[发明专利]一种联合收获机大数据重构方法与装置

权利要求书

1.一种联合收获机大数据重构方法，其特征在于，包括如下步骤：

步骤S1、在模糊聚类框架下，利用克里金法刻画联合收获机不包括空值、野值或异常值的作业参数的完整数据的参数之间的关联关系，获取联合收获机完整数据的隶属度；

步骤S2、基于步骤S1获得的联合收获机的完整数据及其隶属度计算类原型，继而获得包括空值、野值和或异常值的作业参数的不完整数据的隶属度；

步骤S3、根据计算的到的类原型、不完整数据的正常数值、不完整数据的隶属度分别估计空值、野值和或异常值的真实数值，实现联合收获机大数据的重构。

2.根据权利要求1所述的联合收获机大数据重构方法，其特征在于，所述步骤S1中，采用克里金法刻画数据参数之间的关联关系，通过如下公式计算完整数据的隶属度：

u_k,i是第k个完整数据对第i个子类的隶属度；

c是聚类的子类个数；

y_k是第k个完整数据的预测目标参数的数值；

是第i个子类的克里金模型给出第k个完整数据的预测目标参数的预测值；

是第t个子类的克里金模型给出第k个完整数据的预测目标参数的预测值。

3.根据权利要求2所述的联合收获机大数据重构方法，其特征在于，所述步骤S1中，聚类的子类个数c为3，隶属度阈值θ，一般取为为0.5。

4.根据权利要求1所述的联合收获机大数据重构方法，其特征在于，所述步骤S2中，通过如下公式计算的类原型：

n是完整数据的样本个数，

v_i是第i个子类的类原型，

是第k个完整数据，

是第k个完整数据的预测目标参数的数值，

是第k个完整数据的除预测目标参数之外其余参数数值组成的向量。

5.根据权利要求1所述的联合收获机大数据重构方法，其特征在于，所述步骤S2中，通过如下公式计算不完整数据的隶属度：

μ_k,i是第k个不完整数据对第i个子类的隶属度，

z_k,j表示第k个数据的第j个参数的数值，

v_i,j表示第i个类原型的第j个参数的数值，

X_M表示空值、野值、异常值组成的集合，

X_P表示正常数值组成的集合，

s是参数的个数。

6.根据权利要求5所述的联合收获机大数据重构方法，其特征在于，所述步骤S3中，通过如下公式估计空值、野值、异常值的真实值，实现联合收获机大数据的重构：

x_k,j∈X_M，表示数据中的空值、野值或异常值，

v_i,j表示第i个类原型的第j个参数的数值，

μ_k,i表示第k个不完整数据对第i个子类的隶属度。

7.一种实现权利要求1-6任意一项所述联合收获机大数据重构方法的装置，其特征在于，包括数据输入模块、数据重构模块、数据输出模块和数据存储模块；

所述数据输入模块用于获取农机现场作业数据；

所述数据重构模块用于接收数据输入模块输入的联合收获机大数据，并根据联合收获机大数据重构方法重构数据；

所述数据输出和保存模块用于输出联合收获机大数据的重构数据，保存联合收获机大数据的原始数据、重构数据、隶属度矩阵。

8.根据权利要求7所述的联合收获机大数据重构方法的装置，其特征在于，所述数据输入模块与联合收获机车载监测系统、远程监控系统或智慧农场平台连接，用于接收标定好空值、野值、异常值的联合收获机大数据。