(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111567872.2 (22)申请日 2021.12.21 (71)申请人 江西飞尚科技有限公司 地址 330052 江西省南昌市南昌县小蓝经 济技术开发区玉湖路398号 (72)发明人 石显　赖栗　彭自强　刘文峰　 (74)专利代理 机构 南昌新天下专利商标代理有 限公司 3 6115 代理人 戴继翔 (51)Int.Cl. G06K 9/00(2022.01) G06Q 10/04(2012.01) (54)发明名称 数据优化方法、 系统、 可读存储介质及计算 机设备 (57)摘要 本发明提供一种数据优化方法、 系统、 可读 存储介质及计算机设备， 该方法包括： 导入原始 数据， 找出原始数据中的所有极值点， 并判断所 有极值点中极大值点的数目或极小值点的数目 是否大于第一预设值； 若所有极值点中极大值点 的数目或极小值点的数目大于第一预设值， 则对 原始数据进行边端延拓得到延拓点， 并分别对延 拓点的时间坐标及幅值坐标进行预测计算得到 延拓极值点、 原始数据的极大值点以及原始数据 的极小值点； 对延拓极值点、 原始数据的极大值 点以及原始数据的极小值点进行经验模态分解 得到优化后的原始数据。 本发明根据原始数据按 照一定规则加以延拓， 分别构造出上下包络线， 通过包络线找出信号两端真实极值点， 控制数据 边界所带来的误差 。 权利要求书2页 说明书12页 附图7页 CN 114239660 A 2022.03.25 CN 114239660 A 1.一种数据优化方法， 其特 征在于， 包括以下步骤： 步骤一： 导入原始数据， 找出所述原始数据中的所有极值点， 并判断所述所有极值点中 极大值点的数目或极小值 点的数目是否大于第一预设值； 步骤二： 若所述所有极值点中极大值点的数目或极小值点的数目大于第一预设值， 则 对所述原始数据进行边端延拓得到延 拓点， 并分别对所述延拓点的时间坐标及幅值坐标进 行预测计算得到延拓极值 点、 所述原 始数据的极大值 点以及所述原 始数据的极小值 点； 步骤三： 对所述延拓极值点、 所述原始数据的极大值点以及所述原始数据的极小值点 进行经验模态分解得到优化后的原 始数据。 2.根据权利要求1所述的数据优化方法， 其特征在于， 所述步骤二中分别对所述延拓点 的时间坐标及幅值坐标进 行预测计算得到延拓 极值点、 所述原始数据的极大值点以及所述 原始数据的极小值 点的步骤 包括： 采用极值点 回归法对所述延拓点的时间坐标进行预测计算， 并用最小二乘法对计算结 果进行回规分析 得到分析 结果， 所述回规分析的回规方程的阶数与系数均从i=1次开始； 计算出所述分析结果中相关系数R， F检验与T检验， 判断所述回规方程的阶数是否满足 预设条件； 若所述回规方程的阶数满足预设条件， 则得到第一延拓极值 点和第二延拓极值 点。 3.根据权利要求2所述的数据优化方法， 其特征在于， 所述判断所述 回规方程的阶数是 否满足预设条件的步骤之后， 所述方法还 包括： 若所述回规方程的阶数不满足预设条件， 则增加所述回规方程的阶数， 并循环用最小 二乘法对计算结果进 行回规分析得到分析结果的步骤， 直到所述回规方程的阶数满足预设 条件。 4.根据权利要求3所述的数据优化方法， 其特征在于， 所述步骤二中分别对所述延拓点 的时间坐标及幅值坐标进 行预测计算得到延拓 极值点、 所述原始数据的极大值点以及所述 原始数据的极小值 点的步骤 还包括： 采用AR统计学模型对所述延拓点的幅值坐标进行预测计算， 分别得到所述原始数据的 左端极大值、 左端极小值、 右端极大值以及右端极小值。 5.根据权利要求 4所述的数据优化方法， 其特 征在于， 所述 步骤三包括： 通过所述第一延拓极值点、 所述右端极大值、 所述左端极大值、 所述第二延拓极值点、 所述左端极小值以及所述右端极小值分别构造出上下包络线， 并计算出所述上下包络线的 均值以及所述均值与所述原 始数据的差值； 判断所述差值是否介于所述所有的极值 点中的极大值和极小值之间； 若所述差值介于所述所有的极值点中的极大值和极小值之间， 则将所述差值作为第 一 分量， 从所述原 始数据中分离出 所述第一分量， 得到剩余分量； 将所述剩余分量作为新的原始数据， 重复上述步骤， 直到所述剩余分量满足预设的终 止条件时， 分解过程结束得到优化后的原 始数据。 6.根据权利要求5所述的数据优化方法， 其特征在于， 判断所述差值是否介于所述所有 的极值点中的极大值和极小值之间的步骤之后， 所述方法还 包括： 若所述差值不介于所述所有的极值点中的极大值和极小值之间， 则以所述差值作为新 的原始数据， 重复上述步骤， 直到所述差值介于所述所有的极值点中的极大值和极小值之权　利　要　求　书 1/2 页 2 CN 114239660 A 2间。 7.一种数据优化系统， 其特 征在于， 包括： 判断模块， 用于导入原始数据， 找出所述原始数据中的所有极值点， 并判断所述所有极 值点中极大值 点的数目或极小值 点的数目是否大于第一预设值； 边端延拓模块， 用于若所述所有极值点中极大值点的数目或极小值点的数目大于第 一 预设值， 则对所述原始数据进行边端延拓得到延拓点， 并分别对所述延拓点的时间坐标及 幅值坐标进行预测计算得到延 拓极值点、 所述原始数据的极大值点以及所述原始数据的极 小值点； 优化模块， 用于对所述延拓极值点、 所述原始数据的极大值点以及所述原始数据的极 小值点进行经验模态分解得到优化后的原 始数据。 8.根据权利要求7 所述的数据优化系统， 其特 征在于， 所述 边端延拓模块包括： 分析单元， 用于采用极值点回归法对所述延拓点的时间坐标进行预测计算， 并用最小 二乘法对计算结果进 行回规分析得到分析结果， 所述回规分析的回规方程的阶数与系数均 从i=1次开始； 第一判断单元， 用于计算出所述分析结果中相关系数R， F检验与T检验， 判断所述回规 方程的阶数 是否满足预设条件； 第一处理单元， 用于若所述回规方程的阶数满足预设条件， 则得到第一延拓极值点和 第二延拓极值 点。 9.一种可读存储介质， 其上存储有计算机设备程序， 其特征在于， 该程序被处理器执行 时实现如权利要求1至 6中任一项所述的数据优化方法。 10.一种计算机设备， 包括存储器、 处理器以及存储在所述存储器上并可在所述处理器 上运行的计算机设备程序， 其特征在于， 所述处理器执行所述计算机设备程序时实现如权 利要求1至 6中任一项所述的数据优化方法。权　利　要　求　书 2/2 页 3 CN 114239660 A 3