本发明涉及数据管理,具体而言,涉及一种基于自然语言处理技术的数据管理方法及系统。
背景技术:
1、自然语言处理技术是使计算机能够理解和处理人类的自然语言。在这种数据管理方法中,自然语言处理技术用于从用户的自然语言输入中提取客户需求信息,实现人机交互,方便人们生产和生活。
2、当前在气象数据管理中实现了应用自然语言处理技术为用户提供简单了天气情况,包括实时天气与气象预测等。然而,现有的基于自然语言处理技术的气象数据管理方法主要集中于从互联网直接获取数据,并通过语言处理技术将信息传达给用户。这种方法缺少对所提供数据准确性的判断和评估。尽管现有方法在便捷性和用户体验方面取得了进展,但其局限性在于仅依赖于互联网数据源,而忽视了数据的可靠性问题。这可能导致用户收到不准确或不稳定的天气信息,对用户的决策和计划造成误导。
3、因此,有必要设计一种基于自然语言处理技术的数据管理方法及系统,用以解决当前面临的问题。
技术实现思路
1、鉴于此,本发明提出了一种基于自然语言处理技术的数据管理方法及系统,旨在解决当前自然语言技术在气象数据应用中存在的缺乏数据判断,易造成数据准确度不高影响用户体验的问题。
2、一个方面,本发明提出了一种基于自然语言处理技术的数据管理方法,包括:
3、采集气象数据和用户的需求位置,获取所述需求位置的观测站点信息,根据所述观测站点信息判断所述需求位置的观测数据是否准确;
4、所述观测数据的准确度由下式进行计算:
5、p=α*n+β*p-γ*y;
6、其中,n为观测站点数量,α为观测站点数量所占权重,α>0;p为观测频率,β为观测频率所占权重,β>0;y为异常次数,γ为异常次数所占权重,γ>0;且α+β+γ=1;
7、当所述需求位置的观测数据准确时,输出所述需求位置的实时天气信息并进行天气预测;
8、当所述需求位置的观测数据不准确时,获取第一预设观测站点数据,根据第一预设观测站点数据判断所述需求位置的观测站点数据是否稳定;
9、当判定所述需求位置内的观测站点数据不稳定时,对所述观测站点信息进行调整,调整后输出所述需求位置的实时天气信息并进行天气预测。
10、进一步的,所述采集气象数据和用户的需求位置,获取所述需求位置的观测站点信息,根据所述观测站点信息判断所述需求位置的观测数据是否准确,包括:
11、所述观测站点信息包括观测站点数量n、观测频率p和异常次数n;
12、预先设定准确度阈值p0,根据所述观测数据的准确度p与准确度阈值p0的大小关系判断所述需求位置内的观测数据是否准确;
13、当p≥po时,判定所述需求位置的观测数据准确,输出所述需求位置的实时天气信息并进行天气预测;
14、当p<po时,判定所述需求位置的观测数据不准确,进一步判断所述需求位置的观测数据是否稳定。
15、进一步的,当判定所述需求位置的观测数据准确时,输出所述需求位置的实时天气信息并进行天气预测,包括:
16、采集实时降水量s0,并预先设定第一预设降水量s1、第二预设降水量s2和第三预设降水量s3,且s1<s2<s3;预先设定第一预设降水等级d1、第二预设降水等级d2和第三预设降水等级d3,且d1<d2<d3;
17、根据所述实时降水量s0与各预设降水量的大小关系,确定实时降水等级;
18、当s1≤s0<s2时,确定实时降水等级为d1;
19、当s2≤s0<s3时,确定实时降水等级为d2;
20、当s3≤s0时,确定实时降水等级为d3。
21、进一步的,在确定实时降水等级为di后,i=1,2,3,输出所述需求位置的实时天气信息并进行天气预测,还包括:
22、获取湿度变化率△q,预先设定第一预设湿度变化率△q1、第二预设湿度变化率△q2、第三预设湿度变化率△q3和第四预设湿度变化率△q4,且△q1<△q2<0<△q3<△q4;
23、根据湿度变化率△q与各预设湿度变化率的大小关系,对实时降水等级进行调整,将调整后的降水等级作为时间间隔t后的降水等级;
24、当△q1≤△q<△q2时,将实时降水等级di调低两级;
25、当△q2≤△q<0时,将实时降水等级di调低一级;
26、当0≤△q<△q3时,将实时降水等级di调高一级;
27、当△q3≤△q<△q4时,将实时降水等级di调高两级。
28、进一步的,对实时降水等级进行调整,将调整后的降水等级作为时间间隔t后的降水等级后,输出所述需求位置的实时天气信息并进行天气预测,还包括:
29、获取实时风力数据f0,预先设定第一预设风力f1、第二预设风力f2和第三预设风力f3,且f1<f2<f3;预先设定第一预设调整系数a1、第二预设调整系数a2和第三预设调整系数a3,且a1<a2<a3;
30、根据所述实时风力数据f0与各预设风力的大小关系选取调整系数对时间间隔t进行调整,获取调整后的时间间隔;
31、当f1≤f0<f2时,选取所述第三预设调整系数a3对所述时间间隔t进行调整,获取调整后的时间间隔为t*a3;
32、当f2≤f0<f3时,选取所述第二预设调整系数a2对所述时间间隔t进行调整,获取调整后的时间间隔为t*a2;
33、当f3≤f0时,选取所述第一预设调整系数a1对所述时间间隔t进行调整,获取调整后的时间间隔为t*a1。
34、进一步的,当判定所述需求位置的观测数据不准确,进一步判断所述需求位置的观测数据是否稳定,包括:
35、获取第一预设观测站点数据的第一波动范围w0,所述需求位置的观测数据的波动范围w1,根据所述第一波动范围w0与需求位置的观测数据的波动范围w1的大小关系判断所述需求位置的观测站点数据是否稳定;
36、当w1≤w0时,判断所述需求位置的观测数据稳定;
37、当w1>w0时,判断所述需求位置的观测数据不稳定。
38、进一步的,当判断所述需求位置的观测数据不稳定时,获取第一预设观测站点的海拔信息h1,获取所述需求位置的观测站点的平均海拔h0,根据所述海拔信息h1与平均海拔h0的大小关系,判断是否能将所述第一预设观测站点数据并入所述需求位置的观测数据;
39、当0.9h0≤h1≤1.1h0时,判定可将所述第一预设观测站点数据并入所述需求位置的观测数据;
40、当h1<0.9h0或h1>1.1h0时,判定不可将所述第一预设观测站点数据并入所述需求位置的观测数据,并对所述观测站点信息进行调整,调整后输出所述需求位置的实时天气信息并进行天气预测。
41、进一步的,当判定不可将所述第一预设观测站点数据并入所述需求位置的观测数据时,获取所述需求位置内的观测站点的平均观测频率p0,获取所述需求位置内的观测数据的波动范围w1与预设波动阈值wmax的波动差值△w=w1-wmax,预先设定第一预设差值△w1、第二预设差值△w2和第三预设差值△w3,且△w1<△w2<△w3;
42、根据所述波动差值△w与各预设差值的大小关系,对所述平均观测频率p0进行调整,获取调整后的观测频率。
43、进一步的,根据所述波动差值△w与各预设差值的大小关系,对所述平均观测频率p0进行调整,获取调整后的观测频率,包括:
44、预先设定第一预设频率调整系数b1、第二预设频率调整系数b2和第三预设频率调整系数b3,且b1<b2<b3;
45、当△w1≤△w<△w2时,选取所述第一预设频率调整系数b1对所述平均观测频率p0进行调整,获取调整后的观测频率p0*b1;
46、当△w2≤△w<△w3时,选取所述第二预设频率调整系数b2对所述平均观测频率p0进行调整,获取调整后的观测频率p0*b2;
47、当△w3≤△w时,选取所述第三预设频率调整系数b3对所述平均观测频率p0进行调整,获取调整后的观测频率p0*b3。
48、与现有技术相比,本发明的有益效果在于:通过采集气象数据和用户需求位置,结合观测站点信息,系统通过数据准确度计算模型对所提供的观测数据进行评估和判定。充分考虑了观测站点数量、观测频率和异常次数的权重分配,以综合衡量数据的可信程度。当系统判定所需位置的观测数据准确时,用户将受益于获得准确的实时天气信息和可靠的天气预测,支持用户作出决策和规划。而在数据不准确的情况下,系统的多层次反应机制将为用户提供更高层次的响应:通过获取第一预设观测站点数据来判断数据的稳定性;其次,针对不稳定的情况,系统将通过调整观测站点信息来提升数据的可靠性。这一过程将使用户获得更为可靠的实时天气信息和更精准的天气预测,从而有效降低由于不准确数据而引发的误导和决策偏差。
49、另一方面,本技术还提供了一种基于自然语言处理技术的数据管理系统,包括:
50、采集单元,采集气象数据和用户的需求位置,获取所述需求位置的观测站点信息,根据所述观测站点信息判断所述需求位置的观测数据是否准确;
51、所述观测数据的准确度由下式进行计算:
52、p=α*n+β*p-γ*y;
53、其中,n为观测站点数量,α为观测站点数量所占权重,α>0;p为观测频率,β为观测频率所占权重,β>0;y为异常次数,γ为异常次数所占权重,γ>0;且α+β+γ=1;
54、预测单元,被配置为当所述需求位置的观测数据准确时,输出所述需求位置的实时天气信息并进行天气预测;
55、判断单元,被配置为当所述需求位置内的观测数据不准确时,获取第一预设观测站点数据,根据第一预设观测站点数据判断所述需求位置的观测站点数据是否稳定;
56、调整单元,被配置为当判定所述需求位置内的观测站点数据不稳定时,对所述观测站点信息进行调整,调整后输出所述需求位置的实时天气信息并进行天气预测。
57、可以理解的是,上述基于自然语言处理技术的数据管理方法及系统具备相同的有益效果,在此不再赘述。