本文關(guān)鍵詞：面向養(yǎng)殖環(huán)境監(jiān)測的數(shù)據(jù)流處理方法研究，由筆耕文化傳播整理發(fā)布。

面向養(yǎng)殖環(huán)境監(jiān)測的數(shù)據(jù)流處理方法研究

中國農(nóng)業(yè)大學 曹振麗

主要研究內(nèi)容包括以下幾個方面：(1)提出了一種基于高斯混合模型的數(shù)據(jù)流聚類算法cumicro,使用高斯混合模型作為數(shù)據(jù)流中不確定數(shù)據(jù)的基本表示形式,可以更好的利用存儲空間,完成對真實情況的逼近。該算法將時間直接作為數(shù)據(jù)屬性,可直接查詢某個時間維度的聚簇。實驗證明,本文算法在原始數(shù)據(jù)較密集時,相較原有基于離散模型的聚類,該算法具有準確度上的優(yōu)勢。(2)提出了一種基于不確定數(shù)據(jù)的數(shù)據(jù)流追溯方法,將不確定數(shù)據(jù)引入到追溯系統(tǒng)中搭建追溯模型,解決了數(shù)據(jù)流背景下無法對可追溯單元一一標識的混合過程進行表示的問題。利用不確定數(shù)據(jù)的基本表示和查詢方法,解決了多源追溯問題,完成了數(shù)據(jù)流追溯模型中的一般查詢、節(jié)點評價和單節(jié)點異常推斷功能,并給出了多節(jié)點異常的求解方法。(3)提出一種基于時間粒度的自適應(yīng)調(diào)整灰色二階模型的數(shù)據(jù)流預(yù)測方法,通過實驗得出隨著滑動窗口更新周期的增大,預(yù)測的成功率反而下降；隨著采樣頻率的變大,預(yù)測成功率降低；隨著未來數(shù)據(jù)窗口寬度的增加,預(yù)測的平均相對誤差增大,但該方法對近期的數(shù)據(jù)預(yù)測比較準確,滿足了系統(tǒng)的需求。(4)設(shè)計了一個面向養(yǎng)殖環(huán)境的豬舍數(shù)據(jù)流采集與預(yù)測為一體的自動化控制系統(tǒng),提出了子啊數(shù)據(jù)流背景下切換到數(shù)據(jù)視角,以數(shù)據(jù)為中心來開展業(yè)務(wù)研究,將時間和空間的事件信息都以數(shù)據(jù)驅(qū)動為中心明確地抽象到編程模型中,進行形式化的描述及一體化建模,打破了傳統(tǒng)的建模方法僅局限于時間域內(nèi)分析的局限性,考慮了計算過程和物理過程通過網(wǎng)絡(luò)實時交互對系統(tǒng)行為所帶來的影響。

面向養(yǎng)殖環(huán)境監(jiān)測的數(shù)據(jù)流處理方法研究

  本文關(guān)鍵詞：面向養(yǎng)殖環(huán)境監(jiān)測的數(shù)據(jù)流處理方法研究，由筆耕文化傳播整理發(fā)布。