(19)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 20221075412 2.4 (22)申请日 2022.06.28 (71)申请人 恩施清江大龙潭水电开发有限公司 地址 445000 湖北省恩施土家族苗族自治 州恩施市小渡船办事处大龙潭村峡口 大桥桥南左边 申请人 长江空间信息技 术工程有限公司 （武汉）　 长江勘测规划设计 研究有限责任公 司 (72)发明人 黄涛　付修军　马能武　张力　 马瑞　胡斌斌　陶雷　陈林　 叶芳毅　廖东晓　陈旭　李方义　 姜斌　宋文洁　徐瑞　陶蔚　刘兵　 徐俊　徐志敏　(74)专利代理 机构 武汉宇晨专利事务所(普通 合伙) 42001 专利代理师 倪文霞 (51)Int.Cl. G06F 16/2457(2019.01) G06F 16/22(2019.01) G06F 16/23(2019.01) G06F 17/18(2006.01) (54)发明名称 一种基于数据库系统的统计学模型自定义 和推荐方法 (57)摘要 本发明公开了一种基于数据库系统的统计 学模型自定义和推荐方法。 它包括如下步骤， 步 骤一： 自定义单个统计回归模型； 步骤二： 在数据 库系统进行统计回归模型的表达式及相关参数、 结果的存储管理； 步骤三： 利用数据库系统中存 储管理的统计回归模型记录进行统计回归模型 的自动推荐。 本发明解决了 现有技术对使用者要 求较高的问题， 克服了 现有安全监测模型分析技 术如需要重新选择影响因子构建分析模型需要 重新编写程序， 自定义程度不够高的问题； 具有 满足非专业人员进行模型分析的要求， 允许技术 人员不修改计算程序或软件就可以按自己的建 模习惯与方法自定义统计学模型， 或直接使用系 统推荐的分析模 型， 满足非专业人员进行模型分 析的要求的优点。 权利要求书1页 说明书9页 附图3页 CN 115203267 A 2022.10.18 CN 115203267 A 1.一种基于数据库系统的统计学模型自定义和推荐方法， 其特 征在于： 包括如下步骤， 步骤一： 自定义单个统计回归 模型； 步骤二： 在数据库系统进行统计回归 模型的表达式及相关参数、 结果的存 储管理； 步骤三： 利用数据库系统中存储管理 的统计回归模型记录进行统计回归模型的自动推 荐。 2.根据权利要求1所述的基于数据库系统的统计学模型自定义和推荐方法， 其特征在 于： 在步骤一中， 单个统计回归 模型的构造方法如下： 典型的统计学模型用通式表示 为： y＝∑ αi(fi(bi(xi+ai)))ki i＝0,1,2, …n (9) 在式(9)中： y为因变量； x为自变量或常数1； f为函数名或常数1； n表示自变量的总数； a、 b为常数； k 为函数的幂次方； α 为影响系数； 令Bi＝(fi(bi(xi+ai)))ki 则y＝∑Biαi i＝0,1,2, …n (10) 在式(10)中： Bi为统计回归 模型中待解 参数αi的系数； 对于某个回归模型M， 该回归模型M中的各项次的表达式、 各自变量与因变量之间的相 关系数， 用数据库表的形式进 行表示， 该数据库表包括回归模 型ID、 加常数a、 函数名f、 乘常 数b、 自变量x、 影响系数α 、 相关系数r、 分组名。 3.根据权利要求2所述的基于数据库系统的统计学模型自定义和推荐方法， 其特征在 于： 在步骤二中， 统计回归 模型的管理方法为： 在安全监测数据 管理分析系统中建一个回归模型总表， 回归模型总表包括 回归模型编 号、 编号模型中的因变量名称， 回归模型应用的项目名称、 仪器类型、 时间段， 观测周期， 所 建回归模型 的模型误差， 使用者对分析结果的评分以及对回归模型 的描述； 时间段包括起 始时间和结束时间。 4.根据权利要求3所述的基于数据库系统的统计学模型自定义和推荐方法， 其特征在 于： 在步骤三中， 统计回归 模型的自动推荐方法为： 根据回归 模型总表的模型使用记录进行模型推荐， 过程如下： 进入模型构建界面， 用户选择测点； S31： 根据项目名称、 仪器类型、 测点编号进行模型分析记录的多条件查询， 查询符合条 件的模型分析记录； 当符合条件的模型分析记录存在时， 跳转至步骤S32； 当符合条件的模型分析记录不存在时， 跳转至步骤S3 3； S32： 选择模型推荐的方式进行模型推荐， 模型推荐的方式包 含使用次数、 精度、 评价； S33： 确定是否存在满意的模型； 若是， 则跳转至步骤S34； 若否， 则利用步骤一中的方法进行自定义模型， 跳转至步骤S34； S34： 用户根据推荐结果选择模型； S35： 根据用户所选模型进行模型分析， 进行回归分析计算； 用户判断模型分析结果是否满足精度要求； 若是， 则用户进行模型分析效果评价， 更新 模型属性表， 保存使用记录； 若否， 则跳转至步骤S3 3中选择因变量利用步骤一中的方法建立 新模型。权　利　要　求　书 1/1 页 2 CN 115203267 A 2一种基于数据库系统的统 计学模型自定义和推荐方 法 技术领域 [0001]本发明涉及 一种统计学模型自定义和推荐的方法， 更具体地说它是一种基于数据 库系统的统计学模型自定义和推荐方法， 是通过数据库系统管理实现自定义统计学模型， 并记录模型使用情况进行模型自动推荐的方法。 背景技术 [0002]经过数理统计法建立的各变量之间的函数关系是统计学模型。 [0003]在大坝变形监测 资料分析中， 常常要建立统计回归模型。 以下为某大坝变形模型 的事例。 [0004]某大坝的变形(效应量)的主要影响因子(原因量)为上游水位、 下游水位、 温度和 时效。 [0005]对于上游水位， 以H上表示下游水位,以H上0表示下游水位的最低值， 则上游水位的 变化对大坝变形的影响分量可表示 为： [0006]yH上＝α1(H上‑H上0)+α2(H上‑H上0)2(1) [0007]对于下游水位， 以H下表示下游水位,以H下0表示下游水位的最低值， 则下游水位的 变化对大坝变形的影响分量可表示 为： [0008]yH下＝α3(H下‑H下0)+α4(H下‑H下0)2(2) [0009]对于温度， 可以用变形监测点附近的温度测点(或气温、 水温)的变化来表示温度 对大坝变形的影响。 以T表示 温度， T以年周期变化。 由于温度对大坝变形的影响存在滞后效 应， 一般以观测当天的温度和前91天(约1/4年周期)的温度影响 的表示大坝变形的温度影 响分量， 可表示 为： [0010]YT＝α5(T当 天‑T0)+α6(T前91天‑T0)(3) [0011]对于时效变形， 是指随着时间逐渐增长的非弹性变形， 一般以时间的抛物线函数、 对数函数或反正切函数等表示。 以对数函数为例， 若观测当天时间为t， 首次观测日为t0， 则 时效变形分量可表示 为： [0012]YS＝α7ln(t‑t0+1)(4) [0013]根据(2)～(4)式， 可以组成大坝某监测点变形的回归 模型： [0014]Y＝α0+yH上+yH下+YT+YS [0015]＝α0+α1(H上‑H上0)+α2(H上‑H上0)2+α3(H下‑H下0)+α4(H下‑H下0)2+α5(T当 天‑T0)+α6(T前91天‑T0)+ α7ln(t‑t0+1).(5) [0016]对于第j次观测， 监测点的观测值为Lj， 其观测误差为Vj， 对应的上下游水位、 温度、 91天前的温度及观测时间分别为H上j、 H下j、 Tj、 Tj‑91、 tj， [0017]则第j次观测方程式为： [0018]Lj+Vj＝α0+α1(H上j‑H上0)+α2(H上j‑H上0)2+α3(H下j‑H下0)+α4(H下j‑H下0)2+α5(Tj‑T0)+α6 (Tj‑91‑T0)+α7ln(tj‑t0+1) [0019]＝BjX (6)说　明　书 1/9 页 3 CN 115203267 A 3