发明内容
本发明提供一种基于物联网的现场施工在线管理系统,旨在通过自适应的门限值,实现施工现场数据的高效压缩,提高存储空间的利用率。
为实现上述目的,本发明提供一种基于物联网的现场施工在线管理系统,所述系统包括:
数据获取模块,用于获取施工现场的温度传感器采集的温度时序数据;
分割模块,用于并对所述温度时序数据进行拟合,获得拟合温度时序数据,并将所述温度时序数据对应的时间段分割成若干个待评估时间段;
参数确定模块,用于根据所述温度时序数据和所述拟合温度时序数据确定待评估时间段的待评估温度时序数据的门限值参数,所述门限值参数包括所述重要性程度、噪声存在的可能性以及噪声影响程度;
门限值调整系数确定模块,用于根据各个待评估时间段的门限值参数确定所述待评估时间段的待评估温度时序数据的门限值调整系数;
压缩处理模块,用于基于所述门限值调整系数确定所述温度时序数据的门限值,并根据所述门限值和旋转门算到获得压缩数据,并基于所述压缩数据实现施工现场的在线管理。
可选地,所述分割模块包括:
第一拟合单元,用于利用最小二乘法对所述温度时序数据进行曲线拟合,获得拟合后的拟合温度时序数据;
分割点确定单元,用于确定所述拟合温度时序数据的拟合曲线的波峰点和波谷点,将所述波峰点和波谷点作为分割点;
分割单元,用于通过所述分割点将所述温度时序数据对应的时间段分割为若干个待评估时间段。
可选地,所述参数确定模块包括:
重要性程度确定单元,用于基于所述待评估时间段内对应的温度时序数据和拟合温度时序数据确定所述待评估时间段对应的待评估温度时序数据的重要性程度;
第二拟合单元,用于根据所述温度时序数据的奇偶性进行拟合,获得与所述待评估时间段对应的第一数据集合、第二数据集合,并基于差值绝对值确定第三数据集合;
可能性和噪声影响程度确定单元,用于通过所述第一数据集合、第二数据集合以及所述第三数据集合确定所述待评估时间段噪声存在的可能性和噪声影响程度。
可选地,所述重要性程度确定单元包括:
数据方差确定单元,用于计算所述待评估时间段在拟合温度时序数据中对应的相邻数据点的差值绝对值,获得待评估时间段的温度差值集合,确定所述温度差值集合中的数据方差;
序列获得单元,用于计算所述温度差值集合中的前温度差值与后一个温度差值的差值,对所述差值进行标记,获得标记序列,并统计所述标记序列中趋势一致的数据量;
重要性程度确定单元,用于基于所述趋势一致的数据量、待评估时间段的时长、所述温度差值集合中的数据方差确定所述待评估时间段对应的待评估温度时序数据的重要性程度。
可选地,所述第二拟合单元包括:
第一数据集合获得单元,从所述温度时序数据中获取与所述待评估时间段对应的目标温度时序数据,将所述目标温度时序数据中时间为偶数的数据进行曲线拟合,获得第一数据集合;
第二数据集合获得单元,用于将所述目标温度时序数据中为奇数的数据进行曲线拟合,获得第二数据集合;
第三数据集合获得单元,用于计算待评估时间段内对应的温度时序数据与拟合温度时序数据对应数据点的差值绝对值,将各个差值绝对值表示为第三数据集合,并确定所述第三数据集合的信息熵;
可选地,所述可能性和噪声影响程度确定单元包括:
可能性确定单元,用于基于所述第三数据集合的信息熵以及所述第一数据集合、第二数据集合中对应数据点的数值确定所述待评估时间段噪声存在的可能性;
噪声影响程度确定单元,用于确定所述第三数据集合中所有数值之和,基于所述数值之和确定所述待评估时间段的噪声影响程度。
可选地,所述门限值调整系数确定模块包括:
第一确定单元,用于确定所述噪声存在的可能性与噪声影响程度之积的自然对数值;
第二确定单元,用于确定所述自然对数值与所述重要性程度的积,归一化至区间[0,1]内,获得归一化值;
第三确定单元,用于将1与所述归一化值的差值确定为所述门限值调整系数。
可选地,所述压缩处理模块包括:
门限值确定单元,用于基于各个待评估温度时序数据的门限值调整系数确定所述温度时序数据的门限值;
压缩单元,用于基于所述门限值旋转门算法对所述温度时序数据进行压缩,获得压缩数据,并将所述压缩数据上传至云平台;
处理单元,用于对所述压缩数据进行分析处理,实现施工现场的在线管理。
相比现有技术,本发明提出的一种基于物联网的现场施工在线管理系统,包括数据获取模块,用于获取施工现场的温度传感器采集的温度时序数据;分割模块,用于并对所述温度时序数据进行拟合,获得拟合温度时序数据,并将所述温度时序数据对应的时间段分割成若干个待评估时间段;参数确定模块,用于根据所述温度时序数据和所述拟合温度时序数据确定待评估时间段的待评估温度时序数据的门限值参数,所述门限值参数包括所述重要性程度、噪声存在的可能性以及噪声影响程度;门限值调整系数确定模块,用于根据各个待评估时间段的门限值参数确定所述待评估时间段的待评估温度时序数据的门限值调整系数;压缩处理模块,用于基于所述门限值调整系数确定所述温度时序数据的门限值,并根据所述门限值和旋转门算到获得压缩数据,并基于所述压缩数据实现施工现场的在线管理。如此基于温度时序数据及拟合温度时序数据确定待评估时间段的门限值,实现了门限值的自适应调整,有利于施工现场数据的高效压缩,提高了存储空间的利用率。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
请参照图1,图1是本发明基于物联网的现场施工在线管理系统第一实施例的组成示意图。如图1所示,本发明第一实施例提出一种基于物联网的现场施工在线管理系统,所述系统包括:
数据获取模块10,用于获取施工现场的温度传感器采集的温度时序数据;
设备运行时温度的变化能准确地反应出设备的运行状况。设备运行正常时,温度在预设范围内稳定地上升或者下降,但是出现异常时会导致温度突变。基于此,通过安装在设备上的温度传感器实时采集设备的温度变化,将采集到的温度变化与时间一起标记为温度时序数据,通过物联网获取温度时序数据,以供后续对该温度时序数据进行分析。
分割模块20,用于并对所述温度时序数据进行拟合,获得拟合温度时序数据,并将所述温度时序数据对应的时间段分割成若干个待评估时间段;
温度时序数据中的各个温度数据是变化的,但是存在一定变化趋势,因此可以分割为温度上升时间段、温度下降时间段。本实施例基于温度变化趋势对温度时序数据进行分割。
参考图2,图2是本发明基于物联网的现场施工在线管理系统第一实施例的细化组成示意图,如图2所示所述分割模块包括:
第一拟合单元201,用于利用最小二乘法对所述温度时序数据进行曲线拟合,获得拟合后的拟合温度时序数据;
分割点确定单元202,用于确定所述拟合温度时序数据的拟合曲线的波峰点和波谷点,将所述波峰点和波谷点作为分割点;
分割单元203,用于通过所述分割点将所述温度时序数据A对应的时间段分割为若干个待评估时间段。
本实施例将所述温度时序数据表示为
,其中n表示采集时序数据的时长。利用最小二乘法对温度时序数据A进行曲线拟合,获得拟合后的拟合温度时序数据
。最小二乘法是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据,并使得这些求得的数据与实际数据之间误差的平方和为最小,基于最小二乘法进行曲线拟合可以获得与实际温度变化最接近的拟合曲线。
本实施例拟合温度时序数据对应的拟合曲线上的波峰点和波谷点为分割点,将温度时序数据A对应的时间段分割成若干个待评估时间段,分割后获得的每一段时间内设备运行的温度随时间下降或者上升。
参数确定模块30,用于根据所述温度时序数据和所述拟合温度时序数据确定待评估时间段的待评估温度时序数据的门限值参数,所述门限值参数包括所述重要性程度、噪声存在的可能性以及噪声影响程度;
参照图3,图3是本发明基于物联网的现场施工在线管理系统第一实施例的又一细化组成示意图,如图3所示,所述参数确定模块包括重要性程度确定单元301、第二拟合单元302以及可能性和噪声影响程度确定单元303。
其中,重要性程度确定单元301,用于基于所述待评估时间段内对应的温度时序数据和拟合温度时序数据确定所述待评估时间段对应的待评估温度时序数据的重要性程度;
重要性程度确定单元包括数据方差确定单元、序列获得单元、重要性程度确定单元。
其中,数据方差确定单元,用于计算所述待评估时间段在拟合温度时序数据
中对应的相邻数据点的差值绝对值,获得待评估时间段的温度差值集合B,确定所述温度差值集合中的数据方差;
序列获得单元,用于计算所述温度差值集合中的前温度差值与后一个温度差值的差值,对所述差值进行标记,获得标记序列,并统计所述标记序列C中趋势一致的数据量;
重要性程度确定单元,用于基于所述趋势一致的数据量、待评估时间段的时长、所述温度差值集合中的数据方差确定所述待评估时间段对应的待评估温度时序数据的重要性程度。
旋转门算法是一种线性拟合算法,其门限值一般根据经验选取,且压缩过程中门限值固定,在施工现场设备运行的场景中正常情况下温度时序数据变化平缓,可利用较大的门限值,提高压缩效果,但当施工现场设备出现负载时,温度变化剧烈,较大的门限值会令压缩后的数据损失较大。因此本方案根据设备运行温度上升和下降过程中的趋势变化,识别重要数据,自适应门限值。
具体地,以所述温度时序数据中一个待评估时间段内的待评估温度时序为例,已知施工现场设备正常运行时温度变化趋于平缓,而当施工现场设备出现故障或负载增加时,会产生较多热量,使温度上升;当设备负载减小时,产生的热量也随之减小,温度出现下降,导致温度数据的变化趋势出现波动。旋转门算法是一种线性拟合算法,本实施例的门限值需要自适应地根据曲线拟合的时序数据的线性特征分析,计算所述待评估时间段在拟合温度时序数据
中对应的相邻数据点的差值绝对值,得待评估时间段的温度差值集合B:
,其中m表示该时间段的时长。并确定所述温度差值集合B中的数据方差V。统计温度差值集合B中前一个数据减后一个数据的差值,对获得的差值进行标记,当差值为负时,标记为-1,当差值为0时,标记为0,当差值为正时,标记为1,由此获的长度为m-2的-1、0、1标记序列C。
将待评估温度时序数据的重要性程度表示为D,则:
其中,F表示序列C中变化趋势相同数据的数量(如:-1、1、1、0、1的F为4),m为待评估时间段的时长,V表示集合B中的数据方差。
温度上升和温度下降的过程可分为递增、递减和均匀变化状态,施工现场设备正常运行时,温度上升和下降的变化趋势平缓,且长时间处于一种状态下。当出现异常时,会导致温度上升和下降的趋势突变,令温度变化状态起伏不定。由于集合B中的各个温度数据表示相邻两个温度数据的变化趋势,故当方差V越大时,设备运行出现异常的可能性越大,而数据中异常值的重要性程度越高。而F体现了待评估时间段内温度变化状态的起伏次数,因此用归一化的
作为V的调整值,/>
与V的乘积表示待评估时间段内数据的重要程度。
由于温度传感器采集数据时会受噪声的影响,噪声会使得拟合温度时序数据
产生较大的误差,且噪声会破坏正常的温度变化趋势,导致出现噪声的待评估时间段的重要程度D较大,也影响后续的数据压缩次数。本实施例根据噪声的特征,区分噪声影响和异常影响,获取门限值调整系数。
第二拟合单元302,用于根据所述温度时序数据的奇偶性进行拟合,获得与所述待评估时间段对应的第一数据集合、第二数据集合,并基于差值绝对值确定第三数据集合;
所述第二拟合单元还包括第二拟合单元、第一数据集合获得单元、第二数据集合获得单元、第三数据集合获得单元。
第一数据集合获得单元,从所述温度时序数据A中获取与所述待评估时间段对应的目标温度时序数据,将所述目标温度时序数据中时间为偶数的数据进行曲线拟合,获得第一数据集合T;
第二数据集合获得单元,用于将所述目标温度时序数据中为奇数的数据进行曲线拟合,获得第二数据集合
;
第三数据集合获得单元,用于计算待评估时间段内对应的温度时序数据A与拟合温度时序数据
对应数据点的差值绝对值,将各个差值绝对值表示为第三数据集合G:
,其中m表示所述待评估时间段的时长,并确定所述第三数据集合G的信息熵H;
可能性和噪声影响程度确定单元303,用于通过所述第一数据集合、第二数据集合以及所述第三数据集合确定所述待评估时间段噪声存在的可能性和噪声影响程度。
所述可能性和噪声影响程度确定单元包括可能性确定单元和噪声影响程度确定单元。
其中,可能性确定单元,用于基于所述第三数据集合的信息熵H以及所述第一数据集合T、第二数据集合
中对应数据点的数值确定所述待评估时间段噪声存在的可能性Q;
噪声影响程度确定单元,用于确定所述第三数据集合G中所有数值之和
,基于所述数值之和确定所述待评估时间段的噪声影响程度R。
门限值调整系数确定模块40,用于根据各个待评估时间段的门限值参数确定所述待评估时间段的待评估温度时序数据的门限值调整系数P;
第一确定单元,用于确定所述噪声存在的可能性Q与噪声影响程度R之积的自然对数值;
第二确定单元,用于确定所述自然对数值与所述重要性程度的积,归一化至区间[0,1]内,获得归一化值;
第三确定单元,用于将1与所述归一化值的差值确定为所述门限值调整系数。
具体地,计算待评估时间段内的温度时序数据A和拟合温度时序数据
对应数据点的差值绝对值,获得第三数据集合G:/>
,其中m表示待评估时间段的时长。可以理解地,噪声存在随机性和大小不确定性,故温度时序数据A中的噪声数据与拟合温度时序数据/>
中对应的数据差异大小混乱不定,且噪声数据点出现位置的也是随机的,而异常温度数据是一种持续性的变化,且异常温度的数据变化仍符合一定趋势的曲线变化,故温度时序数据A中的异常温度数据与对应的拟合温度时序数据/>
中的数据差异较小。因此借鉴数据降维的方式,取待评估时间段内的温度时序数据A中对应的目标温度时序数据,将所述目标温度时序数据中时间为偶数的数据利用最小二乘法进行曲线拟合,获得第一数据集合T:/>
。再将所述目标温度时序数据中为奇数的数据利用最小二乘法进行曲线拟合,获得第二数据集合/>
。
由此获取待评估时间段对应的待评估温度时序数据数据所需的门限值调整系数P为:
其中,H表示第三数据集合G中数据的信息熵,本实施例基于公知技术中的信息熵计算公式计算信息熵H,
表示集合T中第i个数据值,/>
表示集合/>
中第i个数据值,m表示该时间段的时长,Q表示该时间段内存在噪声的可能性。/>
表示集合G中第i个数据值,/>
表示第三数据集合G中的数据值总和,R表示该时间段内噪声的影响程度。D表示该时间段内数据的重要程度。e为自然对数,k为调整系数,可以根据实际需要设置k的值,防止自然对数e过早趋于0,本实施例令k为0.1。/>
为归一化至区间[0,1]内。
由于温度时序数据内的噪声随机出现,且大小不定,而温度的上升和下降符合一定趋势的曲线变化,故偶数时间点的第一数据集合T和奇数时间点的第二数据集合
在存在噪声的时间处差异较大,即/>
较大,并且由于噪声大小不定,会导致拟合时序数据/>
与时序数据A的对应数据点差异值多样,即H较大,因此用归一化的/>
为
调整值,两者的乘积表示该时间段内存在噪声的可能性Q。根据旋转门压缩算法的原理可知,当集合G中的数据值越的大时,为了保证少量次数的旋转门压缩,减少噪声影响,需要越大的门限值,故用归一化的/>
为权重,对集合G中的数据进行加权求和,获取该时间段内的噪声影响程度R。由此用归一化的R为Q的调整值,即/>
越大,该时间段存在噪声的可能性越大,且噪声的影响程度越大,因此用反比归一化的/>
为D的校正系数,两者的乘积表示该时间段内数据的真正重要程度,且数据越重要,需要越小的门限值,使得压缩次数越少,保护重要数据。
同理,获取时序温度数据A时间段内分割出的各个待评估时间段内温度时序数据所需的门限值调整系数P,获得集合
,其中q表示时序数据A分割的时间段数量。
压缩处理模块50,用于基于所述门限值调整系数P确定所述温度时序数据的门限值,并根据所述门限值和旋转门算到获得压缩数据,并基于所述压缩数据实现施工现场的在线管理。
门限值确定单元,用于基于各个待评估温度时序数据的门限值调整系数P确定所述温度时序数据的门限值
;
压缩单元,用于基于所述门限值旋转门算法对所述温度时序数据进行压缩,获得压缩数据,并将所述压缩数据上传至云平台;
处理单元,用于对所述压缩数据进行分析处理,实现施工现场的在线管理。
本实施例设置最小门限值为1,最大门限值为3,在其他实施中可根据实际情况自行设定。由此可知温度时序数据A时间段内分割的各时间段内数据所需的门限值
为:
其中
表示时序数据A分割的第j个时间段内数据所需的门限值调整系数。
至此获取时序数据A对应的时间段分割的各待评估时间段内数据所需的门限值集合
,再根据各待评估时间段所需的门限值,利用旋转门算法依次对时序数据A中的各个待评估时间段内的温度时序数据进行数据压缩。
数据压缩完成后,将压缩后的数据发送到云平台上,后续对压缩数据进行解压、分析和处理,获得施工现场设备运行情况,及时发现运行异常,保障了施工现场的安全、有序运行,实现了现场施工在线管理,也为后续决策提供了依据。
本实施例通过上述方案,提供了一种基于物联网的现场施工在线管理系统,包括数据获取模块,用于获取施工现场的温度传感器采集的温度时序数据;分割模块,用于并对所述温度时序数据进行拟合,获得拟合温度时序数据,并将所述温度时序数据对应的时间段分割成若干个待评估时间段;参数确定模块,用于根据所述温度时序数据和所述拟合温度时序数据确定待评估时间段的待评估温度时序数据的门限值参数,所述门限值参数包括所述重要性程度、噪声存在的可能性以及噪声影响程度;门限值调整系数确定模块,用于根据各个待评估时间段的门限值参数确定所述待评估时间段的待评估温度时序数据的门限值调整系数;压缩处理模块,用于基于所述门限值调整系数确定所述温度时序数据的门限值,并根据所述门限值和旋转门算到获得压缩数据,并基于所述压缩数据实现施工现场的在线管理。如此基于温度时序数据及拟合温度时序数据确定待评估时间段的门限值,实现了门限值的自适应调整,有利于施工现场数据的高效压缩,提高了存储空间的利用率。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。