐次数建立关于就餐次数的数据基线范围,针对就餐金额建立关于就餐金额的数据基线范围,分析学生就餐消费数据在数据基线范围中的分布情况,进而得到异常数据。如学生连续出现就餐次数异常减少或异常增加,学生连续出现就餐金额异常减少或异常增加,则判断当前学生可能受到校园欺凌或实施校园欺凌。此时学生欺凌预警模块将异常数据匹配其学生卡中的学生信息,进而对学进行欺凌预警。
若判断正常则将学生就餐消费数据中的就餐种类与就餐数量发送至学生营养摄入预警模块,所述学生营养摄入预警模块根据就餐种类与就餐数量所占权重对学生的营养摄入情况进行分析预警。
为了更好的实现本发明,进一步地,所述食堂预测模块包括食堂满意度预测模块、食堂备餐预测模块,所述食堂满意度预测模块根据学生就餐消费数据中的就餐满意度、就餐人数与数据基线范围比对以对食堂满意度进行预测;所述食堂备餐预测模块根据学生就餐消费数据中的就餐种类、就餐数量、就餐金额与数据基线范围比对以对下一个周期的食堂备餐方案进行预测。
为了更好的实现本发明,进一步地,还包括数据核准模块,所述数据核准模块接收来自于数据清洗模块的异常数据,对异常数据进行核实;所述数据核准模块将核实异常的数据清洗舍弃,将核实正常的数据发送至基线建立模块参与下一个周期的数据基线范围建立。
一种食堂预测预警方法,基于食堂预测预警系统实现,周期性收集学生就餐消费数据,在周期内根据正常的学生就餐消费数据的类型建立不同的数据基线范围,并将收集的学生就餐消费数据与对应类型的数据基线范围就进行比对判异,根据正常数据对数据基线范围进行迭代更新,并根据下一个周期内的就餐消费数据在迭代更新后的数据基线范围中的分布情况分析学生就餐情况与食堂备餐方案,并对异常的学生就餐状况进行预警。
为了更好的实现本发明,进一步地,所述数据基线的建立具体包括:根据周期Tn中的学生就餐消费数据计算平均值线Ln,并关于平均值线Ln对称建立若干标准差线形成基线范围;根据周期Tn+1中的学生就餐消费数据在平均值线Ln及其标准差线形成的基线范围中的分布进行判异,将异常数据舍弃,计算正常数据的平均值得到周期Tn+1的平均值线Ln+1,并关于平均值线Ln+1对称建立若干标准差线形成基线范围。
为了更好的实现本发明,进一步地,通过食堂预测模块将周期Tn的学生就餐消费数据与周期Tn的数据基线Ln进行比对判异后,以正常数据为离散点进行线性拟合得到拟合回归线Cn,将拟合回归线Cn与数据基线Ln进行拟合得到周期Tn+1的预测线Yn+1。
为了更好的实现本发明,进一步地,通过学生就餐预警模块将周期Tn的学生就餐消费数据与周期Tn的数据基线Ln进行比对,对学生就餐情况进行异常判断,若学生就餐消费数据中的学生就餐次数与学生就餐金额连续异常,则通过学生就餐预警模块发出欺凌预警;若学生就餐次数与学生就餐金额正常,则学生就餐预警模块根据学生就餐种类、学生就餐时间判断学生的营养摄入情况。
为了更好的实现本发明,进一步地,采用SPC判异方法对就餐消费数据进行判异。
为了更好的实现本发明,进一步地,所述就餐消费数据包括个人数据与集体数据。
本发明与现有技术相比,具有以下优点及有益效果:
本发明通过采集学生在食堂的就餐消费数据,并根据就餐消费数据中的正常数据建立相应的数据基线范围,然后针对食堂端,将就餐消费数据中的满意度、就餐金额、就餐数量等数据与数据基线范围进行比对判异,然后根据判断为正常的数据结合数据基线范围对食堂的满意度以及备餐情况进行预测,使得食堂的满意度与备餐情况更加符合学生的预期;同时针对学生端,将就餐消费数据中的就餐金额、就餐次数等数据与数据基线范围进行比对判异,然后根据判断为异常的数据发出欺凌预警,有效监控学生的异常行为并及时进行预警;根据判断为正常的数据分析学生就餐的营养摄入情况,进而实现对学生的分析监控。
附图说明
图1为食堂预测预警系统示意图;
图2为周期Tn中的数据基线范围示意图;
图3为预测线Yn+1的示意图;
图4为周期Tn+1中的数据基线范围示意图。
其中:1-数据服务器;2-数据清洗模块;3-基线建立模块;4-学生就餐预警模块;5-食堂预测模块;6-数据核准模块;41-学生欺凌预警模块;42-学生营养摄入预警模块;51-食堂满意度预测模块;52-食堂备餐预测模块。
具体实施方式
实施例1:
本实施例的一种食堂预测预警系统,如图1所示,包括周期性收集学生就餐消费数据的数据服务器1,还包括数据清洗模块2、基线建立模块3、学生就餐预警模块4、食堂预测模块5,所述数据清洗模块2接收数据服务器1中的学生就餐消费数据,并对异常数据进行判断清洗;所述基线建立模块3在每个周期内根据清洗后剩余的正常数据建立数据基线范围;所述学生就餐预警模块4提取下一个周期的学生就餐消费数据与数据基线范围进行比对以对学生的异常就餐情况进行预警;所述食堂预测模块5提取下一个周期的学生就餐消费数据与数据基线范围进行比对以对食堂的备餐方案进行预测。
数据服务器1与食堂的刷卡终端,以及校园通、学生手机等学生终端连接,每当学生在食堂进行刷卡时,其就餐金额、就餐次数、就餐种类等就餐消费数据即汇总至数据服务器1进行存储。同时,学生也可以通过校园通或学生手机等终端向数据服务器1上传就餐消费数据。
数据清洗模块2用于对数据服务器1采集的就餐消费数据进行清洗,针对异常或无效的数据进行清洗,无效数据或异常数据是指食堂刷卡错误操作数据、无效刷卡数据等。经过清洗后剩余的数据为正常数据,基线建立模块3接收正常数据,然后根据正常数据建立数据基线范围。如通过正常数据的平均值、权重值等建立数据基线范围。针对不同的就餐消费数据建立不同针对性的数据基线范围,如针对就餐金额建立关于就餐金额的数据基线范围,针对就餐次数建立关于就餐次数的数据基线范围。
针对学生端,在下一个周期内,数据服务器1接收了新的就餐消费数据,学生就餐预警模块4提取新的就餐消费数据,并将新的就餐消费数据与数据基线范围进行比对,根据新的就餐消费数据在数据基线范围中的分布情况判断学生的就餐情况是否异常。如学生连续出现就餐金额超出数据基线范围、学生连续出现就餐次数超出数据基线范围等情况,则判断当前的就餐消费数据异常,则通过异常数据追溯对应学生的刷卡信息,进而针对当前学生进行异常就餐情况的预警。
针对食堂端,食堂预测模块5提取下一个周期中新的学生就餐消费数据与数据基线范围进行比对,根据新的就餐消费数据在数据基线范围中的分布情况判断学生的就餐情况是否正常,对正常数据进行统计分析以得到下一个周期中学生在食堂中的就餐消费趋势,进而对食堂的备餐方案进行预测。
如根据就餐金额,判断就餐金额数据在关于就餐金额的数据基线范围中的分布情况,对于超出、连续超出、分布异常的就餐金额判断为异常数据,剩余的就餐金额为正常数据,则针对正常的就餐金额进行统计分析其平均值、权重值、线性回归线等,进而得到就餐金额的变化趋势,进而对食堂的备餐方案中的就餐金额的制定进行预测。
实施例2:
本实施例在实施例1的基础上做进一步优化,如图1所示,所述学生就餐预警模块4包括学生欺凌预警模块41、学生营养摄入预警模块42,所述学生欺凌预警模块41将学生就餐消费数据中的就餐次数与就餐金额与数据基线范围比对判断,若判断异常则进行欺凌预警,若判断正常则将学生就餐消费数据中的就餐种类与就餐数量发送至学生营养摄入预警模块42;所述学生营养摄入预警模块42根据就餐种类与就餐数量对学生的营养摄入情况进行预警。
如针对就餐金额,计算就餐金额的平均值作为平均值线,并关于平均基线对称设置若干标准差线,标准差线与平均值线构成的范围即为关于就餐金额的数据基线范围。下一个周期,统计提取就餐消费数据中的就餐金额,并将就餐金额作为单点值分布在数据基线范围中,分析就餐金额在数据基线范围中的分布情况。
具体分析方法采用SPC判异方法进行分析,进而得到关于就餐金额的异常数据。当出现异常数据时,如就餐金额连续异常降低或异常增加、如就餐次数连续异常降低或异常增加,则学生欺凌预警模块41判断当前学生可能存在被欺凌或实施欺凌的情况,此时学生欺凌预警模块41通过就餐消费数据追溯刷卡的学生信息,生成欺凌预警信息,并将欺凌预警信息发送至教师手机或家长手机,以实现欺凌预警。经过教师、家长实际探查排除欺凌情况后,教师或家长可以登录学生欺凌预警模块41将对应的欺凌预警信息抹除。
经过学生欺凌预警模块41判断为正常数据发送至学生营养摄入预警模块42,学生营养摄入预警模块42根据就餐种类与就餐数量对学生的营养摄入情况进行预警。
如就餐数量与关于就餐数量的数据基线范围比对虽然处于正常范围,但是就餐数量与数据基线范围中的平均值线相比连续处于降低状态,则判断当前学生处于营养摄入不足的情况。学生营养摄入预警模块42生成预警信息并将预警信息发送至教师端和/或家长端。
本实施例的其他部分与实施例1相同,故不再赘述。
实施例3:
本实施例在上述实施例1或2的基础上做进一步优化,如图1所示,所述食堂预测模块5包括食堂满意度预测模块51、食堂备餐预测模块52,所述食堂满意度预测模块51根据学生就餐消费数据中的就餐满意度、就餐人数与数据基线范围比对以对食堂满意度进行预测;所述食堂备餐预测模块52根据学生就餐消费数据中的就餐种类、就餐数量、就餐金额与数据基线范围比对以对下一个周期的食堂备餐方案进行预测。
学生可以通过学生手机等学生终端登录食堂满意度预测模块51对食堂进行满意度评分,基线建立模块3根据满意度评分建立关于满意度的数据基线范围,如根据满意度平均值、满意度权重值、满意度线性回归值建立关于满意度的数据基线范围。下一周期采集的满意度数据与关于满意度的数据基线范围比对,以对食堂的满意度进行预测预警。
食堂备餐预测模块52根据学生就餐消费数据中的就餐种类、就餐数量、就餐金额与数据基线范围比对以对下一个周期的食堂备餐方案进行预测。如针对就餐金额,将下一周期采集的进餐金额与数据基线范围进行比对,对于连续超出数据基线范围的就餐金额判断为异常,对于剩余的正常数据,则分析其就餐金额变化趋势,进而对食堂的备餐方案中的就餐金额的制定进行预测。
本实施例的其他部分与上述实施例1或2相同,故不再赘述。
实施例4:
本实施例在上述实施例1-3任一项的基础上做进一步优化,如图1所示,还包括数据核准模块6,所述数据核准模块6接收来自于数据清洗模块2的异常数据,对异常数据进行核实;所述数据核准模块6将核实异常的数据清洗舍弃,将核实正常的数据发送至基线建立模块3参与下一个周期的数据基线范围建立。
如数据清洗模块2判断当前数据为食堂错误刷卡数据,则将其归类为异常数据。通过食堂工作人员或学生核实后,若核实属于食堂错误刷卡数据,则分类为异常数据并清洗;若核实不属于食堂错误刷卡数据,则归类为正常数据并发送至基线建立模块3参与下一周期的数据基线范围计算,进而使得数据基线范围更加准确。
本实施例的其他部分与上述实施例1-3相同,故不再赘述。
实施例5:
一种食堂预测预警方法,基于食堂预测预警系统实现,周期性收集学生就餐消费数据,在周期内根据正常的学生就餐消费数据的类型建立不同的数据基线范围,并将收集的学生就餐消费数据与对应类型的数据基线范围就进行比对判异,根据正常数据对数据基线范围进行迭代更新,并根据下一个周期内的就餐消费数据在迭代更新后的数据基线范围中的分布情况分析学生就餐情况与食堂备餐方案,并对异常的学生就餐状况进行预警。
进一步的,如图2和图4所示,所述数据基线的建立具体包括:根据周期Tn中的学生就餐消费数据计算平均值线Ln,并关于平均值线Ln对称建立若干标准差线形成基线范围;根据周期Tn+1中的学生就餐消费数据在平均值线Ln及其标准差线形成的基线范围中的分布进行判异,将异常数据舍弃,计算正常数据的平均值得到周期Tn+1的平均值线Ln+1,并关于平均值线Ln+1对称建立若干标准差线形成基线范围。
进一步的,如图2和图3所示,通过食堂预测模块5将周期Tn的学生就餐消费数据与周期Tn的数据基线Ln进行比对判异后,以正常数据为离散点进行线性拟合得到拟合回归线Cn,将拟合回归线Cn与数据基线Ln进行拟合得到周期Tn+1的预测线Yn+1。
进一步的,通过学生就餐预警模块4将周期Tn的学生就餐消费数据与周期Tn的数据基线Ln进行比对,对学生就餐情况进行异常判断,若学生就餐消费数据中的学生就餐次数与学生就餐金额连续异常,则通过学生就餐预警模块4发出欺凌预警;若学生就餐次数与学生就餐金额正常,则学生就餐预警模块4根据学生就餐种类、学生就餐时间判断学生的营养摄入情况。
本实施例的其他部分与上述实施例1-4任一项相同,故不再赘述。
实施例6:
本实施例在上述实施例1-5任一项的基础上做进一步优化,采用SPC判异方法对就餐消费数据进行判异。
进一步的,所述就餐消费数据包括个人数据与集体数据,集体数据包括班级数据、年级数据、院系数据等。
本实施例的其他部分与上述实施例1-5任一项相同,故不再赘述。
以上所述,仅是本发明的较佳实施例,并非对本发明做任何形式上的限制,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化,均落入本发明的保护范围之内。
Claims (8)
1.一种食堂预测预警系统,包括周期性收集学生就餐消费数据的数据服务器(1),其特征在于,还包括数据清洗模块(2)、基线建立模块(3)、学生就餐预警模块(4)、食堂预测模块(5),所述数据清洗模块(2)接收数据服务器(1)中的学生就餐消费数据,并对异常数据进行判断清洗;所述基线建立模块(3)在每个周期内根据清洗后剩余的正常数据建立数据基线范围;所述学生就餐预警模块(4)提取下一个周期的学生就餐消费数据与数据基线范围进行比对以对学生的异常就餐情况进行预警;所述食堂预测模块(5)提取下一个周期的学生就餐消费数据与数据基线范围进行比对以对食堂的备餐方案进行预测;
所述食堂预测模块(5)包括食堂满意度预测模块(51)、食堂备餐预测模块(52),所述食堂满意度预测模块(51)根据学生就餐消费数据中的就餐满意度、就餐人数与数据基线范围比对以对食堂满意度进行预测;所述食堂备餐预测模块(52)根据学生就餐消费数据中的就餐种类、就餐数量、就餐金额与数据基线范围比对以对下一个周期的食堂备餐方案进行预测;食堂备餐预测模块(52)根据学生就餐消费数据中的就餐种类、就餐数量、就餐金额与数据基线范围比对以对下一个周期的食堂备餐方案进行预测,对于连续超出数据基线范围的就餐消费数据判断为异常,对于剩余的正常数据,则分析其变化趋势,进而对食堂的备餐方案中的就餐金额的制定进行预测;所述数据基线的建立具体包括:根据周期Tn中的学生就餐消费数据计算平均值线Ln,并关于平均值线Ln对称建立若干标准差线形成基线范围;根据周期Tn+1中的学生就餐消费数据在平均值线Ln及其标准差线形成的基线范围中的分布进行判异,将异常数据舍弃,计算正常数据的平均值得到周期Tn+1的平均值线Ln+1,并关于平均值线Ln+1对称建立若干标准差线形成基线范围。
2.根据权利要求1所述的一种食堂预测预警系统,其特征在于,所述学生就餐预警模块(4)包括学生欺凌预警模块(41)、学生营养摄入预警模块(42),所述学生欺凌预警模块(41)将学生就餐消费数据中的就餐次数与就餐金额与数据基线范围比对判断,若判断异常则进行欺凌预警,若判断正常则将学生就餐消费数据中的就餐种类与就餐数量发送至学生营养摄入预警模块(42);所述学生营养摄入预警模块(42)根据就餐种类与就餐数量对学生的营养摄入情况进行预警。
3.根据权利要求1或2所述的一种食堂预测预警系统,其特征在于,还包括数据核准模块(6),所述数据核准模块(6)接收来自于数据清洗模块(2)的异常数据,对异常数据进行核实;所述数据核准模块(6)将核实异常的数据清洗舍弃,将核实正常的数据发送至基线建立模块(3)参与下一个周期的数据基线范围建立。
4.一种食堂预测预警方法,基于如权利要求1-3任一项所述的食堂预测预警系统实现,其特征在于,周期性收集学生就餐消费数据,在周期内根据正常的学生就餐消费数据的类型建立不同的数据基线范围,并将收集的学生就餐消费数据与对应类型的数据基线范围就进行比对判异,根据正常数据对数据基线范围进行迭代更新,并根据下一个周期内的就餐消费数据在迭代更新后的数据基线范围中的分布情况分析学生就餐情况与食堂备餐方案,并对异常的学生就餐状况进行预警。
5.根据权利要求4所述的一种食堂预测预警方法,其特征在于,通过食堂预测模块(5)将周期Tn的学生就餐消费数据与周期Tn的数据基线Ln进行比对判异后,以正常数据为离散点进行线性拟合得到拟合回归线Cn,将拟合回归线Cn与数据基线Ln进行拟合得到周期Tn+1的预测线Yn+1。
6.根据权利要求5所述的一种食堂预测预警方法,其特征在于,通过学生就餐预警模块(4)将周期Tn的学生就餐消费数据与周期Tn的数据基线Ln进行比对,对学生就餐情况进行异常判断,若学生就餐消费数据中的学生就餐次数与学生就餐金额连续异常,则通过学生就餐预警模块(4)发出欺凌预警;若学生就餐次数与学生就餐金额正常,则学生就餐预警模块(4)根据学生就餐种类、学生就餐时间判断学生的营养摄入情况。
7.根据权利要求6所述的一种食堂预测预警方法,其特征在于,采用SPC判异方法对就餐消费数据进行判异。
8.根据权利要求7所述的一种食堂预测预警方法,其特征在于,所述就餐消费数据包括个人数据与集体数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210438713.0A CN114881305B (zh) | 2022-04-25 | 一种食堂预测预警系统及其预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210438713.0A CN114881305B (zh) | 2022-04-25 | 一种食堂预测预警系统及其预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114881305A CN114881305A (zh) | 2022-08-09 |
CN114881305B true CN114881305B (zh) | 2024-07-16 |
Family
ID=
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105205769A (zh) * | 2015-09-28 | 2015-12-30 | 廖健伟 | 一种基于智能食堂配餐系统的数据挖掘方法 |
CN109147267A (zh) * | 2018-10-16 | 2019-01-04 | 温州洪启信息科技有限公司 | 基于云平台的智慧校园大数据安全预警平台 |
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105205769A (zh) * | 2015-09-28 | 2015-12-30 | 廖健伟 | 一种基于智能食堂配餐系统的数据挖掘方法 |
CN109147267A (zh) * | 2018-10-16 | 2019-01-04 | 温州洪启信息科技有限公司 | 基于云平台的智慧校园大数据安全预警平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110210508A (zh) | 模型生成方法、异常流量检测方法、装置、电子设备、计算机可读存储介质 | |
CN108052528A (zh) | 一种存储设备时序分类预警方法 | |
CN110417721A (zh) | 安全风险评估方法、装置、设备及计算机可读存储介质 | |
CN104334075A (zh) | 具有调整通知的生物测定属性异常检测系统 | |
CN109920192A (zh) | 火灾报警方法、系统及计算机可读存储介质 | |
Hogg et al. | Stochastic models of user-contributory web sites | |
CN110262919A (zh) | 异常数据分析方法、装置、设备与计算机可读存储介质 | |
CN114388103A (zh) | 一种针对青少年心理预警分析的算法 | |
CN111506635A (zh) | 一种基于自回归和朴素贝叶斯算法的居民用电行为分析的系统及方法 | |
CN117114885B (zh) | 一种用于电力交易的数据交互模型构建方法及系统 | |
CN111984442A (zh) | 计算机集群系统的异常检测方法及装置、存储介质 | |
CN115760525A (zh) | 一种基于物联网智慧养老系统及方法 | |
Murphy et al. | A system for detecting interviewer falsification | |
CN114119055A (zh) | 一种测评实现方法、装置和存储介质 | |
CN112560940A (zh) | 一种用电异常检测方法、装置、设备和存储介质 | |
CN107145986B (zh) | 一种充电电量预测方法及装置 | |
CN110182871A (zh) | 一种基于全自动加药系统的水处理方法及终端 | |
CN114881305B (zh) | 一种食堂预测预警系统及其预测方法 | |
CN105096217B (zh) | 一种电力计量自动化终端通信状态预测方法和系统 | |
CN111738824A (zh) | 一种账务数据处理方式筛选方法、装置及系统 | |
CN114881305A (zh) | 一种食堂预测预警系统及其预测方法 | |
US20010047416A1 (en) | Network administration system and method of re-arranging network resources | |
CN109472449A (zh) | 基于群决策的城市轨道交通信号设备健康状态评价方法 | |
CN113642820B (zh) | 一种基于大数据对人员数据信息评估管理的方法及系统 | |
CN114971887A (zh) | 信贷系统的作业监控方法及装置、存储介质、电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |