欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025113082690
申请人: 西安尔吉环保科技有限公司
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种水文要素数据清洗处理方法,其特征在于,所述方法包括:采用斜率差值算法对水文数据进行初次过滤,获取初步清洗数据;

获取所述初步清洗数据的波动参数;

根据所述波动参数判断所述初步清洗数据是否为波动数据;

在所述初步清洗数据不为所述波动数据时,采用第一均值过滤算法对所述初步清洗数据进行清洗,得到最终清洗数据;

在所述初步清洗数据为所述波动数据时,检测所述波动数据是否为正常波动数据;

若所述波动数据为所述正常波动数据,采用第二均值过滤算法对所述初步清洗数据进行清洗,得到所述最终清洗数据;

若所述波动数据为异常波动数据,确定所述初步清洗数据为最终清洗数据;

所述采用斜率差值算法对水文数据进行初次过滤,获取初步清洗数据,包括:获取所述水文数据中时序上相邻的两个水文数据的变化量;

获取所述相邻的两个水文数据的时间间隔;

根据所述相邻的两个水文数据的所述变化量和对应的时间间隔,获取所述相邻的两个水文数据的斜率;

获取所述相邻的两个水文数据的斜率大于预设斜率阈值的目标斜率,所述目标斜率对应的所述水文数据为初步异常点;

获取相邻的两个所述初步异常点的水位差值;

获取所述水位差值大于预设变化量阈值的目标异常点,所述目标异常点为真实异常数据;

从水文数据中过滤所述真实异常数据,得到所述初步清洗数据;

所述获取所述初步清洗数据的波动参数,包括:获取所述初步清洗数据中所有时序上相邻的两个水文数据的水文数据差值;

根据所有所述初步清洗数据的数量和所有所述水文数据差值之和,获取所述初步清洗数据的波动参数。

2.根据权利要求1所述的水文要素数据清洗处理方法,其特征在于,确定最终清洗数据后,还包括:存储所述最终清洗数据。

3.根据权利要求1所述的水文要素数据清洗处理方法,其特征在于,所述根据所述波动参数判断所述初步清洗数据是否为波动数据,包括:检测所述波动参数是否大于预设波动阈值;

若所述波动参数大于所述预设波动阈值,则确定所述初步清洗数据为所述波动数据;

若所述波动参数不大于所述预设波动阈值,则确定所述初步清洗数据不为所述波动数据。

4.根据权利要求3所述的水文要素数据清洗处理方法,其特征在于,所述检测所述波动数据是否为正常波动数据,包括:获取所述波动数据中的所有波峰的峰值;

根据所述峰值获取对应的所述波峰对应的尖锐程度;

确定所述尖锐程度大于预设尖锐阈值的所述波峰对应的所述波动数据为所述异常波动数据;

确定所述尖锐程度不大于所述预设尖锐阈值的所述波峰对应的所述波动数据为所述正常波动数据。

5.根据权利要求4所述的水文要素数据清洗处理方法,其特征在于,所述根据所述峰值获取对应的所述波峰对应的尖锐程度,包括:对每一个所述波峰执行如下步骤:

获取与当前波峰相邻的预设数量的其他波峰;

获取所述当前波峰与所述其他波峰中的波峰中心;

根据所述波峰中心的峰值和所述当前波峰的峰值获取所述当前波峰的尖锐程度。

6.根据权利要求5所述的水文要素数据清洗处理方法,其特征在于,所述采用第一均值过滤算法对所述初步清洗数据进行清洗,包括:确定所述初步清洗数据中的异常数据;

从所述初步清洗数据中过滤掉所述异常数据,以得到所述最终清洗数据;

所述确定所述初步清洗数据中的异常数据,包括:对所述初步清洗数据中的每一个清洗数据执行如下步骤:获取当前清洗数据的发生时间;

获取与所述发生时间相同的预设数量的经过所述斜率差值算法过滤后的历史水文数据;

获取所述历史水文数据的均值;

根据所述均值与所述当前清洗数据,获取所述当前清洗数据对应的均值特征差距;

若所述均值特征差距大于预设均值阈值,则确定所述当前清洗数据为所述异常数据。

7.根据权利要求6所述的水文要素数据清洗处理方法,其特征在于,所述第一均值过滤算法对应的预设均值阈值小于所述第二均值过滤算法对应的预设均值阈值。

8.一种水文要素数据清洗处理系统,其特征在于,所述系统包括:采集模块,用于采集水文数据,所述水文数据包括:水位数据;

初次过滤模块,用于采用斜率差值算法对所述水文数据进行初次过滤,获取初步清洗数据;

二次过滤模块,用于获取所述初步清洗数据的波动参数;根据所述波动参数判断所述初步清洗数据是否为波动数据;在所述初步清洗数据不为所述波动数据时,采用第一均值过滤算法对所述初步清洗数据进行清洗,得到最终清洗数据;在所述初步清洗数据为所述波动数据时,检测所述波动数据是否为正常波动数据;若所述波动数据为所述正常波动数据,采用第二均值过滤算法对所述初步清洗数据进行清洗,得到所述最终清洗数据;若所述波动数据为异常波动数据,确定所述初步清洗数据为最终清洗数据;

存储模块,用于存储所述最终清洗数据;

所述采用斜率差值算法对水文数据进行初次过滤,获取初步清洗数据,包括:获取所述水文数据中时序上相邻的两个水文数据的变化量;

获取所述相邻的两个水文数据的时间间隔;

根据所述相邻的两个水文数据的所述变化量和对应的时间间隔,获取所述相邻的两个水文数据的斜率;

获取所述相邻的两个水文数据的斜率大于预设斜率阈值的目标斜率,所述目标斜率对应的所述水文数据为初步异常点;

获取相邻的两个所述初步异常点的水位差值;

获取所述水位差值大于预设变化量阈值的目标异常点,所述目标异常点为真实异常数据;

从水文数据中过滤所述真实异常数据,得到所述初步清洗数据;

所述获取所述初步清洗数据的波动参数,包括:获取所述初步清洗数据中所有时序上相邻的两个水文数据的水文数据差值;

根据所有所述初步清洗数据的数量和所有所述水文数据差值之和,获取所述初步清洗数据的波动参数。