实验室数据分析方法、装置、计算机设备及存储介质与流程

本发明涉及数据分析，具体而言，涉及一种实验室数据分析方法、装置、计算机设备及存储介质。

背景技术：

1、在实验室进行实验操作的过程当中，往往需要使用恒重操作获取数据。恒重操作是指在进行实验时，需要保持样品的重量不变的操作，前后两次通过称重获取的重量数据需要小于误差值。目前，实验室的恒重操作主要是通过人工填写重量数据，再计算前后两次获取的重量数据以和误差值进行比较，而人工填写容易出现误判，并且无法对于已经产生的错误数据的原因进行分析。同时在实际实验中，若样品改变了存放环境，对其重量也会造成一定的影响，只通过人工填写重量数据，再计算前后两次获取的重量数据以和误差值进行比较，得到的数据不够准确，无法满足高精度实验需要。

技术实现思路

1、本发明旨在解决至少一个上述技术问题。

2、为解决上述问题，本发明提供一种实验室数据分析方法，包括：

3、通过目标指数回归模型得到所述目标恒重数据的第一数据评估结果，其中，所述第一数据评估结果包括数据正常评价和数据异常评价；

4、通过所述目标恒重数据和上一次恒重数据得到恒重差值；

5、利用所述恒重差值得到所述目标恒重数据的第二数据评估结果，其中，所述第二数据评估结果包括恒重正常评价和恒重异常评价；

6、当所述目标恒重数据为所述恒重正常评价和所述数据正常评价时，将所述目标恒重数据输入预设分级标准公式得到样品质量等级；

7、当所述目标恒重数据为所述恒重异常评价和/或所述数据异常评价时，将所述目标恒重数据输入预训练的cart分类树得到数据异常分析，其中，所述数据异常分析用于表示数据异常的原因。

8、可选地，所述目标恒重数据包括样品类型数据、温度数据、时间数据和重量数据；所述通过目标指数回归模型得到所述目标恒重数据的第一数据评估结果，包括：

9、根据所述样品类型数据和所述温度数据得到所述目标指数回归模型；

10、将所述时间数据输入所述目标指数回归模型得到预测重量数据；

11、根据所述目标指数回归模型得到平均绝对误差；

12、通过所述重量数据和所述预测重量数据得到预测重量差值；

13、当所述预测重量差值小于所述平均绝对误差的二倍时，则得到所述目标恒重数据的所述数据异常评价。

14、可选地，所述根据所述样品类型数据和所述温度数据得到目标指数回归模型，包括：

15、获取恒重指数回归模型池，所述恒重指数回归模型池包括多个预设指数回归模型；

16、根据所述样品类型数据和所述温度数据选取所述恒重指数回归模型池的所述预设指数回归模型，将所述预设指数回归模型作为所述目标指数回归模型。

17、可选地，所述将所述时间数据输入所述目标指数回归模型得到预测重量数据，包括：

18、将所述时间数据输入所述目标指数回归模型得到所述预测重量数据；

19、其中，所述目标指数回归模型为：

20、y＝abx，

21、其中，y为所述预测重量数据，x为所述时间数据，a和b为常数。

22、可选地，所述利用所述恒重差值得到所述目标恒重数据的第二数据评估结果，包括：

23、当所述恒重差值大于预设阈值时，则得到所述目标恒重数据的所述恒重正常评价；

24、当所述恒重差值小于或等于所述预设阈值时，则得到所述目标恒重数据的所述恒重异常评价。

25、可选地，所述cart分类树的构建过程包括：

26、获取当前节点，其中，所述当前节点的数据集为d，所述数据集d包括多个样本；

27、如果所述样本的个数小于第一阈值或没有特征，则返回决策子树，所述当前节点停止递归，其中，所述特征包括时间和质量变化率；

28、根据所述数据集d得到数据集基尼系数，如果所述基尼系数小于第二阈值则返回所述决策子树，所述当前节点停止递归；

29、通过所述当前节点得到所有所述特征的特征值的特征基尼系数；

30、选取所述特征基尼系数最小的所述特征和所述特征值，得到目标特征和目标特征值；

31、根据所述目标特征和所述目标特征值得到第一子节点和第二子节点；

32、重复获取所述当前节点，直到得到所述cart分类树。

33、可选地，所述根据所述目标特征和所述目标特征值得到第一子节点和第二子节点，包括：

34、根据所述目标特征将所述数据集d中大于所述目标特征值的数据作为第一子数据集；

35、将所述第一子数据集作为所述第一子节点；

36、根据所述目标特征将所述数据集d中小于或等于所述目标特征值的数据作为第二子数据集；

37、将所述第二子数据集作为所述第二子节点。

38、本发明所述的实验室数据分析方法获取目标恒重数据，通过目标指数回归模型对本次称重结果进行预测，通过预测结果对本次得到的目标恒重数据进行评估，减少了由于样品改变存放环境导致质量变化从而产生的误差，得到所述目标恒重数据的第一数据评估结果，其中，所述第一数据评估结果包括数据正常评价和数据异常评价。再利用两次称重得到的数据，通过所述目标恒重数据和上一次恒重数据的恒重差值，得到第二数据评估结果，其中，所述第二数据评估结果包括恒重正常评价和恒重异常评价。再根据所述目标恒重数据对应的评估结果，对所述目标恒重数据进行分析。当所述目标恒重数据为所述恒重正常评价和所述数据正常评价时，将所述目标恒重数据输入预设分级标准公式得到样品质量等级。当所述目标恒重数据为所述恒重异常评价和/或所述数据异常评价时，利用cart分类树对数据产生异常的原因进行分析，另最终得到的数据更加准确。

39、本发明还提供一种实验室数据分析装置，包括：目标恒重数据获取单元，所述目标恒重数据获取单元用于获取目标恒重数据；

40、第一数据评估结果获取单元，所述第一数据评估结果获取单元用于通过目标指数回归模型得到所述目标恒重数据的第一数据评估结果，其中，所述第一数据评估结果包括数据正常评价和数据异常评价；

41、恒重差值获取单元，所述恒重差值获取单元用于通过所述目标恒重数据和上一次恒重数据得到恒重差值；

42、第二数据评估结果获取单元，所述第二数据评估结果获取单元用于利用所述恒重差值得到所述目标恒重数据的第二数据评估结果，其中，所述第二数据评估结果包括恒重正常评价和恒重异常评价；

43、样品质量等级获取单元，所述样品质量等级获取单元用于当所述目标恒重数据为所述恒重正常评价和所述数据正常评价时，将所述目标恒重数据输入预设分级标准公式得到样品质量等级；

44、数据异常分析获取单元，所述数据异常分析获取单元用于当所述目标恒重数据为所述恒重异常评价和/或所述数据异常评价时，将所述目标恒重数据输入预训练的cart分类树得到数据异常分析，其中，所述数据异常分析用于表示数据异常的原因。

45、本发明所述的实验室数据分析装置与所述实验室数据分析方法相对于现有技术的优势相同，在此不再赘述。

46、本发明还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述所述实验室数据分析方法的步骤。

47、本发明所述的计算机设备与所述实验室数据分析方法相对于现有技术的优势相同，在此不再赘述。

48、本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器读取并运行时，实现所述实验室数据分析方法的步骤。

49、本发明所述的计算机可读存储介质与所述实验室数据分析方法相对于现有技术的优势相同，在此不再赘述。