教学文库网 - 权威文档分享云平台
您的当前位置:首页 > 文库大全 > 专业资料 >

一种基于时间序列的RFID供应链数据分析方法(3)

来源:网络收集 时间:2026-04-25
导读: 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,Loca

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)ToAggregateDataSet

ENDFOR

3.2.2时间序列分析处理

由于前面的RFID四元组数据主要突显了物品在

供应链各仓储地点的状态,但与时间序列分析模型所关注的各环节用时还有差距,所以需要在RFID预处理聚合的基础上加工出物品在运输过程中的数据,即将四元组数据(ik,lq,tl,tl+1)和(ik,lq+1,tl+2,tl+3)处理成三个三元组(ID,Time-in,Time)数据,其中Time代表物品在供应链中某流通环节(运输或仓储)用时,具体处理过程如下:

(ik,tiu,te

),te=tl+1-tl

,tiu=tl

(ik,tiu+1,te+1),te+1=tl+2-tl+1,tiu+1=tl+1(ik,tiu+2,te+2),te+2=tl+3-tl+2,tiu+2=tl+2这样通过算法3我们可以得到某次物品在供应链特定路线的流通数据,其形式为(i,内容版权归作者所有

ti1,t1)(i,ti2,t2

),

电子学报2010年2期 文档装换有缺失 请下载查看完整版

30

求出趋势项T=T/n//FOReachelementinRandomSet

年2010

…,(,,)的流数据,而这正是我们时间序列分析的ititnn基础.

算法3数据重组算法

输入:聚合数据集AggregateDataSet(AID,Locaion,Time-In,Time-

Out

)输出:重组数据集DataSet(AID,Time)方法:Table,DataSet:EmptyHashTableFOReachRecordinAggregateDataSet

AddRecordToTable[Record.AID]ENDFOR

FOReachRecordinTable

SortelecmetinTable[Record.AID]byelement.Time-InFOReachelementinTable

[Record.AID]T1=element.Time-Out-element.Time-InTI1=element.Time-InAdd(AID,TI1,T1)toDataset

IFtherearenextelementinTable[Record.AID

]T2=nextelement.Time-In-element.Time-OutTI2=element.Time-OutAdd(AID,TI2,T2)toDatasetENDIF

ENDFOR

经过对RFID数据的预处理,

我们可以得到大量的关于供应链各环节(运输环节或仓储环节)的周转时间

数据.

接下来就是要对这些数据进行时间序列分析,从而建立该环节的数据模型以检验流通中在该环节的周转是否正常.这个过程主要包括后台的抽样建模和前

台的模型检测两部分.

抽样建模首先将收集到的众多的该环节的数据按照一天之中有效工作时间等分成m段,每个时间段随机抽取n个样本,其中m和n根据该环节的具体情况而定.而建模过程就是基于这些样本数据求出各时间段的趋势项、季节项以及随机项对应

区间[Rmin,Rmax].

具体过程如算法4所示.算法4时间序列建模算法输入:某环节样本数据集

SampleDataSet(ID,Time-I

n,Time)输出:时间模型数据集TimeDataSet(Time-Num,T,S,Rmin,Rmax)方法:Table,DataSet:EmptyHashTableT,S,Rmin,Rmax:0;RandomSet:Set

SortRecordinSampleDataSetbyRecord.Time-InFOReachRecordinSampleDataSet

FindthecorrespondingTime-NumtoRecord.Time-InAddRecordtoTable[Time-Num]ENDFOR

FOReachRecordinTable

FindrandomnelementsfromRecordtoRandomSetFOReachelementinRandomSet

T=T+element.TimeENDFOR

S=S+(element.TimeT)ENDFOR

S=S/n//求出季节项FOReachelementinRandomSet

Temp=element.TimeTSIFTemp<RminRmin=Temp

ELSEIFTemp>Rmax

Rmax=Temp

ENDIF

ENDFOR//

通过随机 …… 此处隐藏:1934字,全部文档内容请下载后查看。喜欢就下载吧 ……

一种基于时间序列的RFID供应链数据分析方法(3).doc 将本文的Word文档下载到电脑,方便复制、编辑、收藏和打印
本文链接:https://www.jiaowen.net/wenku/269153.html(转载请注明文章来源)
Copyright © 2020-2025 教文网 版权所有
声明 :本网站尊重并保护知识产权,根据《信息网络传播权保护条例》,如果我们转载的作品侵犯了您的权利,请在一个月内通知我们,我们会及时删除。
客服QQ:78024566 邮箱:78024566@qq.com
苏ICP备19068818号-2
Top
× 游客快捷下载通道(下载后可以自由复制和排版)
VIP包月下载
特价:29 元/月 原价:99元
低至 0.3 元/份 每月下载150
全站内容免费自由复制
VIP包月下载
特价:29 元/月 原价:99元
低至 0.3 元/份 每月下载150
全站内容免费自由复制
注:下载文档有可能出现无法下载或内容有问题,请联系客服协助您处理。
× 常见问题(客服时间:周一到周五 9:30-18:00)