基于时序波动的物料消耗数据计算方法、系统及存储介质技术方案

本发明专利技术涉及信息技术领域，具体涉及一种基于时序波动的物料消耗数据计算方法、系统及存储介质，包括以下步骤：定义数据染色状态；按照数据时序波动，依次将全部数据值分别关联各自的染色状态；根据预设的过滤规则及数据的染色状态，剔除异常数据值；使用有效消耗数据计算式，计算物料的有效消耗量。本发明专利技术的有益技术效果包括：根据数据时序波动，将数据值关联染色状态，借助数据的染色状态剔除异常值，使用剔除异常值后的数据计算有效消耗量，实现通过带有异常数据的监测值计算出消耗量；借助染色状态，根据变化率过滤规则和回零点数过滤规则，实现了异常数据的识别的剔除，提高了物料消耗量的计算准确度。消耗量的计算准确度。消耗量的计算准确度。

【技术实现步骤摘要】
基于时序波动的物料消耗数据计算方法、系统及存储介质


[0001]本专利技术涉及信息
，具体涉及一种基于时序波动的物料消耗数据计算方法、系统及存储介质。

技术介绍

[0002]通常一个工厂下有许多监测装置，每套装置中存在多个仪表用于记录生产过程中的温度、压力、流量、用电等。其中用于计算物料消耗的监测数据，对工厂的生产安排具有重要的意义，是工厂购买原材料及计算生产成本的重要依据。但是在实际生产过程中，会出现停电、仪表故障、读数超限等数据异常情况。当在一段时间内采集到的监测数据出现异常波动，甚至监测到的读数回到零点，将导致工厂在统计异常波动区间的物料消耗值和实际的消耗量，存在较大的差异，无法正确计算物料消耗量，影响工厂正常生产。为此需要研究能够在存在异常值缺陷的物料消耗监测数据上，进行物料有效消耗量计算的技术。
[0003]现有技术公开了一种数据波动趋势的预测方法及装置，通过获取统计数据集，其中，统计数据集包括预设时间段内各时间周期统计的数据；将预设时间段内各时间周期统计的数据输入预先训练的长短期记忆LSTM网络模型中，得到第一似然值序列，其中，LSTM网络模型基于多个样本数据训练得到；根据第一似然值序列，对待预测时间周期的数据波动趋势进行预测，其中，待预测时间周期为预设时间段内最后一个时间周期的下一时间周期。由于LSTM网络模型是一个端到端的网络模型，将预设时间段内各时间周期统计的数据输入预先训练的LSTM网络模型后，可以快速得到一个似然值序列的输出，基于该输出，缩短了待预测时间周期的数据波动趋势的预测时间，从而提高了预测效率。虽然借助神经网络模型能够实现数据的预测，但物料的消耗存在不确定性，难以通过神经网络模型进行预测。

技术实现思路

[0004]本专利技术所要解决的技术问题：目前缺乏对存在缺陷的物料消耗监测数据进行有效消耗量计算方案的技术问题。提出了一种基于时序波动的物料消耗数据计算方法、系统及存储介质，能够基于时序波动对时序数据进行处理，获得物料消耗的有效值。
[0005]解决上述技术问题，本专利技术采用如下技术方案：基于时序波动的物料消耗数据计算方法，包括以下步骤：定义数据染色状态；按照数据时序波动，依次将全部数据值分别关联各自的染色状态；根据预设的过滤规则及数据的染色状态，剔除异常数据值；使用有效消耗数据计算式，计算物料的有效消耗量。
[0006]作为优选，定义数据染色状态的方法包括：设置数据染色状态包括初始值、最终值、高点、上升点、低点及下降点，所述初始值为开始采样时的数据值，所述最终值为结束采样时的数据值，所述高点指数据值大于时序前一个数据值且大于时序后一个数据值，所述低点指数据值小于时序前一个数据值且小于
时序后一个数据值，所述上升点指数据值大于时序前一个数据值且小于时序后一个数据值，所述下降点指数据值小于时序前一个数据值且大于时序后一个数据值。
[0007]作为优选，将数据值关联染色状态的方法包括：读取第一个数据值，将第一个数据值关联低点；依次读取后续的数据值，若大于前一个数据值，则关联上升点，反之，若小于前一个数据值则关联下降点，并检查上一个数据值关联的染色状态，若上一个数据值关联的染色状态为低点则修改上一个数据值关联的染色状态为高点，若上一个数据值关联的染色状态为上升点，则修改上一个数据值关联的染色状态为高点，将开始采样时的数据值的染色状态修改为初始值，将结束采样时的数据值的染色状态修改为最终值。
[0008]作为优选，所述过滤规则包括变化率过滤规则和回零点数过滤规则，所述变化率过滤规则记录数据值处的变化率允许范围，所述回零点数规则记录数据值回零覆盖数量的允许范围。
[0009]作为优选，所述变化率过滤规则包括上升速率过滤规则和下降速率过滤规则，所述上升速率过滤规则计算高点与低点之间每个数据值的上升速率，上升速率超过预设阈值的数据值为异常数据值；所述下降速率过滤规则计算高点与低点之间每个数据值的下降速率，下降速率超过预设阈值的数据值为异常数据值。
[0010]数据值的上升速率等于后变化值与前变化值的商，数据值的下降速率等于后变化值与前变化值的商，所述后变化值等于数据值与时序下一个数据值的差值的绝对值，所述前变化值等于数据值与时序前一个数据值的差值的绝对值。
[0011]作为优选，计算数据值回零覆盖数量的方法包括：遍历每个染色状态为低点的数据值，计算低点数据值到最近的高点数据值之间的数据值数量；若数据值数量小于预设阈值，则低点数据值为异常数据值。
[0012]作为优选，所述有效消耗数据计算式为：有效消耗量=(第一个高点
‑
初始值)+ ∑(相邻高点低点差)+(最终值
‑
最后一个低点)，所述相邻高点低点差为高点与前一个低点之间的差值，所述第一个高点为位于初始值之后且位于第一个低点之前的高点，若不存在位于初始值之后且位于第一个低点之前的高点，则第一个高点的值为0，所述最后一个低点为位于最终值之前且位于最后一个高点之后的低点，若不存在位于最终值之前且位于最后一个高点之后的低点，则最后一个低点的值为0。
[0013]基于时序波动的物料消耗数据计算系统，用于执行如前述的基于时序波动的物料消耗数据计算方法，包括数据读取模块、数据染色模块、数据清洗模块和有效消耗数据计算模块，所述数据读取监测物料消耗的时序数据，所述数据染色模块存储有数据染色状态定义，所述数据染色模块依次将全部数据值分别关联各自的染色状态，所述数据清洗模块根据预设的过滤规则及数据的染色状态，剔除异常数据值，所述有效消耗数据计算模块使用有效消耗数据计算式，计算物料的有效消耗量。
[0014]一种计算机系统，所述计算机系统包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如前述
的基于时序波动的物料消耗数据计算方法。
[0015]一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如前述的基于时序波动的物料消耗数据计算方法。
[0016]本专利技术的有益技术效果包括：根据数据时序波动，将数据值关联染色状态，借助数据的染色状态剔除异常值，使用剔除异常值后的数据计算有效消耗量，实现通过带有异常数据的监测值计算出消耗量；借助染色状态，根据变化率过滤规则和回零点数过滤规则，实现了异常数据的识别的剔除，提高了物料消耗量的计算准确度。
[0017]本专利技术的其他特点和优点将会在下面的具体实施方式、附图中详细的揭露。
附图说明
[0018]下面结合附图对本专利技术做进一步的说明：图1为本专利技术实施例物料消耗数据计算方法流程示意图。
[0019]图2为本专利技术实施例关联染色状态示意图。
[0020]图3为本专利技术实施例将数据值关联染色状态方法流程示意图。
[0021]图4为本专利技术实施例物料消耗数据计算系统示意图。
[0022]图5为本专利技术实施例计算机系统示意图。
[0023]其中：10、数据读取模块，20、数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于时序波动的物料消耗数据计算方法，其特征在于，包括以下步骤：定义数据染色状态；按照数据时序波动，依次将全部数据值分别关联各自的染色状态；根据预设的过滤规则及数据的染色状态，剔除异常数据值；使用有效消耗数据计算式，计算物料的有效消耗量。2.根据权利要求1所述的基于时序波动的物料消耗数据计算方法，其特征在于，定义数据染色状态的方法包括：设置数据染色状态包括初始值、最终值、高点、上升点、低点及下降点，所述初始值为开始采样时的数据值，所述最终值为结束采样时的数据值，所述高点指数据值大于时序前一个数据值且大于时序后一个数据值，所述低点指数据值小于时序前一个数据值且小于时序后一个数据值，所述上升点指数据值大于时序前一个数据值且小于时序后一个数据值，所述下降点指数据值小于时序前一个数据值且大于时序后一个数据值。3.根据权利要求2所述的基于时序波动的物料消耗数据计算方法，其特征在于，将数据值关联染色状态的方法包括：读取第一个数据值，将第一个数据值关联低点；依次读取后续的数据值，若大于前一个数据值，则关联上升点，反之，若小于前一个数据值则关联下降点，并检查上一个数据值关联的染色状态，若上一个数据值关联的染色状态为低点则修改上一个数据值关联的染色状态为高点，若上一个数据值关联的染色状态为上升点，则修改上一个数据值关联的染色状态为高点；将开始采样时的数据值的染色状态修改为初始值，将结束采样时的数据值的染色状态修改为最终值。4.根据权利要求2或3所述的基于时序波动的物料消耗数据计算方法，其特征在于，所述过滤规则包括变化率过滤规则和回零点数过滤规则，所述变化率过滤规则记录数据值处的变化率允许范围，所述回零点数规则记录数据值回零覆盖数量的允许范围。5.根据权利要求4所述的基于时序波动的物料消耗数据计算方法，其特征在于，所述变化率过滤规则包括上升速率过滤规则和下降速率过滤规则，所述上升速率过滤规则计算高点与低点之间每个数据值的上升速率，上升速率超过预设阈值的数据值为异常数据值；所述下降速率过滤规则计算高点与低点之间每个...

【专利技术属性】
技术研发人员：张芬伟，黄亭，陈应书，张彪，张壹芬，郭家乐，
申请(专利权)人：浙江中控技术股份有限公司，
类型：发明
国别省市：