[发明专利]一种重力坝时空关联监测数据采集与可视化呈现方法

权利要求书

1.一种重力坝时空关联监测数据采集与可视化呈现方法，其特征在于，该方法包括基于时空关联的无线传感数据采集算法和基于时空关联的数据分析算法；

所述的基于时空关联的无线传感数据采集算法为考虑空间相关性的基础上采取的时间域采样频率调整算法；

所述的基于时空关联的数据分析算法包括时空自回归滑动平均模型和时空自回归模型。

2.根据权利要求1所述的重力坝时空关联监测数据采集与可视化呈现方法，其特征在于，所述的基于时空关联的无线传感数据采集算法为，基于最小生成树在网络中寻找初始汇聚节点，然后利用K均值进行分簇，将整个网络划分成多个簇；并对簇内节点依据权值选择簇首；簇内节点轮流进行采样，不采样的节点进入睡眠状态；各个簇中的簇头节点根据感知数据的历史模型和当前采样数据的变化情况决定聚类内所有成员节点的采样频率；最后，以sink节点为根节点，簇首节点组成最小生成树，多跳发送信息给sink节点。

3.根据权利要求2所述的重力坝时空关联监测数据采集与可视化呈现方法，其特征在于，所述的基于时空关联的无线传感数据采集算法包括以下步骤：

步骤1)已知网络拓扑结构，进行初始化；

步骤2)基于最小生成树算法在网络区域内的选择初始汇聚顶点；

步骤3)利用K均值算法对网络内节点进行分簇；

步骤4)每个K均值聚类内的节点，选举剩余能量最多的节点作为聚类中的簇头节点，以sink节点为根节点建立所有簇首节点的最小生成树；

步骤5)分簇内的节点，根据剩余能量每轮选择m个节点工作，在采样过程中继续依据时间序列分析方法，进行采样间隔的调整，并保持事件监测，在监测到事件时，m的值增大，在平稳时，保持m的值；

根据平稳数据预测精度和速度的需求，且考虑计算和存储受限，采用一阶AR预测模型，来预测Rt的值；

式中，常数代表使用Yule-Walker估计，即

最终给出基于最小均方误差形式的预测公式为

4.根据权利要求1所述的重力坝时空关联监测数据采集与可视化呈现方法，其特征在于，所述的时空自回归滑动平均模型为，考虑观测点之间相关联的信息，对空间多点的整体监测物理量进行分析与预报，对于平稳的时空序列，其时空自回归滑动平均模型的形式为：

式中，α_t为随机误差，服从正态分布；p、q分别为时间自回归和滑动平均阶数；m_k、n_k分别为时间延迟k时的空间自回归和滑动平均阶数；w(h)为h阶空间延迟的权阵，表示空间上的h阶邻接，w(0)＝E。

5.根据权利要求1所述的重力坝时空关联监测数据采集与可视化呈现方法，其特征在于，所述的时空自回归模型为，空间阶数不随时间阶p变化，

空间权重矩阵是反映空间相邻点之间的影响大小，对于分布较规则的区域，空间权重矩阵一般根据空间的邻近性确定，即与目标点相邻的点对应的元素为1，其他的对应元素为零；由于每一个空间点的相邻点的个数不同，导致空间权阵的影响不一致，为确保每个点空间相邻点的总影响是一致的；对空间权阵进行标准化处理：

式中，ω_ij为标准化前空间权阵的第i行第j列的元素；ω_i为空间权阵的第i行的元素之和；W_ij为标准化后的空间权阵元素。

6.根据权利要求1所述的重力坝时空关联监测数据采集与可视化呈现方法，其特征在于，所述的时空自回归模型包括以下三步骤：步骤1)模式识别；步骤2)参数估计；步骤3)模型检验。