[发明专利]数据处理系统有效
申请号: | 202011169507.1 | 申请日: | 2020-10-28 |
公开(公告)号: | CN112286933B | 公开(公告)日: | 2021-09-14 |
发明(设计)人: | 安嘉晨;梁丹璐 | 申请(专利权)人: | 况客科技(北京)有限公司 |
主分类号: | G06F16/22 | 分类号: | G06F16/22;G06F16/2455 |
代理公司: | 北京锺维联合知识产权代理有限公司 11579 | 代理人: | 安娜 |
地址: | 100020 北京市*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 数据处理系统 | ||
1.一种数据处理系统,其特征在于:
包括数据库,处理器和存储有计算机程序的存储器,所述数据库包括第一数据表和第二数据表,所述第一数据表的每条记录均为周期结果数据,所述周期结果数据为采样数据,所述第一数据表的字段包括结果数据ID、X个时间-采样值对、周期标识、M个数据索引,其中,X为采样周期内固定的采样次数;所述第二数据表的字段包括随机数据标识、随机数据采样时间和随机数据采样值;
当所述计算机程序被处理器执行时,实现以下步骤:
步骤S1、接收用户输入的第n-m周期到n周期;
步骤S2、根据第i周期在所述第一数据表的周期标识中进行检索,获取对应的X个时间-采样值对中的采样值,以及M个数据索引,i=n-m,n-m+1…n;
步骤S3、根据X个时间-采样值对中的采样值获取第i周期的周期结果数据;
步骤S4、根据第i周期在所述第二数据表的随机数据采样时间中进行检索,根据M个数据索引在所述第二数据表的随机数据标识中进行检索,获取M组随机数据采样值;
步骤S5、根据M组随机数据采样值获取M个数据分量,所述M个数据分量包括M1个具有第一属性的第一数据分量,M2个具有第二属性的第二数据分量,M3个具有第三属性的第三数据分量,M4个同时具有第一属性和第二属性的第四数据分量,所述第四数据分量包括第一属性信息和第二属性信息,其中n、m、M、M1、M2、M3、M4均为正整数,n大于等于m,M=M1+M2+M3+M4;
步骤S6、以所述M1个第一数据分量、M3个第三数据分量作为自变量,对应的周期结果数据作为因变量构建第一线性回归模型进行训练,获取每一第一数据分量和每一第三数据分量对应的权重和第一残差项;
步骤S7、以所述M2个第二数据分量、M4个第四数据分量的第二属性信息作为自变量,以对应的所述第一残差项作为因变量构建第二线性回归模型进训练,获取每一第二数据分量对应的权重以及每一第四数据分量对应的第一权重分量;
步骤S8、以所述M4个第四数据分量的第一属性信息、M1个去除所述第四数据分量的第一属性信息后的第一数据分量作为自变量,以对应的周期结果数据作为因变量构建第三线性回归模型进行训练,获取每一第四数据分量的第二权重分量;
步骤S9、基于每一第四数据分量的第一权重分量和第二权重分量确定每一第四数据分量的权重。
2.根据权利要求1所述的系统,其特征在于:
所述步骤S5中,第四数据分量对应的随机数据采样值包括第四数据分量采样值和对应的第一属性信息的采样值,所述步骤S5还包括:
步骤S51、根据第四数据分量采样值获取第四数据分量信息,根据第四数据分量对应的第一属性信息的采样值获取第四数据分量的第一属性信息;
步骤S52、以所述第四数据分量的第一属性信息作为自变量,以第四数据分量信息作为因变量构建进行线性回归,得到第二残差项,将所述第二残差项作为所述第四数据分量的第二属性信息。
3.根据权利要求1所述的系统,其特征在于:
所述步骤S8还包括:
步骤S81、以第四数据分量的第一属性信息作为自变量,以第一数据分量作为因变量进行线性回归,得到第三残差项,将所述第三残差项作为去除第四数据分量的第一属性信息后的第一数据分量。
4.根据权利要求1所述的系统,其特征在于:
所述步骤S9还包括:
步骤S91、以第四数据分量的第一属性信息和第一属性信息作为自变量,以第四数据分量作为因变量进行线性回归,获取到第一属性信息的权重值和第二属性信息的权重值;
步骤S92、根据第一属性信息的权重值和第二属性信息的权重值,以及第一权重分量和第二权重分量确定第四数据分量的权重。
5.根据权利要求1-4中任意一项所述的系统,其特征在于:
所述周期结果数据为X个时间-采样值的均值、中位数、最大值、最小值、最后时间采样值或最初时间采样值。
6.根据权利要求1-4中任意一项所述的系统,其特征在于:
所述每个数据分量均为对应的随机数据采样值的均值、中位数、最大值、最小值、最后时间采样值或最初时间采样值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于况客科技(北京)有限公司,未经况客科技(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011169507.1/1.html,转载请声明来源钻瓜专利网。