基于物联网的农业大棚环境异常数据监测方法与流程

本发明涉及数据处理，具体涉及基于物联网的农业大棚环境异常数据监测方法。

背景技术：

1、在农业生产中，大棚环境的监测对于确保作物生长环境的稳定性至关重要。通常使用dbscan(density-based spatial clustering of applications with noise)密度聚类算法来对温度数据进行聚类从而识别噪声数据，但是在农业大棚的使用过程中，通风是维持大棚内部稳定环境的重要手段之一，但通风过程中可能会导致温度等参数的短期波动，这可能影响传统的dbscan密度聚类算法的准确性。

技术实现思路

1、为了解决上述问题，本发明提供基于物联网的农业大棚环境异常数据监测方法，所述方法包括：

2、获取大棚温度数据序列集合；大棚温度数据序列集合包括大棚外部的温度数据序列和若干个监测点的温度数据序列；监测点的温度数据序列和大棚外部的温度数据序列包括若干个采集时刻的温度数据；

3、根据每个监测点的温度数据序列中不同采集时刻之间温度数据的差异，获取每个采集时刻的异常程度；

4、根据监测点的温度数据序列和大棚外部的温度数据序列之间的差异，获取每个采集时刻的温差趋势符合程度；根据温差趋势符合程度，获取每个监测点的温度数据序列对其他每个监测点的温度数据序列的影响价值权重因子；根据影响价值权重因子和异常程度，获取每个采集时刻的温度变化趋势一致性；

5、根据温度变化趋势一致性和温差趋势符合程度，获取每个采集时刻的自适应聚类参数；根据自适应聚类参数对监测点的温度数据序列进行异常监测。

6、优选的，所述根据每个监测点的温度数据序列中不同采集时刻之间温度数据的差异，获取每个采集时刻的异常程度，包括的具体方法为：

7、对于第个监测点的温度数据序列，获取第个监测点的温度数据序列的一阶差分序列，获取第个监测点的温度数据序列的二阶差分序列；

8、根据第个监测点的温度数据序列的一阶差分序列和二阶差分序列，获取第个监测点的温度数据序列中第个采集时刻的异常因子；

9、获取第个监测点的温度数据序列中所有采集时刻的异常因子，将所有异常因子进行线性归一化后的每个异常因子记为异常程度。

10、优选的，所述根据第个监测点的温度数据序列的一阶差分序列和二阶差分序列，获取第个监测点的温度数据序列中第个采集时刻的异常因子，包括的具体方法为：

11、将第个监测点的温度数据序列中第个采集时刻的一阶差分值与第个监测点的温度数据序列中第个采集时刻的二阶差分值的比值，作为第个监测点的温度数据序列中第个采集时刻的异常因子。

12、优选的，所述根据监测点的温度数据序列和大棚外部的温度数据序列之间的差异，获取每个采集时刻的温差趋势符合程度，包括的具体方法为：

13、对于第个监测点的温度数据序列中第个采集时刻；获取第个监测点的温度数据序列中第个采集时刻的大棚内部整体温度数据；

14、获取第个监测点的温度数据序列中第个采集时刻的温差趋势符合程度的计算方法为：

15、

16、式中，表示第个监测点的温度数据序列中第个采集时刻的温差趋势符合程度；表示第个监测点的温度数据序列中第个采集时刻的大棚内部整体温度数据；表示大棚外部的温度数据序列中第个采集时刻的温度数据；表示第个监测点的温度数据序列中第个采集时刻的二阶差分值；表示取绝对值；表示以自然常数为底数的指数函数。

17、优选的，所述获取第个监测点的温度数据序列中第个采集时刻的大棚内部整体温度数据，包括的具体方法为：

18、通过均值滤波算法获取所有监测点的温度数据序列中每个采集时刻的趋势项；将所有监测点的温度数据序列中第个采集时刻的趋势项的均值，作为第个监测点的温度数据序列中第个采集时刻的大棚内部整体温度数据。

19、优选的，所述根据温差趋势符合程度，获取每个监测点的温度数据序列对其他每个监测点的温度数据序列的影响价值权重因子，包括的具体方法为：

20、根据第个监测点的温度数据序列中采集时刻的温差趋势符合程度，获取第个监测点的温度数据序列对第个监测点的温度数据序列的影响价值权重程度；

21、获取所有监测点的温度数据序列对第个监测点的温度数据序列的影响价值权重程度，将所有影响价值权重程度进行线性归一化后的每个影响价值权重程度记为影响价值权重因子。

22、优选的，所述根据第个监测点的温度数据序列中采集时刻的温差趋势符合程度，获取第个监测点的温度数据序列对第个监测点的温度数据序列的影响价值权重程度，包括的具体方法为：

23、预设一个距离参数；将第个监测点的温度数据序列与第个监测点的温度数据序列的协方差，记为第一协方差；将第个监测点的温度数据序列中所有采集时刻的温差趋势符合程度的均值与第一协方差的乘积，作为第一乘积；将第个监测点与第个监测点之间的距离，记为第一距离；将距离参数与第一距离的比值，记为第一比值；将第一乘积和第一比值的乘积，作为第个监测点的温度数据序列对第个监测点的温度数据序列的影响价值权重程度。

24、优选的，所述根据影响价值权重因子和异常程度，获取每个采集时刻的温度变化趋势一致性，包括的具体方法为：

25、对于第个监测点的温度数据序列中第个采集时刻，获取第个采集时刻的平均温度异常水平；

26、获取第个监测点的温度数据序列中第个采集时刻的温度变化趋势一致性的计算方法为：

27、

28、式中，表示第个监测点的温度数据序列中第个采集时刻的温度变化趋势一致性；表示所有监测点的总数量；表示第个监测点的温度数据序列对第个监测点的温度数据序列的影响价值权重因子；表示第个监测点的温度数据序列中第个采集时刻的异常程度；表示第个监测点的温度数据序列中第个采集时刻的平均温度异常水平；表示第个监测点的温度数据序列中第个采集时刻的异常程度；表示第个监测点的温度数据序列中第个采集时刻的平均温度异常水平；表示第个监测点的温度数据序列中第个采集时刻的二阶差分值；表示第个监测点的温度数据序列中第个采集时刻的二阶差分值；表示取绝对值；表示以自然常数为底数的指数函数。

29、优选的，所述获取第个采集时刻的平均温度异常水平，包括的具体方法为：

30、预设一个数量参数，将第个采集时刻之前的个采集时刻，均记为第个采集时刻的参考采集时刻；将所有第个采集时刻的参考采集时刻的异常程度的均值，作为第个采集时刻的平均温度异常水平。

31、优选的，所述根据温度变化趋势一致性和温差趋势符合程度，获取每个采集时刻的自适应聚类参数，包括的具体方法为：

32、预设一个初始邻域半径参数，对于第个监测点的温度数据序列中第个采集时刻，将第个采集时刻的温度变化趋势一致性和第个采集时刻的温差趋势符合程度的乘积，作为第个采集时刻的调整因子；获取第个监测点的温度数据序列中所有采集时刻的调整因子，将所有调整因子进行线性归一化后的每个调整因子记为调整参数；将初始邻域半径参数与第个采集时刻的调整参数的乘积，作为第个采集时刻的自适应聚类参数。

33、本发明的技术方案的有益效果是：本发明根据监测点的温度数据序列和大棚外部的温度数据序列之间的差异，获取每个采集时刻的温差趋势符合程度；根据影响价值权重因子和异常程度，获取每个采集时刻的温度变化趋势一致性；以此通过通风过程对各个监测点的温度波动一致性以及内外温差和温度趋势的关系来对温度数据的变化真实性进行获取；根据温度变化趋势一致性和温差趋势符合程度，获取每个采集时刻的自适应聚类参数；以此将温度数据的真实性反映在参数自适应过程中，从而提高了聚类算法对农业大棚温度数据的适应性，也提高了大棚温度异常数据监测的准确性。