【技术实现步骤摘要】
本专利技术涉及设备布点优化，尤其是涉及一种基于斯皮尔曼等级相关分析的设备布点优化方法及装置。
技术介绍
1、传统污水厂的监测设备布点通常依赖于工程师的经验判断，这不仅可能导致监测盲区的存在，还可能因为监测点分布不合理而造成资源浪费。随着物联网技术和大数据的发展，越来越多的实时监测数据被收集起来，如何有效地利用这些数据进行监测点的优化成为了一个新的挑战。
2、在相关技术中，通常通过协方差分析方法揭示不同监测设备之间参数等级之间的相关性，但协方差分析方法不仅需要假设数据服从正态分布，局限了数据类型，而且不能有效衡量非线性相关性关系，无法处理参数间复杂的非线性关系，这就导致无法有效识别参数间的相关性，从而无法确定参数的冗余性，导致不能有效剔除冗余参数对应的监测设备，提高了监测设备维护成本，降低了污水处理厂的运行效率。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种基于斯皮尔曼等级相关分析的设备布点优化方法及装置，以有效确定参数的冗余性，从而降低了监测设备维护成本，提高了污水处理厂的运行效率。
2、第一方面，本专利技术实施例提供了一种基于斯皮尔曼等级相关分析的设备布点优化方法，应用于污水处理厂，方法包括：获取污水处理厂的多个监测数据序列；其中，监测数据序列包括多个在预设时间间隔下获取的多个历史监测数据，每个监测数据序列对应一种参数；基于多个监测数据序列确定相关性分析方式；若相关性分析方式为斯皮尔曼等级相关分析，基于斯皮尔曼等级相关分析对多个监测数据序列进行
3、在本专利技术较佳的实施例中，上述基于多个监测数据序列确定相关性分析方式，包括：基于预先设置的清洗策略对监测数据序列进行数据清洗，得到目标监测数据序列；目标监测数据序列中包括多个历史监测数据值；对多个目标监测数据序列分别进行正态分布检验得到检验结果；基于多个历史监测数据值和历史监测数据值的数量确定每个目标监测数据序列各自对应的相同值比例；基于检验结果和相同值比例确定相关性分析方式。
4、在本专利技术较佳的实施例中，上述基于多个历史监测数据值和历史监测数据值的数量确定每个目标监测数据序列各自对应的相同值比例，包括：确定多个历史监测数据值中数值相同的数据数量；若历史监测数据值的数量小于预先设置的数量阈值，则将数据数量与历史监测数据值的数量的比值作为相同值比例。
5、在本专利技术较佳的实施例中，上述基于检验结果和相同值比例确定相关性分析方式，包括：若检验结果为多个目标监测数据序列中存在不符合正态分布的序列，且每个目标监测数据序列各自对应的相同值比例均不大于预先设置的比例阈值，则相关性分析方式为斯皮尔曼等级相关分析。
6、在本专利技术较佳的实施例中，上述基于斯皮尔曼等级相关分析对多个监测数据序列进行分组，得到多个显著性参数组，包括：将对每个监测数据序列分别清洗后得到的目标监测数据序列中预设时间点对应的目标历史监测数据值进行排序，得到每个历史监测数据值的等级；基于目标历史监测数据值的数量和每个历史监测数据值的等级，对多个目标监测数据序列两两进行斯皮尔曼等级相关分析，得到斯皮尔曼等级相关系数；基于斯皮尔曼等级相关系数和预先设置的相关系数阈值确定显著性参数组。
7、在本专利技术较佳的实施例中，上述将对每个监测数据序列分别清洗后得到的目标监测数据序列中预设时间点对应的目标历史监测数据值进行排序，得到每个历史监测数据值的等级，包括：确定多个目标历史监测数据值中是否包含数值相同的目标历史监测数据值；若不包含数值相同的目标历史监测数据值，则按照数值大小对多个目标历史监测数据值进行排序，得到第一排列顺序；将第一排列顺序对应的顺序值作为每个历史监测数据值的等级；若包含数值相同的目标历史监测数据值，则按照数值大小对多个目标历史监测数据值进行排序，得到第二排列顺序；对于数值不相同的目标历史监测数据值，将第二排列顺序的顺序值作为每个数值不相同的目标历史监测数据值的等级；对于数值相同的目标历史监测数据值，基于第二排列顺序确定数值相同的目标历史监测数据值所处的顺序位次；将顺序位次的平均值作为每个数值相同的目标历史监测数据值的等级。
8、在本专利技术较佳的实施例中，上述对每个显著性参数组中的每个参数与其在显著性参数组内其余参数的相关系数的平均值进行顺序排列，包括：对每个显著性参数组，确定显著性参数组中的第一参数的相关系数与第一其余参数的相关系数的第一平均值；第一其余参数为显著性参数组中除第一参数以外的所有参数；确定显著性参数组中第二参数的相关系数与第二其余参数的相关系数的第二平均值；第二其余参数为显著性参数组中除第二参数以外的所有参数；将第一平均值和第二平均值按从大到小的顺序进行排列，得到排列结果。
9、第二方面，本专利技术实施例还提供一种基于斯皮尔曼等级相关分析的设备布点优化装置，应用于污水处理厂，装置包括：监测数据序列获取模块，用于获取污水处理厂的多个监测数据序列；其中，每个监测数据序列对应一种参数；相关性分析方式确定模块，用于基于多个监测数据序列确定相关性分析方式；分组模块，用于若相关性分析方式为斯皮尔曼等级相关分析，基于斯皮尔曼等级相关分析对多个监测数据序列进行分组，得到多个显著性参数组；其中，每个显著性参数组中包括至少两种参数；顺序排列模块，用于对每个显著性参数组中的每个参数与其在显著性参数组内其余参数的相关系数的平均值进行顺序排列，得到排列结果；待优化参数确定模块，用于基于排列结果和预先设置的拟合规则确定待优化参数；待优化参数对应的监测设备为待优化设备。
10、第三方面，本专利技术实施例还提供一种电子设备，包括处理器和存储器，存储器存储有能够被处理器执行的计算机可执行指令，处理器执行计算机可执行指令以实现上述第一方面的基于斯皮尔曼等级相关分析的设备布点优化方法。
11、第四方面，本专利技术实施例还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现上述第一方面的基于斯皮尔曼等级相关分析的设备布点优化方法。
12、本专利技术实施例带来了以下有益效果：
13、本专利技术实施例提供了一种基于斯皮尔曼等级相关分析的设备布点优化方法及装置，通过获取污水处理厂的多个监测数据序列，其中，每个监测数据序列对应一种参数，基于多个监测数据序列确定相关性分析方式，若相关性分析方式为斯皮尔曼等级相关分析，基于斯皮尔曼等级相关分析对多个监测数据序列进行分组，得到多个显著性参数组，其中，每个显著性参数组中包括至少两种参数，对每个显著性参数组中的每个参数与其在显著性参数组内其余参数的相关系数的平均值进行顺序排列，得到排列结果，基于排列结果和预先设置的拟合规则确定待优化本文档来自技高网...
【技术保护点】
1.一种基于斯皮尔曼等级相关分析的设备布点优化方法，其特征在于，应用于污水处理厂，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于多个所述监测数据序列确定相关性分析方式，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于多个所述历史监测数据值和所述历史监测数据值的数量确定每个所述目标监测数据序列各自对应的相同值比例，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述检验结果和所述相同值比例确定所述相关性分析方式，包括：
5.根据权利要求2所述的方法，其特征在于，所述基于所述斯皮尔曼等级相关分析对多个所述监测数据序列进行分组，得到多个显著性参数组，包括：
6.根据权利要求5所述的方法，其特征在于，所述将对每个所述监测数据序列分别清洗后得到的目标监测数据序列中预设时间点对应的目标历史监测数据值进行排序，得到每个所述历史监测数据值的等级，包括：
7.根据权利要求1所述的方法，其特征在于，所述对每个所述显著性参数组中的每个参数与其在显著性参数组内其余参数的相关系数的平均值进行顺序
8.一种基于斯皮尔曼等级相关分析的设备布点优化装置，其特征在于，应用于污水处理厂，所述装置包括：
9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现权利要求1至7任一项所述的基于斯皮尔曼等级相关分析的设备布点优化方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，所述计算机可执行指令促使处理器实现权利要求1至7任一项所述的基于斯皮尔曼等级相关分析的设备布点优化方法。
...【技术特征摘要】
1.一种基于斯皮尔曼等级相关分析的设备布点优化方法，其特征在于，应用于污水处理厂，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于多个所述监测数据序列确定相关性分析方式，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于多个所述历史监测数据值和所述历史监测数据值的数量确定每个所述目标监测数据序列各自对应的相同值比例，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述检验结果和所述相同值比例确定所述相关性分析方式，包括：
5.根据权利要求2所述的方法，其特征在于，所述基于所述斯皮尔曼等级相关分析对多个所述监测数据序列进行分组，得到多个显著性参数组，包括：
6.根据权利要求5所述的方法，其特征在于，所述将对每个所述监测数据序列分别清洗后得到的目标监测数据序列中预设时间点对应的目标历史监测数据值进...
【专利技术属性】
技术研发人员：魏俊，陆东辉，罗志逢，王晨，王鸿程，包建国，廖琦琛，朱亮，
申请(专利权)人：中国电建集团华东勘测设计研究院有限公司，
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。