数据基线的确定方法、装置和计算机设备与流程

1.本技术涉及桥梁测算技术领域，特别是涉及一种数据基线的确定方法、装置和计算机设备。


背景技术：

2.通过对桥梁健康监测动态应变、挠度等数据的研究，发现桥梁波动基线受到结构温度(静态)、车辆(准静态)及环境噪声等多因素影响。为调查不同因素对桥梁波动情况的影响，需要在目标时段获取桥梁的波动数据，并根据桥梁的波动数据，通过桥梁波动基线确定方法，确定桥梁波动基线。
3.目前，行业内普遍采用的桥梁波动基线的确定方法，该方法通过桥梁监测的方式，获取桥梁波动数据，并对所有波动数据整体进行计算，从而得到桥梁波动基线。但是，当数据的波动幅度较大时，上述算法的基线确定效果容易受到局部峰值的影响，致使桥梁波动基线整体产生偏移，导致获取的桥梁波动基线的精确度较低。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种数据基线的确定方法、装置和计算机设备。
5.第一方面，本技术提供了一种数据基线的确定方法。所述方法包括：
6.获取目标时段的桥梁波动数据集；所述目标时段的桥梁波动数据集包括目标时段内各时刻的桥梁波动数据；
7.将各所述桥梁波动数据，通过数据自适应分段处理网络进行划分，得到各波动数据组；
8.根据各所述波动数据组和二维概率密度算法，确定各所述波动数据组的桥梁波动基线；
9.根据各所述波动数据组的桥梁波动基线，确定目标时段的桥梁波动基线。
10.可选的，所述数据自适应分段处理网络包括自适应分段网络和评价网络，所述将各所述桥梁波动数据，通过数据自适应分段处理网络进行划分，得到各波动数据组，包括：
11.根据各所述桥梁波动数据和所述自适应分段网络，确定各初始波动数据组，以及所述自适应分段网络的参数值；
12.根据各所述初始波动数据组和所述评价网络，确定各初始波动数据组的评价值；
13.将所述评价值小于评价阈值的初始波动数据组对应的自适应分段网络的参数值，列入所述自适应分段网络的禁忌表，并返回执行根据各所述桥梁波动数据和自适应分段网络，确定各初始波动数据组，以及自适应分段网络的参数值步骤，直到确定所有评价值大于评价阈值的初始波动数据组；
14.将各所述评价值大于评价阈值的初始波动数据组，作为各波动数据组。
15.可选的，所述根据各所述波动数据组和二维概率密度算法，确定各所述波动数据
组的桥梁波动基线，包括：
16.针对每个波动数据组，根据所述波动数据组，通过二维概率密度算法进行计算，得到所述波动数据组的桥梁波动基线。
17.可选的，所述根据各所述波动数据组的桥梁波动基线，确定目标时段的桥梁波动基线，包括：
18.根据各所述波动数据组的桥梁波动基线，选取第一时间序列的波动数据组的桥梁波动基线；
19.根据所述第一时间序列的波动数据组的桥梁波动基线、以及相邻波动数据组的桥梁波动基线，确定新桥梁波动基线；所述新桥梁波动基线代表第一时间序列的波动数据组和相邻波动数据组的桥梁波动基线；
20.将所述新桥梁波动基线，作为所述第一时间序列的波动数据组的桥梁波动基线，并返回执行根据所述第一时间序列的波动数据组的桥梁波动基线、以及相邻波动数据组的桥梁波动基线，确定新桥梁波动基线步骤，直到所述新桥梁波动基线代表目标时段的桥梁波动数据集的桥梁波动基线，并将所述新桥梁波动基线，作为目标时段的桥梁波动基线。
21.可选的，所述根据各所述波动数据组的桥梁波动基线，确定目标时段的桥梁波动基线，包括：
22.将各所述波动数据组的桥梁波动基线，按照时间序列进行排列；
23.根据已排列的各波动数据组的桥梁波动基线，通过平滑处理算法进行计算，得到目标时段的桥梁波动基线。
24.可选的，所述方法还包括：
25.获取样本时段的桥梁波动数据集、以及样本时段的各样本数据组；
26.将样本时段的桥梁波动数据集、以及样本时段的各样本数据组输入初始数据自适应分段处理网络，对初始数据自适应分段处理网络进行训练，得到数据自适应分段处理网络。
27.第二方面，本技术还提供了一种数据基线的确定装置。所述装置包括：
28.第一获取模块，用于获取目标时段的桥梁波动数据集；所述目标时段的桥梁波动数据集包括目标时段内各时刻的桥梁波动数据；
29.第一确定模块，用于将各所述桥梁波动数据，通过数据自适应分段处理网络进行划分，得到各波动数据组；
30.第二确定模块，用于根据各所述波动数据组和二维概率密度算法，确定各所述波动数据组的桥梁波动基线；
31.第三确定模块，用于根据各所述波动数据组的桥梁波动基线，确定目标时段的桥梁波动基线。
32.可选的，所述数据自适应分段处理网络包括自适应分段网络和评价网络，所述第一确定模块，具体用于：
33.根据各所述桥梁波动数据和所述自适应分段网络，确定各初始波动数据组，以及所述自适应分段网络的参数值；
34.根据各所述初始波动数据组和所述评价网络，确定各初始波动数据组的评价值；
35.将所述评价值小于评价阈值的初始波动数据组对应的自适应分段网络的参数值，
列入所述自适应分段网络的禁忌表，并返回执行根据各所述桥梁波动数据和自适应分段网络，确定各初始波动数据组，以及自适应分段网络的参数值步骤，直到确定所有评价值大于评价阈值的初始波动数据组；
36.将各所述评价值大于评价阈值的初始波动数据组，作为各波动数据组。
37.可选的，所述第二确定模块，具体用于：
38.针对每个波动数据组，根据所述波动数据组，通过二维概率密度算法进行计算，得到所述波动数据组的桥梁波动基线。
39.可选的，所述第三确定模块，具体用于：
40.根据各所述波动数据组的桥梁波动基线，选取第一时间序列的波动数据组的桥梁波动基线；
41.根据所述第一时间序列的波动数据组的桥梁波动基线、以及相邻波动数据组的桥梁波动基线，确定新桥梁波动基线；所述新桥梁波动基线代表第一时间序列的波动数据组和相邻波动数据组的桥梁波动基线；
42.将所述新桥梁波动基线，作为所述第一时间序列的波动数据组的桥梁波动基线，并返回执行根据所述第一时间序列的波动数据组的桥梁波动基线、以及相邻波动数据组的桥梁波动基线，确定新桥梁波动基线步骤，直到所述新桥梁波动基线代表目标时段的桥梁波动数据集的桥梁波动基线，并将所述新桥梁波动基线，作为目标时段的桥梁波动基线。
43.可选的，所述第三确定模块，具体用于：
44.将各所述波动数据组的桥梁波动基线，按照时间序列进行排列；
45.根据已排列的各波动数据组的桥梁波动基线，通过平滑处理算法进行计算，得到目标时段的桥梁波动基线。
46.可选的，所述装置还包括：
47.第二获取模块，用于获取样本时段的桥梁波动数据集、以及样本时段的各样本数据组；
48.训练模块，用于将样本时段的桥梁波动数据集、以及样本时段的各样本数据组输入初始数据自适应分段处理网络，对初始数据自适应分段处理网络进行训练，得到数据自适应分段处理网络。
49.第三方面，本技术提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面中任一项所述的方法的步骤。
50.第四方面，本技术提供了一种计算机可读存储介质。其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。
51.第五方面，本技术提供了一种计算机程序产品。所述计算机程序产品包括计算机程序，该计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。
52.上述数据基线的确定方法、装置和计算机设备，通过获取目标时段的桥梁波动数据集；所述目标时段的桥梁波动数据集包括目标时段的时间序列内各时刻的桥梁波动数据；将各所述桥梁波动数据，通过数据自适应分段处理网络进行划分，得到各波动数据组；根据各所述波动数据组和二维概率密度算法，确定各所述波动数据组的桥梁波动基线；根据各所述波动数据组的桥梁波动基线，确定目标时段的桥梁波动基线。通过对目标时段的
桥梁波动数据集分段，并将分段后的各波动数据组分别输入概率密度算法，得到各波动数据组的桥梁波动基线，在将各波动数据组的桥梁波动基线组合，确定目标时段的桥梁波动基线，从而提高了获取的桥梁波动基线的精确度。
附图说明
53.图1为一个实施例中数据基线的确定方法的流程示意图；
54.图2为一个实施例中位移-时间坐标系的示意图；
55.图3为一个实施例中波动数据组的划分步骤的流程示意图；
56.图4为一个实施例中数据自适应分段处理网络的训练步骤的流程示意图；
57.图5为另一个实施例中数据基线的确定方法的流程示意图；
58.图6为一个实施例中数据基线的确定装置的结构框图；
59.图7为一个实施例中计算机设备的内部结构图。
具体实施方式
60.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
61.本技术实施例提供的数据基线的确定方法，可以应用于终端中，也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。其中，终端可以包括但不限于是各种个人计算机、笔记本电脑、平板电脑等。该终端用于对目标时段的桥梁波动数据集分段，并将分段后的各波动数据组分别输入概率密度算法，得到各波动数据组的桥梁波动基线，再将各波动数据组的桥梁波动基线组合，确定目标时段的桥梁波动基线。
62.在一个实施例中，如图1所示，提供了一种数据基线的确定方法，以该方法应用于终端为例进行说明，包括以下步骤：
63.步骤s101，获取目标时段的桥梁波动数据集。
64.其中，目标时段的桥梁波动数据集包括目标时段内各时刻的桥梁波动数据。
65.本实施例中，终端通过桥梁监测传感器获取目标时段的各桥梁波动数据，并将目标时段的所有桥梁波动数据作为目标时段的桥梁波动数据集。目标时段可以但不限于通过终端响应用户自主选取目标时段的操作进行获取。
66.桥梁检测传感器可以是任一种可以获取桥梁波动数据的传感器。桥梁波动数据为某时刻的桥梁的二维位移信息(二维位移信息表示为桥梁垂直位移信息和桥梁水平位移信息在二维坐标系中，与坐标原点间的直线距离)，该桥梁的二维位移信息可以在位移-时间坐标系中体现，如图2所示，该位移-时间坐标系的横坐标轴为时间，纵坐标轴为位移距离，坐标系中的任一点代表某时刻的桥梁的二维位移信息。
67.步骤s102，将各桥梁波动数据，通过数据自适应分段处理网络进行划分，得到各波动数据组。
68.本实施例中，终端将各桥梁波动数据，通过数据自适应分段处理网络，划分为各波动数据组。波动数据组为某一区间时段包含的所有桥梁波动数据，波动数据组包含的各桥
梁波动数据在目标时段上连续，且两个波动数据组包含的桥梁波动数据各不相同；各波动数据组对应的区间时段之间可以长短不一；所有桥梁波动数据至少可以划分为2个波动数据组。
69.例如，所有桥梁波动数据为a1，a2，a3，a4，a5，a6，a7，a8，a9，a10，终端通过数据自适应分段处理网络将各桥梁波动数据划分为三个波动数据组，第一个波动数据组为a1，a2，a3；第二个波动数据组为a4，a5；第三个波动数据组为a6，a7，a8，a9，a10。具体划分过程后续将具体说明。
70.步骤s103，根据各波动数据组和二维概率密度算法，确定各波动数据组的桥梁波动基线。
71.本实施例中，终端将各波动数据组，通过二维概率密度算法进行计算，得到各波动数据组对应的桥梁波动基线。桥梁波动基线为桥梁在某一时段的二维位移信息的拟态基准线，该拟态基准线可以通过线性函数表达，所述线性函数的公式为：
72.y＝kx+c
73.上式中，x为桥梁在某一时段的某一时刻，y为桥梁在该时刻的桥梁二维位移信息，k为该拟态基准线的斜率，c为影响该拟态基准线的参数。具体计算过程后续将具体说明。
74.步骤s104，根据各波动数据组的桥梁波动基线，确定目标时段的桥梁波动基线。
75.本实施例中，终端将各波动数据组的桥梁波动基线，在位移-时间坐标系中进行排列，然后消除各波动数据组的桥梁波动基线间不平滑的连接点，得到一个平滑的桥梁波动基线；终端将该平滑的桥梁波动基线作为目标时段的桥梁波动基线。具体计算过程后续将具体说明。
76.基于上述方案，通过对目标时段的桥梁波动数据集分段，并将分段后的各波动数据组分别输入概率密度算法，得到各波动数据组的桥梁波动基线，再将各波动数据组的桥梁波动基线组合，确定目标时段的桥梁波动基线，从而提高了获取的桥梁波动基线的精确度。
77.可选的，如图3所示，数据自适应分段处理网络包括自适应分段网络和评价网络，将各桥梁波动数据，通过数据自适应分段处理网络进行划分，得到各波动数据组，包括：
78.步骤s301，根据各桥梁波动数据和自适应分段网络，确定各初始波动数据组，以及自适应分段网络的参数值。
79.本实施例中，终端根据各桥梁波动数据，通过自适应分段网络进行划分，将各桥梁波动数据划分为各初始波动数据组，并得到此次划分运算时自适应分段网络的参数值。自适应分段网络的工作原理为，将所有桥梁波动数据按照时间序列，划分为不同区间时段的波动数据组。自适应分段网络可以是任一种可以实现上述步骤的多数据流自适应分段算法，每次迭代运算时该自适应分段网络的参数值不同。
80.步骤s302，根据各初始波动数据组和评价网络，确定各初始波动数据组的评价值。
81.本实施例中，终端针对每个初始波动数据组，根据该初始波动数据组中的各桥梁波动数据，通过评价网络进行计算，得到该波动数据组的评价值。评价网络可以但不限于是标准差算法，波动数据组的评价值为该初始波动数据组包含的各桥梁波动数据的标准差值。
82.步骤s303，将评价值小于评价阈值的初始波动数据组对应的自适应分段网络的参
数值，列入自适应分段网络的禁忌表，并返回执行根据各桥梁波动数据和自适应分段网络，确定各初始波动数据组，以及自适应分段网络的参数值步骤，直到确定所有评价值大于评价阈值的初始波动数据组。
83.本实施例中，终端预先存储评价阈值，并在各波动数据组中，选取评价值小于评价阈值的初始波动数据组；将各评价值小于评价阈值的初始波动数据组对应的自适应分段网络的参数值，列入自适应分段网络的禁忌表，并返回执行步骤s301；终端在执行此次运算时，控制自适应分段网络选择除禁忌表以外的参数值，直到所有初始波动数据组的评价值均大于评价阈值，停止迭代操作。
84.步骤s304，将各评价值大于评价阈值的初始波动数据组，作为各波动数据组。
85.本实施例中，终端将各评价值大于评价阈值的初始波动数据组，作为各波动数据组。
86.基于上述方案，终端通过数据自适应分段处理网络，得到各波动数据组，从而提升了对各不同时段的各桥梁波动数据计算的精确度。
87.可选的，根据各波动数据组和二维概率密度算法，确定各波动数据组的桥梁波动基线，包括：针对每个波动数据组，根据波动数据组，通过二维概率密度算法进行计算，得到波动数据组的桥梁波动基线。
88.本实施例中，终端针对每个数据组，通过二维概率密度算法，对该波动数据组的各桥梁波动数据进行计算，得到该波动数据组的桥梁波动基线。桥梁波动基线的范围与波动数据组对应的区间时段的范围一致。二维概率密度算法可以但不限于是二维径向基函数(radial basis function，rbf)。例如：某一波动数据组对应的区间时段为[t,t+30]，则该波动数据组对应的桥梁波动基线的计算公式为：
[0089]
y＝kx+c，x∈(t，t+30)
[0090]
上式中，x为桥梁在该时段的某一时刻，y为桥梁在该时刻的桥梁二维位移信息，k为该桥梁波动基线的斜率，c为影响该桥梁波动基线的参数。
[0091]
可选的，根据各波动数据组的桥梁波动基线，确定目标时段的桥梁波动基线，包括：根据各波动数据组的桥梁波动基线，选取第一时间序列的波动数据组的桥梁波动基线；根据第一时间序列的波动数据组的桥梁波动基线、以及相邻波动数据组的桥梁波动基线，确定新桥梁波动基线；新桥梁波动基线代表第一时间序列的波动数据组和相邻波动数据组的桥梁波动基线；将新桥梁波动基线，作为第一时间序列的波动数据组的桥梁波动基线，并返回执行根据第一时间序列的波动数据组的桥梁波动基线、以及相邻波动数据组的桥梁波动基线，确定新桥梁波动基线步骤，直到新桥梁波动基线代表目标时段的桥梁波动数据集的桥梁波动基线，并将新桥梁波动基线，作为目标时段的桥梁波动基线。
[0092]
本实施例中，终端将各波动数据组按照时间序列进行排序，并选取排列在时间序列中第一位的波动数据组；根据该波动数据组对应的桥梁波动基线、以及与该波动数据组相邻的桥梁波动基线(即排列在时间序列中第二位的波动数据组)，通过平滑处理算法得到新桥梁波动基线，新桥梁波动基线能够代表该第一位的波动数据组、以及该波动数据组相邻的波动数据组的各桥梁波动数据。
[0093]
终端将第一位的波动数据组与第二位的波动数据组进行合并，得到新的波动数据组，将新的波动数据组作为第一位的波动数据组(则该第一位的波动数据组对应的桥梁波
动基线为新桥梁波动基线)，并返回执行上述步骤，直到得到的新桥梁波动基线能代表目标时段的所有波动数据组。终端将该能代表目标时段的所有波动数据组的桥梁波动基线，作为目标时段的桥梁波动基线。
[0094]
平滑处理算法可以但不限于是平均算法，具体的计算过程为，将两个桥梁波动基线对应的斜率求平均，影响该桥梁波动基线的参数也求平均，得到新桥梁波动基线的线性函数关系式。例如：a波动数据组的桥梁波动基线为：y＝k1x+c1；b波动数据组的桥梁波动基线为：y＝k2x+c2，则两个波动数据组对应的新桥梁波动基线为：
[0095]
y＝k3x+c3
[0096]
k3＝(k1+k2)/2
[0097]
c3＝(c1+c2)/2
[0098]
上式中，k1、k2、k3为各桥梁波动基线的斜率，c1、c2、c3为各桥梁波动基线的参数。
[0099]
基于上述方案，通过将各波动数据组的桥梁波动基线，确定目标时段的桥梁波动基线，从而使获取的桥梁波动基线精确度更高。
[0100]
可选的，根据各波动数据组的桥梁波动基线，确定目标时段的桥梁波动基线，包括：将各波动数据组的桥梁波动基线，按照时间序列进行排列；根据已排列的各波动数据组的桥梁波动基线，通过平滑处理算法进行计算，得到目标时段的桥梁波动基线。
[0101]
本实施例中，终端将可以将各波动数据组按照时间序列在位移-时间坐标系中进行排列，在坐标系中得到不平滑的各波动数据组的桥梁波动基线。终端通过平滑处理算法，对各波动数据组的桥梁波动基线进行平滑处理，将各桥梁波动基线整合处理为一个平滑的桥梁波动基线。终端将该合并后的桥梁波动基线作为目标时段的桥梁波动基线。
[0102]
基于上述方案，通过将各波动数据组的桥梁波动基线，确定目标时段的桥梁波动基线，从而使获取的桥梁波动基线精确度更高。
[0103]
可选的，如图4所示，方法还包括：
[0104]
步骤s401，获取样本时段的桥梁波动数据集、以及样本时段的各样本数据组。
[0105]
本实施例中，终端获取样本时段的桥梁波动数据集，以及样本时段的各样本数据。该步骤的具体处理过程可以参照上述步骤s101的相关解释，此处不再赘述。
[0106]
步骤s402，将样本时段的桥梁波动数据集、以及样本时段的各样本数据组输入初始数据自适应分段处理网络，对初始数据自适应分段处理网络进行训练，得到数据自适应分段处理网络。
[0107]
本实施例中，终端将样本时段的桥梁波动数据集、以及样本时段的各样本数据组输入初始数据自适应分段处理网络，对初始数据自适应分段处理网络进行训练，得到数据自适应分段处理网络。
[0108]
基于上述方案，通过获取的样本时段的桥梁波动数据集、以及样本时段的各样本数据组，对初始数据自适应分段处理网络进行训练，得到数据自适应分段处理网络，为后续对目标时段的桥梁波动数据集进行运算提供基础。
[0109]
本技术还提供了一种数据基线的确定示例，如图5所示，具体处理过程包括以下步骤：
[0110]
步骤s501，获取目标时段的桥梁波动数据集。
[0111]
其中，目标时段的桥梁波动数据集包括目标时段的时间序列内各时刻的桥梁波动
数据。
[0112]
步骤s502，根据各桥梁波动数据和自适应分段网络，确定各初始波动数据组，以及自适应分段网络的参数值。
[0113]
步骤s503，根据各初始波动数据组和评价网络，确定各初始波动数据组的评价值。
[0114]
步骤s504，判断是否存在初始波动数据组的评价值小于评价阈值。
[0115]
如果是，将小于评价阈值的初始波动数据组对应的自适应分段网络的参数值，列入自适应分段网络的禁忌表，返回执行步骤s502；如果否，执行步骤s505。
[0116]
步骤s505，将各评价值大于评价阈值的初始波动数据组，作为各波动数据组。
[0117]
步骤s506，针对每个波动数据组，根据波动数据组，通过二维概率密度算法进行计算，得到波动数据组的桥梁波动基线。
[0118]
步骤s507，根据各波动数据组的桥梁波动基线，选取第一时间序列的波动数据组的桥梁波动基线。
[0119]
步骤s508，根据第一时间序列的波动数据组的桥梁波动基线、以及相邻波动数据组的桥梁波动基线，确定新桥梁波动基线。
[0120]
其中，新桥梁波动基线代表第一时间序列的波动数据组和相邻波动数据组的桥梁波动基线。
[0121]
步骤s509，判断新桥梁波动基线是否代表目标时段的桥梁波动数据集的桥梁波动基线。
[0122]
如果是，执行步骤s510；如果否，将新桥梁波动基线，作为第一时间序列的波动数据组的桥梁波动基线，返回执行步骤s508。
[0123]
步骤s510，将新桥梁波动基线，作为目标时段的桥梁波动基线。
[0124]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0125]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的数据基线的确定方法的数据基线的确定装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个数据基线的确定装置实施例中的具体限定可以参见上文中对于数据基线的确定方法的限定，在此不再赘述。
[0126]
在一个实施例中，如图6所示，提供了一种数据基线的确定装置，包括：第一获取模块610、第一确定模块620、第二确定模块630和第三确定模块640，其中：
[0127]
第一获取模块610，用于获取目标时段的桥梁波动数据集；所述目标时段的桥梁波动数据集包括目标时段的时间序列内各时刻的桥梁波动数据；
[0128]
第一确定模块620，用于将各所述桥梁波动数据，通过数据自适应分段处理网络进行划分，得到各波动数据组；
[0129]
第二确定模块630，用于根据各所述波动数据组和二维概率密度算法，确定各所述
波动数据组的桥梁波动基线；
[0130]
第三确定模块640，用于根据各所述波动数据组的桥梁波动基线，确定目标时段的桥梁波动基线。
[0131]
可选的，数据自适应分段处理网络包括自适应分段网络和评价网络，第一确定模块620，具体用于：
[0132]
根据各桥梁波动数据和自适应分段网络，确定各初始波动数据组，以及自适应分段网络的参数值；
[0133]
根据各初始波动数据组和评价网络，确定各初始波动数据组的评价值；
[0134]
将评价值小于评价阈值的初始波动数据组对应的自适应分段网络的参数值，列入自适应分段网络的禁忌表，并返回执行根据各桥梁波动数据和自适应分段网络，确定各初始波动数据组，以及自适应分段网络的参数值步骤，直到确定所有评价值大于评价阈值的初始波动数据组；
[0135]
将各评价值大于评价阈值的初始波动数据组，作为各波动数据组。
[0136]
可选的，第二确定模块630，具体用于：
[0137]
针对每个波动数据组，根据波动数据组，通过二维概率密度算法进行计算，得到波动数据组的桥梁波动基线。
[0138]
可选的，第三确定模块640，具体用于：
[0139]
根据各波动数据组的桥梁波动基线，选取第一时间序列的波动数据组的桥梁波动基线；
[0140]
根据第一时间序列的波动数据组的桥梁波动基线、以及相邻波动数据组的桥梁波动基线，确定新桥梁波动基线；新桥梁波动基线代表第一时间序列的波动数据组和相邻波动数据组的桥梁波动基线；
[0141]
将新桥梁波动基线，作为第一时间序列的波动数据组的桥梁波动基线，并返回执行根据第一时间序列的波动数据组的桥梁波动基线、以及相邻波动数据组的桥梁波动基线，确定新桥梁波动基线步骤，直到新桥梁波动基线代表目标时段的桥梁波动数据集的桥梁波动基线，并将新桥梁波动基线，作为目标时段的桥梁波动基线。
[0142]
可选的，第三确定模块640，具体用于：
[0143]
将各波动数据组的桥梁波动基线，按照时间序列进行排列；
[0144]
根据已排列的各波动数据组的桥梁波动基线，通过平滑处理算法进行计算，得到目标时段的桥梁波动基线。
[0145]
可选的，装置还包括：
[0146]
第二获取模块，用于获取样本时段的桥梁波动数据集、以及样本时段的各样本数据组；
[0147]
训练模块，用于将样本时段的桥梁波动数据集、以及样本时段的各样本数据组输入初始数据自适应分段处理网络，对初始数据自适应分段处理网络进行训练，得到数据自适应分段处理网络。
[0148]
上述数据基线的确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0149]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、移动蜂窝网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种数据基线的确定方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0150]
本领域技术人员可以理解，图7中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0151]
在实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
[0152]
在实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0153]
在实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0154]
需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
[0155]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0156]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛
盾，都应当认为是本说明书记载的范围。
[0157]
以上实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。