一种白蚁监测大数据的数据智能分析方法与流程

本发明涉及数据处理，具体涉及一种白蚁监测大数据的数据智能分析方法。

背景技术：

1、白蚁是最古老的社会性昆虫，独特的习性使其得以在地球上生存、繁衍、进化，至今已有上亿年。白蚁蛀食含纤维素的物质，如房屋周围的绿化树木、枯枝落叶，以及房屋里的门框、装饰木构件、木制家具、衣物、书籍等均是它的食料，且白蚁分泌蚁酸，能够通过在建筑物墙体中穿行进而腐蚀钢筋、电缆等，潜在影响房屋住用安全，严重时甚至会引发建筑坍塌，因此对白蚁进行监测至关重要。

2、传统的对白蚁监测进行分析的方法如灰色关联分析法，能够通过分析白蚁出现规模与温度、空气相对湿度、大气压等影响因素之间的关系，进而得到白蚁的出现规律，便于对白蚁进行有效防治。但部分影响因素与白蚁出现规模之间的联系并非简单的线性关系，且所采集到的影响因素数据的离散程度不同，而传统的灰色关联分析算法中，分辨系数取值通常为固定值，导致使用传统的灰色关联分析法对白蚁出现规模与各影响因素之间的关联程度进行分析时，容易出现分析结果不准确、关联度无法正确反映白蚁出现规模与影响因素之间关联程度的问题。

技术实现思路

1、为了解决上述技术问题，本发明提供一种白蚁监测大数据的数据智能分析方法，以解决现有的问题。

2、本发明的一种白蚁监测大数据的数据智能分析方法采用如下技术方案：

3、本发明一个实施例提供了一种白蚁监测大数据的数据智能分析方法，该方法包括以下步骤：

4、采集各采样点的白蚁规模数据及各影响因素数据；将各采样点采集的所有白蚁规模数据、各影响因素的所有数据作为各采样点的白蚁规模序列、各白蚁规模影响因素序列；根据白蚁规模数据与影响因素数据的差异得到各影响因素绝对差值序列；根据影响因素绝对差值序列中元素的分布密度得到影响因素绝对差值序列中各元素的因子局部密度；

5、根据影响因素绝对差值序列中各元素的因子局部密度及白蚁规模与各影响因素的关联程度得到各影响因素绝对差值序列中各元素的因子局部关联指数；根据影响因素绝对差值序列中各元素的因子局部关联指数及白蚁规模影响因素序列与白蚁规模序列的差异得到各影响因素绝对差值序列的因子分散度评估指数；根据各影响因素绝对差值序列的因子分散度评估指数及影响因素绝对差值序列中元素的离散程度得到各影响因素绝对差值序列的分辨系数；

6、根据各影响因素绝对差值序列的分辨系数及白蚁规模序列中各元素与所有白蚁规模影响因素序列中对应位置元素的整体差异得到各白蚁规模影响因素序列的各元素与白蚁规模序列对应位置元素的灰色关联系数；利用灰色关联系数得到各白蚁规模影响因素序列与白蚁规模序列的关联度；结合所有采样点的各白蚁规模影响因素序列与白蚁规模序列的关联度及聚类算法完成白蚁规模的分析监测。

7、优选的，所述采集各采样点的白蚁规模数据及各影响因素数据，包括：

8、白蚁规模的影响因素包括最低温度、最高温度、降雨量、大气压、空气相对湿度、日照时长，将各采样点各影响因素采集的所有数据按时间先后排序分别作为各采样点的最低温度序列、最高温度序列、降雨量序列、大气压序列、空气相对湿度序列、日照时长序列。

9、优选的，所述根据白蚁规模数据与影响因素数据的差异得到各影响因素绝对差值序列，包括：

10、针对各采样点，分别计算最低温度序列、最高温度序列、降雨量序列、大气压序列、空气相对湿度序列、日照时长序列与白蚁规模序列对应位置元素的差值绝对值，作为最低温度绝对差值序列、最高温度绝对差值序列、降雨量绝对差值序列、大气压绝对差值序列、空气相对湿度绝对差值序列、日照时长绝对差值序列，统一记为影响因素绝对差值序列。

11、优选的，所述根据影响因素绝对差值序列中元素的分布密度得到影响因素绝对差值序列中各元素的因子局部密度，包括：

12、针对各影响因素绝对差值序列，将其中距离各元素最近的预设数量个元素作为各元素的最近邻集合，分别计算最近邻集合中各元素与最近邻集合内其余各元素的欧式距离的和值、标准差，计算所述和值与所述标准差的和值，记为第一和值，将最近邻集合内所述第一和值最大的元素作为最近邻集合的中心元素；

13、第a个影响因素绝对差值序列中第b个元素的因子局部密度cab的表达式为：

14、

15、式中，c表示第b个元素的最近邻集合中的元素数量，表示第a个影响因素绝对差值序列中第b个元素的最近邻集合中第d个元素与中心元素间的欧式距离，∈表示预设大于零的协调因子，表示第a个影响因素绝对差值序列中第b个元素的最近邻集合中第d个元素与第e个元素间的欧式距离。

16、优选的，所述各影响因素绝对差值序列中各元素的因子局部关联指数，表达式为：

17、

18、式中，gab表示第a个影响因素绝对差值序列中第b个元素的因子局部关联指数，c表示第b个元素的最近邻集合中的元素数量，表示第a个影响因素绝对差值序列中第b个元素的最近邻集合中第d个元素的因子局部密度，分别表示第a个影响因素绝对差值序列中第b个元素的最近邻集合中第d个、第d-1个元素与其在时间顺序上右相邻元素之间的斜率，∈表示预设大于零的协调因子。

19、优选的，所述根据影响因素绝对差值序列中各元素的因子局部关联指数及白蚁规模影响因素序列与白蚁规模序列的差异得到各影响因素绝对差值序列的因子分散度评估指数，包括：

20、针对各影响因素绝对差值序列，计算其中所有元素的因子局部关联指数的和值，计算影响因素绝对差值序列与白蚁规模序列的dtw距离，计算所述dtw距离与影响因素绝对差值序列中包含元素数量的比值，将所述比值与所述和值的乘积作为各影响因素绝对差值序列的因子分散度评估指数。

21、优选的，所述根据各影响因素绝对差值序列的因子分散度评估指数及影响因素绝对差值序列中元素的离散程度得到各影响因素绝对差值序列的分辨系数，包括：

22、针对各影响因素绝对差值序列，计算各元素与所有元素的均值的差值绝对值，计算所有所述差值绝对值的和值，计算所述差值绝对值与所述和值的比值，将所述比值作为以2为底数的对数函数的真数，计算所述对数函数的计算结果与所述比值的乘积，将所有元素所述乘积的和值的相反数作为各影响因素绝对差值序列的均值残差熵，将所述均值残差熵与影响因素绝对差值序列的因子分散度评估指数的比值作为各影响因素绝对差值序列的分辨系数。

23、优选的，所述各白蚁规模影响因素序列的各元素与白蚁规模序列对应位置元素的灰色关联系数，表达式为：

24、

25、式中，ζa(m)表示第a个白蚁规模影响因素序列的第m个元素与白蚁规模序列的第m个元素的灰色关联系数，y(m)表示白蚁规模序列中的第m个元素，xa(m)表示第a个白蚁规模影响因素序列中的第m个元素，ρa表示第a个白蚁规模影响因素序列对应的影响因素绝对差值序列的分辨系数，min表示取最小值函数，max表示取最大值函数，y(i)表示白蚁规模序列中的第i个元素，xj(i)表示第j个白蚁规模影响因素序列中的第i个元素，∈表示属于，n表示采集数据的个数，n'表示影响因素的个数。

26、优选的，所述利用灰色关联系数得到各白蚁规模影响因素序列与白蚁规模序列的关联度，包括：

27、将各白蚁规模影响因素序列的所有元素与白蚁规模序列对应位置元素的灰色关联系数的均值作为各白蚁规模影响因素序列与白蚁规模序列的关联度。

28、优选的，所述结合所有采样点的各白蚁规模影响因素序列与白蚁规模序列的关联度及聚类算法完成白蚁规模的分析监测，包括：

29、将所有采样点的所有白蚁规模影响因素序列与白蚁规模序列的关联度作为聚类算法的输入，输出为各聚类簇，计算各聚类簇中所有关联度的均值，将均值最大值的聚类簇对应的各影响因素作为白蚁规模的强关联因素。

30、本发明至少具有如下有益效果：

31、本发明通过获取各影响因素绝对差值序列，并分析影响因素绝对差值序列的局部密度特征，基于此构建因子局部密度；基于因子局部密度构建因子局部关联指数，反映了各影响因素与白蚁规模的局部关联特征；基于因子局部关联指数分析各影响因素绝对差值序列的离散程度，并构建因子分散度评估指数，反映了不同影响因素绝对差值序列对分辨系数的影响程度，据此对分辨系数进行动态调整，使计算得到的灰色关联系数与关联度能够更准确的反映出各影响因素与白蚁规模之间的关联关系，进而实现更准确的对白蚁监测数据进行分析，提高了白蚁监测的精度。