基于ARIMA的冷库温湿度数据预测方法及相关产品技术

本公开提供一种基于ARIMA的冷库温湿度数据预测方法及相关产品，所述方法包括如下步骤：接收传感器发送的实时数据；对传感器接收到的实时数据进行异常值检测和缺失值填补得到预处理后的数据；对预处理后的数据运用时间序列法建立时序求和自回归滑动平均模型；利用建立的自回归移动平均模型进行下一时间段的温湿度值预测，根据预测值验证预测步长，并进行预警分析。本申请提供的技术方案具有预警准确的优点。

【技术实现步骤摘要】
基于ARIMA的冷库温湿度数据预测方法及相关产品
本专利技术涉及物联网
，具体涉及一种基于ARIMA的冷库温湿度数据预测方法及相关产品。
技术介绍
温湿度传感器在农业等众多领域发挥着重要的作用，尤其在实时记录温湿度变化的工作中应用最为广泛。无线温湿度传感器可以实时记录环境温湿度的变化，其网络拓扑有多种结构，太原科技大学高文华等针对簇状网络结构设计实现了温湿度监测系统，能够在PC终端读取到由coordinator节点汇集的来自路由器和终端设备的温湿度数据。但是并没有针对设备之间数据传输的丢失问题所导致的异常值进行检测。在农业温湿度环境监测领域，国内外已有较多相对成熟的无线传感器技术的应用，中国农业大学刘卉和清华大学王跃宣等设计开发的基于无线传感器网络的农田土壤温湿度监测系统，能够监测温湿度环境数据的实时变化。但是仍然没有检测由于设备间传输不成功导致的数据丢失。商用酒店厨房冷库环境复杂，一般都是双温冷库，具有保鲜冷冻等功能。为了保证食材充足，酒店会经常补充新鲜食材，酒店每天需要消耗大量的食材，因此冷库货物存取频繁，对环境的人为干扰因素较大。另外，商用酒店厨房冷库墙壁结构复杂，通常影本文档来自技高网...

【技术保护点】
1.一种基于ARIMA的冷库温湿度数据预测方法，其特征在于，所述方法包括如下步骤：接收传感器发送的实时数据；对传感器接收到的实时数据进行异常值检测和缺失值填补得到预处理后的数据；对预处理后的数据运用时间序列法建立时序求和自回归滑动平均模型；利用建立的自回归移动平均模型进行下一时间段的温湿度值预测，根据预测值验证预测步长，并进行预警分析。

【技术特征摘要】
1.一种基于ARIMA的冷库温湿度数据预测方法，其特征在于，所述方法包括如下步骤：接收传感器发送的实时数据；对传感器接收到的实时数据进行异常值检测和缺失值填补得到预处理后的数据；对预处理后的数据运用时间序列法建立时序求和自回归滑动平均模型；利用建立的自回归移动平均模型进行下一时间段的温湿度值预测，根据预测值验证预测步长，并进行预警分析。2.根据权利要求1所述的方法，其特征在于，所述对传感器接收到的实时数据进行异常值检测和缺失值填补得到预处理后的数据具体包括：对传感器接收到的实时数据采用均值、中位数、众数或随机数填补法进行缺失值填补得到预处理后的数据。3.根据权利要求1所述的方法，其特征在于，所述对预处理后的数据运用时间序列法建立时序求和自回归滑动平均模型具体包括：建立自回归移动平均模型并预测温湿度值，ARIMA(p,q,d)模型定义如下：其中p为自回归的阶数，d为差分阶数，q为滑动平均阶数，Xt是时间序列在t时刻的观察值，εt是时间序列模型在t时刻的误差或偏差，选择合适的模型，使用最大似然参数估计计算出参数和θq的值。4.根据权利要求1所述的方法，其特征在于，所述根据预测值验证预测步长，并进行预警分析具体包括：将该预测值以及预测步长与预设的冷库温度阈值进行遍历搜索，大于温度高线或低于温度低限的异常温度值，进行预警。5.一种基于ARIMA的冷库温湿度数据预测系统，其特征在于，所述系统包括：接收单元，用于接收传感器发送的实时数据...

【专利技术属性】
技术研发人员：车丹丹，马强，温美钰，姜青山，
申请(专利权)人：中国科学院深圳先进技术研究院，前海世纪晟达深圳科技有限公司，
类型：发明
国别省市：广东,44