监测数据处理方法、趋势预测方法及系统与流程

本发明涉及适用于特定功能的数据处理方法，具体涉及一种监测数据处理方法、趋势预测方法及系统。

背景技术：

1、在检测监测对象的变化情况时，需要实时采集监测对象的各项监测数据进行分析。例如，公告号为cn112146614b的专利公开了一种基于地表倾角传感器的蜂群式边坡监测系统，通过微机电系统倾角传感器监测边坡的倾斜变化和位移变化，并由此推算出边坡位移变化的情况。

2、然而，在监测设备在对监测对象进行实时监测的过程中，其采集到的监测数据有可能会因监测对象的突然变化或外界因素产生非线性的跳变。比如，当边坡发生剧烈位移时，边坡位移监测设备采集到的位移监测数据就会出现非线性的跳变。以及当边坡位移监测设备因外界因素发生抖动时，边坡位移监测设备采集到的位移监测数据同样会出现非线性的跳变。

3、而传统的监测设备所采用的趋势预测方法是根据监测数据总的变化量来进行趋势预测，并没有对这种非线性的跳变数据进行判别，也就无法对这种跳变数据进行处理。而外界因素产生的跳变数据属于噪点数据，对于监测对象的变化趋势预测会产生一定影响，导致趋势预测精度降低，进而造成趋势预警误报。

技术实现思路

1、针对现有技术存在的不足，本发明提出一种监测数据处理方法、趋势预测方法及系统，可以对监测数据中的噪点数据进行处理，提高趋势预测精度。具体技术方案如下：

2、第一方面，提供了一种监测数据处理方法，包括：

3、获取监测设备发送的监测数据，并对所述监测数据进行预处理；

4、通过构建起的自注意力机制网络，确定预处理后的监测数据中的跳变数据；

5、根据位于所述跳变数据之间的数据分析跳变数据的突变程度，通过所述突变程度判别所述跳变数据是否属于噪点数据；

6、当所述跳变数据属于噪点数据时，通过插值算法对所述监测数据进行插值，替换所述跳变数据。

7、结合第一方面，在第一方面的第一种可实现方式中，对所述监测数据进行预处理，包括：

8、对所述监测数据进行数据清洗，并对清洗后的监测数据进行归一化处理。

9、结合第一方面，在第一方面的第二种可实现方式中，分析跳变数据的突变程度，包括：

10、计算位于跳变数据之前的多个数据点的跳变平均值，以及相邻数据点之前多个数据点的对比平均值，所述相邻数据点位于跳变数据之前；

11、分别计算跳变数据与跳变平均值之间的跳变值，以及相邻数据点与对比平均值之间的对比值；

12、将所述跳变值与对比值进行比较，并根据比较结果确定所述跳变数据的突变程度。

13、第二方面，提供了一种监测数据变化趋势预测方法，包括：

14、采用第一方面、第一方面的第一至二种可实现方式中的任一所述的监测数据处理方法，对获取到的监测数据进行处理；

15、通过构建起的gru模型预测处理后的监测数据的变化趋势。

16、第三方面，提供了一种监测数据变化趋势预测方法，包括：

17、获取监测设备发送的监测数据，并对所述监测数据进行预处理；

18、通过构建起的gru模型预测预处理后监测数据的变化趋势；

19、当所述变化趋势出现异常时，通过构建起的自注意力机制网络，确定预处理后的监测数据中的跳变数据；

20、根据位于所述跳变数据之间的数据分析跳变数据的突变程度，并通过所述突变程度判别所述跳变数据是否属于噪点数据；

21、当所述跳变数据属于噪点数据时，通过插值算法对所述监测数据进行插值，替换所述跳变数据；

22、通过所述gru模型重新预测变更后的监测数据的变化趋势。

23、结合第三方面，在第三方面的第一种可实现方式中，对所述监测数据进行预处理，包括：对所述监测数据进行数据清洗，并对清洗后的监测数据进行归一化处理。

24、结合第三方面，在第三方面的第二种可实现方式中，分析跳变数据的突变程度，包括：

25、计算位于跳变数据之前的多个数据点的跳变平均值，以及相邻数据点之前多个数据点的对比平均值，所述相邻数据点位于跳变数据之前；

26、分别计算跳变数据与跳变平均值之间的跳变值，以及相邻数据点与对比平均值之间的对比值；

27、将所述跳变值与对比值进行比较，并根据比较结果确定所述跳变数据的突变程度。

28、第四方面，提供了一种监测数据处理系统，包括：

29、获取模块，配置为获取监测设备发送的监测数据，并对所述监测数据进行预处理；

30、确定模块，配置为通过构建起的自注意力机制网络，确定预处理后的监测数据中的跳变数据；

31、处理模块，配置为根据位于所述跳变数据之间的数据分析跳变数据的突变程度，并通过所述突变程度判别所述跳变数据是否属于噪点数据；

32、当所述跳变数据属于噪点数据时，通过插值算法对所述监测数据进行插值，替换所述跳变数据。

33、第五方面，提供了一种监测数据变化趋势预测系统，包括：

34、获取模块，配置为获取监测设备发送的监测数据，并对所述监测数据进行预处理；

35、确定模块，配置为通过构建起的自注意力机制网络，确定预处理后的监测数据中的跳变数据；

36、处理模块，配置为根据位于所述跳变数据之间的数据分析跳变数据的突变程度，并通过所述突变程度判别所述跳变数据是否属于噪点数据；

37、当所述跳变数据属于噪点数据时，通过插值算法对所述监测数据进行插值，替换所述跳变数据；

38、预测模块，配置为通过构建起的gru模型预测处理模块处理后的监测数据的变化趋势。

39、第六方面，提供了一种监测数据变化趋势预测系统，包括：

40、获取模块，配置为获取监测设备发送的监测数据，并对所述监测数据进行预处理；

41、预测模块，配置为通过构建起的gru模型预测预处理后的监测数据的变化趋势；

42、确定模块，当所述变化趋势出现异常时，通过构建起的自注意力机制网络，确定预处理后的监测数据中的跳变数据；

43、处理模块，配置为根据位于所述跳变数据之间的数据分析跳变数据的突变程度，并通过所述突变程度判别所述跳变数据是否属于噪点数据；

44、当所述跳变数据属于噪点数据时，通过插值算法对所述监测数据进行插值，替换所述跳变数据，所述预测模块重新预测变更后的监测数据的变化趋势。

45、有益效果：采用本发明的监测数据处理方法、趋势预测方法及系统，通过自注意力机制网络可以确定监测数据中的非线性跳变数据，并通过对跳变数据分析，可以判别跳变数据是否属于因外界因素导致的噪点数据，以从监测数据中清理掉噪点数据，从而提高监测数据的趋势预测精度，避免趋势预警误报。

技术特征：

1.一种监测数据处理方法，其特征在于，包括：

2.根据权利要求1所述的监测数据处理方法，其特征在于，对所述监测数据进行预处理，包括：

3.根据权利要求1所述的监测数据处理方法，其特征在于，分析跳变数据的突变程度，包括：

4.一种监测数据变化趋势预测方法，其特征在于，包括：

5.一种监测数据变化趋势预测方法，其特征在于，包括：

6.根据权利要求5所述的监测数据变化趋势预测方法，其特征在于，对所述监测数据进行预处理，包括：对所述监测数据进行数据清洗，并对清洗后的监测数据进行归一化处理。

7.根据权利要求5所述的监测数据变化趋势预测方法，其特征在于，分析跳变数据的突变程度，包括：

8.一种监测数据处理系统，其特征在于，包括：

9.一种监测数据变化趋势预测系统，其特征在于，包括：

10.一种监测数据变化趋势预测系统，其特征在于，包括：

技术总结
本发明公开了一种监测数据处理方法、趋势预测方法及系统。系统包括获取模块、预测模块、确定模块和处理模块。首先，获取模块对获取的监测数据进行预处理，然后，通过预测模块采用训练好的GRU模型预测监测对象的变化趋势。之后，确定模块判别变化趋势是否出现异常，当变化趋势出现异常时，确定模块通过自注意力机制网络确定监测数据中的非线性跳变数据。然后，处理模块判别跳变数据是否属于噪点数据，如果是，处理模块采用插值法替换跳变数据。最后，根据处理模块处理后的监测数据，通过预测模块再次进行趋势预测。从而提高监测数据的趋势预测精度，避免趋势预警误报。

技术研发人员：毛友平,黄河,徐峰,杜孟秦,周伟,刘显鑫,贾学明
受保护的技术使用者：招商局重庆交通科研设计院有限公司
技术研发日：
技术公布日：2024/1/15