本发明涉及数据处理，具体涉及一种公路桥梁施工数据智能管理方法。
背景技术：
1、公路桥梁是指为了连接两个不同地点而建造的专门用于供各种车辆通行的桥梁，它们通常横跨河流、峡谷、山谷或道路交叉口等障碍物，以便在不中断地面交通的情况下提供连续的道路网络。施工现场的地下水位是影响桥梁稳定和安全的重要因素之一，地下水位数据的智能管理对整个桥梁工程有着重要的意义。
2、层次聚类算法是一种常用的数据分层管理方法，层次聚类算法相较于常规的聚类算法具有更加精细的划分尺度，每个层次下划分的聚类簇都与上次划分的聚类簇差异较小，因此更容易将地下水位数据的变化按照不同梯度进行分类，得到最佳的聚类结果，以根据桥梁工程的施工阶段作出不同的应对措施。
3、在利用层次聚类算法对公路桥梁施工现场的地下水位数据进行聚类的过程中，受测量环境的影响，地下水位数据中有可能产生噪声数据，而层次聚类算法是一个递归的过程，噪声引起的偏差会在递归过程中不断增大，最终导致聚类结果偏离真实情况；由于层次聚类中不同层次下的聚类结果各不相同，若聚类不完全，可能导致相似特征的数据被分为多类，使得数据的分类效果欠佳，而聚类过度，可能导致特征差异较大的数据被分为同一类，掩盖了数据之间的真实差异性，无法获得准确的最佳聚类结果。
技术实现思路
1、为了解决上述问题，本发明提供一种公路桥梁施工数据智能管理方法，所述方法包括：
2、获取地下水位数据时序序列，地下水位数据时序序列包括若干个采样时刻的地下水位高度数据；
3、根据每个采样时刻的地下水位高度数据与相邻采样时刻的地下水位高度数据之间的差异，获取每个采样时刻的地下水位高度数据的波动程度；将所有采样时刻的地下水位高度数据的波动程度输入三维坐标系，获取若干个地下水位数据点；
4、根据每个地下水位数据点与周围地下水位数据点之间的分布情况，获取每个地下水位数据点的特征噪声程度；根据每个地下水位数据点与周围地下水位数据点之间波动程度和地下水位高度数据的差异，获取每个地下水位数据点的时序噪声程度；根据每个地下水位数据点的时序噪声程度和特征噪声程度，获取每个地下水位数据点的聚类权重；
5、根据聚类权重对所有地下水位数据点进行聚类，获取若干层的聚类结果中的若干个聚类簇，以及每个聚类簇的偏移量；根据每层的聚类结果中每个聚类簇的偏移量进行数据管理。
6、优选的，所述根据每个采样时刻的地下水位高度数据与相邻采样时刻的地下水位高度数据之间的差异，获取每个采样时刻的地下水位高度数据的波动程度，包括的具体方法为：
7、对于第个采样时刻的地下水位高度数据，将第个采样时刻的地下水位高度数据与第个采样时刻的地下水位高度数据的差值的绝对值，记为第一绝对值；将第个采样时刻的地下水位高度数据与第个采样时刻的地下水位高度数据的差值的绝对值，记为第二绝对值；将第一绝对值与第二绝对值之和的均值，作为第个采样时刻的地下水位高度数据的波动程度。
8、优选的，所述根据每个地下水位数据点与周围地下水位数据点之间的分布情况，获取每个地下水位数据点的特征噪声程度，包括的具体方法为：
9、预设一个邻域参数，对于任意一个地下水位数据点，按照所有地下水位数据点与所述地下水位数据点之间的欧式距离从大到小进行排序，获取所述地下水位数据点的距离序列，将距离序列中前个地下水位数据点构成的数据点集合，作为所述地下水位数据点的邻域数据点集合；
10、根据地下水位数据点与其邻域数据点集合中地下水位数据点之间的距离，获取地下水位数据点的局部密度；
11、根据地下水位数据点与其邻域数据点集合中地下水位数据点之间局部密度的差异，获取地下水位数据点的特征噪声因子；
12、获取所有地下水位数据点的特征噪声因子，将所有特征噪声因子进行线性归一化后的每个特征噪声因子记为特征噪声程度。
13、优选的，所述根据地下水位数据点与其邻域数据点集合中地下水位数据点之间的距离，获取地下水位数据点的局部密度，包括的具体方法为：
14、将所述地下水位数据点的邻域数据点集合中所有地下水位数据点与所述地下水位数据点之间的欧式距离之和的均值，记为所述地下水位数据点的局部密度均值；将所述地下水位数据点的局部密度均值的倒数，作为所述地下水位数据点的局部密度。
15、优选的，所述根据地下水位数据点与其邻域数据点集合中地下水位数据点之间局部密度的差异，获取地下水位数据点的特征噪声因子，包括的具体方法为：
16、将所有地下水位数据点的地下水位高度数据的最小值与所有地下水位数据点的地下水位高度数据的最大值之和的均值，记为第一均值；将所述地下水位数据点的地下水位高度数据与第一均值的差值的绝对值，记为第三绝对值；将所述地下水位数据点的波动程度与所有地下水位数据点的波动程度的最大值的比值，记为第一比值；将所述地下水位数据点的邻域数据点集合中所有地下水位数据点的局部密度的均值，记为第二均值；将所述地下水位数据点的局部密度与第二均值的差值的绝对值，记为第四绝对值；将第四绝对值的反比例值，记为第一反比例值；将第三绝对值、第一比值和第一反比例值三者的乘积，作为所述地下水位数据点的特征噪声因子。
17、优选的，所述根据每个地下水位数据点与周围地下水位数据点之间波动程度和地下水位高度数据的差异，获取每个地下水位数据点的时序噪声程度，包括的具体方法为：
18、将任意一个地下水位数据点记为参考地下水位数据点，获取参考地下水位数据点的邻域时序数据点集合；
19、对于参考地下水位数据点的邻域时序数据点集合中第个地下水位数据点，将参考地下水位数据点的地下水位高度数据与第个地下水位数据点的地下水位高度数据的差值的绝对值，记为第五绝对值；将第个地下水位数据点与参考地下水位数据点之间的欧式距离的倒数，记为第一倒数；将第五绝对值与第一倒数的乘积，作为第个地下水位数据点的第一乘积；将参考地下水位数据点的邻域时序数据点集合中所有地下水位数据点的第一乘积的均值，记为第三均值；将参考地下水位数据点的波动程度与第个地下水位数据点的波动程度的差值的绝对值，记为第六绝对值；将第六绝对值与第一倒数的乘积，作为第个地下水位数据点的第二乘积；将参考地下水位数据点的邻域时序数据点集合中所有地下水位数据点的第二乘积的均值，记为第四均值；将第三均值与第四均值的乘积，作为参考地下水位数据点的特征噪声程度。
20、优选的，所述获取参考地下水位数据点的邻域时序数据点集合，包括的具体方法为：
21、将参考地下水位数据点对应的采样时刻记为目标采样时刻，将目标采样时刻的前个采样时刻以及后个采样时刻，对应的所有地下水位数据点构成的数据点集合，作为参考地下水位数据点的邻域时序数据点集合。
22、优选的，所述根据每个地下水位数据点的时序噪声程度和特征噪声程度，获取每个地下水位数据点的聚类权重，包括的具体方法为：
23、将任意一个地下水位数据点记为目标地下水位数据点，将2与所有地下水位数据点的总数量的比值，记为第二比值；将目标地下水位数据点的时序噪声程度与目标地下水位数据点的特征噪声程度的乘积，记为目标地下水位数据点的第三乘积；将所有地下水位数据点的第三乘积之和，记为第一和值；将目标地下水位数据点的第三乘积与第一和值的比值，记为第三比值；将第二比值与第三比值的差值，作为目标地下水位数据点的聚类权重。
24、优选的，所述根据聚类权重对所有地下水位数据点进行聚类，获取若干层的聚类结果中的若干个聚类簇，以及每个聚类簇的偏移量，包括的具体方法为：
25、将所有地下水位数据点输入层次聚类算法中，得到第一层的聚类结果；将每个地下水位数据点的聚类权重作为每个地下水位数据点的权重，对第一层的聚类结果中每个聚类簇的聚类中心进行更新，获取若干层的聚类结果中的若干个聚类簇，以及每个聚类簇的更新后的聚类中心；
26、对于任意一层的聚类结果中的任意一个聚类簇，将所述聚类簇的聚类中心与所述聚类簇的聚类簇更新后的聚类中心之间的欧式距离，作为所述聚类簇的偏移量。
27、优选的，所述根据每层的聚类结果中每个聚类簇的偏移量进行数据管理，包括的具体方法为：
28、将第层的聚类结果中所有聚类簇的偏移量的方差的倒数，记为第二倒数；将第层的聚类结果中所有聚类簇的偏移量的均值，记为第五均值；将第二倒数与第五均值的乘积，作为第层的聚类结果的优选程度；
29、对于任意一层的聚类结果的优选程度，若所述层的聚类结果的优选程度是所有层的聚类结果的最大值，将所述层的聚类结果存储至数据库中。
30、本发明的技术方案的有益效果是：本发明将所有采样时刻的地下水位高度数据的波动程度输入三维坐标系，获取若干个地下水位数据点，以此能够从多个维度体现出地下水位数据的特征差异，且更加清晰地展示出数据之间的层次关系；根据每个地下水位数据点的时序噪声程度和特征噪声程度，获取每个地下水位数据点的聚类权重，以此能够减少噪声数据在聚类过程中引起的误差积累，避免最终的聚类结果偏离真实情况；根据每层的聚类结果中每个聚类簇的偏移量情况，获取每层的聚类结果的优选程度，以此能够结合聚类簇在多个维度中的变化大小，量化聚类层次间的差异，使得最终得到更准确的聚类结果，以此实现公路桥梁施工数据的智能管理。
1.一种公路桥梁施工数据智能管理方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述一种公路桥梁施工数据智能管理方法，其特征在于，所述根据每个采样时刻的地下水位高度数据与相邻采样时刻的地下水位高度数据之间的差异，获取每个采样时刻的地下水位高度数据的波动程度，包括的具体方法为：
3.根据权利要求1所述一种公路桥梁施工数据智能管理方法，其特征在于，所述根据每个地下水位数据点与周围地下水位数据点之间的分布情况，获取每个地下水位数据点的特征噪声程度，包括的具体方法为：
4.根据权利要求3所述一种公路桥梁施工数据智能管理方法，其特征在于，所述根据地下水位数据点与其邻域数据点集合中地下水位数据点之间的距离，获取地下水位数据点的局部密度，包括的具体方法为：
5.根据权利要求3所述一种公路桥梁施工数据智能管理方法，其特征在于，所述根据地下水位数据点与其邻域数据点集合中地下水位数据点之间局部密度的差异，获取地下水位数据点的特征噪声因子，包括的具体方法为：
6.根据权利要求1所述一种公路桥梁施工数据智能管理方法，其特征在于，所述根据每个地下水位数据点与周围地下水位数据点之间波动程度和地下水位高度数据的差异，获取每个地下水位数据点的时序噪声程度，包括的具体方法为：
7.根据权利要求6所述一种公路桥梁施工数据智能管理方法，其特征在于，所述获取参考地下水位数据点的邻域时序数据点集合，包括的具体方法为：
8.根据权利要求1所述一种公路桥梁施工数据智能管理方法，其特征在于，所述根据每个地下水位数据点的时序噪声程度和特征噪声程度，获取每个地下水位数据点的聚类权重，包括的具体方法为：
9.根据权利要求1所述一种公路桥梁施工数据智能管理方法，其特征在于，所述根据聚类权重对所有地下水位数据点进行聚类，获取若干层的聚类结果中的若干个聚类簇，以及每个聚类簇的偏移量，包括的具体方法为：
10.根据权利要求1所述一种公路桥梁施工数据智能管理方法，其特征在于，所述根据每层的聚类结果中每个聚类簇的偏移量进行数据管理，包括的具体方法为：
