[发明专利]一种基于云计算的工程项目管理系统中的数据处理方法

摘要

本发明属于工程项目管理技术领域，公开了一种基于云计算的工程项目管理系统中的数据处理方法，通过提供通用的导出与导入框架，能够快速地进行数据处理速度，节省人力；且在对项目数据建立云计算系统的同时建立监控模块，可实时监控云计算系统资源的使用情况，以便做出迅速反应，完成均衡处理配置；利用管理者的权限模块有有效的控制相关人员的操作情况，便于项目管理；同时基于计算机实现了项目静态管控阶段、项目动态管控阶段、项目统计分析阶段对工程项目数据的处理要求，解决了长期以来杜绝了工作混乱或无序增加的舞弊风险，提高了单位的工程项目的管理水平，取得了良好的技术效果。

主权项

一种基于云计算的工程项目管理系统中的数据处理方法，其特征在于，所述基于云计算的工程项目管理系统中的数据处理方法包括以下步骤：步骤一，将工程项目数据传送至云计算系统；所述云计算系统通过控制时间序列的聚集度来识别不同分形水平和动力学特征的时间序列生成过程；具体包括：(1)数据绝对值缩小化处理，记为X＝(Xt:t＝1,…,T)；(2)使用X计算最小二乘法回归直线使用及ΔYt＝Yt‑Yt‑1，对作最小二乘法估计获得参数估值记Y＝(Y'10,…,Y'1t,…,Y'1T‑1)'，Y1t＝(ΔYt,‑Yt(1+Yt2)‑1)，s11和s22分别表示矩阵的第一行第一列的元素和第二行第二列的元素；(3)计算θ1的置信区间其中是t分布在置信水平的临界值以及归无假说γ＝0的统计量如果θ1的置信区间被包含在区间(‑1,1)内并且归无假说γ＝0被拒绝、接受对立假说γ＞0的话，则证据支持数据来自NLARI过程，执行步骤四，否则对j＝j+1(初值j＝1)，计算j重聚集时间序列Xj，记为X＝Xj，执行步骤二；如果循环时间序列到不能继续被聚集，输出结果X是一个非NLARI过程或一个具有γ＝0的退化ARI(2,1)过程，退出分析；(4)记j1＝j，让执行分形识别，获得j2重聚集序列分形度为(δ1，k,δ2，k)，记为或无分形(5)对和分别执行步骤二获得θ1的置信区间θ2的置信区间以及γ的置信区间其中如果θ1,θ2,γ的置信区间被包含在区间(‑1,1),(0,4),(0,1)内，则证据支持X来自稳定不动点域上的NLARI过程；如果θ1,θ2,γ的置信区间被包含在区间内，则证据支持X来自稳定周期环域上的NLARI过程；如果θ1,θ2,γ的置信区间被包含在区间内，则证据支持X来自不稳定周期环域上的NLARI过程；否则X来自临界值上的NLARI过程；输出具有这些动态特征的分形序列和无分形序列包括模型参数作为结论；进一步，识别不同长记忆水平的最小聚集度时间序列方法，包括：1)选定一个正值递减序列δ1,k，设初值k＝j＝1和X1＝X；2)计算第j重聚集时间序列Xj；3)计算Xj的样本自相关系数ρn作为n＝1,…,N和LM(Xj)；如果LM(Xj)＜δ1,k，则执行步骤4)，否则对j＝j+1执行步骤2)，当循环到时间序列不能继续被聚集时输出结果最小聚集度的长记忆性时间序列Xj‑1(δ1,k‑1)及模型参数在那里Xj(δ1,0)意味着原时间序列无长记忆性；4)如果k＜K，则令j＝1和k＝k+1，执行步骤2)，否则输出结论最小聚集度的长记忆性时间序列Xj(δ1,K)及模型参数；进一步，识别不同自相似水平的最小聚集度时间序列方法，包括：A、选定一个正值递减序列δ2,k，设初值k＝j＝1和X1＝X；B、计算第j重聚集时间序列Xj；C、计算Xj的样本相似比rh(i,im)和SShm(Xj)作为m＝1,…,M，h＝1,…,H和i＝1,…,n；如果SShm(Xj)＜δ2,k成立作为给定的m＝1,…,M和h＝1,…,H，则执行步骤D，否则对j＝j+1执行步骤B，当循环到时间序列不能继续被聚集时，输出结果最小聚集度的自相似性时间序列Xj‑1(δ2,k‑1)及模型参数在那里Xj(δ2,0)意味着原时间序列没有自相似性；D、如果k＜K，则令j＝1和k＝k+1，执行步骤B，否则输出结论最小聚集度的自相似性时间序列Xj(δ2,K)及模型参数；进一步，识别不同分形水平的最小聚集度时间序列方法，包括：a、选定两个正值递减序列δ1,k和δ2,k，设初值k＝j＝1和X1＝X；b、计算第j重聚集时间序列Xj；c、计算Xj的样本自相关系数ρn作为n＝1,…,N和LM(Xj)。如果LM(Xj)＜δ1,k，则执行步骤d，否则对j＝j+1执行步骤b，当时间序列不能继续被聚集时，输出结果最小聚集度的分形时间序列Xj‑1(δ1,k‑1，δ2,k‑1)及模型参数，(δ1,0,δ2,0)为原序列无分形结构；d、计算Xj的样本相似比rh(i,im)作为i＝1,…,n和SShm(Xj)作为m＝1,…,M和h＝1,…,H；如果SShm(Xj)＜δ2,k作为h＝1,…,H和m＝1,…,M成立，则执行步骤e，否则对j＝j+1执行步骤b；e、如果k＜K，则令j＝1和k＝k+1，执行步骤b，否则输出结论最小聚集度的分形时间序列Xj(δ1,K，δ2,K)及模型参数；通过限制δ1,k和δ2,k值识别不同长记忆和自相似水平的时间序列生成过程；步骤二，为所对应的项目数据的云计算系统建立监控模块；步骤三，将工程项目数据转换为对象属性；步骤四，将对象属性导入云计算系统的数据库；所述数据库安全数据检索方法包括以下步骤：(1)数据库Si完成一个周期的数据采集，采集的数据为(i，t，{d1，d2，…，dn})，其中i为数据库号，t为周期号；Si首先采用AES对数据{d1，d2，…，dn}进行加密，生成加密数据{(d1)K，(d2)K，…，(dn)K}，其中K为数据加密密钥；(2)Si为每一个数据构建一个不可区分布鲁姆过滤器，且每一个不可区分布鲁姆过滤器分配一个唯一的ID号，对数据dj，Si构建一个分配ID号为ij的不可区分布鲁姆过滤器Bij；(3)Si将加密数据、对应的不可区分布鲁姆过滤器以及其ID号上传到存储节点，上传的数据形式为：{(i1，Bi1，(d1)K)，(i2，Bi2(d2)K)，…，(in，Bin，(dn)K)}；步骤五，由项目负责人建立有关云计算系统的数据库的管理模块，并给予相关责任人授权，继续执行；所述管理模块采用贝叶斯分类方法来将语料库中的双语句对分成两类：准确的双语句对和不准确的双语句对，将不准确双语句对过滤掉；双语句对t可由n个相互独立的特征V＝{v1,v2,...,vn}确定，t属于类别ci(i＝1,2)的概率为P(ci|t)，那么当ci使得P(ci|V)获得最大值时，t就属于ci类；这样，求出P(ci|V)的最大值，确定统计短语t所处的类别；根据贝叶斯公式：P(ci|V)=P(V|ci)P(ci)P(V);]]>由于各类别的先验概率是未知的，因此，通常假设各类别的出现概率相同,即P(c1)＝P(c2)，取最大值就转换成只需要求P(V|ci)最大，在各特征间不存在依赖关系的情况下有：P(V|ci)=Π1≤j≤nP(vj|ci);]]>获得双语句对所处的类别，确定是否过滤双语句对；步骤六，在接收到网络客户端的第一认证信息时，允许打开项目规划库和向项目规划库导入每个项目数据；步骤七，在接收到网路客户端的第二认证信息时，允许打开项目规划库、根据权重对每个项目进行审核、以及将带有审核数据的核准项目转入项目储备库中；步骤八，在接收到网路客户端的第三认证信息时，允许打开项目储备库，对每个项目进行可行性审核，将带有审核数据的核准项目转入项目实施库中；步骤九，在接收到网路客户端的第四认证信息时，允许打开项目实施库，根据项目进度输入新增项目数据。