本发明属于粮食的监管和核查
技术领域：
，特别涉及一种基于相关性统计的粮仓储粮状态监管方法。
背景技术：
目前在我国粮库内粮食储粮监管通常是通过进出仓时的作业记录或人工通过现场的检测和核查来判定仓内粮食的数量和是否空置等情况，这种传统的监管采用人工的方式来完成，就会造成管理过程中人为操作的因素很大，不利于管理的准确性和客观性，且粮库数量多并分布于全国各地，人工核查自动化程度很低，费时费力。在专利申请号201310048494.6和专利申请号201410783262.x的专利中分别公开了一种利用数字图像处理技术和激光扫描技术的粮仓容量监控系统，但都涉及对增加硬件系统、增加费用、停电会干扰监管系统、人工干扰监管等问题。因此，需要一种简便可靠的方法，对粮仓储粮进行监管。技术实现要素：本发明的目的是提供一种基于相关性统计的粮仓储粮状态监管方法，在现有粮情监控系统基础上，通过统计分析对粮仓内粮食数量和容量进行估计和判定，实现对粮仓储粮状态进行监管。本发明提供的技术方案为：一种基于相关性统计的粮仓储粮状态监管方法，包括：步骤一、获取粮库内的仓温和粮温；步骤二、确定粮库所在区域，建立监管异常判定阈值表；步骤三、按照粮仓基本信息、测温传感器的位置和数量对粮温数据在三维空间进行重组编码；步骤四、选择粮温数据切面，计算所述粮温数据切面的面面互相关系数和自相关系数，并根据所述阈值表判断所述粮温数据切面是否异常；步骤五、计算异常粮温数据切面内的粮温线的线线互相关系数和自相关系数，并根据所述阈值表判断所述粮温线是否异常；步骤六、计算异常粮温线上的粮温点的点点互相关系数和自相关系数；并根据所述阈值表判断所述粮温点是否异常；步骤七、对异常结果进行判定和输出，得到异常位置和比例范围。优选的是，在所述步骤三之前还包括：对所调用数据进行清理，去除非正常数据。优选的是，在所述步骤七之前，还包括排除由于通风、熏蒸作业产生的异常结果。优选的是，以粮仓长、宽、高方向分别作为x轴、y轴、z轴建立坐标系，平行于yoz平面的粮温数据切面的面面互相关系数为：其中，tijk、t(i+1)jk为相邻粮温数据切面温度矩阵；分别为相邻粮温数据切面温度矩阵平均值；m为平行于yoz面的粮温数据切面的个数。优选的是，所述平行于yoz面的粮温数据切面的自相关系数为：其中，tijkt1、tijkt2分别为不同时间粮温数据切面温度矩阵；分别为不同时间粮温数据切面温度矩阵平均值。优选的是，平行于yoz平面的粮温数据切面内与oy线平行的粮温线的线线互相关系数为：其中，tijk、tij(k+1)分别为相邻粮温线数组；分别为相邻的粮温线数组平均值；l为与oy线平行的粮温线的个数。优选的是，所述粮温线的自相关系数为：其中，tijkt1、tijkt2分别为不同时间的粮温线数组；分别为不同时间的粮温线数组平均值。优选的是，所述粮温点的点点互相关系数为：其中，t1t、t2t分别为相邻粮温点在同一时间的数组；分别为相邻粮温点同一时间数组平均值。优选的是，所述粮温点的自相关系数为：其中，tt为粮温点在不同时间序列上的数组；为粮温点在不同时间序列数组平均值。本发明的有益效果是：(1)本发明提供的基于相关性统计的粮仓储粮状态监管方法，在现有粮情监控系统基础上，通过对粮情监控系统采集的粮情信息进行统计分析，对粮仓内粮食数量和容量进行估计和判定，能够节省人力，且不需要额外增加硬件系统。(2)本发明提供的基于相关性统计的粮仓储粮状态监管方法，在粮仓粮情监测系统非正常中断情况下，可保持不受停电中断影响进行有效监管。附图说明图1为本发明所述的基于相关性统计的粮仓储粮状态监管方法流程图。图2为本发明所述的粮仓中温度点分布方式示意图。图3为本发明实施例一的粮仓中测温点分布主视图。图4为本发明实施例一的粮仓中测温点分布俯视图。图5为本发明实施例一的一年内粮温纵切面6和7面面互相关图。图6为本发明实施例一的切面6和切面7上线线互相关图。图7为本发明实施例一的切面6和切面7上线线自相关图。图8为本发明实施例一的点点自相关图。图9为本发明实施例一的点点互相关图。具体实施方式下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。本发明提供了一种基于相关性统计的粮仓储粮状态监管方法，通过对现有粮情系统中粮食温度，仓内温度和湿度等信息进行统计分析，得到储粮的正常和非正常状态下统计学特性，通过不同特征判定储粮状态。如图1-2所示，在粮情监测系统中，粮仓100内的粮食温度采用测温电缆110进行检测，每根测温电缆110上排列多个测温点120，所述测温点120在粮堆内部呈三维矩阵式分布，测温电缆排列规则按照粮食行业标准ls/t1203-2002粮情测控系统实施。在储粮过程中，粮堆内粮温传感器某点、线或面上的粮温会受到相邻点、线和面粮温的影响，且粮堆内某点、线或面上的粮温在时间序列上也将呈一定相关性特征，这两种类型的相关性特征分别称为互相关和自相关。在本发明中通过分析面面、线线及点点的互相关和自相关特性，对储粮状态进行判定，在本发明中这种分析方法称为6r分析策略。面面相关中的面为粮温矩阵中平行于粮仓的横切面上的粮温点、纵切面上的粮温点或水平切面上的粮温点所构成的粮温数据切面，线线相关中的线为某一粮温数据切面上横向粮温点或纵向粮温点所构成的粮温线。所述6r分析策略的应用方法和步骤包括：s1.选择所监管粮库，调用或加载一定时间区间内的粮库内的仓温、粮温等粮情数据。s2.根据粮仓所在区确定粮库所在区域，计算面面、线线、点点互相关系数及自相关系数的阈值(rsc、rsa、rlc、rla、rpc、rpa)，并建立6r监管异常判定阈值表，如表1所示：表1监管异常判定阈值表s3.对所调用数据进行清理，去除数据中乱码、超限错误等非正常数据。s4.按照粮仓的长、宽、高，以及传感器分布和数量等对粮温数据在三维空间进行重组编码。所述粮情检测粮温点表示为tijkt，其中i、j、k分别为粮仓长(x)、宽(y)、高(z)方向温度点数量和编号，t为时间序列。当t为常数时，tijkt表示某一时间的粮温数据，当i、j、k其中一个参数为常数时，tijkt表示某一时间一个粮温面的温度，如当k＝1～l时，tij(1～l)t表示平行于粮仓xoy平面的粮温，其中，l为平行水平面的粮温数据切面的个数；当i、j、k中两个参数为常数时，tijkt表示某一时间一个粮温线的温度，当i、j、k中三个参数为常数，tijkt表示某一时间一个粮温点的温度。s5.选择6r分析策略要分析的粮温数据切面，即选择横切面(平行于xoz平面的切面)、纵切面(平行于yoz平面的切面)或水平切面(平行于xoy平面的切面)，对选择的粮温数据切面进行自相关和面面互相关分析，并根据监管异常判定阈值表对各相关系数所在的区间范围进行判定，判断所述粮温数据切面是否存在异常。其中，所述面面互相关性为相邻粮温面在同一时间的相关性，对于平行于粮仓yoz平面的相邻粮温数据切面之间的面面互相关系数，计算公式为：式中，tijk、t(i+1)jk为平行于粮仓yoz平面的相邻粮温数据切面温度矩阵；分别为相邻粮温数据切面温度矩阵平均值，m为平行于yoz面的粮温数据切面的个数。而平行于粮仓yoz平面的粮温数据切面的自相关系数为同一粮温数据切面不同时间粮温的相关性，其计算公式为：式中，tijkt1、tijkt2分别为不同时间粮温数据切面的温度矩阵；分别为不同时间粮温数据切面的温度矩阵平均值。s6.对判断为异常的粮温数据切面中的粮温线进行自相关和线线互相关分析，并根据监管异常判定阈值表对各相关系数所在的区间范围进行判定，判断所述粮温线是否存在异常。所述线线互相关性为粮温数据切面内相邻的横向粮温线之间或相邻的纵向粮温线之间在同一时间的相关性，平行于粮仓yoz面的粮温数据切面上的与oy线平行的相邻粮温线之间的相关性，计算公式为：式中，tijk、tij(k+1)分别为相邻粮温线数组；分别为相邻粮温线数组的平均值，l为与oy线平行的粮温线的个数。而平行于粮仓yoz面的粮温数据切面上的与oy线平行的粮温线在不同时间的自相关性，计算公式为：式中，tijkt1、tijkt2分别为不同时间粮温线数组；分别为不同时间粮温线数组的平均值。s7.对判断为异常的粮温线上的粮温点进行自相关和点点互相关分析，并根据监管异常判定阈值表对各相关系数所在的区间范围进行判定，判断所述粮温点是否存在异常。所述点点间互相关性为同一粮温线上的相邻点之间在同一时间的相关性，其计算公式为：式中，t1t、t2t分别为相邻粮温点在同一时间序列上的数组；分别为相邻粮温点在同一时间序列上数组的平均值。同一粮温点在不同时间的自相关性，其计算公式为：式中，tt为粮温点在不同时间序列上的温度值；为粮温点在不同时间序列数组的平均值。s8.排除由于通风、熏蒸等正常操作中产生的异常结果。s9.对非正常异常结果进行判定和输出，给出异常位置和比例范围。实施例一：如图3-9所示，以黑龙江某粮库实际粮情数据监管过程为例，对本发明做进一步说明。该粮库的粮仓长宽高尺寸分别为47.5米、26米和8米，装粮高度6米，测温电缆水平长度方向13根、宽度方向6根，每根测温电缆在高度方向4个测温点，测温点数量总计为：13×6×4＝312点，数据时间区间为1年。以粮仓底面一角为坐标原点，粮温点tijkt中下标系数i、j、k分别代表长(x)宽(y)高(z)方向温度点数量和编号，例如当i＝1，2，……，13时，tijkt分别表示粮仓13个纵向粮温数据切面的粮温矩阵；当j＝1，2，……，6时，tijkt分别表示粮仓6个横向粮温数据切面的粮温矩阵；当k＝1，2，3，4时，tijkt分别表示粮仓4个水平方向粮温数据切面的粮温矩阵。分别对粮仓横切面、纵切面和平切面中粮温数据进行面面、线线、点点进行相关性分析，具体包括以下步骤：s1.调用并加载黑龙江某粮库粮情数据，包括时间、粮温、仓温和粮仓基本信息，数据时间长度为1年。s2.根据粮仓所在区确定粮库所在区域，建立6r监管异常判定阈值表，如表2所示：表2相关性异常阈值rscrsarlcrlarpcrpa阈值：0.400.400.600.600.850.85s3.对所调用数据进行清理，去除数据中乱码、超限错误等非正常干扰数据。s4.对粮温数据按照粮仓基本信息、传感器分布和数量等对粮温数据在三维空间进行重新编码，重组后粮温矩阵为6行，13列，4层的三维数组矩阵。s5.选择6r策略方法要分析的粮温数据切面方式，切面方式可任意设定，即选择横切面、纵切面或水平面，对选择的粮温面进行自相关和互相关分析，在本实例中，选择分析对象为纵切面，并对各相关系数进行阈值比较判定。根据r≤阈值的条件判定，当自相关系数或互相关系数符合时阈值条件时，即可判定所分析温度切面所在粮堆存在异常。经逐面扫描分析，其中纵切粮温面6和7在5月5日-5月7日和10月10日的互相关系数低于阈值，存在异常，分析结果如图5所示。s6.分别对异常日期的异常切面，进行线线自相关和互相关分析，并对线线间各相关系数区间范围进行判定。5月5日-5月7日为装粮前空仓日期，因此只对10月10日异常切面进行线线相关性分析，并根据r≤阈值的条件判定，当线线自相关系数或互相关系数符合时阈值条件，即可判定所分析温度线所在粮堆存在异常，分析结果如图5-6所示。s7.对异常粮温线上的粮温点进行点点自相关和互相关分析，对仓内顶层测温平面各温度点与仓温分别进行点点相关性分析，并对点点间各相关系数区间范围进行判定，分析结果如图7-8所示。s8.对数据处理结果进行异常判定，对比人工操作记录，排除通风、熏蒸等正常操作中的异常日期。s9.经三级相关性异常判定和人工异常排除后，统计最终异常日期中异常点数量，输出异常结果，给出异常日期中异常位置和比例范围。粮仓内粮堆纵切面6和7位置在10月10日左右存在粮食数量异常，异常比例范围＝异常点数/温度点数。本发明中是以粮库中常见的平房仓为例进行异常分析判定的，同样在本发明中的6r策略方法也适用于对浅圆仓的储粮数字监管，在浅圆仓中粮温传感器是以同心圆的形式自上而下依次排列的，平行于水平面的每个粮温面作为面分析对象，而每根测温电缆上的温度点自上而下或同一圆周上的粮温点，可作为线的分析对象。尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。当前第1页12