基于物联网的有机无机复混肥料生产数据优化存储方法与流程

1.本发明涉及数据存储技术领域，具体涉及基于物联网的有机无机复混肥料生产数据优化存储方法。


背景技术：

2.在复合肥料生产过程中，物联网技术可以实时监控原材料投入流量、生产现场的温度、湿度、压力、流量等参数，实现精确控制从而提升复合肥的质量和品质，监控数据繁杂在存储时有较大的数据冗余，加大了存储系统的压力，在对温度湿度压力等监测数据分析时由于数据量过多也会影响数据处理效率。在物联网的复合肥生产现场监控数据存储过程中，因记录温度、压力、湿度、流量等监测结果不同数据离散数据繁杂，直接使用游程编码压缩时，其存储位数多数据冗余大。


技术实现要素：

3.本发明提供基于物联网的有机无机复混肥料生产数据优化存储方法，以解决现有的问题。
4.本发明的基于物联网的有机无机复混肥料生产数据优化存储方法采用如下技术方案：本发明一个实施例提供了基于物联网的有机无机复混肥料生产数据优化存储方法，该方法包括以下步骤：获取有机无机复混肥料生产现场采集的多项指标，根据指标的数据值的大小对多项指标的数据进行筛选替换得到每个指标的待处理数据源；在每个指标的待处理数据源内，根据数据点的相邻差异得到每个数据点的波动因子并根据波动因子将数据点进行划分为若干个数据段；根据每个数据点的波动因子计算每个数据段的波动程度，根据任意两个数据段的波动程度得到任意两个数据段之间的存储程度；根据任意两个数据段之间的存储程度得到每个数据段的相似段组，将每个数据段和其所有相似段组归为一个集合，将集合记为同态段组；在每个同态段组的所有数据段中，将每个数据段划分为截取子序列和次独立序列，根据截取子序列和次独立序列对数据进行压缩得到压缩数据并储存在物联网数据库中，完成有机无机复混肥料生产数据的优化存储。
5.优选的，所述根据指标的数据值的大小对多项指标的数据进行筛选替换得到每个指标的待处理数据源，包括的具体步骤如下：获取有机无机复混肥料生产现场采集的若干指标的时序数据，对于每一个指标在时序上的所有数据点，计算每个数据点与其在时序上的后一个数据点的数值的差值的绝对值，记为每个数据点的差异值；计算每个数据点与其在时序上的后一个数据点的差异值的差值的绝对值，记为每个数据点的邻近异常值；将每个数据点的差异值和邻近异常值的比值记为每个数据点的异常差异值；将每个数据点的异常差异值与预设的异常阈值作比较，
将异常差异值大于预设的异常阈值的数据点记为异常数据点，将每个指标上所有异常数据点替换为该异常数据点在时序上相邻两个采集时刻的数据点的平均值得到每个指标的待处理数据源。
6.优选的，所述在每个指标的待处理数据源内，根据数据点的相邻差异得到每个数据点的波动因子并根据波动因子将数据点进行划分为若干个数据段，包括的具体步骤如下：在每个指标的待处理数据源内，计算每个数据点在待处理数据源上的导数，对每个数据点进行计算得到每个数据点的波动因子，具体的计算公式如下：其中，表示第个数据点的波动因子，和分别表示第个数据点、第个数据点和第个数据点的数值，和分别表示第个数据点和第个数据点在待处理数据源上的导数；通过线性归一化手段对每个指标的待处理数据源内每个数据点的波动因子进行处理得到每个数据点的归一化指标；从开始对每个指标的待处理数据源内每个数据点进行遍历，比较第个数据点的归一化指标与归一化阈值的大小，当第个数据点的归一化指标大于归一化阈值时，将第个数据点和第个数据点归为一段相似段，比较第个数据点的归一化指标与归一化阈值的大小，直至遍历到数据点时，数据点的归一化指标小于归一化阈值时，将遍历过的不包括数据点在内的所有数据点划分成一个数据段，并从数据点开始重新对剩余的数据点进行遍历并进行比较，直至遍历完每个指标的待处理数据源内所有数据点得到每个指标的待处理数据源内的若干个数据段。
7.优选的，所述根据每个数据点的波动因子计算每个数据段的波动程度，包括的具体步骤如下：统计每个数据段中的数据点的数目，计算每个数据段的波动程度，具体的计算公式如下：其中，表示第个数据段的波动程度，表示第个数据段中第个数据点的波动因子，表示第个数据段中的数据点的数目。
8.优选的，所述根据任意两个数据段的波动程度得到任意两个数据段之间的存储程度，包括的具体步骤如下：统计所有指标的待处理数据源的每个数据段内包含的数据点的数目，记为每个数据段的长度，将所有数据段按照数据段的长度由短到长进行排列得到数据段集合，在数据段集合内，获取每个数据段与另一个数据段的距离因子，比较每两个数据段的波动程度，将比值作为分子数据段与分母数据段的存储程度因子，将距离因子和存储程度因子相乘的结果记为任意两个数据段之间的存储程度。
9.优选的，所述获取每个数据段与另一个数据段的距离因子，包括的具体步骤如下：在数据段集合中，将任意一个数据段记为目标数据段，统计目标数据段与除了目标数据段之外的任意一个数据段之间的数据段的数目，记为目标数据段与另一个数据段的粗略区间距离；在目标数据段与除了目标数据段之外的任意一个数据段之间的数据段中，统计与目标数据段的长度相同的数据段的数目，记为目标数据段与另一个数据段的重复距离，用粗略区间距离减去重复距离得到目标数据段与另一个数据段的区间距离，至此获得了任意两个数据段之间的区间距离，对所有数据段之间的区间距离进行线性归一化得到每个数据段与另一个数据段的距离因子。
10.优选的，所述根据任意两个数据段之间的存储程度得到每个数据段的相似段组，包括的具体步骤如下：将任意两个数据段之间的存储程度减一并取绝对值得到任意两个数据段的衡量指标，比较任意两个数据段的衡量指标与相似阈值的大小，若任意两个数据段的衡量指标小于相似阈值，则将这两个数据段分别记为两个数据段各自的相似段组，得到每个数据段的相似段组。
11.优选的，所述根据相似段组对数据进行压缩得到压缩数据，包括的具体步骤如下：获得若干同态段组，获取所有数据段的截取子序列，将所有数据段的截取子序列求均值得到局部压缩序列；在每个同态段组内，获得了一个局部压缩序列，以及每个数据段的次独立序列；在数据段集合中进一步对数据段进行压缩得到压缩数据。
12.优选的，所述在数据段集合中进一步对数据段进行压缩得到压缩数据，包括的具体步骤如下：将所有同态段组内的所有局部压缩序列、所有次独立序列以及同态段组之外的所有数据段进行游程编码压缩得到压缩数据。
13.优选的，所述将每个数据段划分为截取子序列和次独立序列，具体指代的是：在每个同态段组的所有数据段中，获取最短的数据段，其长度记为a，在每个数据段上截取时序上最靠前的且长度为a的子序列，记为每个数据段的截取子序列，将每个数据段上除截取子序列之外的子序列记为每个数据段的次独立序列。
14.本发明的技术方案的有益效果是：针对在物联网的复合肥生产现场监控数据存储直接使用游程编码压缩数据存储数据冗余大的技术问题，本发明根据不同指标需求及数据段的波动性及相似关系对重要区域进行不同的波动情况分析，对不同差异水平的数据进行不同程度的压缩，保留数据细节的同时减少了数据冗余，使压缩后的数据质量更高。
附图说明
15.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
16.图1为本发明基于物联网的有机无机复混肥料生产数据优化存储方法的步骤流程图。
具体实施方式
17.为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的基于物联网的有机无机复混肥料生产数据优化存储方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
18.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
19.下面结合附图具体的说明本发明所提供的基于物联网的有机无机复混肥料生产数据优化存储方法的具体方案。
20.请参阅图1，其示出了本发明一个实施例提供的基于物联网的有机无机复混肥料生产数据优化存储方法的步骤流程图，该方法包括以下步骤：s001：获取有机无机复混肥料生产现场采集的多项指标数据，根据数据值在时序上的排列对多项指标数据进行筛选替换得到每个指标的待处理数据源。
21.具体的，获取有机无机复混肥料生产现场采集的包括原材料投入流量、生产现场的温度、湿度、压力以及流量在内的若干指标的时序数据，对于每一个指标在时序上的所有数据点，计算每个数据点与其在时序上的后一个数据点的数值的差值的绝对值，记为每个数据点的差异值；计算每个数据点与其在时序上的后一个数据点的差异值的差值的绝对值，记为每个数据点的邻近异常值；将每个数据点的差异值和邻近异常值的比值记为每个数据点的异常差异值；将每个数据点的异常差异值与异常阈值作比较，将异常差异值大于异常阈值的数据点记为异常数据点，将每个指标上所有异常数据点替换为该异常数据点在时序上相邻两个采集时刻的数据点的平均值得到每个指标的待处理数据源，在时序序列上，获取每个指标的待处理数据源的初始采集时刻。
22.本实施例以异常阈值为例进行叙述，本实施例不进行具体限定。
23.至此，得到了每个指标的待处理数据源。
24.s002：在每个指标的待处理数据源内，对每个数据点进行数值排列特征计算得到每个数据点的波动因子，并根据波动因子对数据点进行遍历得到若干个数据段。
25.需要说明的是，复合肥生产监控数据中湿度、温度监测数据整体波动范围小，在相邻采集时刻的温度不会剧烈变化，在时间序列上不会出现明显变化，所以记录的监测数据之中存在大量冗余，在执行相似数值替换后的结果与源数据在数值上差异不大，其中流量数据和流速数据在某些时刻波动性大，数据之间的变化明显，而波动段内的不同数据又可能具有一定的相似性，变化情况复杂波动幅度大持续时间长需要存储数据质量较高，需要根据指标间的数据波动段相似性及数据本身波动幅度来确定不同的压缩程度进行压缩。采集的各个指标监控数据由于生产需求及指标是多组且指标内各段波动程度不均匀的离散数据等因素，波动幅度小持续时间长曲线变化情况较简单，数据波动程度小，对于曲线细节信息需求越小，数据波动程度越大，波动幅度大持续时间少的曲线情况越复杂，越需要无损存储其细节对复合肥生产过程质控。对于复合肥生产过程中，数据各点波动程度不一样。对此需要根据各个指标采集数据点的导数、波动的幅度等关系对数据分段处理，数据波动程度越大，波动幅度越大持续时间越少时越应监控存储细节信息。
26.具体的，在每个指标的待处理数据源内，计算每个数据点在待处理数据源上的导数，对每个数据点进行计算得到每个数据点的波动因子，具体的计算公式如下：其中，表示第个数据点的波动因子，和分别表示第个数据点、第个数据点和第个数据点的数值，和分别表示第个数据点和第个数据点在待处理数据源上的导数。当相邻的两个数据点的数值的两两差值的绝对值之和越大时，则表示该数据点的波动幅度越大，当两个相邻数据点的导数的绝对值的和越大，波动速度变化越快，越需要监控存储其细节信息从而实现产品质控。
27.需要进一步说明的是，由于波动程度描述了同一指标内数据点的波动情况，数据点波动幅度越大波动速度变化越快，这种细节信息越需要保存便于精确质控，所以对数据源内的每个数据点都进行计算，在每个指标内选取时序上波动因子相差不大的数据进行数值相邻的zp数据段划分。
28.其中本实施例以归一化阈值为例进行叙述，本实施例不进行具体限定。
29.进一步，通过线性归一化手段对每个指标的待处理数据源内每个数据点的波动因子进行处理得到每个数据点的归一化指标；从开始对每个指标的待处理数据源内每个数据点进行遍历，比较第个数据点的归一化指标与归一化阈值的大小，当第个数据点的归一化指标大于归一化阈值时，将第个数据点和第个数据点归为一段相似段，比较第个数据点的归一化指标与归一化阈值的大小，直至遍历到数据点时，数据点的归一化指标小于归一化阈值时，将遍历过的不包括数据点在内的所有数据点划分成一个数据段，并从数据点开始重新对剩余的数据点进行遍历并进行比较，直至遍历完每个指标的待处理数据源内所有数据点得到每个指标的待处理数据源内的若干个数据段。其中数据点仅代表遍历过程中每次判断条件达到满足时的数据点，并不指代具体某个数据点。根据数据段的获得顺序进行从1开始的整数编号，记录每个数据段的编号以及数据段对应的指标。
30.至此，得到了若干个数据段。
31.s003：结合每个数据点的波动因子计算每个数据段的波动程度，并根据任意两个数据段的波动程度得到任意两个数据段之间的存储程度；根据任意两个数据段之间的存储程度得到每个数据段的相似段组。
32.需要说明的是，物联网监控生产过程的各个指标由于数据结构特点不同，如温度数据变化较缓可以允许损失更多信息，而流速和流量等波动程度大的数据段需要保存细节，对于波动数据段需要根据数据波动段内的数据点波动程度来确定是否对细节信息保存，时序上波动越大数据段需要对细节信息保存。
33.具体的，统计每个数据段中的数据点的数目，计算每个数据段的波动程度，具体的计算公式如下：
其中，表示第个数据段的波动程度，表示第个数据段中第个数据点的波动因子，表示第个数据段中的数据点的数目。当每个数据段中的数据点的波动因子较大时，其组合而成的数据段的整体的波动程度就会更大。
34.需要进一步说明的是，对每个数据段计算其波动程度，根据每个数据段的波动程度对数据段进行分级，对于波动程度小的数据段取平均值游程压缩，波动程度大的数据段细节存储必要性较高，需要结合数据段之间的相似性进行进一步判断。
35.进一步，统计所有指标的待处理数据源的每个数据段内包含的数据点的数目，记为每个数据段的长度，将所有数据段按照数据段的长度由短到长进行排列得到数据段集合；在数据段集合中，将任意一个数据段记为目标数据段，统计目标数据段与除了目标数据段之外的任意一个数据段之间的数据段的数目，记为目标数据段与另一个数据段的粗略区间距离；在目标数据段与除了目标数据段之外的任意一个数据段之间的数据段中，统计与目标数据段的长度相同的数据段的数目，记为目标数据段与另一个数据段的重复距离，用粗略区间距离减去重复距离得到目标数据段与另一个数据段的区间距离，至此获得了任意两个数据段之间的区间距离，对所有数据段之间的区间距离进行线性归一化得到任意两个数据之间的距离因子；计算数据段集合中所有数据段的波动程度，计算数据段集合中任意两个数据段之间的存储程度，具体的计算公式如下：其中，表示数据段集合中第个数据段与第个数据段的存储程度，和分别表示数据段集合中第个数据段和第个数据段的波动程度，表示数据段集合中第个数据段与第个数据段的距离因子。当数据段集合中两个数据段的波动的相似性较大时，两者的存储程度越接近1，说明两者在存储过程中的压缩程度应是相同的，具体表现为两者在游程矩阵中的位置应是相似的位置。波动段之间的存储程度代表数据段之间的波动程度与相似程度，该参数值越大，对应两个数据段在存储时的压缩程度应该是一致的。
36.进一步，将任意两个数据段之间的存储程度减一并取绝对值得到任意两个数据段的衡量指标，比较任意两个数据段的衡量指标与相似阈值的大小，若任意两个数据段的衡量指标小于相似阈值，则将称这两个数据段互为相似段组，得到每个数据段的所有相似段组。
37.其中本实施例以相似阈值为例进行叙述，本实施例不进行具体限定。
38.至此，得到了每个数据段的所有相似段组。
39.s004：在时序上对每个指标的待处理数据源进行整合得到替换序列，根据替换序列和相似段组对数据进行压缩并储存在物联网数据库中，完成有机无机复混肥料生产数据的优化存储。
40.需要说明的是，对波动程度大的数据段，与其他指标没有相关性的且波动大的数据段被压缩后，在解压缩时获得的应该是无损数据；但对于波动程度大且与其他指标有相关性的数据段进行压缩，其被解压缩的过程是根据数据替换段在对应时间处进行拉伸、压
缩、平移并恢复的一系列过程，在过程中对数据信息会造成一定细节损失。同时，一个相似段组内的数据段的波动程度和数据的相似性都比较高，当对多个指标的数据进行分析时，虽然各个指标在有机无机复混肥料的生产过程中的大致走向和波动程度相似，但由于各指标具体的数值并不能完全相等，需要将每个指标的数值按照时序序列上的分布进行整合得到一个整合压缩的标准。当任意一个指标的数值超出或者低于标准值但是其波动特性与另外的数据段较为相似时，将该指标的数值进行替换后再对其进行压缩。结合波动程度较大的数据段段内离散特性并考虑波动数据段之间的相似性，根据不同指标需求对不同的数据进行不同程度的压缩，更好减少数据冗余同时保留数据细节。
41.具体的，获取数据段集合中每个数据段的所有相似段组，并将每个数据段和其所有相似段组归为一个集合，将集合记为同态段组，获得若干同态段组；在每个同态段组的所有数据段中，获取最短的数据段，其长度记为a，在每个数据段上截取时序上最靠前的且长度为a的子序列，记为每个数据段的截取子序列，将每个数据段上除截取子序列之外的子序列记为每个数据段的次独立序列；将每个数据段划分为截取子序列和次独立序列；获取所有数据段的截取子序列，将所有数据段的截取子序列求均值得到局部压缩序列。并对每个同态段组的局部压缩序列和所有次独立序列进行标号。
42.至此，在每个同态段组内，获得了一个局部压缩序列，以及每个数据段的次独立序列；将所有同态段组内的所有局部压缩序列、所有次独立序列以及同态段组之外的所有数据段进行游程编码压缩得到压缩数据，将压缩数据存储到物联网数据库中，完成有机无机复混肥料生产数据的优化存储。其中游程编码压缩为现有公知技术，本实施例不在此进行赘述。
43.本实施例提供的一种压缩方法的解压缩方法为：根据游程编码压缩的解压缩手段得到所有同态段组内的所有局部压缩序列、所有次独立序列以及同态段组之外的所有数据段，根据所有局部压缩序列和所有次独立序列的标号获取原来在每个同态段组内的原数据段，根据原数据段和同态段组之外的所有数据段得到原数据源中所有的数据段，并根据每个数据段的编号以及数据段对应的指标将数据段还原为每个指标的待处理数据源，完成解压缩过程。
44.至此，完成了基于物联网的有机无机复混肥料生产数据的优化存储。
45.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.基于物联网的有机无机复混肥料生产数据优化存储方法，其特征在于，该方法包括以下步骤：获取有机无机复混肥料生产现场采集的多项指标，根据指标的数据值的大小对多项指标的数据进行筛选替换得到每个指标的待处理数据源；在每个指标的待处理数据源内，根据数据点的相邻差异得到每个数据点的波动因子并根据波动因子将数据点进行划分为若干个数据段；根据每个数据点的波动因子计算每个数据段的波动程度，根据任意两个数据段的波动程度得到任意两个数据段之间的存储程度；根据任意两个数据段之间的存储程度得到每个数据段的相似段组，将每个数据段和其所有相似段组归为一个集合，将集合记为同态段组；在每个同态段组的所有数据段中，将每个数据段划分为截取子序列和次独立序列，根据截取子序列和次独立序列对数据进行压缩得到压缩数据并储存在物联网数据库中，完成有机无机复混肥料生产数据的优化存储。2.根据权利要求1所述基于物联网的有机无机复混肥料生产数据优化存储方法，其特征在于，所述根据指标的数据值的大小对多项指标的数据进行筛选替换得到每个指标的待处理数据源，包括的具体步骤如下：获取有机无机复混肥料生产现场采集的若干指标的时序数据，对于每一个指标在时序上的所有数据点，计算每个数据点与其在时序上的后一个数据点的数值的差值的绝对值，记为每个数据点的差异值；计算每个数据点与其在时序上的后一个数据点的差异值的差值的绝对值，记为每个数据点的邻近异常值；将每个数据点的差异值和邻近异常值的比值记为每个数据点的异常差异值；将每个数据点的异常差异值与预设的异常阈值作比较，将异常差异值大于预设的异常阈值的数据点记为异常数据点，将每个指标上所有异常数据点替换为该异常数据点在时序上相邻两个采集时刻的数据点的平均值得到每个指标的待处理数据源。3.根据权利要求1所述基于物联网的有机无机复混肥料生产数据优化存储方法，其特征在于，所述在每个指标的待处理数据源内，根据数据点的相邻差异得到每个数据点的波动因子并根据波动因子将数据点进行划分为若干个数据段，包括的具体步骤如下：在每个指标的待处理数据源内，计算每个数据点在待处理数据源上的导数，对每个数据点进行计算得到每个数据点的波动因子，具体的计算公式如下：其中，表示第个数据点的波动因子，和分别表示第个数据点、第个数据点和第个数据点的数值，和分别表示第个数据点和第个数据点在待处理数据源上的导数；通过线性归一化手段对每个指标的待处理数据源内每个数据点的波动因子进行处理得到每个数据点的归一化指标；从开始对每个指标的待处理数据源内每个数据点进行遍历，比较第个数据点的归一化指标与归一化阈值的大小，当第个数据点的归一化指标大于归一化阈值时，将第个数据点和第个数据点归为一段相似段，比较第个
数据点的归一化指标与归一化阈值的大小，直至遍历到数据点时，数据点的归一化指标小于归一化阈值时，将遍历过的不包括数据点在内的所有数据点划分成一个数据段，并从数据点开始重新对剩余的数据点进行遍历并进行比较，直至遍历完每个指标的待处理数据源内所有数据点得到每个指标的待处理数据源内的若干个数据段。4.根据权利要求1所述基于物联网的有机无机复混肥料生产数据优化存储方法，其特征在于，所述根据每个数据点的波动因子计算每个数据段的波动程度，包括的具体步骤如下：统计每个数据段中的数据点的数目，计算每个数据段的波动程度，具体的计算公式如下：其中，表示第个数据段的波动程度，表示第个数据段中第个数据点的波动因子，表示第个数据段中的数据点的数目。5.根据权利要求1所述基于物联网的有机无机复混肥料生产数据优化存储方法，其特征在于，所述根据任意两个数据段的波动程度得到任意两个数据段之间的存储程度，包括的具体步骤如下：统计所有指标的待处理数据源的每个数据段内包含的数据点的数目，记为每个数据段的长度，将所有数据段按照数据段的长度由短到长进行排列得到数据段集合，在数据段集合内，获取每个数据段与另一个数据段的距离因子，比较每两个数据段的波动程度，将比值作为分子数据段与分母数据段的存储程度因子，将距离因子和存储程度因子相乘的结果记为任意两个数据段之间的存储程度。6.根据权利要求5所述基于物联网的有机无机复混肥料生产数据优化存储方法，其特征在于，所述获取每个数据段与另一个数据段的距离因子，包括的具体步骤如下：在数据段集合中，将任意一个数据段记为目标数据段，统计目标数据段与除了目标数据段之外的任意一个数据段之间的数据段的数目，记为目标数据段与另一个数据段的粗略区间距离；在目标数据段与除了目标数据段之外的任意一个数据段之间的数据段中，统计与目标数据段的长度相同的数据段的数目，记为目标数据段与另一个数据段的重复距离，用粗略区间距离减去重复距离得到目标数据段与另一个数据段的区间距离，至此获得了任意两个数据段之间的区间距离，对所有数据段之间的区间距离进行线性归一化得到每个数据段与另一个数据段的距离因子。7.根据权利要求1所述基于物联网的有机无机复混肥料生产数据优化存储方法，其特征在于，所述根据任意两个数据段之间的存储程度得到每个数据段的相似段组，包括的具体步骤如下：将任意两个数据段之间的存储程度减一并取绝对值得到任意两个数据段的衡量指标，比较任意两个数据段的衡量指标与相似阈值的大小，若任意两个数据段的衡量指标小于相似阈值，则将这两个数据段分别记为两个数据段各自的相似段组，得到每个数据段的相似段组。8.根据权利要求1所述基于物联网的有机无机复混肥料生产数据优化存储方法，其特
征在于，所述根据截取子序列和次独立序列对数据进行压缩得到压缩数据，包括的具体步骤如下：获得若干同态段组，获取所有数据段的截取子序列，将所有数据段的截取子序列求均值得到局部压缩序列；在每个同态段组内，获得了一个局部压缩序列，以及每个数据段的次独立序列；在数据段集合中进一步对数据段进行压缩得到压缩数据。9.根据权利要求8所述基于物联网的有机无机复混肥料生产数据优化存储方法，其特征在于，所述在数据段集合中进一步对数据段进行压缩得到压缩数据，包括的具体步骤如下：将所有同态段组内的所有局部压缩序列、所有次独立序列以及同态段组之外的所有数据段进行游程编码压缩得到压缩数据。10.根据权利要求1所述基于物联网的有机无机复混肥料生产数据优化存储方法，其特征在于，所述将每个数据段划分为截取子序列和次独立序列，具体指代的是：在每个同态段组的所有数据段中，获取最短的数据段，其长度记为a，在每个数据段上截取时序上最靠前的且长度为a的子序列，记为每个数据段的截取子序列，将每个数据段上除截取子序列之外的子序列记为每个数据段的次独立序列。

技术总结
本发明涉及数据存储技术领域，具体涉及基于物联网的有机无机复混肥料生产数据优化存储方法，包括：获取采集数据，进行预处理得到待处理数据源；计算待处理数据源的波动程度；根据波动程度划分数据段；对波动程度大的数据段利用波动段相似性指标及数据本身结构特点得到存储指标；利用存储指标进行压缩；对压缩数据进行存储。本发明根据不同的数据段的指标和特点进行针对性压缩，将数据分解成相似数据段进行压缩存储，在保持数据特征的同时提升了数据压缩率，减少了数据冗余。减少了数据冗余。减少了数据冗余。


技术研发人员：张新 于文慧 徐东升 徐长青 张磊 张海涛
受保护的技术使用者：山东三方化工集团有限公司
技术研发日：2023.08.03
技术公布日：2023/9/9