一种用于检测试剂盒存储环境温度监测的数据处理方法与流程

本发明涉及数据处理，特别涉及一种用于检测试剂盒存储环境温度监测的数据处理方法。

背景技术：

1、检测试剂盒是存放有特殊的试剂、用于检测特定病原体或者化学物质存在的试剂盒，已经被广泛应用在疾病检测、食品安全监测、环境监测、生物科技研究和临床药物监测等多个领域，检测试剂盒作为一种快速准确的检测方法，在这些领域中发挥着重要的作用。

2、由于一些检测试剂盒存放的试剂较为敏感，对存储环境温度的要求较高，在温度较高或者温度变化较大的情况下，试剂可能受到破坏，因此对检测试剂盒的存储需要严格控制环境温度，避免因储存温度不当导致检测试剂盒检测精度降低，甚至失效。这就需要在运输存储过程中对储存环境温度进行检测，然后采用数据处理的方式对储存环境的温度进行监测，温度异常时及时反馈，调整储存的温度。目前，常用的数据处理方法为：采用迭代自组织聚类算法对储存环境温度进行聚类，根据聚类结果分析储存环境温度是否出现异常。

3、但是传统的迭代自组织聚类算法中聚类的结果受参数设置的影响，尤其是迭代时聚类簇的分裂参数，如果该参数设置不当会造成聚类的结果不准确，从而导致对检测试剂盒存储环境温度的检测不准确，可能造成较大的损失。

技术实现思路

1、本发明提供了一种用于检测试剂盒存储环境温度监测的数据处理方法，以解决现有的数据处理方法由于算法参数设置不当，会导致对检测试剂盒存储环境温度的检测不准确，进而可能造成较大损失的技术问题。

2、为解决上述技术问题，本发明提供了如下技术方案：

3、一种用于检测试剂盒存储环境温度监测的数据处理方法，包括：

4、按照预设的采样周期和采样频率对检测试剂盒运输存储环境中的多个不同位置处的温度数据进行采集，得到一个采样周期内每一位置处的温度数据序列；

5、从多个温度数据序列中选取一个序列作为主序列，剩余的序列作为辅序列；

6、采用迭代自组织聚类算法对所述主序列中的温度数据进行聚类处理，得到聚类结果；其中，在采用迭代自组织聚类算法对所述主序列中的温度数据进行聚类处理时，在第一次迭代聚类完成后，之后每一次迭代聚类的过程中均基于所述主序列和所述辅序列，根据不同位置处的温度数据变化的特点，计算聚类过程中聚类簇的分裂参数，并根据计算出的分裂参数完成聚类过程；

7、基于所述聚类结果，分析检测试剂盒运输存储环境的温度数据的变化是否正常，实现对检测试剂盒的运输存储环境温度的监测。

8、优选的，对于所述主序列中的每一温度数据，在每一所述辅序列中均能找到与其采样时刻相同的温度数据，且所述辅序列中的温度数据多于所述主序列。

9、优选的，基于所述主序列和所述辅序列，根据不同位置处的温度数据变化的特点，计算聚类过程中聚类簇的分裂参数，包括：

10、基于所述主序列和所述辅序列，根据不同位置处的温度数据变化的特点，计算所述主序列中每一温度数据的温度变化丰度；其中，温度数据的温度变化丰度值越大，表示当前温度数据对应的采样时刻所对应的运输存储环境的整体温度变化信息越丰富，运输存储环境中温度异常的可能性越大；

11、基于温度数据的温度变化丰度，计算出每一聚类簇内每个峰对应温度数据的k近邻集合的分布常数；其中，所述分布常数越大，表示相应峰对应时刻的温度数据变化越大，并且反应运输存储环境整体温度信息越丰富；

12、计算出每一聚类簇内所有峰中两两之间的分布常数的差异值，利用每一聚类簇所计算出的所述差异值组成对应聚类簇的温度划分调节系数序列；

13、基于所述温度划分调节系数序列，计算出相应聚类簇的分裂参数。

14、优选的，基于所述主序列和所述辅序列，根据不同位置处的温度数据变化的特点，计算所述主序列中每一温度数据的温度变化丰度，包括：

15、分别在每一辅序列中抽取在待计算温度变化丰度的温度数据的采样时刻之后的连续多个温度数据，由每一辅序列中抽取到的温度数据组成相应辅序列所对应的温度数据集合；其中，根据位置的不同，每一辅序列抽取的数据量不同；

16、基于得到的每一辅序列对应的温度数据集合，获取温度变化丰度。

17、优选的，所述基于温度数据的温度变化丰度，计算出每一聚类簇内每个峰对应温度数据的k近邻集合的分布常数，包括：

18、以时间为横坐标，温度数据为纵坐标，绘制聚类簇内温度数据的分布曲线；

19、计算所述分布曲线中每个峰对应温度数据的近邻数据集合；其中，；

20、通过下式计算聚类簇中每个峰对应温度数据的k近邻集合的分布常数：

21、；

22、其中，表示聚类簇内第个峰对应温度数据的k近邻集合的分布常数；表示聚类簇内第个峰对应温度数据近邻数据集合中第个温度数据的温度变化丰度；表示聚类簇内第个峰对应温度数据近邻数据集合内数据的数量；表示聚类簇内第个峰对应温度数据近邻数据集合的标准差。

23、优选的，每一聚类簇内所有峰中两两之间的分布常数的差异值为对应的两个峰之间分布常数的差值的绝对值。

24、优选的，所述分裂参数的计算公式为：

25、；

26、其中，表示第个聚类簇的分裂参数；表示归一化函数；表示第个聚类簇的温度划分调节系数序列；表示选取中的最大值；表示第个聚类簇内的温度数据组成的集合，表示检测试剂盒的规定储存温度数据集合；表示计算与的jaccard相似度。

27、优选的，所述温度变化丰度的获取公式为：

28、；

29、其中，表示所述主序列中第个温度数据的温度变化丰度；表示温度数据序列的数量，表示第个辅序列所对应的温度数据集合；表示计算内的最大值与最小值的差值；表示计算内温度数据的信息熵。

30、优选的，基于所述聚类结果，分析检测试剂盒运输存储环境的温度数据的变化是否正常，实现对检测试剂盒的运输存储环境温度的监测，包括：

31、对所述聚类结果中的每个聚类簇内的温度数据计算均值，并对均值计算结果进行归一化处理，得到归一化处理后的均值计算结果；

32、设定异常聚类簇判断阈值，基于所述异常聚类簇判断阈值，根据归一化处理后的均值计算结果，从所述聚类结果中筛选出异常聚类簇，通过所有异常聚类簇内的温度数据构成存储环境检测集合；其中，所述异常聚类簇指的是对应的归一化处理后的均值计算结果大于所述异常聚类簇判断阈值的聚类簇；

33、在一个采样周期内，计算出检测试剂盒存储环境温度异常的指标，并根据检测试剂盒存储环境温度异常的指标计算出判断系数；

34、当大于预设的系数阈值时，判断检测试剂盒的运输存储环境温度异常。

35、优选的，所述判断系数，公式如下：

36、；

37、；

38、其中，表示集合内温度数据的均值；表示第个辅序列，为温度数据序列的数量；表示计算内的最大值与最小值的差值；为合格指标；表示检测试剂盒存储环境温度异常的指标。

39、本发明提供的技术方案带来的有益效果至少包括：

40、本发明通过获取检测试剂盒存储环境中不同位置温度数据的变化，根据储存环境中不同位置之间的关系，考虑整体温度的变化反应聚类簇内数据的分布特征，基于聚类簇内温度数据的变化和存储环境整体温度的变化，计算采用迭代自组织聚类算法进行聚类时的聚类簇分裂参数，从而可更准确的将需分裂的聚类簇进行分裂，提高采用迭代自组织聚类对温度数据聚类的准确性，进而提高对检测试剂盒存储环境温度检测的精度，保障检测试剂盒不会因存储问题失效。