CN115481168A - 监测数据采集方法、装置、计算机设备和存储介质 - Google Patents
监测数据采集方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN115481168A CN115481168A CN202211123809.4A CN202211123809A CN115481168A CN 115481168 A CN115481168 A CN 115481168A CN 202211123809 A CN202211123809 A CN 202211123809A CN 115481168 A CN115481168 A CN 115481168A
- Authority
- CN
- China
- Prior art keywords
- monitoring data
- data
- group
- acquisition
- acquired
- 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.)
- Withdrawn
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 394
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000012163 sequencing technique Methods 0.000 claims abstract description 9
- 238000004590 computer program Methods 0.000 claims description 39
- 230000006870 function Effects 0.000 claims description 28
- 238000004088 simulation Methods 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 18
- 238000012216 screening Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 12
- 230000001419 dependent effect Effects 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect 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
- G06F16/24—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
-
- 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
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- 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
- G06F16/2477—Temporal data queries
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请涉及一种监测数据采集方法、装置、计算机设备和存储介质。所述方法包括:获取采集到的多个监测数据,将多个监测数据中首个采集到的监测数据作为第一个数据组,将多个监测数据中最后采集到的监测数据作为最后一个数据组;针对多个监测数据中除首个采集到的监测数据和最后采集到的监测数据之外所剩下的监测数据,将所剩下的监测数据按采集顺序排列所形成的数据队列,对数据队列进行切分,获得数据量相同的多个数据组;获取基于每一数据组所确定出的目标监测数据;对获取到的所有目标监测数据进行排序,基于每两个相邻的目标监测数据各自的采集时刻所确定的采集时段中确定出的时间点,进行插值。采用本方法能够提高监测数据采集的准确性。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种监测数据采集方法、装置、计算机设备和存储介质。
背景技术
随着对电塔的监测要求的提升,各类传感器均被应用到塔架的各项参数的监测上,导致监测产生的数据量呈指数级递增。而海量数据对数据库造成巨大压力,长时间搜索才能读取数据,甚至造成数据平台崩溃。
传统技术中,对采集到的海量监测数据进行数据处理时,会降低采集到监测数据的准确性,甚至会破坏监测数据的大体趋势,对后续使用监测数据进行电塔监测带来较大影响。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高数据采集准确性的监测数据采集方法、装置、计算机设备和存储介质。
第一方面,本申请提供了一种监测数据采集方法。所述方法包括:
获取采集到的多个监测数据,将所述多个监测数据中首个采集到的监测数据作为第一个数据组,将所述多个监测数据中最后采集到的监测数据作为最后一个数据组;
针对所述多个监测数据中除首个采集到的监测数据和最后采集到的监测数据之外所剩下的监测数据,将所述所剩下的监测数据按采集顺序排列所形成的数据队列,对所述数据队列进行切分,获得数据量相同的多个数据组;
获取基于每一数据组所确定出的目标监测数据;
对获取到的所有目标监测数据进行排序,基于每两个相邻的目标监测数据各自的采集时刻所确定的采集时段中确定出的时间点,进行插值。
在其中一个实施例中,所述获取基于每一数据组所确定出的目标监测数据,包括:
针对所有数据组按所述采集顺序所形成的数据组队列,对所述数据组队列进行遍历;
对于每次遍历到的连续三个数据组,获取中间组的前一组的目标监测数据,获取中间组的后一组中所有监测数据的均值,将所述前一组的目标监测数据和所述后一组的均值各自对应的坐标点分别作为三角形的两个顶点,将所述中间组的每一监测数据分别作为所述三角形的第三个顶点,根据所述中间组中每一监测数据作为所述第三个顶点时所确定的三角形面积,从所述中间组的所有监测数据中筛选得到所述中间组的目标监测数据。
在其中一个实施例中,插值过程通过如下目标函数实现:
P(x)=fiH1(x)+fi+1H2(x)+diH3(x)+di+1H4(x);
其中,x为确定出的时间点,P(x)为所述目标函数的插值结果;i为x从属的采集时段的起始时刻所对应的目标监测数据所从属的数据组的排序序号,xi为x从属的采集时段的起始时刻。
在其中一个实施例中,所述目标函数在插值过程中满足αi+βi-2≤0;
在其中一个实施例中,所述方法还包括:
对所述多个监测数据进行线性拟合,获得拟合直线,根据所述多个监测数据中每一监测数据的采集时刻,在所述拟合直线上确定每一监测数据对应的第一模拟监测数据;
获取每一监测数据与对应的第一模拟监测数据间的差值,对所有差值进行傅里叶级数拟合,获得拟合曲线,根据所述多个监测数据中每一监测数据的采集时刻,在所述拟合曲线上确定每一监测数据对应的第二模拟监测数据;
获取每一监测数据与对应的第二模拟监测数据间的和值,根据所有和值拟合出数据变化趋势曲线;
对于插值后得到的所有插值数据,根据所述数据变化趋势曲线对所述所有插值数据进行筛选。
第二方面,本申请还提供了一种监测数据采集装置。所述装置包括:
数据获取模块,用于获取采集到的多个监测数据,将所述多个监测数据中首个采集到的监测数据作为第一个数据组,将所述多个监测数据中最后采集到的监测数据作为最后一个数据组;
数据组获取模块,用于针对所述多个监测数据中除首个采集到的监测数据和最后采集到的监测数据之外所剩下的监测数据,将所述所剩下的监测数据按采集顺序排列所形成的数据队列,对所述数据队列进行切分,获得数据量相同的多个数据组;
目标数据获取模块,用于获取基于每一数据组所确定出的目标监测数据;
插值模块,用于对获取到的所有目标监测数据进行排序,基于每两个相邻的目标监测数据各自的采集时刻所确定的采集时段中确定出的时间点,进行插值。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一实施例中的方法的步骤。
第四方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一实施例中的方法的步骤。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述任一实施例中的方法的步骤。
上述监测数据采集方法、装置、计算机设备和存储介质,通过获取采集到的多个监测数据,将多个监测数据中首个采集到的监测数据作为第一个数据组,最后采集到的监测数据作为最后一个数据组,对剩下的监测数据按采集顺序排列形成的数据队列进行切分,获得数据量相同的多个数据组,对每一数据组所确定出的目标监测数据进行排序,并在每两个相邻的目标监测数据中进行插值。相对于传统技术中数据采集准确性不高而言,本申请通过将多个监测数据中首个采集到的监测数据作为第一个数据组,最后采集到的监测数据作为最后一个数据组,确保了数据采集的趋势范围,并切分数据量相同的数据组,在这些数据组里面确定目标监测数据,再在每两个相邻的目标监测数据中进行插值,保证了数据采集的均匀性,从而提高了数据采集的准确性。
附图说明
图1为本申请实施例中提供的监测数据采集方法的流程示意图;
图2为一个实施例中数据组的目标监测数据确定方式的示意图;
图3为一个实施例中监测数据降采样结果的示意图;
图4为一个实施例中监测数据插值还原结果的示意图;
图5为一个实施例中对所有插值数据进行筛选的流程示意图;
图6为本申请实施例中提供的一个监测数据采集装置的结构框图;
图7为一个实施例中提供的一种计算机设备的内部结构图;
图8为另一个实施例中提供的一种计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在本实施例中,提供了一种监测数据采集方法,本实施例以该方法应用于计算机设备进行举例说明,可以理解的是,该方法也可以应用于服务器,还可以应用于包括计算机设备和服务器的系统,并通过计算机设备和服务器的交互实现。
图1为本申请实施例中提供的监测数据采集方法的流程示意图,该方法应用于计算机设备或服务器中,在一个实施例中,如图1所示,包括以下步骤:
S101,获取采集到的多个监测数据,将多个监测数据中首个采集到的监测数据作为第一个数据组,将多个监测数据中最后采集到的监测数据作为最后一个数据组。
其中,监测数据指的是按照时间顺序采集的数据。在本实施例中,监测数据包括预设时间段内的电塔塔尖的位移数据,将预设时间段内第一个采集到的监测数据作为第一个数据组,将预设时间段内最后一个采集到的监测数据作为最后一个数据组。
S102,针对多个监测数据中除首个采集到的监测数据和最后采集到的监测数据之外所剩下的监测数据,将所剩下的监测数据按采集顺序排列所形成的数据队列,对数据队列进行切分,获得数据量相同的多个数据组。
在本实施例中,按照等分的方式对数据队列进行切分,得到数据量相同的多个数据组。
S103,获取基于每一数据组所确定出的目标监测数据。
其中,第一个数据组、最后一个数据组以及多个数据组构成所有数据组,获取所有数据组中的每一数据组的目标监测数据。第一个数据组中的目标监测数据就是首个采集到的监测数据,最后一个数据组中的目标监测数据就是最后采集到的监测数据。多个数据组中每一组的目标监测数据可以是一个,也可以是多个,如果是多个,则需要在多个目标监测数据中确定出一个目标监测数据,确定一个目标监测数据的方式可以是取均值,也可以是按照权重计算,在此不作限定。
S104,对获取到的所有目标监测数据进行排序,基于每两个相邻的目标监测数据各自的采集时刻所确定的采集时段中确定出的时间点,进行插值。
在本实施例中,采集时段中确定出的时间点可以是均匀的,也可以是不均匀的。
本实施例提供的监测数据采集方法,通过获取采集到的多个监测数据,将多个监测数据中首个采集到的监测数据作为第一个数据组,最后采集到的监测数据作为最后一个数据组,对剩下的监测数据按采集顺序排列形成的数据队列进行切分,获得数据量相同的多个数据组,对每一数据组所确定出的目标监测数据进行排序,并在每两个相邻的目标监测数据中进行插值。相对于传统技术中数据采集准确性不高而言,本申请通过将多个监测数据中首个采集到的监测数据作为第一个数据组,最后采集到的监测数据作为最后一个数据组,确保了数据采集的趋势范围,并切分数据量相同的数据组,在这些数据组里面确定目标监测数据,再在每两个相邻的目标监测数据中进行插值,保证了数据采集的均匀性,从而提高了数据采集的准确性。
在一些实施例中,获取基于每一数据组所确定出的目标监测数据,包括以下内容:
针对所有数据组按采集顺序所形成的数据组队列,对数据组队列进行遍历;
对于每次遍历到的连续三个数据组,获取中间组的前一组的目标监测数据,获取中间组的后一组中所有监测数据的均值,将前一组的目标监测数据和后一组的均值各自对应的坐标点分别作为三角形的两个顶点,将中间组的每一监测数据分别作为三角形的第三个顶点,根据中间组中每一监测数据作为第三个顶点时所确定的三角形面积,从中间组的所有监测数据中筛选得到中间组的目标监测数据。
在一个实施例中,以任意连续三个数据组为例,如图2所示,图2为一个实施例中数据组的目标监测数据确定方式的示意图,图2中A点的横坐标为中间组的前一组的目标监测数据对应的采集时刻,纵坐标为中间组的前一组的目标监测数据,C点的横坐标为中间组的后一组对应的采集时段的中间时刻,纵坐标为中间组的后一组中所有监测数据的均值,AC连线作为三角形的一边,从中间组的所有监测数据中筛选出使得所确定的三角形ABC面积最大的监测数据作为中间组的目标监测数据即为B点的纵坐标,B点的横坐标为中间组的目标监测数据对应的采集时刻。
获取基于每一数据组所确定出的目标监测数据,即是对采集到的多个监测数据进行降采样处理得到离散的目标监测数据,如图3所示,图3为一个实施例中监测数据降采样结果的示意图,图3中的点表示目标监测数据,横坐标表示采集时刻,纵坐标表示监测数据的值。
在本实施例中,通过遍历连续三个数据组,从而确定每一组的目标监测数据,目标监测数据的确定具有前后连贯性,更能保证监测数据降采样的结果不偏离原采集到的监测数据,提高数据采集的准确性。
在一个实施例中,插值过程通过如下目标函数实现:
P(x)=fiH1(x1)+fi+1H2(x)+diH3(x)+di+1H4(x);
其中,x为确定出的时间点,P(x)为目标函数的插值结果;i为x从属的采集时段的起始时刻所对应的目标监测数据所从属的数据组的排序序号,xi为x从属的采集时段的起始时刻。利用目标函数在每两个相邻的目标监测数据间进行插值,能够保证插值结果的准确性,不会出现较大误差。
在本实施例中,使用MPCI单调分段样条插值的方式在每两个相邻的目标监测数据间进行插值。若要满足插值过程中目标函数的单调性就需要满足αi+βi-2≤0,其中,或者满足的三项条件中的至少一项,且还满足αi+βi-2>0,其中,参见图4,图4为一个实施例中监测数据插值还原结果的示意图,横坐标表示采集时刻,纵坐标表示目标函数的插值结果。满足上述条件才能满足目标函数的单调性,满足目标函数的单调性才能使得插值结果稳定在一定范围内,从而保证插值结果的准确性。
参见图5,图5为一个实施例中对所有插值数据进行筛选的流程示意图,在一个实施例中,包括以下步骤:
S501,对多个监测数据进行线性拟合,获得拟合直线,根据多个监测数据中每一监测数据的采集时刻,在拟合直线上确定每一监测数据对应的第一模拟监测数据。
其中,可以采用最小二乘法的方式对多个监测数据进行线性拟合。
S502,获取每一监测数据与对应的第一模拟监测数据间的差值,对所有差值进行傅里叶级数拟合,获得拟合曲线,根据多个监测数据中每一监测数据的采集时刻,在拟合曲线上确定每一监测数据对应的第二模拟监测数据。
S503,获取每一监测数据与对应的第二模拟监测数据间的和值,根据所有和值拟合出数据变化趋势曲线。
S504,对于插值后得到的所有插值数据,根据数据变化趋势曲线对所有插值数据进行筛选。
其中,对所有插值数据进行筛选的方式可以是确定阈值,若同一采集时刻的插值数据与数据变化趋势曲线上的数据差值大于阈值,则剔除该插值数据;也可以是根据数据变化趋势曲线对所有插值数据进行滤波。
在本实施例中,获取数据变化趋势曲线,对插值数据进行筛选,去除误差大的数据,可以进一步提高监测数据采集的准确性。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的监测数据采集方法的监测数据采集装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个监测数据采集装置实施例中的具体限定可以参见上文中对于监测数据采集方法的限定,在此不再赘述。
参见图6,图6为本申请实施例中提供的一种监测数据采集装置的结构框图,该装置600包括:数据获取模块601、数据组获取模块602、目标数据获取模块603和插值模块604,其中:
数据获取模块601,用于获取采集到的多个监测数据,将多个监测数据中首个采集到的监测数据作为第一个数据组,将多个监测数据中最后采集到的监测数据作为最后一个数据组;
数据组获取模块602,用于针对多个监测数据中除首个采集到的监测数据和最后采集到的监测数据之外所剩下的监测数据,将所剩下的监测数据按采集顺序排列所形成的数据队列,对数据队列进行切分,获得数据量相同的多个数据组;
目标数据获取模块603,用于获取基于每一数据组所确定出的目标监测数据;
插值模块604,用于对获取到的所有目标监测数据进行排序,基于每两个相邻的目标监测数据各自的采集时刻所确定的采集时段中确定出的时间点,进行插值。
本实施例提供的监测数据采集装置,通过获取采集到的多个监测数据,将多个监测数据中首个采集到的监测数据作为第一个数据组,最后采集到的监测数据作为最后一个数据组,对剩下的监测数据按采集顺序排列形成的数据队列进行切分,获得数据量相同的多个数据组,对每一数据组所确定出的目标监测数据进行排序,并在每两个相邻的目标监测数据中进行插值。相对于传统技术中数据采集准确性不高而言,本申请通过将多个监测数据中首个采集到的监测数据作为第一个数据组,最后采集到的监测数据作为最后一个数据组,确保了数据采集的趋势范围,并切分数据量相同的数据组,在这些数据组里面确定目标监测数据,再在每两个相邻的目标监测数据中进行插值,保证了数据采集的均匀性,从而提高了数据采集的准确性。
可选的,目标数据获取模块603包括:
遍历单元,用于针对所有数据组按采集顺序所形成的数据组队列,对数据组队列进行遍历;
目标数据确定单元,用于对于每次遍历到的连续三个数据组,获取中间组的前一组的目标监测数据,获取中间组的后一组中所有监测数据的均值,将前一组的目标监测数据和后一组的均值各自对应的坐标点分别作为三角形的两个顶点,将中间组的每一监测数据分别作为三角形的第三个顶点,根据中间组中每一监测数据作为第三个顶点时所确定的三角形面积,从中间组的所有监测数据中筛选得到中间组的目标监测数据。
可选的,插值模块604包括:
插值实现单元,用于插值过程通过如下目标函数实现:
P(x)=fiH1(x)+fi+1H2(x)+diH3(x)+di+1H4(x);
其中,x为确定出的时间点,P(x)为目标函数的插值结果;i为x从属的采集时段的起始时刻所对应的目标监测数据所从属的数据组的排序序号,xi为x从属的采集时段的起始时刻。
可选的,插值实现单元包括:
第一条件满足子单元,用于目标函数在插值过程中满足αi+βi-2≤0;
可选的,插值实现单元包括:
可选的,该装置600还包括:
第一模拟数据获取模块,用于对多个监测数据进行线性拟合,获得拟合直线,根据多个监测数据中每一监测数据的采集时刻,在拟合直线上确定每一监测数据对应的第一模拟监测数据;
第二模拟数据获取模块,用于获取每一监测数据与对应的第一模拟监测数据间的差值,对所有差值进行傅里叶级数拟合,获得拟合曲线,根据多个监测数据中每一监测数据的采集时刻,在拟合曲线上确定每一监测数据对应的第二模拟监测数据;
趋势获取模块,用于获取每一监测数据与对应的第二模拟监测数据间的和值,根据所有和值拟合出数据变化趋势曲线;
筛选模块,用于对于插值后得到的所有插值数据,根据数据变化趋势曲线对所有插值数据进行筛选。
上述监测数据采集装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储监测数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种监测数据采集方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图8所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种监测数据采集方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图7和图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述实施例提供的监测数据采集方法的步骤:
获取采集到的多个监测数据,将多个监测数据中首个采集到的监测数据作为第一个数据组,将多个监测数据中最后采集到的监测数据作为最后一个数据组;
针对多个监测数据中除首个采集到的监测数据和最后采集到的监测数据之外所剩下的监测数据,将所剩下的监测数据按采集顺序排列所形成的数据队列,对数据队列进行切分,获得数据量相同的多个数据组;
获取基于每一数据组所确定出的目标监测数据;
对获取到的所有目标监测数据进行排序,基于每两个相邻的目标监测数据各自的采集时刻所确定的采集时段中确定出的时间点,进行插值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
针对所有数据组按采集顺序所形成的数据组队列,对数据组队列进行遍历;
对于每次遍历到的连续三个数据组,获取中间组的前一组的目标监测数据,获取中间组的后一组中所有监测数据的均值,将前一组的目标监测数据和后一组的均值各自对应的坐标点分别作为三角形的两个顶点,将中间组的每一监测数据分别作为三角形的第三个顶点,根据中间组中每一监测数据作为第三个顶点时所确定的三角形面积,从中间组的所有监测数据中筛选得到中间组的目标监测数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
P(x)=fiH1(x)+fi+1H2(x)+diH3(x)+di+1H4(x);
其中,x为确定出的时间点,P(x)为目标函数的插值结果;i为x从属的采集时段的起始时刻所对应的目标监测数据所从属的数据组的排序序号,xi为x从属的采集时段的起始时刻。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
目标函数在插值过程中满足αi+βi-2≤0;
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对多个监测数据进行线性拟合,获得拟合直线,根据多个监测数据中每一监测数据的采集时刻,在拟合直线上确定每一监测数据对应的第一模拟监测数据;
获取每一监测数据与对应的第一模拟监测数据间的差值,对所有差值进行傅里叶级数拟合,获得拟合曲线,根据多个监测数据中每一监测数据的采集时刻,在拟合曲线上确定每一监测数据对应的第二模拟监测数据;
获取每一监测数据与对应的第二模拟监测数据间的和值,根据所有和值拟合出数据变化趋势曲线;
对于插值后得到的所有插值数据,根据数据变化趋势曲线对所有插值数据进行筛选。
上述实施例的实现原理和技术效果与上述方法实施例类似,在此不再赘述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例提供的监测数据采集方法的步骤:
获取采集到的多个监测数据,将多个监测数据中首个采集到的监测数据作为第一个数据组,将多个监测数据中最后采集到的监测数据作为最后一个数据组;
针对多个监测数据中除首个采集到的监测数据和最后采集到的监测数据之外所剩下的监测数据,将所剩下的监测数据按采集顺序排列所形成的数据队列,对数据队列进行切分,获得数据量相同的多个数据组;
获取基于每一数据组所确定出的目标监测数据;
对获取到的所有目标监测数据进行排序,基于每两个相邻的目标监测数据各自的采集时刻所确定的采集时段中确定出的时间点,进行插值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
针对所有数据组按采集顺序所形成的数据组队列,对数据组队列进行遍历;
对于每次遍历到的连续三个数据组,获取中间组的前一组的目标监测数据,获取中间组的后一组中所有监测数据的均值,将前一组的目标监测数据和后一组的均值各自对应的坐标点分别作为三角形的两个顶点,将中间组的每一监测数据分别作为三角形的第三个顶点,根据中间组中每一监测数据作为第三个顶点时所确定的三角形面积,从中间组的所有监测数据中筛选得到中间组的目标监测数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
P(x)=fiH1(x)+fi+1H2(x)+diH3(x)+di+1H4(x);
其中,x为确定出的时间点,P(x)为目标函数的插值结果;i为x从属的采集时段的起始时刻所对应的目标监测数据所从属的数据组的排序序号,xi为x从属的采集时段的起始时刻。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
目标函数在插值过程中满足αi+βi-2≤0;
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对多个监测数据进行线性拟合,获得拟合直线,根据多个监测数据中每一监测数据的采集时刻,在拟合直线上确定每一监测数据对应的第一模拟监测数据;
获取每一监测数据与对应的第一模拟监测数据间的差值,对所有差值进行傅里叶级数拟合,获得拟合曲线,根据多个监测数据中每一监测数据的采集时刻,在拟合曲线上确定每一监测数据对应的第二模拟监测数据;
获取每一监测数据与对应的第二模拟监测数据间的和值,根据所有和值拟合出数据变化趋势曲线;
对于插值后得到的所有插值数据,根据数据变化趋势曲线对所有插值数据进行筛选。
上述实施例的实现原理和技术效果与上述方法实施例类似,在此不再赘述。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述实施例提供的监测数据采集方法的步骤:
获取采集到的多个监测数据,将多个监测数据中首个采集到的监测数据作为第一个数据组,将多个监测数据中最后采集到的监测数据作为最后一个数据组;
针对多个监测数据中除首个采集到的监测数据和最后采集到的监测数据之外所剩下的监测数据,将所剩下的监测数据按采集顺序排列所形成的数据队列,对数据队列进行切分,获得数据量相同的多个数据组;
获取基于每一数据组所确定出的目标监测数据;
对获取到的所有目标监测数据进行排序,基于每两个相邻的目标监测数据各自的采集时刻所确定的采集时段中确定出的时间点,进行插值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
针对所有数据组按采集顺序所形成的数据组队列,对数据组队列进行遍历;
对于每次遍历到的连续三个数据组,获取中间组的前一组的目标监测数据,获取中间组的后一组中所有监测数据的均值,将前一组的目标监测数据和后一组的均值各自对应的坐标点分别作为三角形的两个顶点,将中间组的每一监测数据分别作为三角形的第三个顶点,根据中间组中每一监测数据作为第三个顶点时所确定的三角形面积,从中间组的所有监测数据中筛选得到中间组的目标监测数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
P(x)=fiH1(x)+fi+1H2(x)+diH3(x)+di+1H4(x);
其中,x为确定出的时间点,P(x)为目标函数的插值结果;i为x从属的采集时段的起始时刻所对应的目标监测数据所从属的数据组的排序序号,xi为x从属的采集时段的起始时刻。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
目标函数在插值过程中满足αi+βi-2≤0;
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对多个监测数据进行线性拟合,获得拟合直线,根据多个监测数据中每一监测数据的采集时刻,在拟合直线上确定每一监测数据对应的第一模拟监测数据;
获取每一监测数据与对应的第一模拟监测数据间的差值,对所有差值进行傅里叶级数拟合,获得拟合曲线,根据多个监测数据中每一监测数据的采集时刻,在拟合曲线上确定每一监测数据对应的第二模拟监测数据;
获取每一监测数据与对应的第二模拟监测数据间的和值,根据所有和值拟合出数据变化趋势曲线;
对于插值后得到的所有插值数据,根据数据变化趋势曲线对所有插值数据进行筛选。
上述实施例的实现原理和技术效果与上述方法实施例类似,在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种监测数据采集方法,其特征在于,所述方法包括:
获取采集到的多个监测数据,将所述多个监测数据中首个采集到的监测数据作为第一个数据组,将所述多个监测数据中最后采集到的监测数据作为最后一个数据组;
针对所述多个监测数据中除首个采集到的监测数据和最后采集到的监测数据之外所剩下的监测数据,将所述所剩下的监测数据按采集顺序排列所形成的数据队列,对所述数据队列进行切分,获得数据量相同的多个数据组;
获取基于每一数据组所确定出的目标监测数据;
对获取到的所有目标监测数据进行排序,基于每两个相邻的目标监测数据各自的采集时刻所确定的采集时段中确定出的时间点,进行插值。
2.根据权利要求1所述的方法,其特征在于,所述获取基于每一数据组所确定出的目标监测数据,包括:
针对所有数据组按所述采集顺序所形成的数据组队列,对所述数据组队列进行遍历;
对于每次遍历到的连续三个数据组,获取中间组的前一组的目标监测数据,获取中间组的后一组中所有监测数据的均值,将所述前一组的目标监测数据和所述后一组的均值各自对应的坐标点分别作为三角形的两个顶点,将所述中间组的每一监测数据分别作为所述三角形的第三个顶点,根据所述中间组中每一监测数据作为所述第三个顶点时所确定的三角形面积,从所述中间组的所有监测数据中筛选得到所述中间组的目标监测数据。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对所述多个监测数据进行线性拟合,获得拟合直线,根据所述多个监测数据中每一监测数据的采集时刻,在所述拟合直线上确定每一监测数据对应的第一模拟监测数据;
获取每一监测数据与对应的第一模拟监测数据间的差值,对所有差值进行傅里叶级数拟合,获得拟合曲线,根据所述多个监测数据中每一监测数据的采集时刻,在所述拟合曲线上确定每一监测数据对应的第二模拟监测数据;
获取每一监测数据与对应的第二模拟监测数据间的和值,根据所有和值拟合出数据变化趋势曲线;
对于插值后得到的所有插值数据,根据所述数据变化趋势曲线对所述所有插值数据进行筛选。
7.一种监测数据采集装置,其特征在于,所述装置包括:
数据获取模块,用于获取采集到的多个监测数据,将所述多个监测数据中首个采集到的监测数据作为第一个数据组,将所述多个监测数据中最后采集到的监测数据作为最后一个数据组;
数据组获取模块,用于针对所述多个监测数据中除首个采集到的监测数据和最后采集到的监测数据之外所剩下的监测数据,将所述所剩下的监测数据按采集顺序排列所形成的数据队列,对所述数据队列进行切分,获得数据量相同的多个数据组;
目标数据获取模块,用于获取基于每一数据组所确定出的目标监测数据;
插值模块,用于对获取到的所有目标监测数据进行排序,基于每两个相邻的目标监测数据各自的采集时刻所确定的采集时段中确定出的时间点,进行插值。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211123809.4A CN115481168A (zh) | 2022-09-15 | 2022-09-15 | 监测数据采集方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211123809.4A CN115481168A (zh) | 2022-09-15 | 2022-09-15 | 监测数据采集方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115481168A true CN115481168A (zh) | 2022-12-16 |
Family
ID=84392972
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211123809.4A Withdrawn CN115481168A (zh) | 2022-09-15 | 2022-09-15 | 监测数据采集方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115481168A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116049341A (zh) * | 2023-03-08 | 2023-05-02 | 北京七兆科技有限公司 | 一种水文数据标准化方法、装置、设备及存储介质 |
-
2022
- 2022-09-15 CN CN202211123809.4A patent/CN115481168A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116049341A (zh) * | 2023-03-08 | 2023-05-02 | 北京七兆科技有限公司 | 一种水文数据标准化方法、装置、设备及存储介质 |
CN116049341B (zh) * | 2023-03-08 | 2023-08-15 | 北京七兆科技有限公司 | 一种水文数据标准化方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115481168A (zh) | 监测数据采集方法、装置、计算机设备和存储介质 | |
CN115689018A (zh) | 物资需求预测方法、装置、设备、存储介质和程序产品 | |
CN114359563A (zh) | 模型训练方法、装置、计算机设备和存储介质 | |
CN115937167A (zh) | 电池极片陶瓷的缺陷检测方法、装置及电子设备 | |
JP2021144428A (ja) | データ処理装置、データ処理方法 | |
CN116418985A (zh) | 录像文件存储方法、装置、计算机设备和存储介质 | |
CN108197074B (zh) | 快速傅里叶变换fft数据处理方法及装置 | |
CN114022518B (zh) | 图像的光流信息获取方法、装置、设备和介质 | |
CN116051345A (zh) | 图像数据处理方法、装置、计算机设备及可读存储介质 | |
US11256940B1 (en) | Method, apparatus and system for gradient updating of image processing model | |
CN115424038A (zh) | 多尺度图像处理方法、系统、装置和计算机设备 | |
CN115409070A (zh) | 离散数据序列临界点的确定方法、装置以及设备 | |
JP3692460B2 (ja) | 混合格子型解適合格子法を用いた数値解析装置 | |
CN117744187B (zh) | Cad绘图方法、装置、计算机设备和存储介质 | |
CN116821885B (zh) | 数据采集方法、装置、计算机设备和存储介质 | |
CN114528629B (zh) | 数据基线的确定方法、装置和计算机设备 | |
CN115240401B (zh) | 车辆位置确定方法、装置、设备、介质和产品 | |
CN114240987A (zh) | 变电站路径临时围栏屏障模型建立方法和装置 | |
CN114721547A (zh) | 触控操作的识别方法、装置、电子设备和存储介质 | |
CN114399761B (zh) | 转向架的叠加部件数量识别方法、装置和系统 | |
CN118248358A (zh) | 指套管磨损维护方法、装置、设备、介质和程序产品 | |
CN116644277A (zh) | 交互数据清洗方法、装置和计算机设备 | |
CN114897702A (zh) | 图像重构方法、装置、计算机设备和存储介质 | |
CN117574221A (zh) | 业务逻辑分析方法、装置、计算机设备和存储介质 | |
CN114329918A (zh) | 构件化软件系统的分析方法、装置、设备和存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20221216 |
|
WW01 | Invention patent application withdrawn after publication |