[发明专利]基于ARIMA的冷库温湿度数据预测方法及相关产品

权利要求书

1.一种基于ARIMA的冷库温湿度数据预测方法，其特征在于，所述方法包括如下步骤：

接收传感器发送的实时数据；

对传感器接收到的实时数据进行异常值检测和缺失值填补得到预处理后的数据；

对预处理后的数据运用时间序列法建立时序求和自回归滑动平均模型；利用建立的自回归移动平均模型进行下一时间段的温湿度值预测，根据预测值验证预测步长，并进行预警分析。

2.根据权利要求1所述的方法，其特征在于，所述对传感器接收到的实时数据进行异常值检测和缺失值填补得到预处理后的数据具体包括：

对传感器接收到的实时数据采用均值、中位数、众数或随机数填补法进行缺失值填补得到预处理后的数据。

3.根据权利要求1所述的方法，其特征在于，所述对预处理后的数据运用时间序列法建立时序求和自回归滑动平均模型具体包括：

建立自回归移动平均模型并预测温湿度值，ARIMA(p,q,d)模型定义如下：

其中p为自回归的阶数，d为差分阶数，q为滑动平均阶数，X_t是时间序列在t时刻的观察值，ε_t是时间序列模型在t时刻的误差或偏差，选择合适的模型，使用最大似然参数估计计算出参数和θ_q的值。

4.根据权利要求1所述的方法，其特征在于，所述根据预测值验证预测步长，并进行预警分析具体包括：

将该预测值以及预测步长与预设的冷库温度阈值进行遍历搜索，大于温度高线或低于温度低限的异常温度值，进行预警。

5.一种基于ARIMA的冷库温湿度数据预测系统，其特征在于，所述系统包括：

接收单元，用于接收传感器发送的实时数据；

处理单元，用于对传感器接收到的实时数据进行异常值检测和缺失值填补得到预处理后的数据；

处理单元，还用于对预处理后的数据运用时间序列法建立时序求和自回归滑动平均模型；利用建立的自回归移动平均模型进行下一时间段的温湿度值预测，根据预测值验证预测步长，并进行预警分析。

6.根据权利要求5所述的系统，其特征在于，

所述处理单元，具体用于对传感器接收到的实时数据采用均值、中位数、众数或随机数填补法进行缺失值填补得到预处理后的数据。

7.根据权利要求5所述的系统，其特征在于，

所述处理单元，用于建立自回归移动平均模型并预测温湿度值，ARIMA(p,q,d)模型定义如下：

其中p为自回归的阶数，d为差分阶数，q为滑动平均阶数，X_t是时间序列在t时刻的观察值，ε_t是时间序列模型在t时刻的误差或偏差，选择合适的模型，使用最大似然参数估计计算出参数和θ_q的值。

8.根据权利要求5所述的系统，其特征在于，

所述处理单元，具体用于将该预测值以及预测步长与预设的冷库温度阈值进行遍历搜索，大于温度高线或低于温度低限的异常温度值，进行预警。

9.一种计算机可读存储介质，其特征在于，其存储基于ARIMA的冷库温湿度数据预测的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-4任一项所述的方法。

10.一种计算机程序产品，其特征在于，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如权利要求1-4任一项所述的方法。