【技术实现步骤摘要】
本专利技术涉及水质监测数据处理，具体涉及一种畜禽水质异常监测数据处理方法及系统。
技术介绍
1、水是畜禽生长中不可或缺的资源，水质直接影响到畜禽的健康状况、生长速度以及产品质量。不良的水质可能导致疾病的发生，影响畜禽的免疫系统，甚至导致水源性疾病的爆发。随着物联网技术、大数据分析和人工智能的发展，实时在线监测系统的应用变得可行，这些技术能够提供实时数据收集、自动分析以及快速响应机制。该场景下大多通过传感器采集畜禽水质的监测数据，但是传感器存在一定的局限，所获取的水质监测数据中是存在噪声干扰的，因此往往需要通过对监测数据进行噪声处理，从而优化采集后的监测数据，提高监测精度。
2、通常采用sg（savitzky-golay）滤波算法对采集的水质信息进行去噪平滑，但常规sg滤波通常采用固定窗口对范围内的数据进行拟合，并通过拟合值来取代原数据，从而达到去噪平滑的效果。但是由于水质信息中除噪声外，本身数据中也存在波动特征，因此采用常规固定大小的窗口进行处理时，当窗口较大时，虽然对于噪声的平滑效果较高，但是对于噪声较小的原数据会产生较大的损伤，从而丢失信息；当窗口较小时，虽然局部细节更多，但对于较大的噪声效果又不佳；因此当滤波窗口大小设置的不合适时导致水质监测数据的滤波效果较差。
技术实现思路
1、为了解决现有滤波算法在对采集到的水质监测数据进行滤波处理时滤波窗口大小设置的不合适，导致水质监测数据的滤波效果较差的问题，本专利技术的目的在于提供一种畜禽水质异常监测数据处理方法及系统，
2、第一方面，本专利技术提供了一种畜禽水质异常监测数据处理方法，该方法包括以下步骤：
3、获取畜禽水质在预设时间段内每个采集时刻不同种类的监测数据，分别基于预设时间段内所有采集时刻的每种监测数据构建每种监测数据对应的数据序列；
4、根据每个数据序列中每个监测数据的预设邻域内的监测数据的波动情况，得到每个采集时刻的每种监测数据的波动异常因子；分别基于所有采集时刻的每种监测数据的波动异常因子，对每种监测数据进行聚类获得每种监测数据对应的聚类结果；根据相同采集时刻的每种监测数据与其他种类的监测数据之间的波动异常因子的差异和对应的聚类结果，获得每种监测数据的局部差异因子；
5、根据每个采集时刻的每种监测数据与其他种类的监测数据的波动异常因子的差异以及所述局部差异因子，确定每个采集时刻的每种监测数据的离散异常因子；基于所述离散异常因子确定每个采集时刻的每种监测数据对应的滤波窗口的大小；
6、基于所述滤波窗口的大小对所有监测数据进行滤波处理，获得滤波后的数据。
7、优选的，所述根据每个数据序列中每个监测数据的预设邻域内的监测数据的波动情况，得到每个采集时刻的每种监测数据的波动异常因子，包括：
8、对于第n个采集时刻的第i种监测数据：
9、在第i种监测数据对应的数据序列中，按照采集时刻的先后顺序，将第n个采集时刻的第i种监测数据以及其预设邻域内的所有监测数据进行曲线拟合，获得第n个采集时刻的第i种监测数据对应的拟合曲线；获取所述拟合曲线上的极值点；
10、将第n个采集时刻的第i种监测数据以及其预设邻域内的所有监测数据的均值记为第n个采集时刻的第i种监测数据的参考值；计算第n个采集时刻的第i种监测数据以及其预设邻域内的所有监测数据的标准差；
11、根据每个极值点与所述参考值之间的差异和所述标准差，获得第n个采集时刻的第i种监测数据的波动异常因子。
12、优选的，所述根据每个极值点与所述参考值之间的差异和所述标准差，获得第n个采集时刻的第i种监测数据的波动异常因子，包括：
13、将所述标准差的归一化结果记为第一特征值，将所有极值点与所述参考值之间的差异的平均值的归一化结果记为第二特征值；
14、将所述第一特征值与所述第二特征值的乘积，作为第n个采集时刻的第i种监测数据的波动异常因子。
15、优选的，所述分别基于所有采集时刻的每种监测数据的波动异常因子，对每种监测数据进行聚类获得每种监测数据对应的聚类结果，包括：
16、对于第i种监测数据：
17、按照时间先后顺序对所有采集时刻的第i种监测数据的波动异常因子进行排序获得第i种监测数据对应的波动异常因子序列；
18、采用dbscan聚类算法对所述波动异常因子序列中的数据进行聚类，获得第i种监测数据对应的各聚类簇。
19、优选的，所述根据相同采集时刻的每种监测数据与其他种类的监测数据之间的波动异常因子的差异和对应的聚类结果，获得每种监测数据的局部差异因子，包括：
20、对于第i种监测数据：
21、基于第i种监测数据对应的各聚类簇获取每个采集时刻的第i种监测数据对应的距离度量特征；
22、根据每个采集时刻的第i种监测数据与其他种类的监测数据之间的波动异常因子的差异、第i种监测数据对应的聚类簇的数量和所述距离度量特征，得到第i种监测数据的局部差异因子。
23、优选的，采用如下公式计算第i种监测数据的局部差异因子：
24、；
25、其中，si表示第i种监测数据的局部差异因子，ri表示第i种监测数据对应的聚类簇的数量，i表示监测数据的种类数，l表示采集时刻的数量，zil表示第l个采集时刻的第i种监测数据的波动异常因子，zjl表示第l个采集时刻的第j种监测数据的波动异常因子，hil表示第l个采集时刻的第i种监测数据对应的距离度量特征，||取绝对值符号，e表示自然常数，softmax( )表示归一化函数。
26、优选的，采用如下公式计算第n个采集时刻的第i种监测数据的离散异常因子：
27、；
28、其中，gin表示第n个采集时刻的第i种监测数据的离散异常因子，si表示第i种监测数据的局部差异因子，i表示监测数据的种类数，bin表示第n个采集时刻的第i种监测数据的波动异常因子，表示第n个采集时刻的除第i种监测数据外的第j种监测数据的波动异常因子，表示除第i种监测数据外的第j种监测数据的局部差异因子，softmax( )表示归一化函数。
29、优选的，所述基于所述离散异常因子确定每个采集时刻的每种监测数据对应的滤波窗口的大小，包括：
30、对于第n个采集时刻的第i种监测数据：
31、计算第n个采集时刻的第i种监测数据的离散异常因子与预设超参数的和值，将所述和值与预设调整系数的乘积的向上取整结果作为第n个采集时刻的第i种监测数据对应的滤波窗口的长度；所述预设超参数和所述预设调整系数均大于0。
32、优选的，所述基于所述滤波窗口的大小对所有监测数据进行滤波处理，获得滤波后的数据，包括：
33、基于每个采集时刻的每种监测数据对应的滤波窗口的大小，采用sg滤波算法对所有监测数据进行滤波处理，获得滤波后的数据。
34、第二方面，本文档来自技高网...
【技术保护点】
1.一种畜禽水质异常监测数据处理方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种畜禽水质异常监测数据处理方法，其特征在于，所述根据每个数据序列中每个监测数据的预设邻域内的监测数据的波动情况，得到每个采集时刻的每种监测数据的波动异常因子，包括：
3.根据权利要求2所述的一种畜禽水质异常监测数据处理方法，其特征在于，所述根据每个极值点与所述参考值之间的差异和所述标准差，获得第n个采集时刻的第i种监测数据的波动异常因子，包括：
4.根据权利要求1所述的一种畜禽水质异常监测数据处理方法，其特征在于，所述分别基于所有采集时刻的每种监测数据的波动异常因子，对每种监测数据进行聚类获得每种监测数据对应的聚类结果，包括：
5.根据权利要求4所述的一种畜禽水质异常监测数据处理方法，其特征在于，所述根据相同采集时刻的每种监测数据与其他种类的监测数据之间的波动异常因子的差异和对应的聚类结果，获得每种监测数据的局部差异因子，包括：
6.根据权利要求5所述的一种畜禽水质异常监测数据处理方法，其特征在于，采用如下公式计算第i种监测
7.根据权利要求1所述的一种畜禽水质异常监测数据处理方法，其特征在于，采用如下公式计算第n个采集时刻的第i种监测数据的离散异常因子：
8.根据权利要求1所述的一种畜禽水质异常监测数据处理方法，其特征在于，所述基于所述离散异常因子确定每个采集时刻的每种监测数据对应的滤波窗口的大小，包括：
9.根据权利要求1所述的一种畜禽水质异常监测数据处理方法，其特征在于，所述基于所述滤波窗口的大小对所有监测数据进行滤波处理，获得滤波后的数据，包括：
10.一种畜禽水质异常监测数据处理系统，包括存储器和处理器，其特征在于，所述处理器执行所述存储器存储的计算机程序，以实现如权利要求1-9任一项所述的一种畜禽水质异常监测数据处理方法。
...【技术特征摘要】
1.一种畜禽水质异常监测数据处理方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种畜禽水质异常监测数据处理方法，其特征在于，所述根据每个数据序列中每个监测数据的预设邻域内的监测数据的波动情况，得到每个采集时刻的每种监测数据的波动异常因子，包括：
3.根据权利要求2所述的一种畜禽水质异常监测数据处理方法，其特征在于，所述根据每个极值点与所述参考值之间的差异和所述标准差，获得第n个采集时刻的第i种监测数据的波动异常因子，包括：
4.根据权利要求1所述的一种畜禽水质异常监测数据处理方法，其特征在于，所述分别基于所有采集时刻的每种监测数据的波动异常因子，对每种监测数据进行聚类获得每种监测数据对应的聚类结果，包括：
5.根据权利要求4所述的一种畜禽水质异常监测数据处理方法，其特征在于，所述根据相同采集时刻的每种监测数据与其他种类的监测数据之间的波动异常因子的差异和对应的聚类结...
【专利技术属性】
技术研发人员：赵传生，赵恒亮，褚玉红，张丽丽，王敏，
申请(专利权)人：枣庄华宝牧业开发有限公司，
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。