CN119128768B 一种基于大数据的智能化环境监测方法及其系统 （烟台市蓬莱环境监控中心）_第1页
CN119128768B 一种基于大数据的智能化环境监测方法及其系统 （烟台市蓬莱环境监控中心）_第2页
CN119128768B 一种基于大数据的智能化环境监测方法及其系统 （烟台市蓬莱环境监控中心）_第3页
CN119128768B 一种基于大数据的智能化环境监测方法及其系统 （烟台市蓬莱环境监控中心）_第4页
CN119128768B 一种基于大数据的智能化环境监测方法及其系统 （烟台市蓬莱环境监控中心）_第5页
已阅读5页，还剩28页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于大数据的智能化环境监测方法及计算和分析信息熵让每项环境指标的波动性被常指标记录以及地点和时间的标注进一步提升2对所述处理后的环境数据集中的指标执行信息熵计算，包括对每项环境对所述异常指标记录中的数据进行概率分布的非参数估计，统计每基于所述趋势检测结果，计算每个环境指标的累积距平值，通过对长采用所述异常数据频率统计表，估计每个异常数据点的概率分布，不采用所述概率分布近似形状，整合异常数据点的分布估计结果指标的时间序列数据点按照实时发生的时间顺序排列，验证时间序列的连续性和完整性，得到环境指标时间序列；根据所述环境指标时间序列，使用趋势测试对每个时间序列进基于所述指标频率分布图，计算每项环境指标的波动性，通过分析和;3基于所述异常熵值指标列表，将每个异常指标与对应的时间戳和地理位置信息关联，根据所述异常指标时间地点关联数据，分析目标区域的环境异常;Entropy(s)是第i个子集的信息熵，IAl表示属性A的取值数目，入是调整系数，表示子集i4基于所述趋势检测结果，提取每个环境指标的时间序列数据，计算采用所述偏差数据表，对环境指标的偏差值进行时间序列上的累积，通过所述累积距平图，比较多个时间点的累积距平值与长期平均数据收集与处理模块从多种环境传感器收集气温、湿度和污信息熵计算模块对所述标准化环境数据集中的环境指标异常识别模块根据所述信息熵分析结果，识别信息熵值异常趋势分析模块使用所述概率分布估计结果，分析大数据时间序列中的环境5和多样化数据显示出处理速度和实时响应的不足。特别是在数据验证和格式标准化方面，6[0018]作为本发明的进一步方案，对所述处理后的环境数据集中的指标执行信息熵计7[0028]其中，E(S,A)为加权平均信息熵，pi代表在分割属性A下第i个子集的概率，Entropy(s)是第i个子集的信息熵，IAl表示属性A的取值数目，入是调整系数，表示子集i8[0045]数据点频率统计模块对所述异常指标记录集中的数据进行概率分布的非参数估9则值的平均可以通过插入到公式中计算得出。染物浓度等指标的数据处理，处理包括统计每个指标数据点在整个数据集中的出现频率，[0085]其中，E(S,A)为加权平均信息熵，pi代表在分割属性A下第i个子集的概率，Entropy(s)是第i个子集的信息熵，IAl表示属性A的取值数目，入是调整系数，表示子集i状态，因此A=3。;E=1(ta·logla)关联每个异常指标与时间戳和地理位置。式中，E代表异常事件的综t1=158,t2=162,t3=170（单位为分钟从日开始地理位置编码为计算数据点出现的概率。式中，p(x)代表数据点的出现概率，代表数据点的出现次[0110]根据环境指标时间序列，使用趋势测试对每个时间序列进行分析，按照公式测试数据集中的趋势变化。式中，T代表趋势值，代表时间序列中的分析提供了重要的基础数据。本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论