System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据分析,具体而言,涉及一种实验室数据分析方法、装置、计算机设备及存储介质。
技术介绍
1、在实验室进行实验操作的过程当中,往往需要使用恒重操作获取数据。恒重操作是指在进行实验时,需要保持样品的重量不变的操作,前后两次通过称重获取的重量数据需要小于误差值。目前,实验室的恒重操作主要是通过人工填写重量数据,再计算前后两次获取的重量数据以和误差值进行比较,而人工填写容易出现误判,并且无法对于已经产生的错误数据的原因进行分析。同时在实际实验中,若样品改变了存放环境,对其重量也会造成一定的影响,只通过人工填写重量数据,再计算前后两次获取的重量数据以和误差值进行比较,得到的数据不够准确,无法满足高精度实验需要。
技术实现思路
1、本专利技术旨在解决至少一个上述技术问题。
2、为解决上述问题,本专利技术提供一种实验室数据分析方法,包括:
3、通过目标指数回归模型得到所述目标恒重数据的第一数据评估结果,其中,所述第一数据评估结果包括数据正常评价和数据异常评价;
4、通过所述目标恒重数据和上一次恒重数据得到恒重差值;
5、利用所述恒重差值得到所述目标恒重数据的第二数据评估结果,其中,所述第二数据评估结果包括恒重正常评价和恒重异常评价;
6、当所述目标恒重数据为所述恒重正常评价和所述数据正常评价时,将所述目标恒重数据输入预设分级标准公式得到样品质量等级;
7、当所述目标恒重数据为所述恒重异常评价和/或所述数据异常评
8、可选地,所述目标恒重数据包括样品类型数据、温度数据、时间数据和重量数据;所述通过目标指数回归模型得到所述目标恒重数据的第一数据评估结果,包括:
9、根据所述样品类型数据和所述温度数据得到所述目标指数回归模型;
10、将所述时间数据输入所述目标指数回归模型得到预测重量数据;
11、根据所述目标指数回归模型得到平均绝对误差;
12、通过所述重量数据和所述预测重量数据得到预测重量差值;
13、当所述预测重量差值小于所述平均绝对误差的二倍时,则得到所述目标恒重数据的所述数据异常评价。
14、可选地,所述根据所述样品类型数据和所述温度数据得到目标指数回归模型,包括:
15、获取恒重指数回归模型池,所述恒重指数回归模型池包括多个预设指数回归模型;
16、根据所述样品类型数据和所述温度数据选取所述恒重指数回归模型池的所述预设指数回归模型,将所述预设指数回归模型作为所述目标指数回归模型。
17、可选地,所述将所述时间数据输入所述目标指数回归模型得到预测重量数据,包括:
18、将所述时间数据输入所述目标指数回归模型得到所述预测重量数据;
19、其中,所述目标指数回归模型为:
20、y=abx,
21、其中,y为所述预测重量数据,x为所述时间数据,a和b为常数。
22、可选地,所述利用所述恒重差值得到所述目标恒重数据的第二数据评估结果,包括:
23、当所述恒重差值大于预设阈值时,则得到所述目标恒重数据的所述恒重正常评价;
24、当所述恒重差值小于或等于所述预设阈值时,则得到所述目标恒重数据的所述恒重异常评价。
25、可选地,所述cart分类树的构建过程包括:
26、获取当前节点,其中,所述当前节点的数据集为d,所述数据集d包括多个样本;
27、如果所述样本的个数小于第一阈值或没有特征,则返回决策子树,所述当前节点停止递归,其中,所述特征包括时间和质量变化率;
28、根据所述数据集d得到数据集基尼系数,如果所述基尼系数小于第二阈值则返回所述决策子树,所述当前节点停止递归;
29、通过所述当前节点得到所有所述特征的特征值的特征基尼系数;
30、选取所述特征基尼系数最小的所述特征和所述特征值,得到目标特征和目标特征值;
31、根据所述目标特征和所述目标特征值得到第一子节点和第二子节点;
32、重复获取所述当前节点,直到得到所述cart分类树。
33、可选地,所述根据所述目标特征和所述目标特征值得到第一子节点和第二子节点,包括:
34、根据所述目标特征将所述数据集d中大于所述目标特征值的数据作为第一子数据集;
35、将所述第一子数据集作为所述第一子节点;
36、根据所述目标特征将所述数据集d中小于或等于所述目标特征值的数据作为第二子数据集;
37、将所述第二子数据集作为所述第二子节点。
38、本专利技术所述的实验室数据分析方法获取目标恒重数据,通过目标指数回归模型对本次称重结果进行预测,通过预测结果对本次得到的目标恒重数据进行评估,减少了由于样品改变存放环境导致质量变化从而产生的误差,得到所述目标恒重数据的第一数据评估结果,其中,所述第一数据评估结果包括数据正常评价和数据异常评价。再利用两次称重得到的数据,通过所述目标恒重数据和上一次恒重数据的恒重差值,得到第二数据评估结果,其中,所述第二数据评估结果包括恒重正常评价和恒重异常评价。再根据所述目标恒重数据对应的评估结果,对所述目标恒重数据进行分析。当所述目标恒重数据为所述恒重正常评价和所述数据正常评价时,将所述目标恒重数据输入预设分级标准公式得到样品质量等级。当所述目标恒重数据为所述恒重异常评价和/或所述数据异常评价时,利用cart分类树对数据产生异常的原因进行分析,另最终得到的数据更加准确。
39、本专利技术还提供一种实验室数据分析装置,包括:目标恒重数据获取单元,所述目标恒重数据获取单元用于获取目标恒重数据;
40、第一数据评估结果获取单元,所述第一数据评估结果获取单元用于通过目标指数回归模型得到所述目标恒重数据的第一数据评估结果,其中,所述第一数据评估结果包括数据正常评价和数据异常评价;
41、恒重差值获取单元,所述恒重差值获取单元用于通过所述目标恒重数据和上一次恒重数据得到恒重差值;
42、第二数据评估结果获取单元,所述第二数据评估结果获取单元用于利用所述恒重差值得到所述目标恒重数据的第二数据评估结果,其中,所述第二数据评估结果包括恒重正常评价和恒重异常评价;
43、样品质量等级获取单元,所述样品质量等级获取单元用于当所述目标恒重数据为所述恒重正常评价和所述数据正常评价时,将所述目标恒重数据输入预设分级标准公式得到样品质量等级;
44、数据异常分析获取单元,所述数据异常分析获取单元用于当所述目标恒重数据为所述恒重异常评价和/或所述数据异常评价时,将所述目标恒重数据输入预训练的cart分类树得到数据异常分析,其中,所述数据异常分析用于表示数据异常的原因。
45本文档来自技高网...
【技术保护点】
1.一种实验室数据分析方法,其特征在于,包括:
2.根据权利要求1所述的实验室数据分析方法,其特征在于,所述目标恒重数据包括样品类型数据、温度数据、时间数据和重量数据;所述通过目标指数回归模型得到所述目标恒重数据的第一数据评估结果,包括:
3.根据权利要求2所述的实验室数据分析方法,其特征在于,所述根据所述样品类型数据和所述温度数据得到目标指数回归模型,包括:
4.根据权利要求3所述的实验室数据分析方法,其特征在于,所述将所述时间数据输入所述目标指数回归模型得到预测重量数据,包括:
5.根据权利要求1所述的实验室数据分析方法,其特征在于,所述利用所述恒重差值得到所述目标恒重数据的第二数据评估结果,包括:
6.根据权利要求1所述的实验室数据分析方法,其特征在于,所述CART分类树的构建过程包括:
7.根据权利要求6所述的实验室数据分析方法,其特征在于,所述根据所述目标特征和所述目标特征值得到第一子节点和第二子节点,包括:
8.一种实验室数据分析装置,其特征在于,包括:
9.一种计算机设备
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器读取并运行时,实现如权利要求1至7中任一项所述的实验室数据分析方法。
...【技术特征摘要】
1.一种实验室数据分析方法,其特征在于,包括:
2.根据权利要求1所述的实验室数据分析方法,其特征在于,所述目标恒重数据包括样品类型数据、温度数据、时间数据和重量数据;所述通过目标指数回归模型得到所述目标恒重数据的第一数据评估结果,包括:
3.根据权利要求2所述的实验室数据分析方法,其特征在于,所述根据所述样品类型数据和所述温度数据得到目标指数回归模型,包括:
4.根据权利要求3所述的实验室数据分析方法,其特征在于,所述将所述时间数据输入所述目标指数回归模型得到预测重量数据,包括:
5.根据权利要求1所述的实验室数据分析方法,其特征在于,所述利用所述恒重差值得到所述目标恒重数据的第二数据评估结果,包括:...
【专利技术属性】
技术研发人员:孔伟阳,韩延峰,温瑞琦,孙晓晨,
申请(专利权)人:中控技术股份有限公司,
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。