CN116226745B - 基于孵化间环境数据的孵化异常报警方法 - Google Patents
基于孵化间环境数据的孵化异常报警方法 Download PDFInfo
- Publication number
- CN116226745B CN116226745B CN202310511308.1A CN202310511308A CN116226745B CN 116226745 B CN116226745 B CN 116226745B CN 202310511308 A CN202310511308 A CN 202310511308A CN 116226745 B CN116226745 B CN 116226745B
- Authority
- CN
- China
- Prior art keywords
- hatching
- dimension
- environment data
- data sequence
- association
- 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
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/70—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in livestock or poultry
Landscapes
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于孵化间环境数据的孵化异常报警方法,属于数据处理技术领域;包括以下步骤:获取孵化房间中的每个孵化周期内待分析的第一孵化环境数据序列和正常的第二孵化环境数据序列;根据所述邻域半径和所述第一孵化环境数据序列的关联积分获取第一孵化环境数据序列对应的第一关联维数;获取正常的第二孵化环境数据序列对应的第二关联维数;当第一孵化环境数据序列为异常数据时发出异常报警。本发明通过关联维数将正常数据、异常数据和噪声数据进行分类,排除了噪声数据的影响,避免现有的报警方法没有考虑到噪声数据的影响,出现误发报警信号的现象。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种基于孵化间环境数据的孵化异常报警方法。
背景技术
孵化间是将蛋孵化为雏鸡的房间,里面具有孵化机等设备,将鸡蛋放置在孵化机中,孵化机控制机器内部的温度和湿度令鸡蛋孵化成雏鸡。鸡蛋在不同孵化周期时是需要不同的温度和湿度的,因此孵化机要根据孵化周期不同调整孵化的温度。温度较高会导致胚胎过快发育,出壳早,雏鸡软弱不易成活,再高会导致胚胎死亡。而如果温度交底胚胎发育较慢,出壳晚而不齐打乱周期,温度过低会导致死亡。
为了实现上述目的,本领域技术人员采用现有的孵化报警方法,基本都是使用传感器检测,给出阈值,当传感器数据在阈值范围外就认为是异常数据,但是,通过此方法没有考虑到传感器采集到噪声数据的影响,故而误发出报警信号。为了检测孵化间的环境数据来确保雏鸡的正常发育,本发明提供了一种基于孵化间环境数据的孵化异常报警方法。
发明内容
为了解决背景技术中的不足;本发明提供一种基于孵化间环境数据的孵化异常报警方法,该方法通过关联维数将正常数据、异常数据和噪声数据进行分类,排除了噪声数据的影响,避免现有的报警方法没有考虑到噪声数据的影响,出现误发报警信号的现象。
本发明的目的是提供一种基于孵化间环境数据的孵化异常报警方法,包括以下步骤:获取孵化房间中的每个孵化周期内待分析的第一孵化环境数据序列和正常的第二孵化环境数据序列;其中,所述孵化环境数据序列包括温度数据序列或湿度数据序列;
将第二孵化环境数据序列通过嵌入预设维数获取多个第二向量;
根据多个第二向量获取相空间的邻域半径;
将第一孵化环境数据序列通过嵌入相同的所述预设维数获取多个第一向量;
根据两两第一向量的矢量之差的模与所述邻域半径的差值获取第一孵化环境数据序列的关联积分;再根据所述邻域半径和所述第一孵化环境数据序列的关联积分获取第一孵化环境数据序列对应的第一关联维数;同理,根据两两第二向量的矢量之差的模获取正常的第二孵化环境数据序列对应的第二关联维数;
根据第一关联维数与第二关联维数判断第一关联维数对应的第一孵化环境数据序列为噪声数据或异常数据;当第一孵化环境数据序列为异常数据时发出异常报警。
在一实施例中,所述邻域半径是按照以下步骤获取:
从多个第二向量中选取每个元素为最大值的第二向量和每个元素为最小值的第二向量;将每个元素为最大值的第二向量与每个元素为最小值的第二向量的矢量之差的模作为邻域半径。
在一实施例中,所述第一孵化环境数据序列对应的第一关联维数是按照以下步骤获取的:
根据所述第一孵化环境数据序列的关联积分和所述邻域半径计算对应于预设维数的关联维数估计值;
通过增加嵌入预设维数,重新计算关联维数估计值,直至相应的关联维数估计值不在变化时为止,将不在变化时的关联维数估计值作为第一孵化环境数据序列对应的第一关联维数。
在一实施例中,所述的嵌入预设维数的初始值设为2。
在一实施例中,所述第一关联维数对应的第一孵化环境数据序列为噪声数据或异常数据是按照以下步骤进行判断:
当第一关联维数与第二关联维数的差值大于预设阈值时,则所述第一关联维数对应的第一孵化环境数据序列为噪声数据;
当第一关联维数与第二关联维数的差值小于预设阈值时,则所述第一关联维数对应的第一孵化环境数据序列为异常数据。
在一实施例中,所述正常的第二孵化环境数据序列对应的第二关联维数是按照以下步骤获取:
根据两两第二向量的矢量之差的模与所述邻域半径的差值获取第二孵化环境数据序列的关联积分;
根据所述第二孵化环境数据序列的关联积分和所述邻域半径计算对应于预设维数的关联维数估计值;再通过增加嵌入预设维数,重新计算关联维数估计值,直至相应的关联维数估计值不在变化时为止,将不在变化时的关联维数估计值作为第二孵化环境数据序列对应的第二关联维数。
本发明的有益效果是:本发明提供的一种基于孵化间环境数据的孵化异常报警方法,该方法主要通过正常的第二孵化环境数据序列来分析第一孵化环境数据序列,首先通过正常的第二孵化环境数据序列确定相空间的邻域半径,再根据邻域半径计算第一孵化环境数据序列对应的第一关联维数,由于使用关联维数可将孵化环境数据区分出正常数据和包括异常数据和噪声数据其他数据;故基于G-P算法将正常数据与其他数据进行区分,最后,根据常的第二孵化环境数据序列对应的第二关联维数与待分析的第一孵化环境数据序列对应的第二关联维数做差进一步区分,将其他数据中的异常数据和噪声数据进行区分,从而可以排除噪声数据的影响;而获取待分析的孵化环境数据为异常数据,并发出异常报警信号,工作人员可根据发出的报警对孵化环境进行调控。避免现有的报警方法没有考虑到噪声数据的影响,出现误发报警信号的现象。
附图说明
为了更清楚地说明本发明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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的一种基于孵化间环境数据的孵化异常报警方法的实施例总体步骤的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明主要针对现有的报警方法基本都是使用传感器检测,给出阈值,当传感器数据在阈值范围外就认为是异常数据,这样做就是没有考虑到传感器采集到噪声数据的影响,故而误发出报警信号。为此,本发明首先对某一时间段采集的孵化环境数据通过计算关联维数,由于使用关联维数可将孵化环境数据分为正常数据,异常数据和噪声数据;故与正常的孵化环境数据的关联维数进行判断,将这三种数据进行分类,排除了噪声数据的影响;而获取孵化环境数据为异常数据,并发出异常报警信号,工作人员可根据发出的报警对孵化环境进行调控。
下述实施例以小鸡孵化为例,对本发明提供的基于孵化间环境数据的孵化异常报警方法进行说明。
本发明提供的一种基于孵化间环境数据的孵化异常报警方法,参见图1所示,包括以下步骤:
S1、获取孵化房间中的孵化环境数据;
获取孵化房间中的每个孵化周期内待分析的第一孵化环境数据序列和正常的第二孵化环境数据序列;其中,所述孵化环境数据序列包括温度数据序列或湿度数据序列;
需要说明的是,正常的第二孵化环境数据序列指的是在对应的孵化周期内在适宜孵化环境下采集的温度或湿度,不存在异常数据或者是噪声数据。具体是根据历史数据而获取的正常的第二孵化环境数据序列。在本实施例中,主要是通过正常的第二孵化环境数据序列来分析第一孵化环境数据序列,因为实时采集的第一孵化环境数据序列中不光包含正常的数据还包括噪声数据以及异常数据。噪声数据主要是由于采集的设备或者其他因素导致的突变数据。比如,在使用温度传感器采集孵化间温度时,传感器可能会由于噪声干扰,导致原本孵化间温度在采集时出现温度跳跃,例如孵化间温度为38度,传感器收到噪声干扰将温度采集成了39度,这39度就是噪声数据,是采集出现错误的数据,在检测温度时要将噪声数据排除。除了噪声数据以外,就是正常数据和异常数据了,正常数据为采集到的一个序列数据大部分都在对应孵化周期的温度范围内,而异常数据就是大部分温度数据都不在对应孵化温度范围内。
在本实施例中,在孵化房间的孵化机处放置湿度传感器和温度传感器,传感器变换为1s,即每秒更新传感器数据,在每个对应的孵化周期内每5min采集一次传感器数据,间隔5min后再次采集一次传感器数据,每次采集新的数据时消除旧数据,将每次采集的孵化环境数据,也就是通过传感器采集5min的温度数据序列或者湿度数据序列作为研究对象进行后续的分析,来判断是否异常。其中,孵化周期通常分为A、B、C三个周期,通过先验已知鸡蛋在不同周期由不同的孵化温度,A周期表示第1-6天;B周期表示第7-15天,C周期表示16-21天;A周期的孵化温度为38.5度左右,即38.4-38.6度,B周期的孵化温度为38度左右,即37.9-38.1度,C周期孵化温度为37.4度左右,即37.3-37.5度。
S2、获取第一关联维数和第二关联维数;
将第二孵化环境数据序列通过嵌入预设维数获取多个第二向量;
根据多个第二向量获取相空间的邻域半径;
将第一孵化环境数据序列通过嵌入相同的所述预设维数获取多个第一向量;
根据两两第一向量的矢量之差的模与所述邻域半径的差值获取第一孵化环境数据序列的关联积分;再根据所述邻域半径和所述第一孵化环境数据序列的关联积分获取第一孵化环境数据序列对应的第一关联维数;同理,根据两两第二向量的矢量之差的模获取正常的第二孵化环境数据序列对应的第二关联维数;
在本实施例中,将第二孵化环境数据序列通过嵌入预设维数获取多个第二向量;也就是对第二孵化环境数据序列进行分组,每组的数据数量等于预设的维数,这样每组数据作为一个向量。
需要说明的是,本实施例中主要是基于G-P算法来计算数据序列的关联维数,在计
算关联维数时先要设定数据序列对应的嵌入维数和邻域半径;具体假设每个孵化周期中采
集到的温度数据序列为,将采集到的温度数据序列根据嵌入预设维数分
组为,共分为组,每组数据都表示一个m维向量,其中,时间延
迟的取值使用采集到的温度数据序列的自相关函数而得到;根据时间延迟以及嵌入的预
设维数重构温度数据序列的相空间,m是嵌入维数,是一直在变换的,相空间就是m维空间;
比如m取3,那么这个空间就是3维相空间,就把温度序列分组成了多个3维向量;为此,在本
实施例中,首先通过正常的第二孵化环境数据序列确定相空间的邻域半径,再根据邻域半
径计算第一孵化环境数据序列对应的第一关联维数,具体如下:
在本实施例中,所述第一孵化环境数据序列对应的第一关联维数是按照以下步骤获取的:
根据所述第一孵化环境数据序列的关联积分和所述邻域半径计算对应于预设维数的关联维数估计值;
通过增加嵌入预设维数,重新计算关联维数估计值,直至相应的关联维数估计值不在变化时为止,将不在变化时的关联维数估计值作为第一孵化环境数据序列对应的第一关联维数。
需要说明的是,在计算关联维数时,需要在相空间选取一个邻域半径r,令所有矢
量差和邻域半径做比较,根据比较结果使用赫维赛德函数分类。此时,将在正常的第二孵化
环境数据序列中,从多个第二向量中选取每个元素为最大值的第二向量和每个元素为最小
值的第二向量;将每个元素为最大值的第二向量与每个元素为最小值的第二向量的矢量之
差的模作为邻域半径。矢量之差的模记为L,因此另相空间邻域半径为。另外,邻域半
径r是与嵌入预设维数m有关的,无论m取多少,r表示都是该维向量对应的最大半径。其中,
每个元素为最大值的第二向量也就是当一个向量里所有数都是温度或者湿度最大值对应
的向量;每个元素为最小值的第二向量也就是一个向量里所有数都是温度或者湿度最小值
对应向量。
其中,若采集到的温度数据序列中有噪声数据,则两个向量矢量之差的模会大于邻域半径r的数据,正常的温度数据序列对应的两个向量矢量之差的模会小于邻域半径r,温度异常状态下两个矢量之差的模会存在大于邻域半径r的数据,因此对于采集到的孵化温度数据序列计算其关联维度,当关联维度不为0时,就表示该温度数据序列有噪声数据影响或者存在异常数据。
在本实施例中,对每个孵化周期中的第一孵化环境数据序列的关联积分计算公式如下:
式中,表示第一孵化环境数据序列的关联积分;
表示第个第一向量;表示第个第一向量;表示第个第一向量与第个
第一向量矢量之差的模,也就是任意两个第一向量的矢量之差的模;
表示邻域半径;表示分组后第一向量的个数;
表示赫维赛德函数:
由此根据第一孵化环境数据序列的关联积分和邻域半径计算对应于初始设置的
嵌入预设维数的关联维数估计值,所述第一孵化环境数据序列的关联积分和邻域
半径具有对数线性关系,具体表达式如下:
式中,表示关联维数估计值,需要说明的是,设定不为1。
通过增加嵌入预设维数,重新计算关联维数估计值,直至相应的关联维数估计
值不在随着维数的增加而在一定误差范围内变化时为止,将不在变化时的关联维数估计值
作为第一孵化环境数据序列对应的第一关联维数。
其中,将邻域半径r从L逐渐下降,直到r=0位置,得到和的值,利用半径r
从0到L得到的值为横坐标,对应得到的值为纵坐标进行最小二乘拟合得到对应
于嵌入预设维数的关联维数估计值,即将拟合的直线的斜率作为关联维数的估计值;当
温度序列中存在噪声数据时,噪声数据对整体数据的影响幅度较大,其最大矢量差相较于
正常温度序列变化较大。而异常数据是序列总体温度升高或者降低,其最大矢量差相较于
正常温度变化较小,而关联维数是表示数据混沌状态的特征,噪声数据变化较大,混沌特性
较大,异常数据变化较小,混沌特性较小,本实施例中利用半径r从0到L得到的值和对应
得到的值进行直线拟合属于本领域技术人员的常规技术,同时拟合出的直线也是本
技术领域人员能够直接获得的一条直线,都属于常规技术,因此本实施例对其拟合的具体
直线不做详细的描述和其拟合直线的具体结构图示不做详细的描述。
需要说明的是,通过增加嵌入预设维数,重新计算对应的邻域半径以及关联积
分,且通过重新计算的关联积分和邻域半径计算关联维数估计值;增加嵌入预设维数,直
至相应的关联维数估计值不在随着维数的增加而在一定误差范围内变化时为止,将不在变
化时的关联维数估计值作为第一孵化环境数据序列对应的第一关联维数。当D=0时,表示该
孵化环境数据序列中的数据都在正常的数据范围内,比如,对于温度数据序列中的温度在
适宜的温度范围内,适合孵化。当时,表示该孵化环境数据序列中有噪声数据影响或
者存在异常数据。为了减少误报、假报等情况,因此要将噪声数据和异常数据进行区别。
同理,根据两两第二向量的矢量之差的模获取正常的第二孵化环境数据序列对应的第二关联维数;具体所述正常的第二孵化环境数据序列对应的第二关联维数是按照以下步骤获取:
根据两两第二向量的矢量之差的模与所述邻域半径的差值获取第二孵化环境数据序列的关联积分;
根据所述第二孵化环境数据序列的关联积分和所述邻域半径计算对应于预设维数的关联维数估计值;再通过增加嵌入预设维数,重新计算关联维数估计值,直至相应的关联维数估计值不在变化时为止,将不在变化时的关联维数估计值作为第二孵化环境数据序列对应的第二关联维数。
需要说明的是,正常的第二孵化环境数据序列与第一孵化环境数据序列长度相
同;从而计算出在相同孵化周期内正常的第二孵化环境数据序列对应的第二关联维数,记
为。
为此,获取每个孵化周期内某一时间段的第一孵化环境数据序列对应的第一关联维数和第二孵化环境数据序列对应的第二关联维数。
需要说明的是,关联维数就是表示数据的一个混沌性质,一般来说维数越小,数据混沌性越小,也就是说数据越有规律,传统关联维数计算是不会让邻域半径r取值太大,这样无法合理表示这组数据的维数;而在本实施例中,考虑到了其余数据和正常数据的不同,发现当邻域半径r取为正常的第二孵化环境数据序列对应最大矢量时,使得第一孵化环境数据序列中的正常数据完全被包含,但是其余数据可能不会被包含,因此将正常的第二孵化环境数据序列对应最大矢量之差的模作为邻域半径r,来区分正常数据和其余数据,其中,其余数据就是异常数据和噪声数据。
S3、根据第一关联维数与第二关联维数判断第一关联维数对应的第一孵化环境数据序列为噪声数据或异常数据;
需要说明的是,关联维数是表示数据混沌状态的特征,噪声数据变化较大,混沌特性较大,异常数据变化较小,混沌特性较小。为此,所述第一关联维数对应的第一孵化环境数据序列为噪声数据或异常数据是按照以下步骤进行判断:
当第一关联维数与第二关联维数的差值大于预设阈值时,则所述第一关联维数对应的第一孵化环境数据序列为噪声数据;
当第一关联维数与第二关联维数的差值小于预设阈值时,则所述第一关联维数对应的第一孵化环境数据序列为异常数据。
根据不同的数据,设定不同的阈值,阈值记为,具体根据实际场景进行预设阈值;在本实施例中经验值设定=1;
当第一关联维数与第二关联维数的差值大于预设阈值时,即,则所述
第一关联维数对应的第一孵化环境数据序列中存在噪声数据;
当第一关联维数与第二关联维数的差值小于预设阈值时,即,则所述第
一关联维数对应的孵化环境数据中存在大量的异常数据。
为此,通过对每个孵化周期内某一时间段的温度数据序列和湿度数据序列进行分析,确定某一时间段的温度数据序列是否为异常数据,确定某一时间段的湿度数据序列是否为异常数据。
S4、当第一孵化环境数据序列为异常数据时发出异常报警。
在本实施例中,当某一时间段的温度数据序列和湿度数据序列存在一个异常数据时,启动报警程序,发出异常报警,工作人员可根据发出的报警对孵化环境进行调控。
其中,在计算每个温度数据序列的关联维数之前,由于温度高于43度或低于33度都会导致鸡蛋直接死亡,因此当温度传感器采集到温度大于43度或者小于33度时,直接报警,不进行异常分析。
本发明提供的一种基于孵化间环境数据的孵化异常报警方法,该方法主要通过正常的第二孵化环境数据序列来分析第一孵化环境数据序列,首先通过正常的第二孵化环境数据序列确定相空间的邻域半径,再根据邻域半径计算第一孵化环境数据序列对应的第一关联维数,由于使用关联维数可将孵化环境数据区分出正常数据和包括异常数据和噪声数据其他数据;故基于G-P算法将正常数据与其他数据进行区分,最后,根据常的第二孵化环境数据序列对应的第二关联维数与待分析的第一孵化环境数据序列对应的第二关联维数做差进一步区分,将其他数据中的异常数据和噪声数据进行区分,从而可以排除噪声数据的影响;而获取待分析的孵化环境数据为异常数据,并发出异常报警信号,工作人员可根据发出的报警对孵化环境进行调控。避免现有的报警方法没有考虑到噪声数据的影响,出现误发报警信号的现象。
以上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 (4)
1.一种基于孵化间环境数据的孵化异常报警方法,其特征在于,包括以下步骤:
获取孵化房间中的每个孵化周期内待分析的第一孵化环境数据序列和正常的第二孵化环境数据序列;其中,所述孵化环境数据序列包括温度数据序列或湿度数据序列;
将第二孵化环境数据序列通过嵌入预设维数获取多个第二向量;
根据多个第二向量获取相空间的邻域半径;
将第一孵化环境数据序列通过嵌入相同的所述预设维数获取多个第一向量;
根据两两第一向量的矢量之差的模与所述邻域半径的差值获取第一孵化环境数据序列的关联积分;再根据所述邻域半径和所述第一孵化环境数据序列的关联积分获取第一孵化环境数据序列对应的第一关联维数;同理,根据两两第二向量的矢量之差的模获取正常的第二孵化环境数据序列对应的第二关联维数;
根据第一关联维数与第二关联维数判断第一关联维数对应的第一孵化环境数据序列为噪声数据或异常数据;当第一孵化环境数据序列为异常数据时发出异常报警;
所述邻域半径是按照以下步骤获取:
从多个第二向量中选取每个元素为最大值的第二向量和每个元素为最小值的第二向量;将每个元素为最大值的第二向量与每个元素为最小值的第二向量的矢量之差的模作为邻域半径;
所述第一关联维数对应的第一孵化环境数据序列为噪声数据或异常数据是按照以下步骤进行判断:
当第一关联维数与第二关联维数的差值大于预设阈值时,则所述第一关联维数对应的第一孵化环境数据序列为噪声数据;
当第一关联维数与第二关联维数的差值小于预设阈值时,则所述第一关联维数对应的第一孵化环境数据序列为异常数据。
2.根据权利要求1所述的基于孵化间环境数据的孵化异常报警方法,其特征在于,所述第一孵化环境数据序列对应的第一关联维数是按照以下步骤获取的:
根据所述第一孵化环境数据序列的关联积分和所述邻域半径计算对应于预设维数的关联维数估计值;
通过增加嵌入预设维数,重新计算关联维数估计值,直至相应的关联维数估计值不再变化时为止,将不再变化时的关联维数估计值作为第一孵化环境数据序列对应的第一关联维数。
3.根据权利要求1所述的基于孵化间环境数据的孵化异常报警方法,其特征在于,所述的嵌入预设维数的初始值设为2。
4.根据权利要求1所述的基于孵化间环境数据的孵化异常报警方法,其特征在于,所述正常的第二孵化环境数据序列对应的第二关联维数是按照以下步骤获取:
根据两两第二向量的矢量之差的模与所述邻域半径的差值获取第二孵化环境数据序列的关联积分;
根据所述第二孵化环境数据序列的关联积分和所述邻域半径计算对应于预设维数的关联维数估计值;再通过增加嵌入预设维数,重新计算关联维数估计值,直至相应的关联维数估计值不再变化时为止,将不再变化时的关联维数估计值作为第二孵化环境数据序列对应的第二关联维数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310511308.1A CN116226745B (zh) | 2023-05-09 | 2023-05-09 | 基于孵化间环境数据的孵化异常报警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310511308.1A CN116226745B (zh) | 2023-05-09 | 2023-05-09 | 基于孵化间环境数据的孵化异常报警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116226745A CN116226745A (zh) | 2023-06-06 |
CN116226745B true CN116226745B (zh) | 2023-08-11 |
Family
ID=86589524
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310511308.1A Active CN116226745B (zh) | 2023-05-09 | 2023-05-09 | 基于孵化间环境数据的孵化异常报警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116226745B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117216484B (zh) * | 2023-11-08 | 2024-01-26 | 山东汇蓝环保科技有限公司 | 基于多维数据分析的环境数据监测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105005583A (zh) * | 2015-06-17 | 2015-10-28 | 清华大学 | 一种社交网络中信息转发增量的预测方法及系统 |
WO2020224112A1 (zh) * | 2019-05-07 | 2020-11-12 | 深圳大学 | 一种基于训练级数模型的时间序列预测方法 |
CN111983470A (zh) * | 2020-08-24 | 2020-11-24 | 哈尔滨理工大学 | 一种基于关联维数的锂离子动力电池安全度评估方法及装置 |
CN113633293A (zh) * | 2021-07-29 | 2021-11-12 | 佛山科学技术学院 | 混沌检测t波电交替的心源性猝死预警方法 |
CN114511115A (zh) * | 2022-02-08 | 2022-05-17 | 珠海格力电器股份有限公司 | 一种机房空调性能评估方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11415139B2 (en) * | 2019-07-08 | 2022-08-16 | Purdue Research Foundation | Compressor stall warning using nonlinear feature extraction algorithms |
-
2023
- 2023-05-09 CN CN202310511308.1A patent/CN116226745B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105005583A (zh) * | 2015-06-17 | 2015-10-28 | 清华大学 | 一种社交网络中信息转发增量的预测方法及系统 |
WO2020224112A1 (zh) * | 2019-05-07 | 2020-11-12 | 深圳大学 | 一种基于训练级数模型的时间序列预测方法 |
CN111983470A (zh) * | 2020-08-24 | 2020-11-24 | 哈尔滨理工大学 | 一种基于关联维数的锂离子动力电池安全度评估方法及装置 |
CN113633293A (zh) * | 2021-07-29 | 2021-11-12 | 佛山科学技术学院 | 混沌检测t波电交替的心源性猝死预警方法 |
CN114511115A (zh) * | 2022-02-08 | 2022-05-17 | 珠海格力电器股份有限公司 | 一种机房空调性能评估方法及装置 |
Non-Patent Citations (1)
Title |
---|
关联维数分析方法在液压泵多故障诊断中的应用研究;吴胜强 等;《液压与气动》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116226745A (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116226745B (zh) | 基于孵化间环境数据的孵化异常报警方法 | |
CN109258509A (zh) | 一种生猪异常声音智能监测系统与方法 | |
KR101598898B1 (ko) | 음향 및 영상분석을 통한 넙치 질병 예방 시스템 | |
Mertens et al. | Statistical control charts as a support tool for the management of livestock production | |
CN108375548B (zh) | 一种基于大数据的鱼塘养殖投料评估系统 | |
CN116384594B (zh) | 基于大数据分析的作物虫害预警方法、系统、终端及介质 | |
CN112544491A (zh) | 一种识别圈养动物腹泻的方法及系统 | |
Miekley et al. | Mastitis detection in dairy cows: the application of support vector machines | |
CN113628253A (zh) | 一种精准检测动物个体健康的方法及系统与存储介质 | |
CN117392610A (zh) | 一种养殖鱼异常状态的智能监测方法及系统 | |
CN115342937B (zh) | 温度异常检测方法及装置 | |
KR101687787B1 (ko) | 과산계 선별 시스템 | |
Exadaktylos et al. | Chapter Automatic Identification and Interpretation of Animal Sounds, Application to Livestock Production Optimisation | |
Liberati et al. | Improving the automated monitoring of dairy cows by integrating various data acquisition systems | |
CN116686747A (zh) | 一种可提高孵化率的禽蛋检测系统及方法 | |
CN114637014B (zh) | 一种基于水下机器人的无人渔场鱼群行为识别系统及方法 | |
US11576354B2 (en) | Method for customized monitoring of sounds caused by respiratory distress | |
CN116205885A (zh) | 异常状态检测方法、系统、电子设备及可读存储介质 | |
CN109359624A (zh) | 基于神经网络的蛋鸡采食行为的预测方法及预测装置 | |
KR102305704B1 (ko) | 어류의 질병여부를 판단하고 포획할 수 있는 어류질병 감지장치 | |
CN118427542B (zh) | 一种畜牧养殖环境实时监测方法 | |
CN112237433A (zh) | 一种脑电信号异常监测系统及方法 | |
CN118247281B (zh) | 一种日本对虾白斑病毒辅助检测方法 | |
JP2000259220A (ja) | 監視装置 | |
Zhang et al. | Automatic Weighing and Analysis System for Broiler Chickens Based on Mean-Shift Clustering Analysis |
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 |