一种基于时间序列的RFID供应链数据分析方法(4)
时间:2025-03-26
时间:2025-03-26
电子学报2010年2期 文档装换有缺失 请下载查看完整版
第
2A期
高
昕:一种基于时间序列的RFID供应链数据分析方法
29
}减去趋势项{T}得到的然后,利用原始数据{xtt
数据将只包含季节项和随机项.操作这些数据,用第k时段的平均值作为季节项S(),即k1≤k≤m的估计,
(),1y≤k≤m,,ikik
n∑i1=
}便可以通过原始数据{x}减去最后,随机项{Rtt
()Skn
[]ecord.Time>TableRecord.ID+Record.Location.MaxTimeIFR
[]THENTableRecord.ID+Record.Location.MaxTime=
记录离开时间Record.Time//
[ELSEIFRecord.Time<TableRecord.ID+Record.
].MinTimeLocation
[]THENTableRecord.ID+Record.Location.MinTime=
记录进入时间Record.Time//ENDIFENDFOR
FOReachRecordinTable
(,,,)Record.IDRecord.LoactionMinTimeMaxTimeAdd}和季节项{S}得到,如下所示:趋势项{Ttt
,1;R=y-T-S1≤i≤n≤j≤m,,ijijij
}的分解,这样就完成了对时间序列{Y可以看出t
}和季节项{S}在特定时段基本固定,趋势项{T对于tt数据的判断没有太大的意义,而随机项{Rt
}具有变化性.所以统计出特定时段随机项Rj的最大值Rmaxj和最小值Rminj
,其中:Rmaxj=m1≤ai≤xn
(Ri,j),Rminj=m1≤ii≤nn
(Ri,j
)所以对于要检测的RFID数据y
,可以通过如下方法求出对应的随机项.
n
T1
n∑Ti
i=
1R=y-Sj
,1≤j≤m然后检测随机项R与区间[Rminj,Rmaxj
]是否相符.如果R不在区间内,则表示该数据异常.
3.2RFID数据分析过程
根据上面得到的RFID数据分析规则,
本节给出具体的数据分析过程,包括RFID数据预处理、
时间序列分析处理和供应链数据检测.
3.2.1RFID数据预处理
我们对原始数据的预处理主要进行数据清洗和数据聚合.其中数据清洗是为了消除冗余数据以及包括物品丢失和物品目录异常在内的数据一致性处理,具
体处理过程如算法1
所示.算法1原始数据集清洗算法
输入:原始数据集RawDataSet(ID,Location,Time
)输出:清洗后数据集DataSetAfterCleaning(CID,Locaion,Time-I
n,Time-Out)方法:
Table,PreTable:EmptyHashTable
//Table记录一个物品在某一位置的进入和离开时间//PreTable记录在流通过程中上一个位置的物品流通状况FOReachRecordinRawDataSet
IFRecordisnotinPreTable
ReportReocrdismissing;Continue;ENDIF
IFRecordisnotthesameasthecorrespondingiteminPreTable
CopytheattributesofitemtoRecord
//这里attributes指那些描述物品本身的属性,不包括流通相关属性ENDIF
ToDataSetAfterCleaning//生成清理后数据集ENDFOR
而数据聚合则是进一步精简数据,找出代表一批物品在供应链中的流通状况的数据,具体处理过程如算法2所示.
算法2数据聚合算法
输入:清理后数据集DataSetAfterCleaning(CID,Location,Time-I
n,Time-O
ut)输出:聚合数据集AggregateDataSet(AID,Locaion,Time-In,Time-
Out)方法:
Table:EmptyHashTable
//Table记录相同地点、相同进入时间和离开时间的CID集合FOReachRecordinDataSetAfterCleaning
AddRecordtoTable[Record.Time-I
n+Record.Location+Record.Time-O
ut]ENDFOR
FOReachRecordinTable
GenerateacorrespondingAID
Add(AID,Record.Location,Record.Time-In,Record.Time-O
ut)ToAggr …… 此处隐藏:342字,全部文档内容请下载后查看。喜欢就下载吧 ……
上一篇:精致深邃市场报告年终总结模板