用于超声波计量仪表的数据处理方法、系统及介质技术方案

本申请提供的用于超声波计量仪表的数据处理方法、系统及介质，在对目标人工智能线程进行配置的过程中，第一计量数据示例簇中的第一关联数据示例集为事先记录关联关系的示例，而第二关联数据示例集为根据无记录数据自动生成的关联数据集示例，以数据解析方式得到示例有效数据，以第二测量示例数据确定为示例无效数据，也即，用于对人工智能线程进行配置的关联数据集数据无需纯手动记录，提高了测量示例数据的确定效率和可信度，以及同时提高了人工智能线程的配置效率，因此，在进行超声波计量仪表的计量数据处理时，也能提高数据处理的准确性和可信度。准确性和可信度。准确性和可信度。

【技术实现步骤摘要】
用于超声波计量仪表的数据处理方法、系统及介质


[0001]本申请涉及数据处理
，具体而言，涉及用于超声波计量仪表的数据处理方法。

技术介绍

[0002]气体超声波计量仪表的工作原理是利用超声脉冲在气流中传播速度与气流的速度有对应的关系来测量气体流量，即顺流时的超声脉冲传播速度比逆流时传播速度更快，且这两种超声脉冲传播的时间差越大则气体流量也越大。近年来，随着超声波计量技术的发展，超声波流量计不仅成本大幅降低，同时，由于其核心结构为电路模块以及换能器，这样可保证其性能以及寿命并不会因为流体介质而受到过大的影响，这使得其在各种工况下均具有理想的计量准确性，现已经成为了国际承认的天然气计量设备。
[0003]以用于天然气计量的超声波流量计为例，现目前在超声波流量计进行计量数据处理时，可能存在有效数据和无效数据，两种数据之间存在一定的干扰，在进行计量数据处理时，可能会发生数据处理有误的问题，因此，亟需一种技术方案以改善上述技术问题。

技术实现思路

[0004]为改善相关技术中存在的技术问题，本申请提供了用于超声波计量仪表的数据处理方法、系统及介质。
[0005]第一方面，提供一种用于超声波计量仪表的数据处理方法，该方法包括：获取超声波计量数据，所述超声波计量数据包括第一计量数据示例簇和第二计量数据示例簇，其中，所述第一计量数据示例簇中包括记录有关联关系的第一关联数据示例集，所述第二计量数据示例簇中包括多个测量示例数据，所述多个测量示例数据包括第一测量示例数据；根据所述第一测量示例数据，确定解析测量示例数据，并根据所述解析测量示例数据，确定所述第一测量示例数据对应的示例有效数据；从所述多个测量示例数据中确定第二测量示例数据，并将所述第二测量示例数据确定为所述第一测量示例数据对应的示例无效数据；根据所述第一测量示例数据、所述解析测量示例数据和所述第二测量示例数据，搭建第二关联数据示例集；根据所述第一关联数据示例集和所述第二关联数据示例集，对人工智能线程进行配置，得到目标人工智能线程，所述目标人工智能线程用于对所述超声波计量数据进行数据处理。
[0006]在一种独立实施的实施例中，所述从所述多个测量示例数据中确定第二测量示例数据，包括：挑选所述第一测量示例数据的第一属性描述字段；挑选所述第二计量数据示例簇中的其余测量示例数据的待定属性描述字段；确定与所述第一属性描述字段的差异满足差异许可条件的待定属性描述字段，将满足所述差异许可条件的待定属性描述字段对应的测量示例数据确定为所述第二测量示例数据。
[0007]在一种独立实施的实施例中，所述将满足所述差异许可条件的待定属性描述字段对应的测量示例数据确定为所述第二测量示例数据，包括：确定满足所述差异许可条件的x
个待定属性描述字段，x为正整数；确定x个待定属性描述字段分别对应的测量示例数据确定为x个第二测量示例数据，其中，第a个第二测量示例数据确定为与所述第一测量示例数据对应的第a个示例无效数据，a小于等于x且a为正整数；其中，所述以所述第一关联数据示例集和所述第二关联数据示例集确定为配置示例对人工智能线程进行配置，得到目标人工智能线程，包括：通过x组第一关联数据示例集和y组第二关联数据示例集确定为配置示例，对所述人工智能线程进行连续反馈配置，得到所述目标人工智能线程，其中，x和y皆为正整数。
[0008]在一种独立实施的实施例中，所述以所述第一关联数据示例集和所述第二关联数据示例集确定为配置示例对人工智能线程进行配置，得到目标人工智能线程，包括：依据所述人工智能线程对所述第一关联数据示例集进行解析处理，得到第一示例评估结果；依据所述人工智能线程对所述第二关联数据示例集进行解析处理，得到第二示例评估结果；将所述第一示例评估结果与所述第二示例评估结果的融合结果对所述人工智能线程进行配置，得到所述目标人工智能线程。
[0009]在一种独立实施的实施例中，所述第一关联数据示例集中包括节点数据、示例有效数据和示例无效数据，其中，所述节点数据与所述示例有效数据满足共性权重条件，所述节点数据与所述示例无效数据不满足所述共性权重条件；所述依据所述人工智能线程对所述第一关联数据示例集进行解析处理，得到第一示例评估结果，包括：依据所述人工智能线程对所述第一关联数据示例集中的节点数据、示例有效数据和示例无效数据进行解析处理，输出所述节点数据的第一数据描述字段、所述示例有效数据的第二数据描述字段和所述示例无效数据的第三数据描述字段；结合所述第一数据描述字段、所述第二数据描述字段和所述第三数据描述字段之间的共性权重，确定第一共性权重评估结果；结合所述第一数据描述字段、所述第二数据描述字段和所述第三数据描述字段的去极化比较结果，确定第一去极化评估结果；结合所述第一共性权重评估结果和所述第一去极化评估结果，得到所述第一示例评估结果。
[0010]在一种独立实施的实施例中，所述结合所述第一共性权重评估结果和所述第一去极化评估结果，得到所述第一示例评估结果，包括：确定所述第一共性权重评估结果对应的第一权重，以及所述第一去极化评估结果对应的第二权重；将所述第一权重与所述第一共性权重评估结果之积确定为第一局部评估结果；将所述第二权重与所述第一去极化评估结果之积确定为第二局部评估结果；将所述第一局部评估结果和所述第二局部评估结果之和确定为所述第一示例评估结果。
[0011]在一种独立实施的实施例中，所述依据所述人工智能线程对所述第二关联数据示例集进行解析处理，得到第二示例评估结果，包括：依据所述人工智能线程对所述第二关联数据示例集中的第一测量示例数据、解析测量示例数据和第二测量示例数据进行解析处理，输出所述第一测量示例数据的第四数据描述字段、所述解析测量示例数据的第五数据描述字段和所述第二测量示例数据的第六数据描述字段；结合所述第四数据描述字段、所述第五数据描述字段和所述第六数据描述字段之间的共性权重，确定第二共性权重评估结果；结合所述第四数据描述字段、所述第五数据描述字段和所述第六数据描述字段的去极化比较结果，确定第二去极化评估结果；结合所述第二共性权重评估结果和所述第二去极化评估结果，得到所述第二示例评估结果。
[0012]在一种独立实施的实施例中，所述结合所述第二共性权重评估结果和所述第二去极化评估结果，得到所述第二示例评估结果，包括：确定所述第二共性权重评估结果对应的第三权重，以及所述第二去极化评估结果对应的第四权重；将所述第三权重与所述第二共性权重评估结果之积确定为第三局部评估结果；将所述第四权重与所述第二去极化评估结果之积确定为第四局部评估结果；将所述第三局部评估结果和所述第四局部评估结果之和确定为所述第二示例评估结果。
[0013]在一种独立实施的实施例中，所述将所述第一示例评估结果与所述第二示例评估结果的融合结果对所述人工智能线程进行配置，得到所述目标人工智能线程，包括：确定所述第一示例评估结果对应的第一评估结果权重；确定所述第二示例评估结果对应的第二评估结果权重；确定所述第一评估结果权重和所述第一示例评估结果之积，得到第一局部示本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于超声波计量仪表的数据处理方法，其特征在于，该方法包括：获取超声波计量数据，所述超声波计量数据包括第一计量数据示例簇和第二计量数据示例簇，其中，所述第一计量数据示例簇中包括记录有关联关系的第一关联数据示例集，所述第二计量数据示例簇中包括多个测量示例数据，所述多个测量示例数据包括第一测量示例数据；根据所述第一测量示例数据，确定解析测量示例数据，并根据所述解析测量示例数据，确定所述第一测量示例数据对应的示例有效数据；从所述多个测量示例数据中确定第二测量示例数据，并将所述第二测量示例数据确定为所述第一测量示例数据对应的示例无效数据；根据所述第一测量示例数据、所述解析测量示例数据和所述第二测量示例数据，搭建第二关联数据示例集；根据所述第一关联数据示例集和所述第二关联数据示例集，对人工智能线程进行配置，得到目标人工智能线程，所述目标人工智能线程用于对所述超声波计量数据进行数据处理。2.根据权利要求1所述的方法，其特征在于，所述根据所述多个测量示例数据中确定第二测量示例数据，包括：挑选所述第一测量示例数据的属性描述字段；挑选所述第二计量数据示例簇中的其余测量示例数据的待定属性描述字段；确定与所述第一属性描述字段的差异满足差异许可条件的待定属性描述字段，将满足所述差异许可条件的待定属性描述字段对应的测量示例数据确定为所述第二测量示例数据。3.根据权利要求2所述的方法，其特征在于，所述将满足所述差异许可条件的待定属性描述字段对应的测量示例数据确定为所述第二测量示例数据，包括：确定满足所述差异许可条件的x个待定属性描述字段，x为正整数；将x个待定属性描述字段分别对应的测量示例数据确定为x个第二测量示例数据，其中，第a个第二测量示例数据为与所述第一测量示例数据对应的第a个示例无效数据，a小于等于x且a为正整数；其中，所述以所述第一关联数据示例集和所述第二关联数据示例集确定为配置示例对人工智能线程进行配置，得到目标人工智能线程，包括：根据x组第一关联数据示例集和y组第二关联数据示例集，对所述人工智能线程进行连续反馈配置，得到所述目标人工智能线程，其中，x和y皆为正整数。4.根据权利要求1所述的方法，其特征在于，所述以所述第一关联数据示例集和所述第二关联数据示例集确定为配置示例对人工智能线程进行配置，得到目标人工智能线程，包括：依据所述人工智能线程，对所述第一关联数据示例集进行解析处理，得到第一示例评估结果；依据所述人工智能线程，对所述第二关联数据示例集进行解析处理，得到第二示例评估结果；将所述第一示例评估结果与所述第二示例评估结果进行融合，得到融合结果，并根据
所述融合结果对所述人工智能线程进行配置，得到所述目标人工智能线程。5.根据权利要求4所述的方法，其特征在于，所述第一关联数据示例集中包括节点数据、示例有效数据和示例无效数据，其中，所述节点数据与所述示例有效数据满足共性权重条件，所述节点数据与所述示例无效数据不满足所述共性权重条件；所述依据所述人工智能线程对所述第一关联数据示例集进行解析处理，得到第一示例评估结果，包括：依...

【专利技术属性】
技术研发人员：邵泽华，李勇，吴岳飞，马奔，
申请(专利权)人：成都秦川物联网科技股份有限公司，
类型：发明
国别省市：