ArcObject的智慧電廠一體化數(shù)據(jù)整合技術(shù)應(yīng)用

摘 要：為精準(zhǔn)呈現(xiàn)智慧電廠整個(gè)結(jié)構(gòu)特征，提出一種基于ArcObject的智慧電廠一體化大數(shù)據(jù)整合技術(shù)。利用滑動(dòng)時(shí)間窗口劃分電廠數(shù)據(jù)采集任務(wù)，構(gòu)建數(shù)據(jù)域模型，完成智慧電廠一體化多源異構(gòu)大數(shù)據(jù)采集。運(yùn)用小波分析方法，重構(gòu)閾值處理后的高低頻系數(shù)，消除電廠監(jiān)測(cè)數(shù)據(jù)噪聲。讀取電廠界址點(diǎn)數(shù)字坐標(biāo)，運(yùn)用ArcObject二次開發(fā)技術(shù)得到ArcGIS面狀要素工具，挑選預(yù)先設(shè)置的要素類圖層，運(yùn)用Web圖形庫、平面誤差法，實(shí)現(xiàn)數(shù)據(jù)動(dòng)態(tài)可視化。實(shí)驗(yàn)結(jié)果表明，所提技術(shù)可有效剔除數(shù)據(jù)噪聲，且數(shù)據(jù)整合效率快、準(zhǔn)確度高，為智慧電廠的實(shí)際應(yīng)用提供決策支持。

關(guān)鍵詞：智慧電廠；一體化；大數(shù)據(jù)；數(shù)據(jù)整合；ArcObject技術(shù)

中圖分類號(hào)：TP311；TM62"""""""""""""""""""""""" 文獻(xiàn)標(biāo)識(shí)碼：A""""""""""""""""""""" 文章編號(hào)：1001-5922（2024）07-0173-04

Application of integrated data integration technology

for smart power plants based on ArcObject

LU Haotian

（China Power Engineering Consulting Group East China Electric Power Design Institute Co.，Ltd.，

Shanghai 200063，China）

Abstract： In order to accurately present the entire structural characteristics of smart power plants， an ArcObject based integrated big data integration technology for smart power plants was proposed. The sliding time window was used to divide the data collection tasks of the power plant， and the data domain model was constructed to complete the integrated multi?source heterogeneous big data collection of the smart power plant. The wavelet analysis method was used to reconstruct the high and low frequency coefficients after threshold processing to eliminate the noise of power plant monitoring data. The digital coordinates of the power plant boundary points were read， ArcObject secondary development technology was used to obtain ArcGIS surface feature tools， pre?set feature class layers were selected， Web graphics library and plane error method were used to achieve dynamic visualization of data. The experimental results showed that the proposed technology could effectively eliminate data noise， and the data integration efficiency was fast and accurate， providing decision support for the practical application of smart power plants.

Key words： smart power plants；integration；big data；data integration；arcobject technology

智慧電廠利用網(wǎng)絡(luò)化與信息化技術(shù)完成廠區(qū)內(nèi)部不同控制裝置與系統(tǒng)之間的可靠溝通，達(dá)到企業(yè)資產(chǎn)分配最優(yōu)化目標(biāo)［1］。智慧電廠是電力企業(yè)智能化建設(shè)的重要標(biāo)志，為提高電廠運(yùn)行的自動(dòng)化水準(zhǔn)，減少生產(chǎn)成本，為電力領(lǐng)域的可持續(xù)發(fā)展帶來新的契機(jī)［2］。但由于電廠內(nèi)部設(shè)備繁多，數(shù)據(jù)呈多源異構(gòu)形態(tài)，只有將不同形態(tài)信息加以整合，才能直觀了解電廠操作情況［3］。因此，對(duì)智慧電廠一體化大數(shù)據(jù)整合問題進(jìn)行深入研究。在數(shù)據(jù)海量性特征前提下，運(yùn)用歐氏距離與相似度系數(shù)，搭建定義數(shù)據(jù)樣本近似水平的歸一化綜合指標(biāo)，依照推算的相似性測(cè)度最大值明確關(guān)聯(lián)目標(biāo)，實(shí)現(xiàn)數(shù)據(jù)整合匹配［4］。利用張量化狀態(tài)表示、確定性動(dòng)作輸出等指標(biāo)，構(gòu)建端到端決策模型，通過自動(dòng)化狀態(tài)生成機(jī)制優(yōu)化深度確定性策略梯度算法，完成數(shù)據(jù)整合［5］?；诖?，提出一種基于ArcObject的智慧電廠一體化大數(shù)據(jù)整合技術(shù)。

1 ""智慧電廠一體化多源異構(gòu)大數(shù)據(jù)采集

為實(shí)現(xiàn)智慧電廠一體化大數(shù)據(jù)整合目標(biāo)，首先要采集創(chuàng)建智慧電廠所需要的全部數(shù)據(jù)，因電廠結(jié)構(gòu)多樣，數(shù)據(jù)呈多元化，設(shè)計(jì)一種基于滑動(dòng)時(shí)間窗的多源異構(gòu)大數(shù)據(jù)采集方法。滑動(dòng)時(shí)間窗口可階段性劃分采集任務(wù)，時(shí)間窗大小保持固定，時(shí)間位置是變化的［6］。

假設(shè)從i第個(gè)多源傳感器得到的數(shù)據(jù)采集周期為Ai，將時(shí)間窗口長(zhǎng)度表示為：

[Aw=LCM（Ai）]"""""""""""""""""""""""" （1）

式中：[LCM（Ai）]是對(duì)多源傳感器周期[Ai]求解的最小公倍數(shù)。

將單個(gè)時(shí)間窗口的電廠數(shù)據(jù)記作域的構(gòu)成部分，輸出數(shù)據(jù)域模型，數(shù)據(jù)域涵蓋域的基礎(chǔ)屬性，并可以被精準(zhǔn)量化。設(shè)定[C]是域，[Aw]、[Si]、[Di]分別是各時(shí)間窗口的時(shí)間數(shù)據(jù)，將數(shù)據(jù)域內(nèi)機(jī)制表示為："" [C=Aw，Si，Di]"""""""""""""""""""""""" （2）

多傳感器收集電廠信息時(shí)，獲得的初始報(bào)文通常涵蓋電流信號(hào)或電壓信號(hào)，在真實(shí)操作中，通常要根據(jù)切實(shí)需求對(duì)采集數(shù)據(jù)實(shí)施量程匹配［7］。所提方法在采集數(shù)據(jù)時(shí)將數(shù)據(jù)劃分成不同線程，憑借若干數(shù)據(jù)域并發(fā)模式依次進(jìn)行多設(shè)備信息采集，降低信息延遲。

明確不同的電廠數(shù)據(jù)屬性，利用數(shù)據(jù)元推算各種電力設(shè)備在單個(gè)數(shù)據(jù)域中的真實(shí)數(shù)據(jù)量［8］。倘若數(shù)據(jù)元是E，真實(shí)數(shù)據(jù)是F，那么此時(shí)間窗口中第i個(gè)設(shè)備真實(shí)采集數(shù)據(jù)量是："" [Gs=Length（F）Vaule（E）]""""""""""""""""""""""" （3）

式中：[Length（F）]表示真實(shí)數(shù)據(jù)的比特長(zhǎng)度；[Vaule（E）]表示數(shù)據(jù)元數(shù)值大小。

把單個(gè)數(shù)據(jù)域數(shù)據(jù)占據(jù)的字節(jié)總數(shù)記作：

[HByte=16nGs+i=1nMi]"""""""""""""""""""" （4）

式中：n是數(shù)據(jù)采集次數(shù)；[Mi]是第i個(gè)設(shè)備采集數(shù)據(jù)占用的字節(jié)數(shù)量。

與此同時(shí)，利用第i個(gè)設(shè)備的采集周期[Ai]和時(shí)間窗[Aw]，計(jì)算輸出單個(gè)數(shù)據(jù)域內(nèi)采集數(shù)據(jù)的理論值：

[GLi=HByteAwAi]""""""""""""""""""""""""""""" （5）

如果[GLi]gt;[Gs]，表明采集數(shù)據(jù)內(nèi)產(chǎn)生了噪聲信息，有部分?jǐn)?shù)據(jù)在此時(shí)間窗口中沒有被全部獲?。环粗?，即可采集完整的電廠外部結(jié)構(gòu)數(shù)據(jù)與設(shè)備信息。

2"" 數(shù)據(jù)去噪處理

針對(duì)上述內(nèi)容的噪聲數(shù)據(jù)，使用小波分析進(jìn)行去噪處理。將智慧電廠全部監(jiān)測(cè)數(shù)據(jù)作為實(shí)際信息與噪聲信息構(gòu)成的時(shí)間序列［9?10］，記作：

[d（t）=f（t）+o（t）]"""""""""""""""""""""""" （6）

式中：[d（t）]代表真實(shí)測(cè)量數(shù)據(jù)；[f（t）]是實(shí)際信號(hào)信息；[o（t）]是信號(hào)噪聲信息。

在智慧電廠一體化數(shù)據(jù)監(jiān)測(cè)中，真實(shí)監(jiān)測(cè)數(shù)據(jù)一般是低頻信號(hào)或穩(wěn)定信號(hào)，而噪聲數(shù)據(jù)一般為高頻信號(hào)［11］。小波去噪法就是在這一特征差異基礎(chǔ)上進(jìn)行降噪處理，利用閾值處理函數(shù)約束小波系數(shù)的取值范圍，重構(gòu)閾值處理后的高低頻系數(shù)，輸出去噪后的監(jiān)測(cè)序列，完成智慧電廠一體化數(shù)據(jù)去噪。處理過程如下：

常用的小波基函數(shù)包括Haar小波、dbH小波等，將閾值的解析式描述為：

[δ=d（t）γ2lnN]"""""""""""""""""""""""" （7）

式中：[N]表示信號(hào)長(zhǎng)度；[γ]表示噪聲標(biāo)準(zhǔn)誤差，將其進(jìn)一步記作：

[γ=median（uj，k）0.674 5]""""""""""""""""""""""" （8）

式中：[median（?）]是中間值函數(shù)；[uj，k]是消除噪聲前的小波變換指數(shù)。

閾值處理函數(shù)具備硬閾值處理與軟閾值處理2種類型［12］，分別記作：

[ui，j] =[uj，k，0，uj，k ≥ δuj，klt;δ]"""""""""""""""""""""""""" （9）

[ui，j] =[sign（uj，k）（uj，k-δ），0， uj，klt;δ""""""""""""""""""""" uj，k ≥ δ]""""""""" （10）

式中：[ui，j]是消除噪聲后的小波變換系數(shù)，[sign]是符號(hào)函數(shù)。

將去噪重構(gòu)后的電廠數(shù)據(jù)記作：

[P=uj×xj]"""""""""""""""""""""""""""" （11）

式中：[uj]是第j個(gè)傳感器的小波變換系數(shù)；[xj]是第j個(gè)傳感器的樣本數(shù)據(jù)總數(shù)。

3"" 基于ArcObject的智慧電廠一體化大數(shù)據(jù)

整合

ArcGIS為一種開放的地理數(shù)據(jù)分析平臺(tái)，配有優(yōu)秀的地理數(shù)據(jù)管理、編輯等功能，具有較好的結(jié)構(gòu)定制與功能拓展的能力。ArcObject為ArcGIS平臺(tái)的核心功能，在Microsoft COM技術(shù)的支撐下創(chuàng)建一系列COM組件集，是新一代地理信息系統(tǒng)平臺(tái)。在開發(fā)環(huán)境上，可使用VC++、·net等多種支持COM標(biāo)準(zhǔn)的開發(fā)工具［13］，給用戶提供了2次開發(fā)與性能擴(kuò)展的能力。針對(duì)智慧電廠一體化龐大的多源異構(gòu)數(shù)據(jù)，使用ArcObject實(shí)現(xiàn)智慧電廠一體化大數(shù)據(jù)整合。

關(guān)于ArcObject的2次開發(fā)，通過以下3個(gè)方面進(jìn)行：

（1）對(duì)ArcMap、ArcCatalog與ArcScene等界面實(shí)施定制或自定義；

（2）使用計(jì)算機(jī)編程語言與內(nèi)置的VBA語言進(jìn)行界面操控與功能拓展，在ArcMap中引入各類窗體與控件，修正系統(tǒng)界面，增加或刪除功能項(xiàng)；

（3）運(yùn)用編程語言與工具軟件調(diào)用ArcObject的控制元件與功能組件，采用開發(fā)管理目標(biāo)集合對(duì)象。ArcObject平臺(tái)使用VB制作界面與拓展功能，利用ArcObject對(duì)象庫實(shí)現(xiàn)ArcObject的接口。

接下來，基于ArcObject二次開發(fā)技術(shù)生成ArcGIS面狀要素工具，并進(jìn)行針對(duì)性數(shù)據(jù)優(yōu)化，實(shí)現(xiàn)電廠大數(shù)據(jù)的快速整合。過程如下：

創(chuàng)建面要素的根本思路是讀取界址點(diǎn)的數(shù)字坐標(biāo)，把各點(diǎn)的坐標(biāo)分別引入IPoint接口構(gòu)造位置的新點(diǎn)里，再運(yùn)用IPointCollection接口的AddPoint把全部點(diǎn)引入IPointCollection類中，最終把IPointCollection接口變成IPolyGon接口。要素圖像的寫入利用IFeatureCursor類接口實(shí)現(xiàn)，智慧電廠面狀數(shù)據(jù)的轉(zhuǎn)換是把數(shù)字坐標(biāo)都變成Excel格式，分成4列，分別是編號(hào)、北坐標(biāo)、東坐標(biāo)與高程。

將以上信息粘貼至界面上的GirdView表格控件內(nèi)，選擇預(yù)先設(shè)定好的要素類圖層，點(diǎn)擊錄入即可實(shí)現(xiàn)智慧電廠一體化大數(shù)據(jù)整合。

為了將智慧電廠一體化數(shù)據(jù)更為真實(shí)生動(dòng)地展示給用戶，讓其準(zhǔn)確了解電廠的生產(chǎn)資料和安防管理情況，使用Web圖形庫進(jìn)行大數(shù)據(jù)動(dòng)態(tài)可視化，通過平面誤差的計(jì)算實(shí)現(xiàn)一體化大數(shù)據(jù)的動(dòng)態(tài)加載。考慮多源異構(gòu)數(shù)據(jù)不同數(shù)據(jù)層的時(shí)序差異，防止產(chǎn)生數(shù)據(jù)空間重疊與實(shí)現(xiàn)遮擋問題。

Web圖形庫是在瀏覽器內(nèi)繪制并渲染的三維圖形［14］，調(diào)用的接口是開放、跨平臺(tái)的標(biāo)準(zhǔn)規(guī)范。在Web圖形庫中，利用圖元裝配實(shí)現(xiàn)面狀數(shù)據(jù)裁剪、透視分割與變換的操作，把頂點(diǎn)坐標(biāo)轉(zhuǎn)換為在屏幕上顯示的坐標(biāo)。

運(yùn)用粒子系統(tǒng)展示智慧電廠時(shí)空數(shù)據(jù)動(dòng)態(tài)變化，憑借時(shí)間目標(biāo)的外部特點(diǎn)與運(yùn)動(dòng)特點(diǎn)組成一個(gè)不規(guī)則的模糊數(shù)據(jù)集，代入外部參數(shù)操作三維時(shí)空數(shù)據(jù)變化。粒子系統(tǒng)包含粒子集合和對(duì)應(yīng)的屬性信息，粒子的關(guān)聯(lián)屬性為生產(chǎn)、設(shè)備、環(huán)境等，將其關(guān)聯(lián)屬性描述為：

[Qn=Att1，Att2，…，Attn]""""""""""""""""" （12）

式中：[Attt]代表粒子的關(guān)聯(lián)屬性。

更新粒子屬性，使用此粒子上一幀所處空間方位、運(yùn)動(dòng)速率與每?jī)蓭臅r(shí)間間隔，推導(dǎo)粒子當(dāng)前幀的方位，把第l+1幀粒子的空間方位記作：

[positionl+1×x=positionl+1×x+vlx?tpositionl+1×y=positionl+1×y+vly?tpositionl+1×z=positionl+1×z+vlz?t]""""" （13）

式中：[positionl×x]、[positionl×y]、[positionl×z]均為粒子的運(yùn)動(dòng)速率分量；[?t]是時(shí)間間隔。

伴隨時(shí)間戳增多，時(shí)間戳若超出粒子軌跡序列的時(shí)間范圍，剔除該粒子。使用大量粒子組成粒子系統(tǒng)，粒子變化的靈活性可擬和多種時(shí)空變化［15］，完成動(dòng)態(tài)可視化目標(biāo)。在動(dòng)態(tài)可視化基礎(chǔ)上，通過運(yùn)動(dòng)估計(jì)預(yù)測(cè)加載三角網(wǎng)格，避免時(shí)空可視化出現(xiàn)卡頓。

使用平面誤差方法確保智慧電廠數(shù)據(jù)動(dòng)態(tài)載入網(wǎng)格的適配度。創(chuàng)建多分辨率模型，將模型映射的線段表示為：

[qv=r+μrz，r-μrz]"""""""""""""""""" （14）

式中：[μr]是初始網(wǎng)格投影點(diǎn)距離誤差；[z]是z軸的單位矢量。

將映射線段和屏幕高度投影誤差被稱作屏幕空間誤差，將其定義成：

[?c=-μrz（e（z×e））e×tan（θ/2）]""""""""""""""""""""" （15）

式中：[e]代表視點(diǎn)方向單位矢量；e代表視點(diǎn)方位；[θ]代表視錐角度。

智慧電廠時(shí)空數(shù)據(jù)加載過程中，極有可能產(chǎn)生網(wǎng)絡(luò)延遲、設(shè)備渲染時(shí)間久的問題，導(dǎo)致ArcObject平臺(tái)加載速率慢，更新時(shí)空?qǐng)鼍皶r(shí)，無法進(jìn)行數(shù)據(jù)交互。依照當(dāng)前視點(diǎn)坐標(biāo)與視點(diǎn)變化的運(yùn)動(dòng)矢量，評(píng)估下個(gè)時(shí)段的所處方位，預(yù)先加載部分時(shí)空內(nèi)存，確保時(shí)空?qǐng)鼍安粫?huì)產(chǎn)生掉幀。將預(yù)測(cè)點(diǎn)表示為：

[I（et+1）=i=0tS（ei）×?ei]""""""""""""""""" （16）

式中：[S（ei）]是頂點(diǎn)概率集合；[?ei]是頂點(diǎn)矢量。

預(yù)先加載時(shí)空?qǐng)鼍昂?，最終的一體化大數(shù)據(jù)動(dòng)態(tài)加載優(yōu)化公式為：

[I（et+1）=12（?ei+S（ei））]"""""""""""""" （17）

4"" 實(shí)驗(yàn)分析

為進(jìn)一步探究所提方法的有效性，將文獻(xiàn)［4］權(quán)重相似性模型、文獻(xiàn)［5］深度強(qiáng)化學(xué)習(xí)兩種方法作為對(duì)照組進(jìn)行實(shí)驗(yàn)研究，實(shí)驗(yàn)平臺(tái)為MATLAB。實(shí)驗(yàn)指標(biāo)分別為信噪比、節(jié)點(diǎn)能耗、F1值和時(shí)間。為達(dá)到更真實(shí)的算法性能對(duì)比，挑選網(wǎng)絡(luò)規(guī)模作為ArcObject平臺(tái)的應(yīng)用環(huán)境，設(shè)定網(wǎng)絡(luò)場(chǎng)景內(nèi)涵蓋400個(gè)傳感節(jié)點(diǎn)，隨機(jī)分布于1個(gè)150 m×150 m的區(qū)域中。設(shè)定實(shí)驗(yàn)參數(shù)如表1所示。

信噪比（[SNR]）表示接收到的有用信號(hào)強(qiáng)度與干擾信號(hào)強(qiáng)度的比值。信噪比值越大表明數(shù)據(jù)噪聲越少，方法運(yùn)算性能越優(yōu)，計(jì)算公式為：

[SNR=10×lgf2（t）i=1ns（f（t）-P）2]"""""""""""""""" （18）

式中：[ns]是信號(hào)長(zhǎng)度。

隨機(jī)挑選智能電廠7個(gè)傳感器中的信號(hào)波形為驗(yàn)證目標(biāo)，使用3種方法進(jìn)行信號(hào)去噪，結(jié)果如圖1所示。

由圖1可知，所提方法在整個(gè)實(shí)驗(yàn)過程中的信噪比均是最大的，表明方法的去噪能力優(yōu)于其他2種方法。

3種數(shù)據(jù)整合方法伴隨時(shí)間變化的簇頭節(jié)點(diǎn)能量損耗對(duì)比結(jié)果如圖2所示。

由圖2可知，隨著數(shù)據(jù)整合時(shí)間增加，2種方法的節(jié)點(diǎn)能耗較高，而所提方法簇頭節(jié)點(diǎn)傳輸?shù)臄?shù)據(jù)包小于其他2種方法，在保證數(shù)據(jù)整合完整度情況下，有效降低了網(wǎng)絡(luò)信息通信數(shù)量，實(shí)用性更強(qiáng)。

F1值是用來衡量算法精度的指標(biāo)，使用該指標(biāo)驗(yàn)證3種方法數(shù)據(jù)整合準(zhǔn)確性，取值范圍是0～1。計(jì)算公式為：

[F1=2PHRPH+R]""""""""""""""""""""""""""" （19）

式中：[PH]為準(zhǔn)確率；[R]為召回率。

3種方法的F1值實(shí)驗(yàn)對(duì)比結(jié)果如圖3所示。

由圖3可知，在同一實(shí)驗(yàn)環(huán)境下，所提方法的F1值高于其他2種方法，具有較強(qiáng)的計(jì)算優(yōu)勢(shì)，能夠有效提高數(shù)據(jù)整合精度。

利用支持度指標(biāo)，可以衡量出給定規(guī)則應(yīng)用的比例，在不同支持度下分析3種方法數(shù)據(jù)整合所需時(shí)長(zhǎng)，結(jié)果如圖4所示。

由圖4可知，支持度越大，數(shù)據(jù)整合時(shí)間越短，所提方法的整體耗時(shí)要小于其他2種方法，證明其具備較好的數(shù)據(jù)任務(wù)處理匹配能力和網(wǎng)絡(luò)負(fù)載均衡性能，提高了數(shù)據(jù)整合全局效率。

5"" 結(jié)語

智慧電廠一體化大數(shù)據(jù)整合對(duì)增進(jìn)電力企業(yè)生產(chǎn)效益與工作效率具有重要作用，由此提出一種基于ArcObject的智慧電廠一體化大數(shù)據(jù)整合技術(shù)。所提方法能高效率采集電廠整體數(shù)據(jù)，運(yùn)用小波分析進(jìn)行數(shù)據(jù)去噪，在ArcObject平臺(tái)支持下進(jìn)行電廠數(shù)據(jù)面狀數(shù)據(jù)整合，提升數(shù)據(jù)處理能力，為電力企業(yè)的發(fā)展和決策制定提供幫助。

【參考文獻(xiàn)】

［1］""" 耿林霄，郭亦文，楊猛，等.基于大數(shù)據(jù)智能控制一體化平臺(tái)架構(gòu)的智慧監(jiān)盤關(guān)鍵技術(shù)研究［J］.熱力發(fā)電，2021，50（9）：43?48.

［2］""" 付琨，孫顯，仇曉蘭，等.遙感大數(shù)據(jù)條件下多星一體化處理與分析［J］.遙感學(xué)報(bào)，2021，25（3）：691?707.

［3］""" 李曦凌，謝海發(fā).基于ArcObject進(jìn)行電廠用地界址數(shù)據(jù)整合［J］.云南水力發(fā)電，2021，37（11）：235?237.

［4］""" 龍北平，吳家杰，鄭勤華，等.一種基于權(quán)重相似性模型的不動(dòng)產(chǎn)數(shù)據(jù)整合方法［J］.測(cè)繪通報(bào)，2021（6）：122?126.

［5］""" 余顯，李振宇，孫勝，等.基于深度強(qiáng)化學(xué)習(xí)的自適應(yīng)虛擬機(jī)整合方法［J］.計(jì)算機(jī)研究與發(fā)展，2021，58（12）：2783?2797.

［6］""" 張川登，張浩，賴敏.電解鋁廠整流所綜合自動(dòng)化系統(tǒng)的數(shù)據(jù)采集方法研究［J］.輕金屬，2022（12）：45?48.

［7］""" 石秋娥，周喜，王軼.基于去中心化索引的IPFS數(shù)據(jù)獲取方法研究［J］.計(jì)算機(jī)工程與應(yīng)用，2022，58（3）：83?90.

［8］""" 張維星，黨超群，張鎖平，等.基于多傳感器融合的波浪譜數(shù)據(jù)獲取與傳輸方法研究［J］.海洋與湖沼，2023，54（3）：645?652.

［9］""" 李凱豐，王浩全，侯清.基于小波分析聯(lián)合VMD的超聲信號(hào)去噪方法研究［J］.中國測(cè)試，2023，49（4）：52?59.

［10］""" 朱寧，徐常新，符影杰.超聲波測(cè)距系統(tǒng)中的小波去噪" 方法研究［J］.儀表技術(shù)與傳感器，2021（1）：102?106.

［11］""" 王民頓，尚俊娜.基于CEEMD和改進(jìn)小波閾值法的鋼" 架結(jié)構(gòu)沉降數(shù)據(jù)去噪方法［J］.大地測(cè)量與地球動(dòng)力學(xué)，" 2022，42（11）：1191?1195.

［12］""" 蔡劍華，肖永良.基于廣義S變換時(shí)頻濾波的MT數(shù)據(jù)" 去噪［J］.地質(zhì)與勘探，2021，57（6）：1383?1390.

［13］""" 史瀟，徐家鵬，杜毅賢，等.面向道路積水動(dòng)態(tài)可視化" 的多源數(shù)據(jù)集成方法［J］.武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），" 2022，47（5）：693?699.

［14］""" 李文俊，楊學(xué)強(qiáng)，杜家興.基于數(shù)據(jù)中臺(tái)的裝備保障數(shù)" 據(jù)集成［J］.系統(tǒng)工程與電子技術(shù)，2020，42（6）：1317?1323.

［15］""" 鄒萌萍，彭敦陸.Spark環(huán)境下不完整數(shù)據(jù)集成填充方" 法［J］.小型微型計(jì)算機(jī)系統(tǒng)，2021，42（1）：111?116.