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() 一种基于监测数据检验的生态物联网稳定性判别方法技术_技高网

一种基于监测数据检验的生态物联网稳定性判别方法技术

技术编号:41148383 阅读:5 留言:0更新日期:2024-04-30 18:15
本发明专利技术涉及物联网系统稳定性检验的技术领域,具体为一种基于监测数据检验的生态物联网稳定性判别方法,通过预设时间间隔对系统监测数据进行实时更新;基于多层的统计假设检验,对更新后的要素序列进行分类;按要素序列特性分配适用的异常值检验算法,返回时间段内的数据质量情况;根据数据质量情况结合设备运行参数对系统运行的稳定性状态进行判断并返回原因。该方法主要以监测数据为对象,对造成生态物联网系统稳定性问题的不同原因进行分析和判断,实现分时段的自动检验功能,通过返回的当前时间段内系统运行的稳定性状态,为管理平台的优化调控提供依据,从而保证生态物联网系统运行的稳定性以及监测数据的可靠性。

【技术实现步骤摘要】

本专利技术涉及生态物联网监测系统稳定性检验的,尤其涉及一种对多源异构的物联网监测数据质量检验与判别方法。


技术介绍

1、物联网作为现代信息
的重要发展,通过不同传感器的感知、网络连接以及计算机系统,实现数据的采集、传输以及综合分析与应用,在生态环境的智能化监测管理中得到广泛应用。

2、目前,物联网在大尺度的生态环境监测中应用,传感器设备呈现出的感知原理多样化、布置数量大、分布范围广等特点;数据传输也依赖于不同地区条件采用不同的组网方式;采集得到的数据呈现出显著的多源异构特点。利用大数据和人工智能技术进行故障诊断和预测,提前发现设备故障,并采取相应的维护措施,是提高系统运行稳定性主要研究方向。为此,在物联网系统稳定性的研究中,智能化技术的应用是其发展的主要趋势。通过引入人工智能、机器学习和深度学习等技术,实现对系统的自动监测、预测和故障诊断,以制定多层协商的物联网优化运行方案,从而提高系统的稳定性和故障恢复能力。

3、生态监测作为一个长期且复杂的系统性工作,在综合科学考察中,利用物联网、大数据等技术,针对复杂环境下的生态监测,开展无线传感技术、自组网通讯技术、智能信息处理技术支撑下的生态监测物联网研究,对发展生态环境脆弱且复杂区域的全方位高频率自动生态监测技术具有十分重要的意义。

4、生态监测物联网系统在复杂环境下,感知层和传输层中均存在的数据质量风险,使得获取的数据出现失真现象,并且这种现象经系统传递后出现累积效应,导致系统运行的稳定性遭到破坏,数据产生偏离直接影响到应用的可靠性。>

5、针对在不同环境下,持续更新获取的监测数据,通过搭建系统稳定性的自检平台,基于机器学习等大数据技术,对获取到的多源异构数据进行数据质量检验,通过数据质量情况,判断系统中设备、运行保障条件和数据传输等各环节的稳定性进行诊断,形成对生态监测物联网系统稳定性的综合认知,提供系统优化以及数据风险管控的方案,对复杂环境下生态检测物联网系统稳定性的维护是十分必要的,对保障监测数据的可靠性也是十分重要的。因此,特提出一种基于监测数据检验的生态物联网稳定性判别方法


技术实现思路

1、本专利技术的目的在于提供一种基于监测数据检验的生态物联网稳定性判别方法,旨在解决生态监测物联网系统在复杂环境下,系统运行的稳定性遭到破坏导致的监测数据失真,影响数据应用与分析可靠性的问题。

2、为实现上述目的,本专利技术提供了一种基于监测数据检验的生态物联网稳定性判别方法,包括以下步骤:

3、通过预设时间间隔对系统监测数据进行实时更新;

4、基于多层的统计假设检验,并对更新后的要素序列进行分类,确定要素序列特性;

5、基于要素序列特性分配适用的异常值检验算法,返回时间段内的数据质量情况;

6、基于所述数据质量情况结合设备运行参数对系统运稳定性状态进行判断并返回原因。

7、其中,所述的监测数据包括气象、辐射、土壤和植被不同生态要素,为多源异构数据序列。

8、其中,所述基于多层的统计假设检验,并对更新后的要素序列进行分类,确定要素序列特性的具体方式:

9、通过白噪声检验,将所述监测数据序列分为随机序列或非随机序列;

10、通过平稳性检验将所述非随机序列分为平稳序列或非平稳序列;

11、通过基于小波分析的周期性检验将所述非平稳序列分为趋势序列或周期序列。

12、其中,对所述随机序列按3δ准则和孤立森林算法对更新的数据点进行异常值判断;

13、对所述平稳序列采用局部异常因子对更新的数据点进行异常值判断;

14、所述趋势序列具基于k-最近邻采用滑动的斜率指标对更新的数据点进行异常值判断;

15、所述周期序列基于k-最近邻法采用相关阶数范围内的滑动平均指标对更新的数据点进行异常值判断。

16、其中,所述基于数据质量结合设备运行参数对系统运稳定性状态进行判断并返回原因的具体方式:

17、所有监测数据无异常值,设备参数正常,判别为监测系统运行正常;

18、间断性的出现各别异常值,设备参数正常,判别为监测环境变化造成的系统暂时失稳;

19、连续出现异常值,设备参数出现异常,判别为设备供电等保障条件造成的系统失稳;

20、连续出现异常值,设备参数正常,判断为网络传输故障;

21、缺省值或特征值连续出现,设备参数异常,判别为设备故障。

22、本专利技术的一种基于监测数据检验的生态物联网稳定性判别方法,通过预设时间间隔对系统监测数据进行实时更新;基于多层的统计假设检验,并对更新后的要素序列进行分类,确定要素序列特性;基于素序列特性分配适用的异常值检验算法,返回时间段内的数据质量情况;基于所述数据质量情况结合设备运行参数对系统运稳定性状态进行判断并返回原因,该方法对新疆生态物联网系统中监测要素多样、作业环境多变、系统构成复杂等现实情况造成的系统稳定性问题进行分析和判断,以监测数据为对象,实现对不同设备、不同要素监测数据的分时段自动检验功能,返回当前时间段内系统运行中的设备条件、保障条件、传输条件的稳定性状态,为系统管理平台的优化调控提供依据,从而保证新疆生态物联网系统运行的稳定性以及监测数据的可靠性,解决生态监测物联网系统在复杂环境下,系统运行稳定性遭到破坏后导致的数据失真,影响数据应用与分析可靠性的问题。

本文档来自技高网...

【技术保护点】

1.一种基于监测数据检验的生态物联网稳定性判别方法,其特征在于,包括以下步骤:

2.如权利要求1所述的一种基于监测数据检验的生态物联网稳定性判别方法,其特征在于,

3.如权利要求1所述的一种基于监测数据检验的生态物联网稳定性判别方法,其特征在于,

4.如权利要求3所述的一种基于监测数据检验的生态物联网稳定性判别方法,其特征在于,

5.如权利要求1所述的一种基于监测数据检验的生态物联网稳定性判别方法,其特征在于,

【技术特征摘要】

1.一种基于监测数据检验的生态物联网稳定性判别方法,其特征在于,包括以下步骤:

2.如权利要求1所述的一种基于监测数据检验的生态物联网稳定性判别方法,其特征在于,

3.如权利要求1所述的一种基于监测数据检验的...

【专利技术属性】
技术研发人员:刘蛟易珍言方亚会曾特林
申请(专利权)人:西南科技大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1