駱元家

（1.柳州工學(xué)院，廣西 柳州 541516）

對測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)實時壓縮方法的研究是建立在對監(jiān)測數(shù)據(jù)鏈特征分析的基礎(chǔ)上，通過大數(shù)據(jù)鏈分析和特征優(yōu)化重組，建立測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)的特征鏈結(jié)構(gòu)分析模型，通過空間信息融合和量化特征解析控制，建立符合測繪儀器設(shè)備狀態(tài)監(jiān)測大數(shù)據(jù)聚類分析模型。在大數(shù)據(jù)和云平臺分析環(huán)境下，實現(xiàn)測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)實時壓縮設(shè)計[1-3]，從而提高測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)實時壓縮能力。傳統(tǒng)方法中，文獻[4]提出基于參數(shù)識別的軌道電路監(jiān)測數(shù)據(jù)壓縮方法，從識別數(shù)據(jù)變化出發(fā)，將反映設(shè)備參數(shù)變化的部分數(shù)據(jù)從整體數(shù)據(jù)中分離出來存儲，以保留參數(shù)變化細節(jié)。對不能反映設(shè)備參數(shù)變化的正常數(shù)據(jù)，只記錄開始、結(jié)束時間和數(shù)據(jù)值，從而實現(xiàn)數(shù)據(jù)壓縮。但是該方法的數(shù)據(jù)壓縮率較低，導(dǎo)致數(shù)據(jù)的存儲空間較小。文獻[5]提出工業(yè)設(shè)備遠程監(jiān)控中的數(shù)據(jù)壓縮方法，對構(gòu)造的字符編碼表的長度進行動態(tài)分配，并建立父指針索引和HASH索引，而時間預(yù)測編碼壓縮方法主要是對時間屬性數(shù)值進行壓縮，最后采用檢驗數(shù)據(jù)壓縮性能的指標，通過實例驗證改進的LZW算法的數(shù)據(jù)壓縮效果，但是該方法的監(jiān)測數(shù)據(jù)兼容度較低，導(dǎo)致數(shù)據(jù)壓縮效果不佳。

針對上述方法存在的弊端，本文提出基于約束點的測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)實時壓縮方法。首先采用全局穩(wěn)態(tài)性的傳感節(jié)點部署方法，采集測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)，在線性融合的子空間中，采用離散時間序列重組方法，對監(jiān)測數(shù)據(jù)進行融合聚類處理，提取測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)特征約束點，從而完成對測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)的實時壓縮操作，最后通過實驗進行驗證，展示了本文方法在提高測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)實時壓縮能力方面的優(yōu)越性。

1 測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)預(yù)處理

1.1 數(shù)據(jù)采集

為了實現(xiàn)基于約束點的測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)的實時壓縮，需對測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)進行預(yù)處理[6-7]。首先通過特征序列重組，構(gòu)建測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)的共軛模型，如圖1所示。

圖1 監(jiān)測數(shù)據(jù)的共軛模型

根據(jù)圖1構(gòu)建的共軛模型，輸出測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)的相關(guān)序列，采用空間節(jié)點部署和輪換控制技術(shù)，得到測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)的實時壓縮決策函數(shù)，用1μm＜max{ }1μ1，1μ2表示。當滿足1λ0＞1μm時，測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)特征分布式擬合的統(tǒng)計特征量為1μm≤min{ }1μ1，1μ2，其中1λ0表示閾值函數(shù)。當2個屬性值滿足收斂性，得到最優(yōu)調(diào)度函數(shù)，其表達式為：

在最優(yōu)調(diào)度函數(shù)的基礎(chǔ)之上，采用決策樹分類方法構(gòu)建測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)分布概念圖，采用模糊度特征分析方法，進行測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)挖掘的自適應(yīng)調(diào)度，其表達式為：

式中，統(tǒng)計特征量μm滿足收斂解；表示自適應(yīng)調(diào)度閾值。

結(jié)合自定義數(shù)據(jù)處理邏輯結(jié)構(gòu)設(shè)計方法實現(xiàn)對測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)庫檢索，采用全局穩(wěn)態(tài)性的傳感節(jié)點部署方法，對測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)進行采集，其表達式為：

1.2 數(shù)據(jù)融合聚類

根據(jù)測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)采集結(jié)果，利用最大擴充相容分布，結(jié)合內(nèi)源融合控制，進行測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)的融合聚類處理。

采用離散時間序列重組方法對測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)進行空間重構(gòu)設(shè)計，結(jié)合子空間壓縮的方法構(gòu)建測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)檢測的統(tǒng)計檢測模型[8]，結(jié)合模糊信息融合方法，得到測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)的二元回歸分析模型為：

式中，R2表示測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)約束進化指標參量集；ω表示測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)分析的聯(lián)合相關(guān)系數(shù)。采用概念圖理論，構(gòu)建監(jiān)測數(shù)據(jù)離散聚類融合分布集：

通過索引表名稱、索引列等信息對監(jiān)測數(shù)據(jù)庫進行時間序列重組[9]，構(gòu)建監(jiān)測數(shù)據(jù)壓縮的測度融合方程：

利用最大擴充相容分布，結(jié)合內(nèi)源融合控制方法，對監(jiān)測數(shù)據(jù)進行融合聚類處理，其表達式為：

式中，p(ai)表示融合系數(shù)；P(ni)表示聚類系數(shù)；表示測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)的聯(lián)合參數(shù)特征集。

2 基于數(shù)據(jù)特征約束點的數(shù)據(jù)實時壓縮

2.1 數(shù)據(jù)特征約束點提取

上述實現(xiàn)了測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)采集和融合聚類處理，基于約束點，對測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)實時壓縮。通過增益控制和權(quán)重學(xué)習(xí)的方法，分析監(jiān)測數(shù)據(jù)的關(guān)聯(lián)匹配度[10]，得到測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)的概念圖分布節(jié)點，其表達式為：

根據(jù)2個概念圖的相似度，得到測繪儀器設(shè)備狀態(tài)監(jiān)測的可靠性分布目標函數(shù)為：

式中，Rp表示測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)的關(guān)聯(lián)匹配度。

在測繪儀器設(shè)備狀態(tài)融合聚類中心，得到測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)的分布式圖數(shù)據(jù)庫模型利用增益學(xué)習(xí)控制方法，得到模糊特征收斂條件滿足：

式中，x1，x2，i∈R表示結(jié)合測繪儀器設(shè)備狀態(tài)監(jiān)測狀態(tài)分布集。

根據(jù)測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)的回歸分析結(jié)果，建立測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)的量化回歸分析模型，其表達式為：

式中，{x(t0+iΔt)}表示測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)的離散調(diào)度序列。

通過稀疏性特征匹配，構(gòu)建測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)壓縮的子空間，從而得到數(shù)據(jù)實時壓縮的語義特征表達式為：

采用二乘規(guī)劃和線性特征擬合方法，得到測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)的特征約束點提取結(jié)果，其描述如下：

2.2 數(shù)據(jù)實時壓縮模型構(gòu)建

根據(jù)數(shù)據(jù)特征約束點提取結(jié)果，獲取測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)壓縮可靠性評價的屬性值，以此提高測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)壓縮的可靠性。結(jié)合模糊度檢測和特征檢測結(jié)果，計算測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)的粗糙集特征匹配模型中所有的特征解，設(shè)定表示輸出聯(lián)合可靠性分布函數(shù)，且Rmac在所有的相匹配的E-A模型中，得到測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)實時壓縮的二元線性規(guī)劃模型滿足：

采用統(tǒng)計量化融合分析方法實現(xiàn)測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)特征量化空間轉(zhuǎn)換，通過子空間降噪和多維壓縮[11-13]，得到測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)的關(guān)聯(lián)分布熵，其表達式為：

式中，N為測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)庫的高度關(guān)聯(lián)聯(lián)合分布序列；μ1、μ2和μm為測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)挖掘的統(tǒng)計特征量。測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)關(guān)聯(lián)評價的深度學(xué)習(xí)模型為：

采用相似度特征分析方法，得到測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)的關(guān)聯(lián)維分布結(jié)構(gòu)特征量[14]，根據(jù)特征量，對輸出的自適應(yīng)參數(shù)進行匹配，其表達式為：

式中，當j=1時，σj()k表示測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)庫的存儲空間的分布量化參數(shù)集；μi表示大數(shù)據(jù)集X的關(guān)聯(lián)規(guī)則特征量[15]。采用區(qū)塊聯(lián)合參數(shù)識別的方法，獲取測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)的實時壓縮系數(shù)，其表達式為：

根據(jù)上式，采用復(fù)合概念圖模型分析方法，構(gòu)建數(shù)據(jù)實時壓縮模型，其表達式為：

式中，μ′表示數(shù)據(jù)壓縮可靠性評價的屬性值。

根據(jù)上述分析，通過提取測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)特征約束點，實現(xiàn)了測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)的實時壓縮。

3 仿真實驗與結(jié)果分析

為了驗證本文方法在實現(xiàn)測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)壓縮中的應(yīng)用性能，采用SPSS和Visual C++進行仿真測試分析，設(shè)定測繪儀器設(shè)備狀態(tài)監(jiān)測的服務(wù)線程數(shù)為5，數(shù)據(jù)采集的樣本長度為1 024，對測繪儀器設(shè)備狀態(tài)特征壓縮的空間分布維數(shù)為12，模糊相關(guān)約束系數(shù)為0.25，測試集和訓(xùn)練集的分布如表1所示。

表1 測試集和訓(xùn)練集

以表1所示的結(jié)果為原始數(shù)據(jù)，計算優(yōu)化后的測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)壓縮的約束指標壓縮率為:

式中，Y′(m)表示優(yōu)化前的繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)壓縮的約束指標壓縮存儲空間；Y(m)表示優(yōu)化后的約束指標壓縮存儲空間。

數(shù)據(jù)輸出的兼容度：

根據(jù)上述相關(guān)數(shù)據(jù)設(shè)定，得到測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)采樣結(jié)果如圖2所示。

圖2 測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)采樣結(jié)果

為了驗證本文方法的應(yīng)用性能，以圖2的數(shù)據(jù)采樣結(jié)果為研究對象，將文獻[4]提出的基于參數(shù)識別的軌道電路監(jiān)測數(shù)據(jù)壓縮方法和文獻[5]提出的工業(yè)設(shè)備遠程監(jiān)控中的數(shù)據(jù)壓縮方法作為對照方法，測試測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)壓縮輸出的壓縮率及兼容度。

運用3種方法測試測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)壓縮率，得到對比結(jié)果如圖3所示。

分析圖3得知，運用本文方法進行測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)壓縮的壓縮率最高，且在不同樣本下的壓縮率普遍相同，明顯高于文獻[4]、[5]提出的方法，由此表明本文方法能夠提高數(shù)據(jù)的存儲空間。

圖3 3種方法的數(shù)據(jù)壓縮率對比結(jié)果

4 結(jié)語

針對傳統(tǒng)的測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)實時壓縮方法存在數(shù)據(jù)兼容度較低、數(shù)據(jù)壓縮效果不佳的問題，本文提出基于約束點的測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)實時壓縮方法。結(jié)合自定義數(shù)據(jù)處理邏輯結(jié)構(gòu)設(shè)計方法實現(xiàn)對測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)的采集，采用離散時間序列重組實現(xiàn)對測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)特征空間重構(gòu)。根據(jù)測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)的特征提取結(jié)果，得到測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)壓縮可靠性評價的屬性值，從而提高測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)壓縮的可靠性。研究得知，本文方法進行測繪儀器設(shè)備狀態(tài)監(jiān)測數(shù)據(jù)壓縮的效率較高，性能較好。