CN117972357B - 一种水位测量装置的水位监测数据智能处理方法 - Google Patents
一种水位测量装置的水位监测数据智能处理方法 Download PDFInfo
- Publication number
- CN117972357B CN117972357B CN202410346543.2A CN202410346543A CN117972357B CN 117972357 B CN117972357 B CN 117972357B CN 202410346543 A CN202410346543 A CN 202410346543A CN 117972357 B CN117972357 B CN 117972357B
- Authority
- CN
- China
- Prior art keywords
- compressed
- data
- water level
- data interval
- level monitoring
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 137
- 238000012544 monitoring process Methods 0.000 title claims abstract description 110
- 238000003672 processing method Methods 0.000 title claims abstract description 12
- 230000002159 abnormal effect Effects 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000005856 abnormality Effects 0.000 claims description 7
- 238000007906 compression Methods 0.000 claims description 6
- 230000006835 compression Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 3
- 238000013144 data compression Methods 0.000 abstract description 5
- 238000012545 processing Methods 0.000 abstract description 5
- 238000005259 measurement Methods 0.000 description 6
- 238000012937 correction Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21F—SAFETY DEVICES, TRANSPORT, FILLING-UP, RESCUE, VENTILATION, OR DRAINING IN OR OF MINES OR TUNNELS
- E21F17/00—Methods or devices for use in mines or tunnels, not covered elsewhere
- E21F17/18—Special adaptations of signalling or alarm devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Fluid Mechanics (AREA)
- Artificial Intelligence (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
- Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)
Abstract
本发明涉及数据处理技术领域，具体涉及一种水位测量装置的水位监测数据智能处理方法，包括：获取最大极限的待压缩数据区间，依据待压缩数据区间内矿井水位监测数据的波动性获得抽稀阈值调整系数；根据待压缩数据区间中矿井水位监测数据的变化幅度获得待压缩数据区间的异常可能性；依据异常可能性得到约束参数，及根据抽稀阈值调整系数和约束参数获得待压缩数据区间的修正抽稀阈值。本发明避免了传统算法进行数据判断时因数据自身波动而产生过多数据被误判，从而导致数据失真的现象，保证数据压缩的高效性。
Description
技术领域
本发明涉及数据处理技术领域，具体涉及一种水位测量装置的水位监测数据智能处理方法。
背景技术
便携式遥测水位测量装置利用低功耗控制系统，可以实现自动测量与记录矿井钻孔的水位数据，并通过4G传输技术将数据传输至云服务器。这种装置的设计旨在提高水文数据采集的效率和准确性，同时通过远程传输技术实现数据实时监测和管理。通过与云服务器连接，矿方能够及时获取和处理关键的水文数据，为矿井的安全运营提供重要支持和保障。对矿井钻孔水位数据实时监测过程中监测频率高、时间长，导致监测获得的水位数据量大，进而对水文数据库的存储带来负载问题，因此对水位监测数据的压缩极为重要。道格拉斯普克算法可以用于数据压缩，其主要是通过在曲线上找到一系列关键点，以尽可能减少对原始曲线的失真，来实现曲线的精简和简化，从而实现数据压缩。该算法在判断是否可以近似表示时是通过在起始点和终止点之间的每个数据点与拟合直线的距离进行判断的。然而，在对高频率矿井水位监测数据进行处理时，由于数据本身的细小波动以及可能产生的噪声，会导致过多的数据点被误判为关键点，提高抽稀阈值可以减少这种情况，但会增加数据失真的风险。
发明内容
本发明提供一种水位测量装置的水位监测数据智能处理方法，以解决上述问题。
本发明的一种水位测量装置的水位监测数据智能处理方法采用如下技术方案：
本发明一个实施例提供了一种水位测量装置的水位监测数据智能处理方法，该方法包括以下步骤：
获取矿井的水位监测数据点，将任意一个水位监测数据点记为目标数据点；
构建以目标数据点为起点的待压缩数据区间；
根据待压缩数据区间内水位监测数据点设置抽稀阈值；
根据待压缩数据区间内水位监测数据点的增量获得待压缩数据区间的抽稀阈值调整系数；
获取待压缩数据区间内的峰谷值点，根据待压缩数据区间中峰谷值点之间的差异获得待压缩数据区间中每个峰谷值点的转折异常可能性；
依据待压缩数据区间中所有峰谷值点的转折异常可能性获得待压缩数据区间的约束参数；
根据抽稀阈值调整系数和约束参数对抽稀阈值修正获得修正抽稀阈值；
依据修正抽稀阈值利用道格拉斯普克压缩模型对待压缩数据区间内所有水位监测数据点进行压缩处理。
优选的，所述一种水位测量装置的水位监测数据智能处理方法，所述根据待压缩数据区间内水位监测数据点设置抽稀阈值，包括的具体步骤如下：
获取待压缩数据区间内水位监测数据点的标准差，将标准差设为待压缩数据区间内的抽稀阈值。
优选的，所述根据待压缩数据区间内水位监测数据点的增量获得待压缩数据区间的抽稀阈值调整系数，包括的具体步骤如下：
将待压缩数据区间中每个水位监测数据点与前一时刻水位监测数据点做差，获得待压缩数据区间中每个水位监测数据点的增量；
根据待压缩数据区间内每个水位监测数据点的间的增量变化获得待压缩数据区间内水位监测数据点的波动性；
根据待压缩数据区间内水位监测数据点的波动性获得待压缩数据区间的抽稀阈值调整系数。
优选的，所述根据待压缩数据区间内每个水位监测数据点的间的增量变化获得待压缩数据区间内水位监测数据点的波动性，包括的具体步骤如下：
获取待压缩数据区间内水位监测数据点的增量绝对值峰度；
根据待压缩数据区间内水位监测数据点的增量绝对值峰度，获取所述待压缩数据区间内水位监测数据点的变化幅度，并将其记为第一变化幅度；
根据待压缩数据区间内水位监测数据点增量的最大最小值，获取所述待压缩数据区间内水位监测数据点增量绝对值的极差值，并将其记为第二变化幅度；
根据第一变化幅度、第二变化幅度获取待压缩数据区间内水位监测数据点的波动性。
优选的，所述根据第一变化幅度、第二变化幅度获取待压缩数据区间内水位监测数据点的波动性的具体计算步骤如下：
式中，i表示以第i个水位监测数据点为起点的待压缩数据区间，为待压缩数据区间内水位监测数据点的波动性，/>为待压缩数据区间内水位监测数据点的增量绝对值峰度，/>为待压缩数据区间内增量的最大值，/>为在待压缩数据区间内增量的最小值，/>为在待压缩数据区间内增量的均值，/>表示第一变化幅度，表示第二变化幅度。
优选的，所述根据待压缩数据区间内水位监测数据点的波动性获得待压缩数据区间的抽稀阈值调整系数的具体计算步骤如下：
式中，i表示以第i个水位监测数据点为起点的待压缩数据区间，为待压缩数据区间的抽稀阈值调整系数，/>表示归一化函数，/>表示待压缩数据区间内水位监测数据点的波动性。
优选的，所述获取待压缩数据区间内的峰谷值点，根据待压缩数据区间中峰谷值点之间的差异获得待压缩数据区间中每个峰谷值点的转折异常可能性，包括的具体步骤如下：
将待压缩数据区间内每个极大值点与极小值点记为峰谷值点；
将待压缩数据区间内第j个峰谷值记为，将与/>最相邻的左右两侧的两个峰谷值点两个峰谷值点分别记为/>和/>；
将第j个峰谷值与最相邻两个峰谷值的左右两侧的两个峰谷值点之差分别记为第一谷差及第二谷差；
预设趋势参数，对第j个峰谷值的前一个峰谷值的前/>个非峰谷值点进行拟合，获得斜率/>，记为第一斜率；
对第j个峰谷值的后一个峰谷值的后个非峰谷值点进行拟合，获得斜率/>，记为第二斜率；
根据第一谷差、第二谷差、第一斜率及第二斜率获取待压缩数据区间的转折异常可能性。
优选的，所述根据第一谷差、第二谷差、第一斜率及第二斜率获取待压缩数据区间的转折异常可能性的具体计算过程如下：
式中，为待压缩数据区间中第/>个峰谷值点/>转折异常可能性；/>表示第二斜率；/>表示是第一斜率；/>为第一谷差，/>为第二谷差，/>、/>表示峰谷值点/>左右两侧的两个峰谷值点，/>表示/>函数。
优选的，所述依据待压缩数据区间中所有峰谷值点的转折异常可能性获得待压缩数据区间的约束参数，包括的具体步骤如下：
对于待压缩数据区间中所有峰谷值点的转折异常可能性，选取待压缩数据区间内转折异常可能性中最大的一个作为待压缩数据区间的约束参数。
优选的，所述根据抽稀阈值调整系数和约束参数对抽稀阈值修正获得修正抽稀阈值，包括的具体计算步骤如下：
式中，i表示以第i个水位监测数据点为起点的待压缩数据区间，为修正抽稀阈值，/>为抽稀阈值，/>为待压缩数据区间内的抽稀阈值调整系数，/>为待压缩数据区间的约束参数。
本发明的技术方案的有益效果是：通过根据矿井水位监测数据的波动性和变化幅度来调整抽稀阈值和约束参数，从而更准确地确定待压缩数据区间的异常可能性，并得到修正的抽稀阈值。这种方法可以有效提高数据压缩的效率，避免因数据波动性而导致的误判和数据失真现象，可以帮助优化数据压缩过程，确保数据的可靠性和准确性，提高数据处理的效率和精度。
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为本发明一种水位测量装置的水位监测数据智能处理方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种水位测量装置的水位监测数据智能处理方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种水位测量装置的水位监测数据智能处理方法的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种水位测量装置的水位监测数据智能处理方法的步骤流程图，该方法包括以下步骤：
步骤S001：获取矿井水位监测数据点。
本实施例目的是对矿井水位监测数据进行分析和压缩，因此采用水位监测装置进行矿井水位监测，其中水位监测装置包含水位传感器，该水位传感器用于采集矿井水位数据，其中，其它实施例中的传感器类型可为浮子式、压力、超声波、电容式传感器等，水位传感器将采集到的水位高度转化数字信号，将所获数字信号记为水位测量数据。本实施例中水位传感器每隔1秒为一个时刻采集一次水位测量数据，所有时刻采集的水位测量数据构成水位测量数据序列，水位测量数据序列中每个时刻的水位测量数据为一个水位监测数据点。
步骤S002：通过分析数据的波动情况获得抽稀阈值调整系数。
根据所获水位监测数据序列中水位监测数据点构建道格拉斯普克压缩模型，对水位测量数据序列中的水位监测数据点拟合得到格拉斯普克模型的拟合曲线，此处道格拉斯普克压缩模型及对数据点进行拟合得到拟合直线的方法和过程是公知的，本实施例不再赘述具体过程。由于监测数据量大，为避免计算得复杂性和降低计算量，根据所获所有水位监测数据点选择一个最大极限值N作为最大极限待压缩数据区间的长度，简记最大极限待压缩数据区间为待压缩数据区间，本实施例以N=1000为例进行叙述。获取待压缩数据区间中所有水位监测数据点的标准差，将标准差设为待压缩数据区间内的抽稀阈值，记为T。判断水位监测数据点与格拉斯普克压缩模型的拟合曲线的距离是否小于T。在判断过程中待压缩数据区间的起始点为前一个已经拟合后的数据区间的终止点，终止点为前一次判断过程中与拟合直线距离最远的点，对待压缩数据区间中的水位监测数据点而言，为避免数据失真需要对抽稀阈值进行修正，通过获取待压缩数据区间内水位监测数据点的波动性获得抽稀阈值调整系数。根据待压缩数据区间中水位监测数据点的变化幅度获得该区间的异常可能性，依据异常可能性得到约束参数，进而根据抽稀阈值调整系数和约束参数获得待压缩数据区间的修正抽稀阈值。
需要说明的是，对于待压缩数据区间内水位监测数据点的波动性：为尽可能使待压缩数据区间内的水位监测数据点体现出一致的波动性或稳定性，本实施例的需求为尽可能使待压缩数据区间内所压缩的数据均为波动的或平稳的，即最终调整获得的阈值可以尽可能的满足在待压缩数据区间内呈现同一的波动特征，不产生失真，则需要通过待压缩数据区间内水位监测数据点的波动性获取抽稀阈值调整系数。待压缩数据区间内水位监测数据点的波动性具体表现在相邻采集时刻的增量值，将待压缩数据中每个时刻采集的水位监测数据点与前一个时刻采集的水位监测数据点做差，获得每个采集时刻的增量，即所述区间内水位监测数据点增量，其中，第一个时刻的增量为0。当数据增量较为混乱时，说明此时待压缩数据区间内水位监测数据点的波动情况不统一，则使用一个抽稀阈值对该区间内的每个水位监测数据点进行判断时，可能会导致波动的峰谷值点被误判为趋势产生变化的点，即误判为转折点，此时待压缩数据区间内应减小抽稀阈值，以达到增加待压缩数据区间的压缩效率。
具体的，本实施例以第个水位监测数据点为起始点的长度为/>的待压缩数据区间内的抽稀阈值调整系数的计算方式为：
式中，为以第/>个水位监测数据点为起始点，长度为/>的待压缩数据区间内的抽稀阈值调整系数，简记为待压缩数据区间内的抽稀阈值调整系数，/>为待压缩数据区间内水位监测数据点增量绝对值的峰度，/>为待压缩数据区间内增量的最大值，为待压缩数据区间内增量的最小值，/>为在所述待压缩数据区间内增量的均值，是个线性归一化函数。
步骤S003：获取待压缩数据区间的转折异常可能性。
需要进一步说明的，对于待压缩数据区间中数据的变化幅度获得该区间的转折异常可能性：对待压缩数据区间中的数据点使用道格拉斯普克算法判断转折时，若阈值变大可能会将处于两个不同趋势之间转折位置的突变点判断为正常数据点，而非转折点。因此本实施例需要判断在待压缩数据区间内每个极大值点（峰值）与极小值点（谷值）所在邻域范围内的趋势特征，将待压缩数据区间内每个极大值点（峰值）与极小值点（谷值）记为峰谷值点，进而根据该趋势特征判断在待压缩数据区间中存在转折点的异常可能性，从而避免因整体阈值而忽略特殊情况下的转折。
具体的，获取待压缩数据区间中的峰谷值点，峰谷值点总数记为Q，将第j个峰谷值点记为，其中/>；将与/>最相邻的左右两侧的两个峰谷值点记为/>和/>，设趋势参数为/>，本实施例趋势参数预设为/>，对待压缩数据区间中第j个峰谷值点的前一个峰谷值点的前/>个非峰谷值点进行直线拟合获得斜率/>，以及对待压缩数据区间中第j个峰谷值点的后一个峰谷值点的后/>个非峰谷值点进行直线拟合获得斜率。
需要说明的是，在待压缩数据区间中，当第j个峰谷值点的前一个峰谷值点前不足个非峰谷值点或者第j个峰谷值点的后一个峰谷值点的后不足/>个非峰谷值点时，则根据实际包含的非峰谷值点进行拟合获得斜率。根据峰谷值点获得第/>个峰谷值点的转折异常可能性：
式中，为待压缩数据区间中第/>个峰谷值点的转折异常可能性；/>及/>为与/>最相邻左右两侧的两个峰谷值点；/>表示第/>个峰谷值点的前后趋势变化；/>表示在第/>个峰谷值点/>处与相邻两个峰谷值点的水位监测数据差异，/>表示/>函数，/>表示以自然常数为底的指数函数。
步骤S004：根据转折异常可能性获得约束参数，并结合抽稀阈值调整系数获取修正抽稀阈值。
需要进一步说明的是，依据转折异常可能性得到约束参数，进而根据抽稀阈值调整系数和约束参数获得待压缩数据区间的修正抽稀阈值：针对上述所获峰谷值点的转折异常可能性，选取待压缩数据区间内异常可能性中最大的一个作为待压缩数据区间的约束参数，根据约束参数和抽稀阈值调整系数对抽稀阈值进行调整：
式中，为修正抽稀阈值，/>为抽稀阈值，/>为待压缩数据区间内的抽稀阈值调整系数，/>表示待压缩数据区间的约束参数。
步骤S005：依据修正抽稀阈值对所有水位监测数据点压缩处理。
根据道格拉斯普克压缩模型算法以及修正抽稀阈值对待压缩数据区间内所有数据点进行压缩得到压缩数据，该过程是公知的，本实施例给出了该公知过程的大致实现方法（具体实现方法不在进行赘述），如下：
当待压缩数据区间中存在数据点与拟合直线的距离大于修正抽稀阈值时，说明无法拟合，则将该区间中与拟合之间距离最大的数据点作为新的终止点构建待压缩数据区间；当待压缩数据区间中所有数据点与拟合直线的距离都小于修正抽稀阈值时，认为该区间中的数据趋势相同可以被拟合，则使用拟合直线上的数据点替换原水位监测数据，得到该待压缩数据区间的压缩数据并进行存储。
至此，本实施例完成。
以上所述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 (1)
1.一种水位测量装置的水位监测数据智能处理方法，其特征在于，该方法包括以下步骤：
获取矿井的水位监测数据点，将任意一个水位监测数据点记为目标数据点；
构建以目标数据点为起点的待压缩数据区间；
根据待压缩数据区间内水位监测数据点设置抽稀阈值；
根据待压缩数据区间内水位监测数据点的增量获得待压缩数据区间的抽稀阈值调整系数；
获取待压缩数据区间内的峰谷值点，根据待压缩数据区间中峰谷值点之间的差异获得待压缩数据区间中每个峰谷值点的转折异常可能性；
依据待压缩数据区间中所有峰谷值点的转折异常可能性获得待压缩数据区间的约束参数；
根据抽稀阈值调整系数和约束参数对抽稀阈值修正获得修正抽稀阈值；
依据修正抽稀阈值利用道格拉斯普克压缩模型对待压缩数据区间内所有水位监测数据点进行压缩处理；
所述根据待压缩数据区间内水位监测数据点设置抽稀阈值，包括的具体步骤如下：
获取待压缩数据区间内水位监测数据点的标准差，将标准差设为待压缩数据区间内的抽稀阈值；
所述根据待压缩数据区间内水位监测数据点的增量获得待压缩数据区间的抽稀阈值调整系数，包括的具体步骤如下：
将待压缩数据区间中每个水位监测数据点与前一时刻水位监测数据点做差，获得待压缩数据区间中每个水位监测数据点的增量；
根据待压缩数据区间内每个水位监测数据点的间的增量变化获得待压缩数据区间内水位监测数据点的波动性；
根据待压缩数据区间内水位监测数据点的波动性获得待压缩数据区间的抽稀阈值调整系数；
所述根据待压缩数据区间内每个水位监测数据点的间的增量变化获得待压缩数据区间内水位监测数据点的波动性，包括的具体步骤如下：
获取待压缩数据区间内水位监测数据点的增量绝对值峰度；
根据待压缩数据区间内水位监测数据点的增量绝对值峰度，获取所述待压缩数据区间内水位监测数据点的变化幅度，并将其记为第一变化幅度；
根据待压缩数据区间内水位监测数据点增量的最大最小值，获取所述待压缩数据区间内水位监测数据点增量绝对值的极差值，并将其记为第二变化幅度；
根据第一变化幅度、第二变化幅度获取待压缩数据区间内水位监测数据点的波动性；
所述根据第一变化幅度、第二变化幅度获取待压缩数据区间内水位监测数据点的波动性的具体计算步骤如下：
式中，i表示以第i个水位监测数据点为起点的待压缩数据区间，/>为待压缩数据区间内水位监测数据点的波动性，/>为待压缩数据区间内水位监测数据点的增量绝对值峰度，/>为待压缩数据区间内增量的最大值，/>为在待压缩数据区间内增量的最小值，/>为在待压缩数据区间内增量的均值，表示第一变化幅度，/>表示第二变化幅度；
所述根据待压缩数据区间内水位监测数据点的波动性获得待压缩数据区间的抽稀阈值调整系数的具体计算步骤如下：
式中，i表示以第i个水位监测数据点为起点的待压缩数据区间，/>为待压缩数据区间的抽稀阈值调整系数，/>表示归一化函数，/>表示待压缩数据区间内水位监测数据点的波动性；
所述获取待压缩数据区间内的峰谷值点，根据待压缩数据区间中峰谷值点之间的差异获得待压缩数据区间中每个峰谷值点的转折异常可能性，包括的具体步骤如下：
将待压缩数据区间内每个极大值点与极小值点记为峰谷值点；
将待压缩数据区间内第j个峰谷值记为，将与/>最相邻的左右两侧的两个峰谷值点两个峰谷值点分别记为/>和/>；
将第j个峰谷值与最相邻两个峰谷值的左右两侧的两个峰谷值点之差分别记为第一谷差及第二谷差；
预设趋势参数，对第j个峰谷值的前一个峰谷值的前/>个非峰谷值点进行拟合，获得斜率/>，记为第一斜率；
对第j个峰谷值的后一个峰谷值的后个非峰谷值点进行拟合，获得斜率/>，记为第二斜率；
根据第一谷差、第二谷差、第一斜率及第二斜率获取待压缩数据区间的转折异常可能性；
所述根据第一谷差、第二谷差、第一斜率及第二斜率获取待压缩数据区间的转折异常可能性的具体计算过程如下：
式中，/>为待压缩数据区间中第/>个峰谷值点/>转折异常可能性；/>表示第二斜率；表示是第一斜率；/>为第一谷差，/>为第二谷差，/>、/>表示峰谷值点/>左右两侧的两个峰谷值点，/>表示/>函数；
所述依据待压缩数据区间中所有峰谷值点的转折异常可能性获得待压缩数据区间的约束参数，包括的具体步骤如下：
对于待压缩数据区间中所有峰谷值点的转折异常可能性，选取待压缩数据区间内转折异常可能性中最大的一个作为待压缩数据区间的约束参数；
所述根据抽稀阈值调整系数和约束参数对抽稀阈值修正获得修正抽稀阈值，包括的具体计算步骤如下：
式中，i表示以第i个水位监测数据点为起点的待压缩数据区间，/>为修正抽稀阈值，/>为抽稀阈值，/>为待压缩数据区间内的抽稀阈值调整系数，/>为待压缩数据区间的约束参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410346543.2A CN117972357B (zh) | 2024-03-26 | 2024-03-26 | 一种水位测量装置的水位监测数据智能处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410346543.2A CN117972357B (zh) | 2024-03-26 | 2024-03-26 | 一种水位测量装置的水位监测数据智能处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117972357A CN117972357A (zh) | 2024-05-03 |
| CN117972357B true CN117972357B (zh) | 2024-06-07 |
Family
ID=90853573
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410346543.2A Active CN117972357B (zh) | 2024-03-26 | 2024-03-26 | 一种水位测量装置的水位监测数据智能处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117972357B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118152389B (zh) * | 2024-05-10 | 2024-07-05 | 国网吉林省电力有限公司经济技术研究院 | 一种能源系统数据智能化处理方法 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| ITMO910003A0 (it) * | 1991-01-03 | 1991-01-03 | Enzo Silingardi | Metodo per la conservazione di organismi animali utilizzati nella pe sca, in laboratorio, nella lotta biologica in agricoltura : contenitore e confezionamento relativi |
| CN104199105A (zh) * | 2014-08-27 | 2014-12-10 | 中国石油天然气集团公司 | 高密度三维勘探中初至的拾取方法及拾取装置 |
| CN206497031U (zh) * | 2017-02-16 | 2017-09-15 | 山东科瑞特自动化装备有限责任公司 | 一种便携式河流泥沙计 |
| EP3413099A1 (en) * | 2017-06-09 | 2018-12-12 | HERE Global B.V. | Method and apparatus for providing a weather volatility index |
| CN112231993A (zh) * | 2020-10-16 | 2021-01-15 | 黄河水利委员会黄河水利科学研究院 | 基于道克拉斯-普克的河道断面概化方法及装置 |
| CN112382121A (zh) * | 2020-10-30 | 2021-02-19 | 河南工业大学 | 一种基于滑动平均算法的车辆轨迹优化方法 |
| CN113076373A (zh) * | 2021-02-26 | 2021-07-06 | 广东科诺勘测工程有限公司 | 一种海域流场及冲淤深度实时水文监测大数据展示与空间查询方法及系统 |
| WO2021169102A1 (zh) * | 2020-02-27 | 2021-09-02 | 平安国际智慧城市科技股份有限公司 | 文本图像处理方法、装置、计算机设备和存储介质 |
| WO2021184541A1 (zh) * | 2020-03-20 | 2021-09-23 | 湖南联智科技股份有限公司 | 一种北斗变形监测中多路径误差的削弱方法 |
| WO2021213451A1 (zh) * | 2020-04-23 | 2021-10-28 | 华为技术有限公司 | 轨迹回放方法及相关装置 |
| CN116226301A (zh) * | 2021-12-06 | 2023-06-06 | 腾讯科技（深圳）有限公司 | 轨迹数据处理方法、装置、设备、存储介质及产品 |
| CN116485940A (zh) * | 2023-04-23 | 2023-07-25 | 中国电建集团昆明勘测设计研究院有限公司 | 自适应曲线抽稀方法及其装置 |
| WO2023164933A1 (zh) * | 2022-03-04 | 2023-09-07 | 华为技术有限公司 | 一种建筑物建模方法以及相关装置 |
| CN117235972A (zh) * | 2023-08-07 | 2023-12-15 | 中国大唐集团科学技术研究总院有限公司华东电力试验研究院 | 基于二次抽稀技术的流量曲线分段拟合方法及系统 |
| CN117574305A (zh) * | 2024-01-17 | 2024-02-20 | 阿尔卑斯系统集成(大连)有限公司 | 一种设备运行状态实时监测方法及系统 |
-
2024
- 2024-03-26 CN CN202410346543.2A patent/CN117972357B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| ITMO910003A0 (it) * | 1991-01-03 | 1991-01-03 | Enzo Silingardi | Metodo per la conservazione di organismi animali utilizzati nella pe sca, in laboratorio, nella lotta biologica in agricoltura : contenitore e confezionamento relativi |
| CN104199105A (zh) * | 2014-08-27 | 2014-12-10 | 中国石油天然气集团公司 | 高密度三维勘探中初至的拾取方法及拾取装置 |
| CN206497031U (zh) * | 2017-02-16 | 2017-09-15 | 山东科瑞特自动化装备有限责任公司 | 一种便携式河流泥沙计 |
| EP3413099A1 (en) * | 2017-06-09 | 2018-12-12 | HERE Global B.V. | Method and apparatus for providing a weather volatility index |
| WO2021169102A1 (zh) * | 2020-02-27 | 2021-09-02 | 平安国际智慧城市科技股份有限公司 | 文本图像处理方法、装置、计算机设备和存储介质 |
| WO2021184541A1 (zh) * | 2020-03-20 | 2021-09-23 | 湖南联智科技股份有限公司 | 一种北斗变形监测中多路径误差的削弱方法 |
| WO2021213451A1 (zh) * | 2020-04-23 | 2021-10-28 | 华为技术有限公司 | 轨迹回放方法及相关装置 |
| CN112231993A (zh) * | 2020-10-16 | 2021-01-15 | 黄河水利委员会黄河水利科学研究院 | 基于道克拉斯-普克的河道断面概化方法及装置 |
| CN112382121A (zh) * | 2020-10-30 | 2021-02-19 | 河南工业大学 | 一种基于滑动平均算法的车辆轨迹优化方法 |
| CN113076373A (zh) * | 2021-02-26 | 2021-07-06 | 广东科诺勘测工程有限公司 | 一种海域流场及冲淤深度实时水文监测大数据展示与空间查询方法及系统 |
| CN116226301A (zh) * | 2021-12-06 | 2023-06-06 | 腾讯科技（深圳）有限公司 | 轨迹数据处理方法、装置、设备、存储介质及产品 |
| WO2023164933A1 (zh) * | 2022-03-04 | 2023-09-07 | 华为技术有限公司 | 一种建筑物建模方法以及相关装置 |
| CN116485940A (zh) * | 2023-04-23 | 2023-07-25 | 中国电建集团昆明勘测设计研究院有限公司 | 自适应曲线抽稀方法及其装置 |
| CN117235972A (zh) * | 2023-08-07 | 2023-12-15 | 中国大唐集团科学技术研究总院有限公司华东电力试验研究院 | 基于二次抽稀技术的流量曲线分段拟合方法及系统 |
| CN117574305A (zh) * | 2024-01-17 | 2024-02-20 | 阿尔卑斯系统集成(大连)有限公司 | 一种设备运行状态实时监测方法及系统 |
Non-Patent Citations (6)
| Title |
|---|
| Water Level Indicator with Level Set Motor Cutoff;M.Sabarimuthu等;IEEE;20231206;全文 * |
| 地形图矢量化的后处理;易辉伟, 江资斌, 周翠竹, 邹峥嵘;中国有色金属学报;20020830(第04期);全文 * |
| 基于GPS验潮的水下地形测量技术研究;吴敬文;沈理;张卫英;;人民长江;20101014(第19期);全文 * |
| 基于Ping的Douglas-Peucker法抽稀阈值优化选取;张志伟;暴景阳;肖付民;上飞飞;马少华;;海洋测绘;20150325(第02期);全文 * |
| 曲线数据压缩算法的研究及应用;孟卫东;龙美彪;;计算机系统应用;20190515(第05期);全文 * |
| 顾及地形特征的LiDAR点云数据抽稀算法;杜浩;朱俊锋;张力;孙钰珊;骆继花;;测绘科学;20160920(第09期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117972357A (zh) | 2024-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117972357B (zh) | 一种水位测量装置的水位监测数据智能处理方法 | |
| CN115659070B (zh) | 一种基于nb-iot智能水表的水流量数据传输方法 | |
| CN117368744B (zh) | 一种户用储能电池在线评估方法 | |
| CN108151835B (zh) | 一种基于多参数检测的泵站信息智能监测终端的率定方法 | |
| CN115902647B (zh) | 一种电池状态智能监测方法 | |
| CN116961675B (zh) | 一种医疗护理数据智能处理方法 | |
| CN116155298B (zh) | 一种基于互联网数据的船闸远程管理系统 | |
| CN116828070A (zh) | 一种智慧电网数据优化传输方法 | |
| CN105353695A (zh) | 一种反馈型事件驱动式模拟信号变频采集电路和集采方法 | |
| CN116910520B (zh) | 基于光伏建筑一体化系统发电量智能存储方法 | |
| CN116186120B (zh) | 一种能源数据采集分析数据库系统及数据存储方法 | |
| CN116760908A (zh) | 基于数字孪生的农业信息优化管理方法及系统 | |
| CN116743180B (zh) | 一种储能电源数据智能存储方法 | |
| CN111064190B (zh) | 一种基于维纳随机过程的风电场储能系统配置方法 | |
| CN117454255A (zh) | 一种智慧建筑能耗数据优化存储方法 | |
| CN112966221A (zh) | 一种南方丰水地区考核年份用水总量折算方法 | |
| CN117828408B (zh) | 一种储能容量数据处理方法及系统 | |
| CN117215250B (zh) | 一种用于磁控开关的远程控制方法 | |
| CN108449765A (zh) | 自适应调节的节能监测方法 | |
| CN115833843A (zh) | 一种车辆运行监控数据存储优化方法及管理平台 | |
| CN114169715A (zh) | 节能量数据采集方法、系统及计算机存储介质 | |
| CN117990187B (zh) | 基于人工智能的地下水水位动态监测方法 | |
| CN118456119B (zh) | 一种数控加工中心智能防撞检测方法及系统 | |
| CN117895509B (zh) | 一种多能源耦合型配电网调度方法及系统 | |
| CN118152389B (zh) | 一种能源系统数据智能化处理方法 |
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 |