首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >车辆燃油位误差检测,加油检测c#或SQL

车辆燃油位误差检测,加油检测c#或SQL
EN

Stack Overflow用户
提问于 2016-02-20 12:06:53
回答 1查看 484关注 0票数 1

我在用电子燃料棒准备车辆燃油等级。

我有一个GPS设备的连续读数,它每隔1分钟传送这些数据。我目前将这些数据存储在我的Microsoft数据库中,并且可以生成漂亮的图形。

我想找出什么是最好的检测方法

  1. 加油事件
  2. 虹吸事件

当涉及到阅读时有几个问题。有时,每一个燃料水平的读数都会飙升,然后回落到接近前一个水平的地方。这使得假阳性成为一项挑战。

有时会有一个长时间的尖峰(有时在加油后看到),那么燃料水平就会像你预期的那样线性下降。见下面的第二张图表。

我有ODO表读数和燃油水平读数(以升为单位)。

鉴于上述问题,我需要一种方法来检测这些有很大偏差的噪声样本,随着时间的推移,预期的线性下降。

以下是两个车辆的数据样本(如图所示)。蓝线是实际数据。红线是我尝试使用的运行平均10个样本,以尝试“平滑”的大偏差。

现在用于研究和想法:我发现了4种不同的方法来帮助识别大偏差。(我想)

  1. detection
  2. rules
  3. rules
  4. filter

我有什么更好的选择吗?

有人知道可以使用C#或TSQL实现的实现吗?

任何建议或想法都会很好。

EN

回答 1

Stack Overflow用户

发布于 2016-02-20 23:32:52

正确的方法是制定一个模型来表示燃料、虹吸和噪声过程是如何工作的。该模型将包含一些自由参数(即正常燃料使用量、燃料添加量、加油时间、燃料去除量、虹吸持续时间和噪声波动幅度)。然后,事件的“检测”意味着寻找最大的对数似然函数LL(参数)= log (数据)的参数。这是你能做的最好的--如果你能做到的话,你就不需要任何其他的方法了。其他方法作为这种方法的近似可能是有用的--这是使用这些方法的理由。

由于模型是不连续的,对数似然函数也可能是不连续的.一些搜索最佳参数的启发式方法可能是必要的。这种启发式方法可能与已发表的方法相吻合--这很好,但没有必要。

Seber & Wild,“非线性回归”有一个或多个章节的模型有间断。

票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/35523007

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档