【技术实现步骤摘要】
本专利技术涉及数据处理，具体涉及一种基于大数据的水利工程信息管理方法。
技术介绍
1、水位数据，是指自由水面相对于某一基面的高程，水面离河底的距离称水深。计算水位所用基面可以是以某处特征海平面高程作为零点水准基面，称为绝对基面，常用的是黄海基面；也可以用特定点高程作为参证计算水位的零点，称测站基面。水位是反映水体水情最直观的因素，它的变化主要由于水体水量的增减变化引起的。水位过程线（水位数据折线图）是某处水位随时间变化的曲线，横座标为时间，纵座标为水位。
2、泥沙河流的水位数据是水利工程管理和决策的重要依据，泥沙河流的水位数据可以用于确定水利工程建设和维护的需要，包括修建、改建或加固堤坝、水库、水闸等工程，以适应不同的水文气候情况，确保工程设施的安全稳定性。但是泥沙河流的水位数据通常会受到多个因素的干扰，如气象、波浪、底部扰动等。并且在数据储存和传输的过程中，由于各种原因也可能导致数据出现噪声干扰。这些干扰因素将导致数据的不稳定和波动，影响数据的准确性和可靠性，因此需要对采集到的水位数据进行去噪处理，以降低数据的噪声干扰，提高数据的准确性和可靠性。
3、传统的泥沙河流的水位数据去噪，是通过传统常用的去噪算法，对整个水位数据统一进行相同程度的方式进行数据去噪，从而导致去噪算法的去噪准确性较低，进而提高了水位数据的去噪成本。
技术实现思路
1、鉴于以上内容，有必要提供一种基于大数据的水利工程信息管理方法，可以提高去噪的准确性，进而降低去噪成本。
2、
3、在其中一种实施例中，所述基于所述初始水位数据对应的水位变化量，将所述水位数据折线图进行区域划分，确认高频水位区域与低频水位区域，具体包括：基于所述水位变化量与预设变化量阈值，确认临界变化量；根据所述水位变化量与临界变化量的比对结果，确认低频水位数据与高频水位数据；将相邻时刻同为所述低频水位数据或者高频水位数据对应的区域，划分为子区域；将所述低频水位数据数量大于或等于预设数量阈值的子区域，确认为低频水位区域，并将除了所述高频水位区域以外且相邻的子区域进行合并，以将合并后的子区域或者单独子区域确认为高频水位区域。
4、在其中一种实施例中，所述根据所述高频水位区域与低频水位区域对应的小波层数得分因子，计算所述高频水位区域与低频水位区域中每个区域对应的小波分解层数，具体包括：基于所述高频水位区域与低频水位区域中每个区域对应的离散程度与波动程度，计算每个区域对应的小波层数影响因子；将所述每个区域对应的小波层数影响因子输入第一计算公式，计算每个区域对应的小波层数得分因子；根据所述每个区域对应的小波层数得分因子，计算每个区域对应的小波分解层数。
5、在其中一种实施例中，所述基于所述高频水位区域与低频水位区域中每个区域对应的离散程度与波动程度，计算每个区域对应的小波层数影响因子，具体包括：将所述高频水位区域与低频水位区域中每个区域对应的离散程度与波动程度分别做归一化处理，获取每个区域对应的归一化后的离散程度与波动程度；每个区域对应的归一化后的离散程度与波动程度作乘积计算，确认每个区域对应的小波层数影响因子。
6、在其中一种实施例中，所述将每个区域水位数据对应的归一化后的离散程度与波动程度作乘积计算，确认每个区域对应的小波层数影响因子，具体包括：
7、；
8、其中，为第个区域对应的小波层数影响因子，为第个区域对应的离散程度，为第个区域对应的归一化后的离散程度，为第个区域对应的离散程度，为第个区域对应的归一化后的波动程度。
9、在其中一种实施例中，所述将所述每个区域对应的小波层数影响因子输入第一计算公式，计算每个区域对应的小波层数得分因子，具体包括：基于所述高频水位区域与低频水位区域的分类类型，确认每个区域对应的区分常数；将所述每个区域对应的区分常数与小波层数影响因子输入第一计算公式，计算每个区域对应的小波层数得分因子。
10、在其中一种实施例中，所述将所述每个区域对应的区分常数与小波层数影响因子输入第一计算公式，计算每个区域对应的小波层数得分因子，具体包括：
11、；
12、其中，为第个区域对应的小波层数得分因子，为第个区域对应的小波层数影响因子，为小波层数影响因子中的最小值，为指小波层数影响因子中的最大值，为第个区域对应的区分常数。
13、在其中一种实施例中，所述根据所述每个区域对应的小波层数得分因子，计算每个区域对应的小波分解层数，具体包括：预设所述小波分解层数的选择范围，以确定所述选择范围中所述小波分解层数的最大值与最小值；将所述小波分解层数的最大值与最小值以及所述每个区域对应的小波层数得分因子，输入第二计算公式，计算每个区域对应的小波分解层数。
14、在其中一种实施例中，所述将所述小波分解层数的最大值与最小值以及所述每个区域对应的小波层数得分因子，输入第二计算公式，计算每个区域对应的小波分解层数，具体包括：
15、；
16、其中，为第个区域对应的小波分解层数，为选择范围中小波分解层数的最小值，为选择范围中小波分解层数的最大值，为小波层数得分因子中的最大值，为小波层数得分因子中的最小值，是指对数值的向下取整。
17、在其中一种实施例中，所述预设去噪算法为小波阈值去噪算法，对应的，所述基于所述小波分解层数与预设去噪算法，分别对所述高频水位区域与低频水位区域中每个区域的初始水位数据进行去噪，以确认去噪后的最终水位数据，具体包括：基于所述小波阈值去噪算法，以及每个区域对应的小波分解层数，分别对每个区域的水位数据进行去噪，以确认去噪后的最终水位数据。
18、本申请实施例通过先根据初始水位数据，建立水位数据折线图，然后基于所述初始水位数据对应的水位变化量，将所述水位数据折线图进行区域划分，确认高频水位区域与低频水位区域，再根据所述高频水位区域与低频水位区域对应的小波层数得分因子，计算所述高频水位区域与低频水位区域中每个区域对应的小波分解层数，最后基于所述小波分解层数与预设去噪算法，分别对所述高频水位区域与低频水位区域中每个区域的初始水位数据进行去噪，以确认去噪后的最终水位数据。通过将对所述水位数据折线图进行区域划分，并根据每个区域的小波分解层数分别对每个区域的初始水位数据进行去噪，相对传统对整个水位数据统一进行相同程度的方式进行数据去噪方式，提高了去噪的准确性，进而降本文档来自技高网...
【技术保护点】
1.一种基于大数据的水利工程信息管理方法，应用于水利工程信息的水位数据处理领域，其特征在于，所述方法包括：
2.根据权利要求1所述的基于大数据的水利工程信息管理方法，其特征在于，所述基于所述初始水位数据对应的水位变化量，将所述水位数据折线图进行区域划分，确认高频水位区域与低频水位区域，具体包括：
3.根据权利要求2所述的基于大数据的水利工程信息管理方法，其特征在于，所述根据所述高频水位区域与低频水位区域对应的小波层数得分因子，计算所述高频水位区域与低频水位区域中每个区域对应的小波分解层数，具体包括：
4.根据权利要求3所述的基于大数据的水利工程信息管理方法，其特征在于，所述基于所述高频水位区域与低频水位区域中每个区域对应的离散程度与波动程度，计算每个区域对应的小波层数影响因子，具体包括：
5.根据权利要求4所述的基于大数据的水利工程信息管理方法，其特征在于，所述将每个区域水位数据对应的归一化后的离散程度与波动程度作乘积计算，确认每个区域对应的小波层数影响因子，具体包括：
6.根据权利要求5所述的基于大数据的水利工程信息管
7.根据权利要求6所述的基于大数据的水利工程信息管理方法，其特征在于，所述将所述每个区域对应的区分常数与小波层数影响因子输入第一计算公式，计算每个区域对应的小波层数得分因子，具体包括：
8.根据权利要求7所述的基于大数据的水利工程信息管理方法，其特征在于，所述根据所述每个区域对应的小波层数得分因子，计算每个区域对应的小波分解层数，具体包括：
9.根据权利要求8所述的基于大数据的水利工程信息管理方法，其特征在于，所述将小波分解层数的最大值与最小值以及所述每个区域对应的小波层数得分因子，输入第二计算公式，计算每个区域对应的小波分解层数，具体包括：
10.根据权利要求1-9任一项所述的基于大数据的水利工程信息管理方法，其特征在于，所述预设去噪算法为小波阈值去噪算法，对应的，所述基于所述小波分解层数与预设去噪算法，分别对所述高频水位区域与低频水位区域中每个区域的初始水位数据进行去噪，以确认去噪后的最终水位数据，具体包括：
...【技术特征摘要】
1.一种基于大数据的水利工程信息管理方法，应用于水利工程信息的水位数据处理领域，其特征在于，所述方法包括：
2.根据权利要求1所述的基于大数据的水利工程信息管理方法，其特征在于，所述基于所述初始水位数据对应的水位变化量，将所述水位数据折线图进行区域划分，确认高频水位区域与低频水位区域，具体包括：
3.根据权利要求2所述的基于大数据的水利工程信息管理方法，其特征在于，所述根据所述高频水位区域与低频水位区域对应的小波层数得分因子，计算所述高频水位区域与低频水位区域中每个区域对应的小波分解层数，具体包括：
4.根据权利要求3所述的基于大数据的水利工程信息管理方法，其特征在于，所述基于所述高频水位区域与低频水位区域中每个区域对应的离散程度与波动程度，计算每个区域对应的小波层数影响因子，具体包括：
5.根据权利要求4所述的基于大数据的水利工程信息管理方法，其特征在于，所述将每个区域水位数据对应的归一化后的离散程度与波动程度作乘积计算，确认每个区域对应的小波层数影响因子，具体包括：
6.根据权利要求5所述的基于大数据的水利工程信息管理...
【专利技术属性】
技术研发人员：刘晓华，王永芹，
申请(专利权)人：梁山公用水务有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。