[发明专利]一种面向大型粮堆异常信息的聚类分析方法和装置

说明书

本发明公开了一种面向大型粮堆异常信息的聚类分析方法和装置，包括从粮堆管理系统中读取相关设备记录的可能存在波动的数据，作为样本数据输入，进行箱型图建模处理，剔除无异常数据，将异常数据输入，将数据分为风险性异常数据及非风险性异常数据，并将风险性异常数据作为样本数据输入，建立评价指标，为降低指标之间的相关性，对评价指标进行降维处理，计算处理后的评价指标的信息量，将其进行归一化处理，计算熵、权和加权得分，从而得到评价指标贡献率，并以此建立数据评分模型，完成对数据异常程度的合理打分。实现对企业整个粮堆管理系统安全性的精准评估，合理准确反应检测数据值的异常情况，还可以对未来时间段的安全性做到合理预见。

技术领域

本发明涉及一种基于大型粮堆的聚类分析方法，具体为一种面向大型粮堆异常信息的聚类分析方法和装置，属于粮堆储存管理技术领域。

背景技术

粮食是关系国计民生的重要战略物资，保障粮食安全关系到国民经济发展和社会的稳定.而粮食仓储是粮食流通领域中的一个重要环节，粮食中的霉变或者虫害会造成粮食的极大浪费。因此，虽然我国粮食产量富足，但是粮食的损失量很大。

改善贮藏条件，减少粮食损失，保证国家粮食安全，是当前粮食行业急需解决的问题。因此，对粮堆异常信息的分析有利于改善粮食贮藏条件和行业可持续健康发展，及时发现粮食和数据的异常，可以极大地降低粮食安全隐患，改善粮食质量，提高收益，可以帮助国家或者各种粮食产业改善贮藏条件，保障我国未来粮食市场的平稳发展。

发明内容

本发明的目的就在于为了解决上述至少一个技术问题而提供一种面向大型粮堆异常信息的聚类分析方法和装置，以能够及时发现大型粮堆管理系统中的数据异常，从而改善产品质量，降低粮食安全问题发生概率。

本发明通过以下技术方案来实现上述目的：一种面向大型粮堆异常信息的聚类分析方法，包括以下步骤

步骤一、从粮堆管理系统中读取相关设备记录的可能存在波动的数据；将数据作为样本数据输入；进行箱型图建模处理；

步骤二、剔除无异常数据；进行数据读取，将异常数据输入；

步骤三、设置聚类算法超参数；随机抽取样本当作不同类别的中心点；

步骤四、计算其余点到中心点的距离，根据最近的距离选择族群；计算族群平均值，并将其与旧点中心比较；若族群平均值与旧点中心不同，则继续执行步骤四；若族群平均值与旧点中心相同，则结束聚类；

步骤五、将数据分为风险性异常数据及非风险性异常数据，并将前者输入；建立评价指标；对评价指标进行降维处理，降低指标之间的相关性；

步骤六、计算处理后的评价指标的信息量；将信息量进行归一化处理；计算熵和权；计算加权得分，得到评价指标贡献率；建立数据评分模型，完成对数据异常程度的合理打分。

作为本发明再进一步的方案：所述步骤一中，在进行箱型图建模之前，先将设备记录的数据进行预处理，将其作为样本数据输入。

箱型图算法模型的建立：

计算下分位数、中分位数和上分位数，其可由下述公式确定：

其中n表示检测数据的项数，Q₁，Q₂，Q₃分别表示下分位数、中分位数和上分位数。进而，确定异常值

四分位数全距为：

IQR＝Q₃-Q₁

限制线位置为：