基于物联网的农作物监控数据高效处理方法技术

本发明专利技术涉及数据处理技术领域，提出了基于物联网的农作物监控数据高效处理方法，包括：采集多个维度的当前监控数据及长期与短期历史监控数据；根据多维的长期历史监控数据获取每个维度的若干关联维度，获取趋势分布模型；根据短期历史监控数据及趋势分布模型获取每个维度的当前监控数据中每个时刻下数据的综合差异性，得到其中的有效信息点；根据压缩前后有效信息点的变化获取每个维度的当前监控数据的参考程度，得到初始参考维度，根据初始参考维度及每个维度的若干关联维度获取每个维度的第一参考维度；根据第一参考维度及趋势分布模型，获取拟合权重并压缩。本发明专利技术旨在解决利用旋转门算法压缩监控数据会丢失数据趋势信息的问题。势信息的问题。势信息的问题。

【技术实现步骤摘要】
基于物联网的农作物监控数据高效处理方法


[0001]本专利技术涉及数据处理
，具体涉及基于物联网的农作物监控数据高效处理方法。

技术介绍

[0002]随着科学技术的发展，如何提高农作物产量是农业发展的重中之重，而提高农作物产量的一个关键环节为对农作物的生长环境进行实时监控，因此将物联网与农业结合，通过搭建物联网监控平台，安装布置多种传感器采集农作物生长环境数据，包括温度、湿度、土壤水分以及土壤温度等环境数据，实现对农作物的监控；在现有的对农作物生长环境进行监控时，受到采样频率以及多种传感器数据采集的影响，会造成数据量较大且较为冗余，并且由于网络带宽以及服务器存储空间的影响，需要对采集的监控数据进行压缩处理，保证后续对监控数据高效处理时使用。
[0003]由于环境传感器采集的为长时间的序列数据，因此在现有的压缩算法中，往往会使用旋转门压缩算法进行数据压缩；而在传统的旋转门压缩算法中，由于其采用的为有损压缩的原理，会使得传感器采集的数据的部分信息丢失，造成信息丢失的主要原因为在设置一定大小的容差参数后，采用两个数据点之间的直线进行数据序列的代替，会极大的丢失趋势分布信息，因此需要集合多维数据之间的趋势分布关系来对每个维度进行自适应压缩，在保证数据压缩率的同时，保证数据趋势分布信息的完整性。

技术实现思路

[0004]本专利技术提供基于物联网的农作物监控数据高效处理方法，以解决现有的利用旋转门算法压缩监控数据会丢失数据趋势信息的问题，所采用的技术方案具体如下：本专利技术一个实施例提供了基于物联网的农作物监控数据高效处理方法，该方法包括以下步骤：获取多个维度的当前监控数据及长期与短期历史监控数据；根据多维的长期历史监控数据获取每个维度的若干关联维度，根据多维的长期历史监控数据获取每个维度与每个关联维度监控数据之间的趋势分布模型；根据每个维度中每个时刻在短期历史监控数据与当前监控数据的差异获取每个维度的当前监控数据中每个时刻下数据的第一差异性，根据趋势分布模型获取到的每个时刻的预测数据与当前监控数据的差异获取每个维度的当前监控数据中每个时刻下数据的第二差异性，根据第一差异性及第二差异性获取每个维度的当前监控数据中每个时刻下数据的综合差异性，根据综合差异性获取每个维度的当前监控数据中的有效信息点；根据每个维度的当前监控数据被压缩前后有效信息点的变化获取每个维度的当前监控数据的参考程度，根据参考程度获取初始参考维度，根据初始参考维度及每个维度的若干关联维度获取每个维度的第一参考维度，记录每个维度的第一容差；根据第一容差获取每个维度及第一参考维度的当前监控数据压缩后的若干数据
段，将每个数据段在每个维度的当前监控数据中对应部分的数据记为待拟合数据，将每个数据段在第一参考维度的当前监控数据中对应部分的数据记为拟合参考数据，根据拟合参考数据及趋势分布模型获取每个维度中每个时刻的模拟数据，根据待拟合数据、模拟数据及综合差异性，获取每个维度中每个时刻的拟合权重，结合旋转门算法完成压缩。
[0005]可选的，所述根据多维的长期历史监控数据获取每个维度与每个关联维度监控数据之间的趋势分布模型，包括的具体方法为：获取任意一个维度作为目标维度，获取目标维度的任意一个关联维度作为目标关联维度，将目标维度的长期历史监控数据及目标关联维度的长期历史监控数据中同一时刻的两个数据作为数据点的二维坐标，目标维度的长期历史监控数据为横坐标，目标关联维度的长期历史监控数据为纵坐标，将所有时刻的数据都转换为若干数据点的二维坐标，对所有数据点进行曲线拟合，拟合得到的曲线及曲线公式即为目标维度与目标关联维度监控数据之间的趋势分布模型。
[0006]可选的，所述获取每个维度的当前监控数据中每个时刻下数据的第一差异性，包括的具体方法为：其中，表示第个维度的当前监控数据中第个时刻下的数据的第一差异性，表示短期历史监控数据中的天数，表示第个维度的当前监控数据中第个时刻下的数据，表示第个维度的短期历史监控数据中第天的历史监控数据中第个时刻下的数据。
[0007]可选的，所述获取每个维度的当前监控数据中每个时刻下数据的第二差异性，包括的具体方法为：其中，表示第个维度的当前监控数据中第个时刻下的数据的第二差异性，表示第个维度的关联维度数量，表示第个维度的当前监控数据中第个时刻下的数据，表示第个维度的第个关联维度，通过趋势分布模型得到的第个维度的第个时刻下的预测数据；所述预测数据的具体计算方法为：获取第个维度与第个关联维度的趋势分布模型，获取第个关联维度的当前监控数据中第个时刻下的数据，根据及趋势分布模型获取预测数据。
[0008]可选的，所述根据每个维度的当前监控数据被压缩前后有效信息点的变化获取每个维度的当前监控数据的参考程度，包括的具体方法为：其中，表示第个维度的当前监控数据的参考程度，表示第个维度的当前监控数据中有效信息点的数量，表示第个维度的当前监控数据中第个有效数据点压缩前
的数据，表示第个维度的当前监控数据中第个有效数据点压缩后的数据，表示以自然常数为底的指数函数。
[0009]可选的，所述根据初始参考维度及每个维度的若干关联维度获取每个维度的第一参考维度，包括的具体方法为：获取任意一个维度作为目标维度，初始参考维度组成初始参考维度集合，目标维度的关联维度组成目标维度的关联维度集合，获取初始参考维度集合与关联维度集合中的交集，将交集中的元素记为目标维度的关联参考维度，将所有关联参考维度中与目标维度的皮尔逊相关系数绝对值最大的维度作为目标维度的第一参考维度。
[0010]可选的，所述获取每个维度中每个时刻的拟合权重，包括的具体方法为：其中，表示第个维度的第个数据段中第个时刻的拟合程度，表示第个维度的第个数据段中第个时刻的待拟合数据，表示第个维度的第个数据段中第个时刻的模拟数据，表示第个维度的第个数据段中每个时刻的待拟合数据与模拟数据的差异最大值，表示第个维度的第个数据段中第个时刻在当前监控数据中对应时刻的综合差异性；获取第个维度的第个数据段中每个时刻的拟合程度，对数据段中所有拟合程度归一化得到数据段中每个时刻的拟合权重。
[0011]本专利技术的有益效果是：本专利技术根据长期历史监控数据来量化得到多个维度监控数据之间的趋势分布模型，通过短期历史监控数据确定有效信息数据点来获取在旋转门压缩前后数据的变化，进而得到不同维度的参考程度，并确定每个维度的第一参考维度；根据每个维度及第一参考维度的趋势分布模型来计算每个数据段中每个数据点在曲线拟合过程中的拟合权重，进而进行自适应旋转门压缩处理；避免了传统的旋转门压缩算法中采用两个数据点之间的直线进行数据序列的代替，会极大的丢失趋势分布信息，通过采用曲线拟合的方式获取两个数据点之间的数据趋势分布，并获取每个数据点在曲线拟合过程中的拟合权重，实现在保证数据压缩率的同时，保证数据趋势分布信息的完整性，进而实现对物联网中的农作物监控数据的高效处理。
附图说明
[0012]为了更清楚地说明本专利技术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本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于物联网的农作物监控数据高效处理方法，其特征在于，该方法包括以下步骤：获取多个维度的当前监控数据及长期与短期历史监控数据；根据多维的长期历史监控数据获取每个维度的若干关联维度，根据多维的长期历史监控数据获取每个维度与每个关联维度监控数据之间的趋势分布模型；根据每个维度中每个时刻在短期历史监控数据与当前监控数据的差异获取每个维度的当前监控数据中每个时刻下数据的第一差异性，根据趋势分布模型获取到的每个时刻的预测数据与当前监控数据的差异获取每个维度的当前监控数据中每个时刻下数据的第二差异性，根据第一差异性及第二差异性获取每个维度的当前监控数据中每个时刻下数据的综合差异性，根据综合差异性获取每个维度的当前监控数据中的有效信息点；根据每个维度的当前监控数据被压缩前后有效信息点的变化获取每个维度的当前监控数据的参考程度，根据参考程度获取初始参考维度，根据初始参考维度及每个维度的若干关联维度获取每个维度的第一参考维度，记录每个维度的第一容差；根据第一容差获取每个维度及第一参考维度的当前监控数据压缩后的若干数据段，将每个数据段在每个维度的当前监控数据中对应部分的数据记为待拟合数据，将每个数据段在第一参考维度的当前监控数据中对应部分的数据记为拟合参考数据，根据拟合参考数据及趋势分布模型获取每个维度中每个时刻的模拟数据，根据待拟合数据、模拟数据及综合差异性，获取每个维度中每个时刻的拟合权重，结合旋转门算法完成压缩。2.根据权利要求1所述的基于物联网的农作物监控数据高效处理方法，其特征在于，所述根据多维的长期历史监控数据获取每个维度与每个关联维度监控数据之间的趋势分布模型，包括的具体方法为：获取任意一个维度作为目标维度，获取目标维度的任意一个关联维度作为目标关联维度，将目标维度的长期历史监控数据及目标关联维度的长期历史监控数据中同一时刻的两个数据作为数据点的二维坐标，目标维度的长期历史监控数据为横坐标，目标关联维度的长期历史监控数据为纵坐标，将所有时刻的数据都转换为若干数据点的二维坐标，对所有数据点进行曲线拟合，拟合得到的曲线及曲线公式即为目标维度与目标关联维度监控数据之间的趋势分布模型。3.根据权利要求1所述的基于物联网的农作物监控数据高效处理方法，其特征在于，所述获取每个维度的当前监控数据中每个时刻下数据的第一差异性，包括的具体方法为：其中，表示第个维度的当前监控数据中第个时刻下的数据的第一差异性，表示短期历史监控数据中的天数，表示第个...

【专利技术属性】
技术研发人员：侯升林，侯亮，齐浩，孙海芳，范凤翠，
申请(专利权)人：河北省农林科学院，
类型：发明
国别省市：