本技术涉及数据处理，公开了针对煤堆的异步数据处理方法、装置、系统和存储介质。
背景技术：
1、随着工业化进程的加快，料场管理对于煤炭等物料的存储、运输和监控需求越来越高。料场作为煤炭等可燃物料的存储和管理场所，在整个燃料供应链中具有至关重要的位置。对于料场管理者而言，准确预测未来时刻煤堆体积、空间位置和存储量的变化至关重要，因为这些信息直接关系到料场运营的效率、安全性和成本控制。传统的煤堆管理方法通常倚重人工观测和统计分析，存在着数据收集不及时、分析不精确等问题，难以满足当下实时化、高效化管理的迫切需求。管理者往往面临着无法准确把握煤堆情况变化、难以及时调整管理策略、无法有效预防自燃风险等挑战。
技术实现思路
1、本技术提供了针对煤堆的异步数据处理方法、装置、系统和存储介质，以解决相关技术中煤堆数据收集不及时、分析不精准，难以实时高效管理的技术问题。
2、第一方面，本技术提供了针对煤堆的异步数据处理方法，包括：
3、基于设置的激光传感器获取当前煤堆的三维点云数据；
4、将所述当前煤堆的三维点云数据输入预设的三维激光扫描移动测量系统，获得当前煤堆的三维空间大小和三维布局坐标值，其中，所述三维空间大小表示当前煤堆的煤堆体积，所述三维布局坐标值表示当前煤堆的空间布局位置；
5、基于所述三维空间大小和所述三维布局坐标值，通过预设的第一重量模型获得当前煤堆的存储量；
6、根据时间序列获取多个三维空间大小、多个三维布局坐标值和对应的多个当前煤堆的存储量，构建基于时间序列对应的时序信息的全面数据集；
7、将所述全面数据集输入基于时间序列的预测模型，获得预测的目标煤堆的三维空间大小、目标煤堆的三维布局坐标值和目标煤堆的存储量，
8、其中，所述基于时间序列的预测模型包括：
9、，
10、其中，表示t时刻对应的预测值，和为模型相关性参数，为t时刻的全面数据集的方差，是基于时间序列的预测模型的密度函数，是自回归系数，用于衡量与之间的线性关系强度，j为基于时间序列的预测模型的滞后阶数，为基于时间序列的预测模型的惩罚因子，表示t时刻的全面数据集，表示t-j时刻的全面数据集，表示全面数据集在时刻t的变化量，即，全面数据集在t时刻的一阶差分序列，表示全面数据集在时刻t-j的变化量。
11、进一步地，在所述基于时间序列的预测模型中，
12、，
13、其中，表示t时刻的误差因子，表示滞后阶数j的滞后因子，
14、所述自回归系数通过更新所述滞后阶数j来求解，
15、如果自回归系数,则所述时间序列是平稳的，不更新所述全面数据集，
16、如果自回归系数，则所述时间序列是非平稳的，通过自回归系数更新t时刻的全面数据集，得到t时刻的全面数据集的变化量，
17、其中，通过如下公式，通过自回归系数更新t时刻的全面数据集：
18、，
19、。
20、进一步地，所述模型相关性参数和由误差函数确定，所述误差函数的表达式为，
21、，
22、其中，表示误差函数，
23、通过对所述误差函数求导来更新模型相关性参数和，求导过程如下：
24、，
25、，
26、其中，模型相关性参数和的初始值为1,
27、当误差函数最小时，得到最佳的模型相关性参数和。
28、进一步地，将所述当前煤堆的三维点云数据输入预设的三维激光扫描移动测量系统，获得当前煤堆的三维空间大小和三维布局坐标值，包括：
29、将所述当前煤堆的三维点云数据输入预设的三维激光扫描移动测量系统；
30、所述三维激光扫描移动测量系统基于所述当前煤堆的三维点云数据，得到当前煤堆的地图特征和/或墙面特征，
31、基于所述地图特征和/或墙面特征构建所述当前煤堆的地图信息，在所述地图信息中获得所述当前煤堆的三维空间大小和三维布局坐标值。
32、进一步地，在根据时间序列获取多个三维空间大小、多个三维布局坐标值和对应的多个当前煤堆的存储量，构建基于时间序列对应的时序信息的全面数据集之后，还包括：
33、将所述全面数据集输入预设的曲率模型，对全面数据集中的全部数据进行曲率计算，得到全面数据集数据的多个曲率值，
34、当所述全面数据集中的一些数据的曲率值大于预设临界曲率值，从所述全面数据集中去除所述一些数据：
35、其中，所述预设的曲率模型为：
36、，
37、其中，和是二阶导数矩阵的特征值，即，全面数据集形成的曲面区域的二阶导数矩阵的特征值，为预设临界曲率值，p1为将全面数据集中的一些数据进行去除操作后所得到的新的全面数据集，p表示全面数据集，pi表示全面数据集中的第i个子集。
38、进一步地，在所述预设的曲率模型中，和通过如下过程求取：
39、对于全面数据集中的点（x，y），在点（x，y）的局部邻域范围内定义一个曲面s，一阶导数矩阵是曲面s在点（x，y）处的切平面的法向量，
40、，
41、其中，是一阶导数矩阵，
42、基于一阶导数矩阵，计算二阶导数矩阵：
43、，
44、其中，h是二阶导数矩阵，，，，为所述曲面s对x或y的二阶导数，
45、二阶导数矩阵h的特征值和通过如下公式获得：
46、，
47、，
48、得到：
49、，
50、，
51、=，
52、其中，i为单位矩阵。
53、进一步地，所述方法还包括：
54、获取当前煤堆所在料场的布局环境图像，以及当前煤堆的布局位置图像；
55、获取当前煤堆的温度值；
56、根据所述料场的布局环境图像、所述煤堆的布局位置图像和所述当前煤堆的温度值，输出并显示自燃火警预警信息。
57、第二方面，本技术还提供了针对煤堆的异步数据处理装置，包括：
58、点云数据获取模块，用于基于设置的激光传感器获取当前煤堆的三维点云数据；
59、扫描测量模块，用于将所述当前煤堆的三维点云数据输入预设的三维激光扫描移动测量系统，获得当前煤堆的三维空间大小和三维布局坐标值，其中，所述三维空间大小表示当前煤堆的煤堆体积，所述三维布局坐标值表示当前煤堆的空间布局位置；
60、重量计算模块，用于基于所述三维空间大小和所述三维布局坐标值，通过预设的第一重量模型获得当前煤堆的存储量；
61、数据集构建模块，用于根据时间序列获取多个三维空间大小、多个三维布局坐标值和对应的多个当前煤堆的存储量，构建基于时间序列对应的时序信息的全面数据集；
62、目标值输出模块，用于将所述全面数据集输入基于时间序列的预测模型，获得预测的目标煤堆的三维空间大小、目标煤堆的三维布局坐标值和目标煤堆的存储量，
63、其中，所述基于时间序列的预测模型包括：
64、，
65、其中，表示t时刻对应的预测值，和为模型相关性参数，为t时刻的全面数据集的方差，是基于时间序列的预测模型的密度函数，是自回归系数，用于衡量与之间的线性关系强度，j为基于时间序列的预测模型的滞后阶数，为基于时间序列的预测模型的惩罚因子，表示t时刻的全面数据集，表示t-j时刻的全面数据集，表示全面数据集在时刻t的变化量，即，全面数据集在t时刻的一阶差分序列，表示全面数据集在时刻t-j的变化量。
66、第三方面，本技术还提供了针对煤堆的异步数据处理系统，包括：一个或多个处理器以及存储器；
67、所述存储器，用于存储一个或多个程序；
68、当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的针对煤堆的异步数据处理方法。
69、第四方面，本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被执行时实现如第一方面所述的针对煤堆的异步数据处理方法。
70、本发明提出基于时间序列的预测模型的数据处理技术，可以通过历史数据分析和预测算法构建准确的预测模型，实时得到精确的目标煤堆的预测体积、目标煤堆的预测空间布局位置信息和目标煤堆的预测存储量，帮助管理者精准预测未来煤堆情况。料场管理者可以根据煤堆情况的变化来优化煤堆布局、调整存储策略，合理安排采购和销售计划，以提高料场的运营效率、降低成本。本发明旨在通过精准监控和预测技术，帮助管理者优化管理决策，推动料场管理智能化、数字化的发展。针对煤堆体积、空间位置和存储量的时间序列预测模型，考虑数据之间的时序关系和趋势，建立合适的时间序列预测算法，预测未来时刻煤堆体积、空间位置和存储量的变化情况。根据预测结果，辅助管理者进行运营决策和资源调配，优化料场运营效率并降低成本。
71、上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
1.针对煤堆的异步数据处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的针对煤堆的异步数据处理方法，其特征在于，在所述基于时间序列的预测模型中，
3.根据权利要求1所述的针对煤堆的异步数据处理方法，其特征在于，所述模型相关性参数和由误差函数确定，所述误差函数的表达式为，
4.根据权利要求1所述的针对煤堆的异步数据处理方法，其特征在于，将所述当前煤堆的三维点云数据输入预设的三维激光扫描移动测量系统，获得当前煤堆的三维空间大小和三维布局坐标值，包括：
5.根据权利要求1所述的针对煤堆的异步数据处理方法，其特征在于，在根据时间序列获取多个三维空间大小、多个三维布局坐标值和对应的多个当前煤堆的存储量，构建基于时间序列对应的时序信息的全面数据集之后，还包括：
6.根据权利要求5所述的针对煤堆的异步数据处理方法，在所述预设的曲率模型中，和通过如下过程求取：
7.根据权利要求1所述的针对煤堆的异步数据处理方法，其特征在于，所述方法还包括：
8.针对煤堆的异步数据处理装置，其特征在于，包括：
9.针对煤堆的异步数据处理系统，其特征在于，包括：一个或多个处理器以及存储器；
10.存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被执行时实现根据权利要求1-7中任一项所述的针对煤堆的异步数据处理方法。
