【技术实现步骤摘要】
本专利技术涉及水质巡检过程的数据编码压缩，具体涉及一种净水厂进出水质的在线巡检方法。
技术介绍
1、在工业生产过程中需利用水质净化器来对净水厂水质进行净化处理，由于净水厂中所应用的水质净化器较多，为了实现对水质净化过程的准确监测，会设置多个水质巡检位置，通过巡检过程完成对整个工厂水质净化过程的检测。在净水厂中一般采用外置传感器，传感器采集到的数据传输到净化器中心处理器中，中心处理器通过处理传感器数据来对水质净化器进行控制，实现在线检测。为了保障水质净化器处理的实时性，需保障传输的实时性，而传感器采集到的数据较多，并且水质巡检位置较多，因此为了实现对净水过程的在线检测，需要传输大量水质数据给净化器中心处理器。若不能对这些数据进行有效编码压缩，减少数据量，则会影响中心处理器的数据处理效率，不能保证每个水质巡检位置都能实时准确地获得水质检测结果，进而影响了水质在线巡检效率。
技术实现思路
1、为了解决上述技术问题，本专利技术的目的在于提供一种净水厂进出水质的在线巡检方法，所采用的技术方案具体如下：
2、一种净水厂进出水质的在线巡检方法，所述方法包括：
3、根据每个水质巡检位置处的水质净化器传感器获取多个传感器数据序列和高斯滤波核尺寸，将每个传感器数据序列分割处理得到多个第一子序列，将所有第一子序列构成数据集；
4、构建神经网络并进行初始化，将数据集中的每个第一子序列输入到神经网络中得到多个数据段；
5、根据第一子序列和多个数据段构建第一损失
6、根据多个数据段的个数得到第二损失函数；
7、获取每个数据段、每个第一子序列的多个层级的分层信息，根据数据段、每个第一子序列的多个层级的分层信息和高斯滤波核尺寸得到每个层级的重要性权重，根据每个层级的重要性权重和每两个数据段的同一层级的分层信息的相似性情况得到每两个数据段的综合相似度；
8、根据每两个数据段的综合相似度构建第三损失函数；
9、将第一损失函数、第二损失函数和第三损失函数加和得到综合损失函数；
10、利用数据集基于综合损失函数对神经网络进行训练得到训练完成的神经网络；
11、将新采集的第一子序列输入到训练完成的神经网络中得到多个新的数据段，获取每两个新的数据段的综合相似度，根据每两个新的数据段的综合相似度对所有新的数据段进行类别划分得到若干数据段类别，根据若干数据段类别和第一子序列得到第二子序列，通过对第二子序列进行编码处理得到编码序列；
12、将编码序列传输至中心处理器并进行水质检测，遍历每个水质巡检位置，获得每个水质巡检位置处的水质检测结果。
13、进一步地，所述根据第一子序列和多个数据段构建第一损失函数，包括：
14、
15、其中，n表示每个子序列段的数据段的个数，表示第个数据段，表示将数据段按次序拼接在一起，表示第一子序列，为第一损失函数。
16、进一步地，所述获取每个数据段、每个第一子序列的多个层级的分层信息，包括：
17、对于任意一个数据段，利用高斯金字塔算法对所述数据段进行下采样处理得到多个层级，获取每个层级的下采样段；将每个层级的下采样段进行上采样得到每个层级的上采样段，将每个层级的上采样段减去上一层级的上采样段得到每个层级的差值上采样段；将每个层级的上采样段与减去上一层级的上采样段得到所述数据段的每个层级的分层信息，获取所述数据段的多个层级的分层信息；
18、获取第一子序列的多个层级的分层信息。
19、进一步地，所述根据数据段、每个第一子序列的多个层级的分层信息和高斯滤波核尺寸得到每个层级的重要性权重，包括：
20、
21、其中，表示层级的序号，表示第k个层级的基础重要性权重，表示第k个层级的高斯滤波核尺寸；
22、对于任意一个第一子序列，每个层级的分层信息与其他第一子序列的同层级的分层信息计算皮尔逊相关系数，将每个层级的分层信息与其他所有第一子序列的同层级的分层信息得到的所有皮尔逊相关系数求均值得到每个层级的重要性修正系数；将每个层级的基础重要信息权重和重要性修正系数相乘得到每个层级的重要性权重。
23、进一步地，所述根据每个层级的重要性权重和每两个数据段的同一层级的分层信息的相似性情况得到每两个数据段的综合相似度，包括：
24、将任意两个数据段中的其中一个数据段分别记为第一数据段，另外一个数据段记为第二数据段；
25、对于每两个数据段，将第一数据段的每个层级的分层信息与第二数据段的同层级的分层信息计算的相似度得到每个层级的相似度值，将每个层级的相似度值与重要性权重相乘得到每个层级的乘积值，将所有层级的乘积值加和得到综合相似度。
26、进一步地，所述根据每两个数据段的综合相似度构建第三损失函数，包括：
27、
28、其中表示第个数据段与第个其他数据段之间的综合相似度，表示每个第一子序列分割出的数据段的个数，为第三损失函数，为每个第一子序列分割出的数据段中除了第个数据段之外的其他数据段的个数。
29、进一步地，所述根据每两个新的数据段的综合相似度对所有新的数据段进行类别划分得到若干数据段类别，包括：
30、以每个数据段为节点，将每两个数据段的综合相似度作为所属两个数据段对应节点的边权值得到无向图，将无向图进行谱聚类得到若干数据段类别。
31、进一步地，所述根据若干数据段类别和第一子序列得到第二子序列，包括：
32、对于任意一个数据段类别，计算每个数据段与其他所有数据段的综合相似度均值，将综合相似度均值最大值对应的数据段作为所属数据段类别的表征数据段；将所述数据段类别中的各数据段作为表征数据段的待替换数据段，在第一子序列中将表征数据段分别替换掉各待替换数据段得到第二子序列。
33、进一步地，所述神经网络为卷积神经网络。
34、进一步地，所述传感器数据序列由水质净化器传感器采集，所述水质净化器传感器至少包括ph值传感器、硫化物传感器和温湿度传感器。
35、本专利技术具有如下有益效果：本专利技术实施例中每个水质巡检位置处的工业净化器的外置传感器会实时采集数据进而产生大量数据，数据量会导致传输效率较低无法水质在线巡检过程的实时性，为了提高传输效率需对每个传感器数据进行压缩处理。传感器数据会存在一些相似的序列段，这些相似的序列段存在些许差异，但是这些些许差异不会对整体信息有影响，因而可以将满足相似要求的每个序列段用一个表征序列替换，这样就会导致在整个序列中相同序列出现频率较好，霍夫曼编码对于出现频率较高的序列段编码较短，因而就会简短编码序列段，使得压缩效果更好，每个水质巡检位置处的数据均能快速的传输至中心处理器，进而提高了水质巡检效率。
本文档来自技高网...【技术保护点】
1.一种净水厂进出水质的在线巡检方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种净水厂进出水质的在线巡检方法，其特征在于，所述根据第一子序列和多个数据段构建第一损失函数，包括：
3.根据权利要求1所述的一种净水厂进出水质的在线巡检方法，其特征在于，所述获取每个数据段、每个第一子序列的多个层级的分层信息，包括：
4.根据权利要求1所述的一种净水厂进出水质的在线巡检方法，其特征在于，所述根据数据段、每个第一子序列的多个层级的分层信息和高斯滤波核尺寸得到每个层级的重要性权重，包括：
5.根据权利要求1所述的一种净水厂进出水质的在线巡检方法，其特征在于，所述根据每个层级的重要性权重和每两个数据段的同一层级的分层信息的相似性情况得到每两个数据段的综合相似度，包括：
6.根据权利要求1所述的一种净水厂进出水质的在线巡检方法，其特征在于，所述根据每两个数据段的综合相似度构建第三损失函数，包括：
7.根据权利要求1所述的一种净水厂进出水质的在线巡检方法，其特征在于，所述根据每两个新的数据段的综合相似度对所有新的
8.根据权利要求1所述的一种净水厂进出水质的在线巡检方法，其特征在于，所述根据若干数据段类别和第一子序列得到第二子序列，包括：
9.根据权利要求1所述的一种净水厂进出水质的在线巡检方法，其特征在于，所述神经网络为卷积神经网络。
10.根据权利要求1所述的一种净水厂进出水质的在线巡检方法，其特征在于，所述传感器数据序列由水质净化器传感器采集，所述水质净化器传感器至少包括pH值传感器、硫化物传感器和温湿度传感器。
...【技术特征摘要】
1.一种净水厂进出水质的在线巡检方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种净水厂进出水质的在线巡检方法，其特征在于，所述根据第一子序列和多个数据段构建第一损失函数，包括：
3.根据权利要求1所述的一种净水厂进出水质的在线巡检方法，其特征在于，所述获取每个数据段、每个第一子序列的多个层级的分层信息，包括：
4.根据权利要求1所述的一种净水厂进出水质的在线巡检方法，其特征在于，所述根据数据段、每个第一子序列的多个层级的分层信息和高斯滤波核尺寸得到每个层级的重要性权重，包括：
5.根据权利要求1所述的一种净水厂进出水质的在线巡检方法，其特征在于，所述根据每个层级的重要性权重和每两个数据段的同一层级的分层信息的相似性情况得到每两个数据段的综合相似度，包括：
6.根...
【专利技术属性】
技术研发人员：张增烁，张自力，王建超，于凯，李朋钰，张娟，王嘉铭，王博，
申请(专利权)人：河北建投水务投资有限公司，
类型：发明
国别省市：
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。