买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉河海大学申请的专利基于Flink的水文传感器数据分析系统及其构建方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114817361B 。

龙图腾网通过国家知识产权局官网在2026-02-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210380257.9，技术领域涉及：G06F16/2458；该发明授权基于Flink的水文传感器数据分析系统及其构建方法是由潘晗韬;叶枫;陈龙;金光球;兰林设计研发完成，并于2022-04-08向国家知识产权局提交的专利申请。

本基于Flink的水文传感器数据分析系统及其构建方法在说明书摘要公布了：本发明公开了一种基于Flink的水文传感器数据分析系统及其构建方法，包括：1安装配置ApacheFlink、ApacheKafka和ApacheIoTDB；2在数据发送层，对不同传感器的水文流数据进行格式转换，并发送至上游消息传输层；3在上游消息传输层，利用Kafka，采用异步消息传递方式，连接数据发送层和数据处理层；4在数据处理层，利用Flink对水文传感器数据统计分析；5在下游消息传输层，利用Kafka，采用异步消息传递方式，连接数据处理层和持久化层、可视化层；6在持久化层，利用IoTDB对分析结果进行持久化；7在可视化层，实现实时分析结果的展示和历史分析结果的查询。本发明实现对高速无界的水文传感器数据进行实时分析。

本发明授权基于Flink的水文传感器数据分析系统及其构建方法在权利要求书中公布了：1.一种基于Flink的水文传感器数据分析系统的构建方法，其特征在于，包括如下步骤： 1安装配置流计算框架Apache Flink、消息队列Apache Kafka和时间序列数据库Apache IoTDB，使流计算框架Apache Flink、消息队列Apache Kafka和时间序列数据库Apache IoTDB之间能相互通信； 2在数据发送层，利用Spring Boot框架，接收来自不同传感器的水文流数据，将每条数据的格式转换为统一的JSON格式，并缓存至队列中，通过Kafka Producer将数据发送给上游消息传输层； 3在上游消息传输层，创建一个Source Topic，用于缓存数据发送层所传输的源数据，并根据系统所在集群中的节点个数和用户需求，对该Topic进行分区数和副本数的设置； 4在数据处理层，利用Flink的时间窗口机制和窗口函数，实现对水文传感器数据的分区、预处理、聚合和分析计算； 5在下游消息传输层，创建一个Result Topic，用于缓存数据处理层所传输的结果数据，并根据系统所在集群中的节点个数和用户需求，对该Topic进行分区数和副本数的设置； 6在持久化层，利用时间序列数据库IoTDB，实现分析结果的持久化； 7在可视化层，实现与持久化层和下游消息传输层的连接；同时，利用WebSocket协议和ECharts框架，实现实时分析结果的可视化，以及历史分析结果的查询； 所述4中，实现数据处理层具体包括如下步骤： 步骤41，利用FlinkKafkaConsumer方法，对Kafka Broker中的Source Topic持续监听，若该Topic中存在新数据，则立即拉取该数据； 步骤42，利用KeyBy算子，对水文数据按照传感器编号的不同进行分区，不同编号的数据相互隔离； 步骤43，建立一个滚动时间窗口作为预处理窗口，对水文数据进行预处理，解决数据中存在的冗余、重复、异常和缺失问题； 步骤44，基于滚动时间窗口，实现对水文数据的聚合，缩减数据规模； 步骤45，将统计检验算法应用于窗口函数ProcessWindowFunction，实现对水文传感器数据正态性、平稳性、均一性和趋势性的分析； 步骤46，利用FlinkKafkaProducer方法，把分析结果发送给Kafka的Result Topic，其中，key设置为传感器编号； 所述步骤43中，实现水文数据预处理具体包括如下步骤： 步骤43a，建立一个滚动时间窗口作为预处理窗口，其窗口大小根据水文传感器的采样频率而定； 步骤43b，对JSON格式的数据进行解析，保留时间戳、传感器编号和水文数据信息，解决数据冗余问题； 步骤43c，对窗口内数据的时间戳进行比较，若出现相同时间戳数据，则对重复数据进行删除，解决数据重复问题； 步骤43d，利用Tukey Test对异常值进行检测，根据四分位距IQR、第一四分位数Q1和第三四分位数Q3，计算上下边界R1、R3，将小于R1或大于R3的数值判定为异常值然后剔除，解决数据异常问题； 步骤43e，若预处理窗口内数据缺失比例未超过预设值，则对其利用线性插值填充法进行填充；若数据缺失比例超过预设值，则认为该部分数据失去统计学意义，则抛弃该窗口，解决数据缺失问题； 步骤43f，输出预处理后的数据流S0； 所述步骤44中，实现基于时间窗口的水文数据聚合具体包括如下步骤： 步骤44a，建立一个大小为1小时的滚动时间窗口W1，在窗口内对预处理后的数据流S_0取平均值，来度量窗口内数据的集中位置，然后将均值以数据流S1输出； 步骤44b，再建立一个大小为1天的滚动窗口W2，在窗口内对数据流S1取平均值，来度量窗口内数据的集中位置，然后将均值以数据流S2输出； 所述步骤45中，实现统计分析具体包括如下步骤： 步骤45a，对聚合后的数据流S2开启三个滚动时间窗口W3、W4、W5，窗口大小分别为7天、10天和30天，步长为1天； 步骤45b，在三个窗口中，将针对正态性、平稳性、均一性、趋势性四个特征的共计12种检验算法应用于Flink的窗口函数ProcessWindowFunction，对每个特征采用3种算法进行综合评判，将判定结果作为S3、S4、S5三条数据流输出； 正态性评判采用3种算法为：Kolmogorov‑Smirnov, Jarque‑Bera, Geary's test； 平稳性评判采用3种算法为：Students T, Simple T, Mann‑Whitney test； 趋势性评判采用3种算法为：Kendall Rank, Mann‑Kendall, SROC test； 均一性评判采用3种算法为：Bayesian, Dunnett, Von‑Neumann test。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人河海大学，其通讯地址为：211100 江苏省南京市江宁开发区佛城西路8号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。