CN115952700B - 一种温度关联数据补偿方法、系统、计算机及存储介质 - Google Patents
一种温度关联数据补偿方法、系统、计算机及存储介质 Download PDFInfo
- Publication number
- CN115952700B CN115952700B CN202310244991.7A CN202310244991A CN115952700B CN 115952700 B CN115952700 B CN 115952700B CN 202310244991 A CN202310244991 A CN 202310244991A CN 115952700 B CN115952700 B CN 115952700B
- Authority
- CN
- China
- Prior art keywords
- abnormal
- monitoring data
- data
- time
- temperature
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Alarm Systems (AREA)
Abstract
本发明提供一种温度关联数据补偿方法、系统、计算机及存储介质,所述方法包括以下步骤:将温度数据、监测数据及时间数据组合形成时程曲线图;获取时程曲线图的告警阈值,并检测时程曲线图的波动范围是否超过告警阈值;若波动范围超过告警阈值,则判断异常温度数据与异常监测数据之间的关联性强弱;若关联性强,则获取拟合参数KT,并通过拟合参数KT获取修正监测数据;将修正监测数据于时程曲线图中替换异常监测数据,以获取修正曲线图。在明确该异常情况是数据范围内的异常,通过拟合参数KT完成对异常监测数据的修正,尽可能的降低环境温度对监测数据的影响,降低采集误差,提高了对整体数据分析的准确性,降低了仪器误告警的风险。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种温度关联数据补偿方法、系统、计算机及存储介质。
背景技术
地质灾害简称地灾,是以地质动力活动或地质环境异常变化为主要成因的自然灾害。在地球内动力、外动力或人为地质动力作用下,地球发生异常能量释放、物质运动、岩土体变形位移以及环境异常变化等,危害人类生命财产、生活与经济活动或破坏人类赖以生存与发展的资源、环境的现象或过程。
地质灾害监测仪器是运用各种技术和方法,测量、监视地质灾害活动以及各种诱发因素动态变化的仪器。是预测预报地质灾害的重要依据、是减灾防灾的重要内容。
部分监测仪器的监测数据与温度数据之间的关联性较高,即因环境温度影响将使所述监测数据产生采集误差,进而导致整体的分析判断产生偏差,使仪器产生误告警的情况。
发明内容
本申请实施例提供了一种温度关联数据补偿方法、系统、计算机及存储介质,以解决现有技术中部分监测仪器的监测数据与温度数据之间的关联性较高,在进行监测数据采集时,受环境温度的影响,导致监测数据产生采集误差,进而影响灾情分析,使监测仪器产生误告警的技术问题。
第一方面,本申请实施例提供了一种温度关联数据补偿方法,包括以下步骤:
将温度数据、监测数据及时间数据组合形成时程曲线图,所述时程曲线图包括若干个周期波动曲线;
通过若干个所述周期波动曲线获取所述时程曲线图的告警阈值,并检测所述时程曲线图的波动范围是否超过所述告警阈值;
若所述波动范围超过所述告警阈值,则判断异常温度数据与异常监测数据之间的关联性强弱;
若所述异常温度数据与所述异常监测数据之间的关联性强,则获取所述异常温度数据与所述异常监测数据之间的拟合参数KT,并通过所述拟合参数KT获取修正监测数据;
将所述修正监测数据于所述时程曲线图中替换所述异常监测数据,以获取修正曲线图。
进一步地,所述通过若干个所述周期波动曲线获取所述时程曲线图的告警阈值的步骤包括:
将波动范围最大的所述周期波动曲线定义为判断曲线;
提取所述判断曲线的最高点,以生成第一预警点;
提取所述判断曲线的最低点,以生成第二预警点;
将所述第一预警点及所述第二预警点设为告警阈值。
进一步地,所述则判断异常温度数据与异常监测数据之间的关联性强弱的步骤包括:
将所述周期波动曲线的开始时间至告警时间判定为异常时间段;
提取所述异常时间段内的所述温度数据及所述监测数据,以生成异常温度数据及异常监测数据;
建立所述异常温度数据与所述异常监测数据之间的相关系数;
通过所述相关系数判断述异常温度数据与所述异常监测数据之间的关联性强弱。
进一步地,所述相关系数的计算公式为:
进一步地,所述则获取所述异常温度数据与所述异常监测数据之间的拟合参数KT,并通过所述拟合参数KT获取修正监测数据的步骤包括:
将所述异常温度数据与所述异常监测数据拟合为关联曲线,获取所述关联曲线的拟合参数KT;
通过所述拟合参数KT修正所述异常监测数据,以生成修正监测数据。
进一步地,所述拟合参数KT的计算公式为:
其中,Y为一次函数的应变量,X为一次函数的自变量,K0为一次函数的常量;
所述修正监测数据的计算公式为:
wr= wo-KT*T,
其中,wr为修正监测数据,wo为异常监测数据,T为某一所述异常监测数据所处的时间点。
进一步地,在所述若所述波动范围超过所述告警阈值,则判断异常温度数据与异常监测数据之间的关联性强弱步骤之后,还包括:
若所述异常温度数据与所述异常监测数据之间的关联性弱,则发送仪器检修预警信息。
第二方面,本申请实施例提供了一种温度关联数据补偿系统,应用于上述技术方案中的温度关联数据补偿方法,所述系统包括:
组合模块,用于将温度数据、监测数据及时间数据组合形成时程曲线图,所述时程曲线图包括若干个周期波动曲线;
告警模块,用于通过若干个所述周期波动曲线获取所述时程曲线图的告警阈值,并检测所述时程曲线图的波动范围是否超过所述告警阈值;
关联模块,用于若所述波动范围超过所述告警阈值,则判断异常温度数据与异常监测数据之间的关联性强弱;
修正模块,用于若所述异常温度数据与所述异常监测数据之间的关联性强,则获取所述异常温度数据与所述异常监测数据之间的拟合参数KT,并通过所述拟合参数KT获取修正监测数据;
重组模块,用于将所述修正监测数据于所述时程曲线图中替换所述异常监测数据,以获取修正曲线图。
第三方面,本申请实施例提供了一种计算机,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述的温度关联数据补偿方法。
第四方面,本申请实施例提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一方面所述的温度关联数据补偿方法。
相比于相关技术,本发明的有益效果在于:利用所述时程曲线图中数据周期性波动的特性,可直观的发现异常的数据波动情况,完成灾害预警,在产生异常情况时,通过分析所述异常温度数据及所述异常监测数据之间的关联性,可明确该异常情况是否是数据范围内的异常,进而通过所述拟合参数KT完成对所述异常监测数据的修正,尽可能的降低环境温度对所述监测数据的影响,降低采集误差,提高了对整体数据分析的准确性,降低了仪器误告警的风险。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
图1为本发明第一实施例中温度关联数据补偿方法的流程图;
图2为本发明第二实施例中温度关联数据补偿方法的流程图;
图3为本发明第三实施例中温度关联数据补偿系统的结构框图;
如下具体实施方式将结合上述附图进一步说明本发明。
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,对本申请进行描述和说明。应当理解,此处所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。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
请参阅图1,本发明第一实施例提供的温度关联数据补偿方法,所述方法包括以下:
步骤S10:将温度数据、监测数据及时间数据组合形成时程曲线图,所述时程曲线图包括若干个周期波动曲线;
在本实施例中,地质灾害监测仪器为裂缝计,所述监测数据为位移数据,可以理解地,根据地质灾害监测仪器的不同,所述监测数据可为沉降数据、倾角数据、挠度数据等受温度影响而容易发生非真实波动变化的数据。
一般情况下,通过温度感知模块采集所述温度数据,通过数据监测模块采集所述监测数据,并根据采集到的所述温度数据、所述监测数据及所述时间数据,组合形成所述时程曲线图。所述时程曲线图为一段上下不断波动的曲线,每一次上下波动具有周期性规律,即所述时程曲线图包括若干个所述周期波动曲线。
步骤S20:通过若干个所述周期波动曲线获取所述时程曲线图的告警阈值,并检测所述时程曲线图的波动范围是否超过所述告警阈值;
利用所述时程曲线图中数据周期性波动的特性,可通过所述周期波动曲线获取所述告警阈值,即超范围的波动即可认定为异常波动。通过所述时程曲线图可直观的发现异常的数据波动情况,完成灾害预警。
步骤S30:若所述波动范围超过所述告警阈值,则判断异常温度数据与异常监测数据之间的关联性强弱;
进行所述异常温度数据与所述异常监测数据之间的关联性分析,其目的是对产生告警的异常波动的诱发原因进行判定,若在所述监测数据与所述温度数据关联性较强,即所述监测数据的采集误差受环境温度影响较大时,若所述异常温度数据与所述异常监测数据之间的关联性弱,则可判定为非温度影响而造成的数据异常。
步骤S40:若所述异常温度数据与所述异常监测数据之间的关联性强,则获取所述异常温度数据与所述异常监测数据之间的拟合参数KT,并通过所述拟合参数KT获取修正监测数据;
步骤S50:将所述修正监测数据于所述时程曲线图中替换所述异常监测数据,以获取修正曲线图。
通过所述拟合参数KT,完成对所述异常监测数据的修正,将所述修正监测数据替换所述异常监测数据,可还原所述周期波动曲线,即还原所述时程曲线图,即获取所述修正曲线图。通过对所述异常监测数据的修正,尽可能的降低了环境温度对所述监测数据的影响,降低采集误差,提高了对整体数据分析的准确性,降低了仪器误告警的风险。
请参阅图2,本发明第二实施例提供的温度关联数据补偿方法,所述方法包括以下步骤:
步骤S100:将温度数据、监测数据及时间数据组合形成时程曲线图,所述时程曲线图包括若干个周期波动曲线;
波动曲线的最高点集中于每日的某一时间段内,比如每日中午12点~13点时,波动曲线出现最高点,相应地,波动曲线的最低点也将出现于每日的另一时间段,通过该种规律,即可自所述时程曲线图中获取若干个所述周期波动曲线。
步骤S101:将波动范围最大的所述周期波动曲线定义为判断曲线;
在正常范围内,将波动范围最大的所述周期波动曲线,即最高点与最低点相差最大的所述周期波动曲线定义为所述判断曲线,判断所述监测数据是否超过所述判断曲线的范围。
步骤S102:提取所述判断曲线的最高点,以生成第一预警点;
步骤S103:提取所述判断曲线的最低点,以生成第二预警点;
步骤S104:将所述第一预警点及所述第二预警点设为告警阈值,并检测所述时程曲线图的波动范围是否超过所述告警阈值;
可以理解地,所述判断曲线的最高点即为可允许的最高波动点,所述判断曲线的最低点即为可允许的最低波动点,若在所述监测数据的持续获取过程中,所述监测数据未处于所述第一预警点与所述第二预警点之间,则判定所述监测数据超过了所述告警阈值,即所述波动范围超过所述告警阈值,将与超过所述第一预警点或所述第二预警点的所述监测数据对应的所述时间数据判定为告警时间。
步骤S105:若所述波动范围超过所述告警阈值,将所述周期波动曲线的开始时间至告警时间判定为异常时间段;
若所述时程曲线图中某一所述周期波动曲线内的所述监测数据超过了所述告警阈值,即将该一所述周期波动曲线的开始时间至所述告警时间判定为所述异常时间段。
步骤S106:提取所述异常时间段内的所述温度数据及所述监测数据,以生成异常温度数据及异常监测数据;
步骤S107:建立所述异常温度数据与所述异常监测数据之间的相关系数;
步骤S108:通过所述相关系数判断述异常温度数据与所述异常监测数据之间的关联性强弱;
将超过所述告警阈值的所述周期波动曲线内的所有数据均判定为异常数据,即生成所述异常温度数据及所述异常监测数据,并通过相关系数计算公式判断所述异常温度数据与所述异常监测数据之间的关联性强弱,所述相关系数的计算公式为:
通过所述相关系数,可明确所述异常温度数据与所述异常监测数据之间的“线性”关系程度,所述相关系数R的取值范围为:-1≤R≤1。对所述相关系数R求平方,可获取所述异常温度数据与所述异常监测数据之间的关联系数,所述关联系数若大于关联阀值,则所述异常温度数据与所述异常监测数据之间的关联性强,若所述关联系数小于所述关联阀值,则判定所述异常温度数据与所述异常监测数据之间的关联性弱,所述关联阀值为0.8。
步骤S109:若所述异常温度数据与所述异常监测数据之间的关联性弱,则发送仪器检修预警信息;
可以理解地,本实施例中所述的温度关联数据补偿方法所针对的是所述温度数据与所述监测数据关联性较强的地质灾害监测仪器,若所述异常温度数据与所述异常监测数据之间的关联性弱,则可判定所述周期波动曲线的异常波动为仪器本身产生的影响,此时,通过发送所述仪器检修预警信息,提醒应对仪器进行修整以获取准确的所述监测数据。
步骤S110:若所述异常温度数据与所述异常监测数据之间的关联性强,将所述异常温度数据与所述异常监测数据拟合为关联曲线,获取所述关联曲线的拟合参数KT;
步骤S111:通过所述拟合参数KT修正所述异常监测数据,以生成修正监测数据;
若在明确非仪器本身影响的情况下,即可对所述异常监测数据进行相应修整,将所述异常温度数据及所述异常监测数据拟合为线性关系,即获取所述关联曲线,进而获取所述拟合参数KT,所述拟合参数KT的计算公式为:
其中,Y为一次函数的应变量,X为一次函数的自变量,K0为一次函数的常量。
通过所述拟合参数KT对所述异常监测数据进行修正,所述修正监测数据的计算公式为:
wr= wo-KT*T,
其中,wr为修正监测数据,wo为异常监测数据,T为某一所述异常监测数据所处的时间点。
步骤S112:将所述修正监测数据于所述时程曲线图中替换所述异常监测数据,以获取修正曲线图。
可以理解地,获取所述修正监测数据后,即可对异常的所述周期波动曲线进行修整,即对所述时程曲线图进行修正,并获取所述修正曲线图,并观测所述修正曲线图中的所述周期波动曲线是否仍超过所述告警阈值,通过对所述监测数据的修正,即可降低环境温度对所述监测数据的影响,降低采集误差,提高了对整体数据分析的准确性,降低了仪器误告警的风险。
优选地,在完成所述修正曲线图的获取后,记录所述修正曲线图的获取次数,即记录修正次数,对持续运行的地质灾害监测仪器的所述修正次数进行存储记录,可定期评估数据修复效果,为后续的优化打下基础。
请参阅图3,本发明第三实施例提供了一种温度关联数据补偿系统,该系统应用于上述实施例中的所述温度关联数据补偿方法,已经进行过说明的不再赘述。如以下所使用的,术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
所述系统包括:
组合模块10,用于将温度数据、监测数据及时间数据组合形成时程曲线图,所述时程曲线图包括若干个周期波动曲线;
告警模块20,用于通过若干个所述周期波动曲线获取所述时程曲线图的告警阈值,并检测所述时程曲线图的波动范围是否超过所述告警阈值;
所述告警模块20包括:
定义单元,用于将波动范围最大的所述周期波动曲线定义为判断曲线;
第一生成单元,用于提取所述判断曲线的最高点,以生成第一预警点;
第二生成单元,用于提取所述判断曲线的最低点,以生成第二预警点;
检测单元,用于将所述第一预警点及所述第二预警点设为告警阈值,并检测所述时程曲线图的波动范围是否超过所述告警阈值
关联模块30,用于若所述波动范围超过所述告警阈值,则判断异常温度数据与异常监测数据之间的关联性强弱;
所述关联模块30包括:
第一单元,用于若所述波动范围超过所述告警阈值,将所述周期波动曲线的开始时间至告警时间判定为异常时间段;
第二单元,用于提取所述异常时间段内的所述温度数据及所述监测数据,以生成异常温度数据及异常监测数据;
第三单元,用于建立所述异常温度数据与所述异常监测数据之间的相关系数;
第四单元,用于通过所述相关系数判断述异常温度数据与所述异常监测数据之间的关联性强弱;
修正模块40,用于若所述异常温度数据与所述异常监测数据之间的关联性强,则获取所述异常温度数据与所述异常监测数据之间的拟合参数KT,并通过所述拟合参数KT获取修正监测数据;
所述修正模块40包括:
拟合单元,用于若所述异常温度数据与所述异常监测数据之间的关联性强,将所述异常温度数据与所述异常监测数据拟合为关联曲线,获取所述关联曲线的拟合参数KT;
替换单元,用于通过所述拟合参数KT修正所述异常监测数据,以生成修正监测数据。
重组模块50,用于将所述修正监测数据于所述时程曲线图中替换所述异常监测数据,以获取修正曲线图。
可以理解地,所述温度关联数据补偿系统还包括检修模块60,所述检修模块60用于若所述异常温度数据与所述异常监测数据之间的关联性弱,则发送仪器检修预警信息。
本发明还提供了一种计算机,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述技术方案中所述的温度关联数据补偿方法。
本发明还提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述技术方案中所述的温度关联数据补偿方法。
以上所述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发明专利范围的限制。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,本申请专利的保护范围应以所附权利要求为准。
Claims (6)
1.一种温度关联数据补偿方法,其特征在于,包括以下步骤:
将温度数据、监测数据及时间数据组合形成时程曲线图,所述时程曲线图包括若干个周期波动曲线;
通过若干个所述周期波动曲线获取所述时程曲线图的告警阈值,并检测所述时程曲线图的波动范围是否超过所述告警阈值;
所述通过若干个所述周期波动曲线获取所述时程曲线图的告警阈值的步骤包括:
将波动范围最大的所述周期波动曲线定义为判断曲线;
提取所述判断曲线的最高点,以生成第一预警点;
提取所述判断曲线的最低点,以生成第二预警点;
将所述第一预警点及所述第二预警点设为告警阈值;
若所述波动范围超过所述告警阈值,则判断异常温度数据与异常监测数据之间的关联性强弱;
所述则判断异常温度数据与异常监测数据之间的关联性强弱的步骤包括:
将所述周期波动曲线的开始时间至告警时间判定为异常时间段;
提取所述异常时间段内的所述温度数据及所述监测数据,以生成异常温度数据及异常监测数据;
建立所述异常温度数据与所述异常监测数据之间的相关系数;
通过所述相关系数判断述异常温度数据与所述异常监测数据之间的关联性强弱;
若所述异常温度数据与所述异常监测数据之间的关联性强,则获取所述异常温度数据与所述异常监测数据之间的拟合参数KT,并通过所述拟合参数KT获取修正监测数据;
所述则获取所述异常温度数据与所述异常监测数据之间的拟合参数KT,并通过所述拟合参数KT获取修正监测数据的步骤包括:
将所述异常温度数据与所述异常监测数据拟合为关联曲线,获取所述关联曲线的拟合参数KT;
通过所述拟合参数KT修正所述异常监测数据,以生成修正监测数据;
所述拟合参数KT的计算公式为:
其中,Y为一次函数的应变量,X为一次函数的自变量,K0为一次函数的常量;
所述修正监测数据的计算公式为:
wr= wo-KT*T,
其中,wr为修正监测数据,wo为异常监测数据,T为某一所述异常监测数据所处的时间点;
将所述修正监测数据于所述时程曲线图中替换所述异常监测数据,以获取修正曲线图。
3.根据权利要求1所述的温度关联数据补偿方法,其特征在于,在所述若所述波动范围超过所述告警阈值,则判断异常温度数据与异常监测数据之间的关联性强弱步骤之后,还包括:
若所述异常温度数据与所述异常监测数据之间的关联性弱,则发送仪器检修预警信息。
4.一种温度关联数据补偿系统,应用于如权利要求1~3任一项所述的温度关联数据补偿方法,其特征在于,所述系统包括:
组合模块,用于将温度数据、监测数据及时间数据组合形成时程曲线图,所述时程曲线图包括若干个周期波动曲线;
告警模块,用于通过若干个所述周期波动曲线获取所述时程曲线图的告警阈值,并检测所述时程曲线图的波动范围是否超过所述告警阈值;
所述告警模块包括:
定义单元,用于将波动范围最大的所述周期波动曲线定义为判断曲线;
第一生成单元,用于提取所述判断曲线的最高点,以生成第一预警点;
第二生成单元,用于提取所述判断曲线的最低点,以生成第二预警点;
检测单元,用于将所述第一预警点及所述第二预警点设为告警阈值,并检测所述时程曲线图的波动范围是否超过所述告警阈值;
关联模块,用于若所述波动范围超过所述告警阈值,则判断异常温度数据与异常监测数据之间的关联性强弱;
所述关联模块包括:
第一单元,用于若所述波动范围超过所述告警阈值,将所述周期波动曲线的开始时间至告警时间判定为异常时间段;
第二单元,用于提取所述异常时间段内的所述温度数据及所述监测数据,以生成异常温度数据及异常监测数据;
第三单元,用于建立所述异常温度数据与所述异常监测数据之间的相关系数;
第四单元,用于通过所述相关系数判断述异常温度数据与所述异常监测数据之间的关联性强弱;
修正模块,用于若所述异常温度数据与所述异常监测数据之间的关联性强,则获取所述异常温度数据与所述异常监测数据之间的拟合参数KT,并通过所述拟合参数KT获取修正监测数据;
所述修正模块包括:
拟合单元,用于若所述异常温度数据与所述异常监测数据之间的关联性强,将所述异常温度数据与所述异常监测数据拟合为关联曲线,获取所述关联曲线的拟合参数KT;
替换单元,用于通过所述拟合参数KT修正所述异常监测数据,以生成修正监测数据;
所述拟合参数KT的计算公式为:
其中,Y为一次函数的应变量,X为一次函数的自变量,K0为一次函数的常量;
所述修正监测数据的计算公式为:
wr= wo-KT*T,
其中,wr为修正监测数据,wo为异常监测数据,T为某一所述异常监测数据所处的时间点;
重组模块,用于将所述修正监测数据于所述时程曲线图中替换所述异常监测数据,以获取修正曲线图。
5.一种计算机,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至3中任一项所述的温度关联数据补偿方法。
6.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至3中任一项所述的温度关联数据补偿方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310244991.7A CN115952700B (zh) | 2023-03-15 | 2023-03-15 | 一种温度关联数据补偿方法、系统、计算机及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310244991.7A CN115952700B (zh) | 2023-03-15 | 2023-03-15 | 一种温度关联数据补偿方法、系统、计算机及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115952700A CN115952700A (zh) | 2023-04-11 |
CN115952700B true CN115952700B (zh) | 2023-05-26 |
Family
ID=85907036
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310244991.7A Active CN115952700B (zh) | 2023-03-15 | 2023-03-15 | 一种温度关联数据补偿方法、系统、计算机及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115952700B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117728580B (zh) * | 2023-12-22 | 2024-05-14 | 安徽众星电气科技有限公司 | 用电监控及安全监管可视化智能终端 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115080909A (zh) * | 2022-07-15 | 2022-09-20 | 深圳市城市交通规划设计研究中心股份有限公司 | 影响物联感知设备数据的分析方法、电子设备及存储介质 |
CN115729977A (zh) * | 2022-11-02 | 2023-03-03 | 北京航空航天大学 | 一种浅层海水温度时空预示方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH064789A (ja) * | 1992-06-22 | 1994-01-14 | Hitachi Ltd | 機器の異常監視方法および装置 |
US7318004B2 (en) * | 2005-04-01 | 2008-01-08 | Cardinal Health 303, Inc. | Temperature prediction system and method |
CN102944583B (zh) * | 2012-11-30 | 2014-05-14 | 重庆大学 | 基于漂移补偿的金属氧化物气体传感器阵列浓度检测方法 |
CN112257755B (zh) * | 2020-09-24 | 2023-07-28 | 北京航天测控技术有限公司 | 航天器运行状态的分析方法和装置 |
CN113175987A (zh) * | 2021-04-09 | 2021-07-27 | 东南大学 | 一种考虑环境温度变异的桥梁动力特性异常预警方法 |
CN113127305B (zh) * | 2021-04-22 | 2024-02-13 | 北京百度网讯科技有限公司 | 异常检测方法及装置 |
CN114239928A (zh) * | 2021-11-29 | 2022-03-25 | 国网北京市电力公司 | 碳排放的预测方法、装置、存储介质及处理器 |
CN114511233A (zh) * | 2022-02-16 | 2022-05-17 | 平安国际智慧城市科技股份有限公司 | 水质异常成因分析方法、装置及计算机设备 |
-
2023
- 2023-03-15 CN CN202310244991.7A patent/CN115952700B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115080909A (zh) * | 2022-07-15 | 2022-09-20 | 深圳市城市交通规划设计研究中心股份有限公司 | 影响物联感知设备数据的分析方法、电子设备及存储介质 |
CN115729977A (zh) * | 2022-11-02 | 2023-03-03 | 北京航空航天大学 | 一种浅层海水温度时空预示方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115952700A (zh) | 2023-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7199557B2 (en) | Apparatus, methods and computer program products for estimation of battery reserve life using adaptively modified state of health indicator-based reserve life models | |
CN115952700B (zh) | 一种温度关联数据补偿方法、系统、计算机及存储介质 | |
CN108696368B (zh) | 一种网元健康状态的检测方法及设备 | |
CN107332691B (zh) | 一种无线传感器网络故障节点检测方法 | |
AU2018326136B2 (en) | Method for investigating a functional behaviour of a component of a technical installation, computer program, and computer-readable storage medium | |
US20070055476A1 (en) | Optimizing bandwidth and power in wireless networks of smart sensors | |
CN107644148B (zh) | 一种基于多参数关联的在轨卫星异常状态监测方法及系统 | |
KR20190003580A (ko) | 감시 장치, 대상 장치의 감시 방법 및 프로그램 | |
KR100822506B1 (ko) | 터빈 버킷 산화 상태의 평가 방법 및 시스템, 그리고 터빈의 동작중에 터빈 버킷 산화 상태를 평가하여 잔여 유효 버킷 수명을 예측하는 방법 | |
CN117421610B (zh) | 一种用于电能表运行状态预警的数据异常分析方法 | |
JP5939439B2 (ja) | 異常診断装置 | |
CN113988723A (zh) | 一种基于用电数据异常分析的用户行为锁定方法和系统 | |
KR20190128420A (ko) | 클라우드 기반 가상 센서를 이용한 IoT 센서 이상 진단 방법 및 시스템 | |
CN109711602B (zh) | 设备能耗安全区间的确定方法、告警方法及装置 | |
KR20180100016A (ko) | 가우시안 혼합 모델을 이용한 배터리 상태 모니터링 방법 및 장치 | |
CN110389264A (zh) | 一种异常用电计量的检测方法 | |
EP4105856A1 (en) | Method for evaluating remaining life of component, functional module and system | |
JP2021000461A (ja) | システム、プログラム | |
KR102533572B1 (ko) | 수분 혼입 검출 장치, 수분 혼입 검출 프로그램, 수분 혼입 검출 방법, 및 수분 혼입 검출 시스템 | |
CN112329258A (zh) | 试验箱部件老化判断方法、装置、电子设备和存储介质 | |
CN113189272A (zh) | 气体传感器监测数据的修正方法和烹饪设备 | |
CN111486993A (zh) | 体温检测的矫正方法、装置、计算机设备和存储介质 | |
CN117798744B (zh) | 一种数控机床运行状态监测方法 | |
CN113075556B (zh) | 电池电压预警阈值评估方法、无线传感器和传感网 | |
US20230288394A1 (en) | Crop condition monitoring system and crop condition monitoring method using the same |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |