[发明专利]一种基于时序序列预测温度的环境采集系统设计的方法有效
申请号: | 202011634164.1 | 申请日: | 2020-12-31 |
公开(公告)号: | CN112765257B | 公开(公告)日: | 2022-07-12 |
发明(设计)人: | 陈孙胜;戚伟 | 申请(专利权)人: | 浙江大学 |
主分类号: | G06F16/26 | 分类号: | G06F16/26;G06F16/29;G06N3/04;G06N3/08;G06Q10/04 |
代理公司: | 杭州九洲专利事务所有限公司 33101 | 代理人: | 张羽振 |
地址: | 310058 浙江*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 时序 序列 预测 温度 环境 采集 系统 设计 方法 | ||
1.一种基于时序序列预测温度的环境采集系统设计的方法,其特征在于,包括以下步骤:
S1、终端设备采集环境数据,并传送数据到服务器;
S2、服务器为每个设备建立资产,当服务器接收到终端设备发送的数据后,将数据保存到数据库中;
S2.1、在服务器中建立终端设备资产,每个建立资产的设备得到访问令牌,终端设备根据该类型的访问令牌通过相应的协议将数据传送到服务器对应的设备资产中;
S2.2、建立实体资产,然后在每个实体资产中关联相应的终端设备,对每个实体添加相应属性;
S3、服务器将数据发送到网页前端进行可视化显示;
S3.1、进行地图可视化:首先注册地图软件的服务账号,申请地图密钥,在地图部件中导入密钥,建立仪表盘,导入地图;在地图上显示终端设备的分布情况;
S3.2、进行图表可视化:在建立的仪表盘中,导入图表;然后在图表中导入数据库中的终端数据;
S4、服务器对异常数据进行报警处理;
S5、训练RNN-LSTM模型,基于RNN-LSTM模型从数据库中挖掘特征数据之间的联系,预测下一时刻的温度;
S5.1、选择数据输入变量的数据类型;
S5.2、对数据进行归一化处理,将各个数据输入变量设定在(0,1)范围;
S5.3、RNN-LSTM模型中LSTM将RNN中隐藏节点改进为存储单元,存储单元分成遗忘门、输入门和输出门;计算当前输入单元状态和当前时刻单元状态,由输出门和单元状态决定输出结果,最后将结果传到下一级;
S5.4、数据还原:训练完RNN-LSTM模型后,对预测数据和真实数据进行比对,将预测的归一化原始数据还原;
S5.5、计算实验的误差loss。
2.根据权利要求1所述基于时序序列预测温度的环境采集系统设计的方法,其特征在于:步骤S1中终端设备搭载温湿度传感器、二氧化碳传感器、气强传感器、烟雾传感器、风速传感器来采集环境数据;终端设备搭载WiFi通信模块,WiFi通信模块根据服务器的IP地址将采集到的数据传输到服务器。
3.根据权利要求1所述基于时序序列预测温度的环境采集系统设计的方法,其特征在于:步骤S1中终端设备选用STM32F103VET6单片机,WiFi通信模块为ESP8266。
4.根据权利要求1所述基于时序序列预测温度的环境采集系统设计的方法,其特征在于:步骤S2中实体的属性包括经度、维度和地名。
5.根据权利要求1所述基于时序序列预测温度的环境采集系统设计的方法,其特征在于:步骤S4中服务器为每种环境数据设定正常阈值,当采集到的环境数据超出阈值后,系统发出预警,并进行邮件预警。
6.根据权利要求1所述基于时序序列预测温度的环境采集系统设计的方法,其特征在于:步骤S5.1中数据输入变量的数据类型包括温度值、风速大小、风向、湿度值和气压值。
7.根据权利要求1所述基于时序序列预测温度的环境采集系统设计的方法,其特征在于:步骤S5.2中对数据进行归一化处理的函数为:
上式中,x为原始数据,min(x)和max(x)分别为原始数据中的最小值和最大值;x'为归一化处理后的数据。
8.根据权利要求1所述基于时序序列预测温度的环境采集系统设计的方法,其特征在于:步骤S5.4中采用以下转换函数进行原始数据还原:
x=x'*(max(x)-min(x))+min(x)
上式中,x为原始数据,min(x)和max(x)分别为原始数据中的最小值和最大值,x'为归一化处理后的数据。
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浙江大学,未经浙江大学许可,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/202011634164.1/1.html,转载请声明来源钻瓜专利网。