【技术实现步骤摘要】
一种监测数据预测方法、装置、设备及可读存储介质
本专利技术涉及信息
,具体而言,涉及一种监测数据预测方法、装置、设备及可读存储介质。
技术介绍
现有的监测数据分析通常采用基于模型和数据驱动两类方法,基于模型的方法对理论模型的精度和监测数据的质量要求很高,目前在实际工程应用中未达到预期效果。数据驱动是通过研究监测数据本身的变化规律和概率分布来识别结构状态的变化模式,是近几年健康监测领域的研究热点。传统数据驱动方法使用的数据集较少,在被用在大数据集上时其性能提升往往有限。因此如何通过分析海量监测数据认知结构状态并识别可能的损伤,仍是健康监测需要解决的问题。
技术实现思路
本专利技术的目的在于提供一种监测数据预测方法、装置、设备及可读存储介质,以改善上述问题。为了实现上述目的,本申请实施例提供了如下技术方案:一种监测数据预测方法,包括:获取监测点的监测数据,所述监测数据包括所述监测点每一数据时刻与所述监测点最初监测数据的差值;绘制计算曲线;根据所述计算曲线计算每一数据时刻所述计算曲线的第一切线角值;根据所述第一切线角值和回归参数,计算下一数据时刻所述计算曲线切线角的预测值;根据所述下一数据时刻所述计算曲线切线角的预测值,计算所述监测点下一数据时刻监测数据与所述监测点最初监测数据的差值的预测值。可选地,所述绘制计算曲线,包括:根据所述监测数据绘制第一曲线,所述第一曲线设置在第一二维坐标系中,所述二维坐标系中的一个坐标轴为时间,另一个坐标轴为监测数据;在所述第一曲线中找出监测数 ...
【技术保护点】
1.一种监测数据预测方法,其特征在于,包括:/n获取监测点的监测数据,所述监测数据包括所述监测点每一数据时刻与所述监测点最初监测数据的差值;/n绘制计算曲线;/n根据所述计算曲线计算每一数据时刻所述计算曲线的第一切线角值;/n根据所述第一切线角值和回归参数,计算下一数据时刻所述计算曲线切线角的预测值;/n根据所述下一数据时刻所述计算曲线切线角的预测值,计算所述监测点下一数据时刻监测数据与所述监测点最初监测数据的差值的预测值。/n
【技术特征摘要】
1.一种监测数据预测方法,其特征在于,包括:
获取监测点的监测数据,所述监测数据包括所述监测点每一数据时刻与所述监测点最初监测数据的差值;
绘制计算曲线;
根据所述计算曲线计算每一数据时刻所述计算曲线的第一切线角值;
根据所述第一切线角值和回归参数,计算下一数据时刻所述计算曲线切线角的预测值;
根据所述下一数据时刻所述计算曲线切线角的预测值,计算所述监测点下一数据时刻监测数据与所述监测点最初监测数据的差值的预测值。
2.根据权利要求1所述的监测数据预测方法,其特征在于,所述绘制计算曲线,包括:
根据所述监测数据绘制第一曲线,所述第一曲线设置在第一二维坐标系中,所述二维坐标系中的一个坐标轴为时间,另一个坐标轴为监测数据;
在所述第一曲线中找出监测数据匀速变化段,计算所述监测数据匀速变化段中所述监测点监测数据的平均变化速度;
将所述第一曲线进行量纲统一,在量纲统一后绘制第二曲线;所述第二曲线为所述计算曲线;所述第二曲线设置在第二二维坐标系中,所述第二二维坐标系中的一个坐标轴为时间,另一个坐标轴为量纲统一后每一数据时刻的中间值。
3.根据权利要求2所述的监测数据预测方法,其特征在于:所述在所述第一曲线中找出监测数据匀速变化段,计算所述监测数据匀速变化段中所述监测点监测数据的平均变化速度,包括:
计算出所述第一曲线中每一数据时刻的第二切线角值;
在所述第二切线角值中找到小于或等于45度的多个连续的所述第二切线角值所在的数据时刻区段,获得所述监测数据匀速变化段;
通过以下公式计算所述监测数据匀速变化段中每一样本时段所述监测点监测数据的平均变化速度,
公式(1)中,vt为所述监测数据匀速变化段中当前样本时段所述监测点监测数据的平均变化速度,St为t时刻所述监测数据匀速变化段中每一样本时刻所述监测点当前监测数据与最初监测数据的差值,St-1为t-1时刻所述监测数据匀速变化段中每一样本时刻所述监测点当前监测数据与最初监测数据的差值,tt为当前样本时刻,tt-1为当前样本时刻的上一样本时刻;
通过以下公式计算所述监测数据匀速变化段中所述监测点监测数据的平均变化速度,
公式(2)中,v为监测数据匀速变化阶段中所述监测点监测数据的平均变化速度,m为监测数据匀速变化阶段的样本数量,t为当前样本时刻,vt为所述监测数据匀速变化段中当前样本时段所述监测点监测数据的平均变化速度。
4.根据权利要求2所述的监测数据预测方法,其特征在于,所述将所述第一曲线进行量纲统一,包括:
通过以下公式进行量纲统一,
公式(3)中,T(t)为量纲统一后每一数据时刻的中间值;St为t时刻所述监测数据匀速变化段中每一样本时刻所述监测点当前监测数据与最初监测数据的差值,v为监测数据匀速变化阶段中所述监测点监测数据的平均变化速度。
5.根据权利要求2所述的监测数据预测方法,其特征在于,所述根据所述计算曲线计算每一数据时刻所述计算曲线的第一切线角值...
【专利技术属性】
技术研发人员:杨柳,郭梅,明园,蒋龙,刘恒,
申请(专利权)人:西南交通大学,成都交大大数据科技有限公司,成都新橙北斗智联有限公司,
类型:发明
国别省市:四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。