[发明专利]一种工业数据趋势识别方法和系统

说明书

本发明公开了一种工业数据趋势识别方法，包括：获取工业数据；对获取的工业数据进行预处理，获取原始数组，并提取出其中的特征值，生成若干组特征组数组；对原始数组、特征值数组进行多项式曲线拟合，获取与各个数组对应的斜率值；根据设定的分析规则，结合各个数组对应的斜率值计算得到本时间段范围内的工业数据的趋势类型。本发明通过提取特征值，结合特征值数组、原始数组的变化规律，联合分析得出这一组工业数据的变化趋势，由于引入了特征值的变化趋势，分析结果准确性高，计算量少；分析得到的工业数据的变化趋势能够有效利用到生产经营过程中去。另外，新产生的数据可以直接引入趋势识别过程，使趋势识别过程具有了实时性。

技术领域

本发明涉及多项式曲线拟合技术领域，具体而言涉及一种工业数据趋势识别方法和系统。

背景技术

PolynonmiaCurveFitter是一个多项式曲线拟合技术，建立在Apache Commonsmath3基础之上。这个类库提供了非常丰富的计算API，同时提供了多种数据拟合分析的方法，使得海量数据的分析变得非常容易。

工业生产经营过程中产生的数据应用潜力巨大，但目前而言，工业大数据在应用分析和价值挖掘上仍存在一些技术障碍，从工业数据中识别趋势是有效的数据分析方法。

发明内容

本发明目的在于提供一种工业数据趋势识别方法和系统，通过提取特征值，结合特征值数组、原始数组的变化规律，联合分析得出这一组工业数据的变化趋势，由于引入了特征值的变化趋势，分析结果准确性高，计算量少；分析得到的工业数据的变化趋势能够有效利用到生产经营过程中去。另外，新产生的数据可以直接引入趋势识别过程，使趋势识别过程具有了实时性。

为达成上述目的，结合图1，本发明提出一种工业数据趋势识别方法，所述识别方法包括：

S1：根据提供的开始时间和结束时间，获取这一时间段范围内的工业数据，所述工业数据包括各自对应的时间戳。

S2：对获取的工业数据进行预处理，获取原始数组，并提取出其中的特征值，生成若干组特征组数组，所述特征值数组至少包括极大值数组、极小值数组、极大值、极小值。

所述极大值数组包括本时间段范围内工业数据中的局部波峰数值，所述极小值数组包括本时间段范围内工业数据中的局部波谷数值，所述极大值为本时间段范围内工业数据中的最大数值，所述极小值为本时间段范围内工业数据中的最小数值。

S3：对原始数组、特征值数组进行多项式曲线拟合，获取与各个数组对应的斜率值。

S4：根据设定的分析规则，结合各个数组对应的斜率值计算得到本时间段范围内的工业数据的趋势类型。

基于前述方法，本发明还提及一种工业数据趋势识别系统，所述识别系统包括以下模块：

(1)用于输入开始时间和结束时间的输入设备。

(2)用于根据输入的开始时间和结束时间获取这一时间段范围内的工业数据的模块。

(3)用于对获取的工业数据进行预处理，获取原始数组的模块。

(4)用于从获取的原始数组中提取出其中的特征值，生成若干组特征组数组的模块。

(5)用于对原始数组、特征值数组进行多项式曲线拟合，获取与各个数组对应的斜率值的模块。

(6)用于根据设定的分析规则，结合各个数组对应的斜率值计算得到本时间段范围内的工业数据的趋势类型的模块。

在工业生产经营过程中产生的工业数据通常包括数据类型、数值、时间戳等属性，例如能够反应生产经营结果的单位时间生产量、单位时间耗材量等，能够直接反应生产经营过程的单位时间良品率、单位时间废气排放量等，能够间接反应生产经营过程中电气设备使用情况的电压值、功率值等。