本发明涉及数据分析，具体涉及一种电缆智能检测方法及系统。
背景技术：
1、由于电缆长期处于复杂的工作环境中，受到温度、湿度、电流负载等多种因素的影响，电缆存在潜在的故障风险，包括温升、绝缘老化、短路等问题。而可通过电流负载数据对电缆的负载情况进行检测；由于数据预测算法能够很好的反映数据的变化趋势，故可以通过预测的数据对电缆的状态情况进行检测；但是电流负载数据中的噪声会使传统的预测算法得到的预测结果不准确，进而使得不能够准确的对电缆状态进行检测。
技术实现思路
1、本发明提供一种电缆智能检测方法及系统，以解决现有的问题：电流负载数据中的噪声会使传统的预测算法得到的预测结果不准确，进而使得不能够准确的对电缆状态进行检测。
2、本发明的一种电缆智能检测方法及系统采用如下技术方案：
3、本发明一个实施例提供了一种电缆智能检测方法，该方法包括以下步骤：
4、采集电缆中的电流数据，将电流数据分为两个数据集分为前期数据集和后期数据集，并将前期数据集中的数据记为前期数据，后期数据集中的数据记为后期数据；
5、对前期数据进行区域划分，获取每个前期数据的局部范围；根据所有前期数据的局部范围中的数据，计算每个前期数据受到干扰的程度；
6、根据每个前期数据受到干扰的程度，对前期数据进行预测，得到预测数据；对预测数据与后期数据进行分段，得到若干预测数据段与后期数据段；根据每个预测数据段与后期数据段中的数据，获取每个预测数据的修正系数；根据每个预测数据的修正系数，获取每个前期数据修正后的预测权重；
7、利用修正后的预测权重，对前期数据进行预测，得到最终预测结果，根据最终预测结果与后期数据之间的差异，获取后期数据中的异常数据。
8、优选的，所述对前期数据进行区域划分，获取每个前期数据的局部范围，包括的具体方法为：
9、对于第个前期数据，以第个前期数据为中心，将第个前期数据到第个前期数据作为第个前期数据的第一局部范围，根据第个前期数据的第一局部范围中所有前期数据以及所有前期数据的方差，计算第个前期数据的第一局部范围的波动特征；
10、然后预设波动特征阈值；对于第个前期数据，若第个前期数据的第一局部范围的波动特征大于，则将第个前期数据的第一局部范围，作为第个前期数据的局部范围；否则将第个前期数据到第个前期数据作为第个前期数据的第二局部范围；
11、根据第个前期数据的第二局部范围中所有前期数据以及所有前期数据的方差，计算第个前期数据的第二局部范围的波动特征；
12、对于第个前期数据，若第个前期数据的第二局部范围的波动特征大于，则将第个前期数据的第二局部范围，作为第个前期数据的局部范围；否则将第个前期数据到第个前期数据作为第个前期数据的第三局部范围；
13、直至将第个前期数据到第个前期数据作为第个前期数据的第局部范围，计算第个前期数据的第局部范围的波动特征，且所述第个前期数据的第局部范围的波动特征大于，将第个前期数据的第局部范围作为第个前期数据的局部范围。
14、优选的，所述根据第个前期数据的第一局部范围中所有前期数据以及所有前期数据的方差，计算第个前期数据的第一局部范围的波动特征的具体计算公式为：
15、
16、式中，表示第个前期数据的第一局部范围的波动特征；表示第个前期数据的第一局部范围中前期数据的数量；表示第个前期数据；表示第个前期数据的第一局部范围中第个前期数据；表示第个前期数据的第一局部范围中所有前期数据的方差；表示线性归一化函数；表示绝对值运算。
17、优选的，所述根据所有前期数据的局部范围中的数据，计算每个前期数据受到干扰的程度，包括的具体方法为：
18、对于第个前期数据，获取第个前期数据的局部范围内所有数据的均值、第个前期数据的局部范围内所有数据的均值、第个前期数据的局部范围内所有数据的均值以及第个前期数据，获取第个前期数据受到的干扰程度，其具体的计算公式为：
19、
20、式中，表示第个前期数据受到的干扰程度；表示第个前期数据，表示第个前期数据的局部范围内所有数据的均值；表示第个前期数据的局部范围内所有数据的均值；表示第个前期数据的局部范围内所有数据的均值；表示以自然常数为底的指数函数；表示绝对值运算。
21、优选的，所述根据每个前期数据受到干扰的程度，对前期数据进行预测，得到预测数据，包括的具体方法为：
22、将每个前期数据受到干扰的程度，作为arima数据预测算法中的自回归系数，利用arima数据预测算法得到前期数据的预测数据，并将前期数据的预测数据中前个数据作为预测数据；所述与分别为预设的采集频率与采集范围。
23、优选的，所述对预测数据与后期数据进行分段，得到若干预测数据段与后期数据段，包括的具体方法为：
24、预设一个大小为的数据段；对所有预测数据与后期数据进行分段，并使每个预测数据与后期数据段中数据的数量为，得到若干预测数据段与后期数据段。
25、优选的，所述根据每个预测数据段与后期数据段中的数据，获取每个预测数据的修正系数，包括的具体方法为：
26、对于获取第个预测数据段的修正系数，根据第个预测数据段内的数据与第个后期数据段内的数据之间的差异，获取第个预测数据段的修正系数，其具体的计算方式为：
27、
28、式中，表示第个预测数据段的修正系数，表示预测数据段与后期数据段内数据的数量；表示第个预测数据段中第个数据；表示第个后期数据段中第个数据；表示线性归一化函数；
29、在得到每个预测数据段的修正系数后，将预测数据段的修正系数作为预测数据段中每个数据的修正系数。
30、优选的，所述根据每个预测数据的修正系数，获取每个前期数据修正后的预测权重，包括的具体方法为：
31、对于第个前期数据，根据前期数据中最小的数据、第个预测数据的修正系数、第个前期数据以及第个前期数据与最后一个前期数据在时序上的距离，获取第个前期数据修正后的预测权重，其具体的计算公式为：
32、
33、式中，表示第个前期数据修正后的预测权重；表示第个预测数据段的修正系数；表示第个前期数据；表示最小的前期数据；表示第个前期数据与最后一个前期数据在时序上的距离；表示线性归一化函数。
34、优选的，所述利用修正后的预测权重，对前期数据进行预测，得到最终预测结果，根据最终预测结果与后期数据之间的差异，获取后期数据中的异常数据，包括的具体方法为：
35、将每个前期数据修正后的预测权重，作为arima数据预测算法中的自回归系数，利用arima数据预测算法得到前期数据新的预测数据，并将前期数据新的预测数据中前个数据作为最终预测数据；对于第个后期数据，将第个后期数据与第个最终预测数据之间差的绝对值，作为第个后期数据的异常程度，然后预设一个差异阈值，若第个后期数据的异常程度大于，则第个后期数据为异常数据。
36、本发明的实施例提供了一种电缆智能检测系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项一种电缆智能检测方法的步骤。
37、本发明的技术方案的有益效果是：本技术通过对前期数据进行划分，得到每个前期数据的局部范围，以此为依据计算每个前期数据受到干扰的程度，并以此为依据对前期数据进行预测，根据预测结果获取每个预测数据的修正系数，并根据每个预测数据的修正系数，获取每个前期数据修正后的预测权重，通过每个前期数据修正后的预测权重对前期数据进行预测，得到最终的预测结果，使得最终的预测数据避免了噪声的干扰，使得最终预测数据更加准确，此时即可根据最终预测数据，获取后期数据中的异常数据，进而准确的判断电缆的状态。
1.一种电缆智能检测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述一种电缆智能检测方法，其特征在于，所述对前期数据进行区域划分，获取每个前期数据的局部范围，包括的具体方法为：
3.根据权利要求2所述一种电缆智能检测方法，其特征在于，所述根据第个前期数据的第一局部范围中所有前期数据以及所有前期数据的方差，计算第个前期数据的第一局部范围的波动特征的具体计算公式为：
4.根据权利要求1所述一种电缆智能检测方法，其特征在于，所述根据所有前期数据的局部范围中的数据，计算每个前期数据受到干扰的程度，包括的具体方法为：
5.根据权利要求1所述一种电缆智能检测方法，其特征在于，所述根据每个前期数据受到干扰的程度，对前期数据进行预测，得到预测数据，包括的具体方法为：
6.根据权利要求1所述一种电缆智能检测方法，其特征在于，所述对预测数据与后期数据进行分段，得到若干预测数据段与后期数据段，包括的具体方法为：
7.根据权利要求1所述一种电缆智能检测方法，其特征在于，所述根据每个预测数据段与后期数据段中的数据，获取每个预测数据的修正系数，包括的具体方法为：
8.根据权利要求1所述一种电缆智能检测方法，其特征在于，所述根据每个预测数据的修正系数，获取每个前期数据修正后的预测权重，包括的具体方法为：
9.根据权利要求1所述一种电缆智能检测方法，其特征在于，所述利用修正后的预测权重，对前期数据进行预测，得到最终预测结果，根据最终预测结果与后期数据之间的差异，获取后期数据中的异常数据，包括的具体方法为：
10.一种电缆智能检测系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程度，其特征在于，所述计算机程度被处理器执行时实现如权利要求1-9任一项所述的一种电缆智能检测方法的步骤。
