一种数据处理方法及装置与流程

1.本发明涉及数据处理技术领域，尤其涉及一种数据处理方法及装置。


背景技术：

2.在热传导计算、流场计算、应力分析等应用场景中，会采用数值方法求解十分困难或常规处理不可行的方程或方程组；但是在处理这些包含实际意义的方程或方程组问题时，需要考虑包括高精度、高可靠性、高稳定性、低资源消耗(如处理时间)在内的几个重要因素，以及如何根据不同的应用场景进行权衡。但是，在普通科普性展示、初步教学演示、原理性预期简报等场景中，针对热传导计算、流场计算、应力分析等问题的处理结果仅需以最简单的过程、最少的数据、较短的处理时间、稳定的结果输出，且符合相应理论规律即可，无需对精度和可信度做要求。但是，这样获得的处理结果往往又会产生明显得过冲和波动，给处理结果的可展示性带来了较大的负面影响。
3.因此，目前亟需一种能够应用于普通科普性展示、初步教学演示、原理性预期简报等场景中，对热传导计算、流场计算、应力分析等问题的处理结果进行优化的方法，以消除现有的处理结果中的过冲和/或波动。


技术实现要素：

4.鉴于上述问题，本发明提出了一种数据处理方法及装置，有效的优化原始处理结果中的过冲和异常波动，使得目标处理结果更加平滑，数据趋势或数据特征更加接近高精度的处理结果，成本低，有利于应用于普通科普性展示、初步教学演示、原理性预期简报等场景。
5.第一方面，本技术通过一实施例提供如下技术方案：
6.一种数据处理方法，包括：获取原始处理结果，所述原始处理结果为基于对待处理对象采集到的原始数据和预设应用模型得到，所述原始处理结果中有序分布的每个特征数据均为待识别的网格点；基于所述原始处理结果，获得每个网格点对应的梯度值；所述梯度值用于表征网格点的波动情况；基于所述梯度值，从所述原始处理结果中识别出异常点；基于与所述异常点相邻的正常网格点的梯度值修正所述异常点，获得目标处理结果。
7.可选的，所述原始处理结果划分为边界区间和中间区间；所述基于所述原始处理结果，获得每个网格点对应的梯度值，包括：
8.针对所述边界区间的每个网格点，基于所处理的当前网格点、当前网格点的第一相邻网格点和网格单位长度，获得当前网格点的梯度值；所述第一相邻网格点为与所述当前网格点相邻的并远离所述原始处理结果边界的两个以上的网格点；
9.针对所述中间区间的每个网格点，基于所处理的当前网格点、当前网格点的第二相邻网格点和网格单位长度，获得当前网格点的梯度值；所述第二相邻网格点为位于所述当前网格点的每一方向上且与所述当前网格点相邻的一个以上的网格点。
10.3.根据权利要求2所述的方法，其特征在于，所述第一相邻网格点的总数为2～4
个，所述第二相邻网格点的总数为4～8个。
11.可选的，所述针对所述边界区间的每个网格点，基于所处理的当前网格点、当前网格点的第一相邻网格点和网格单位长度，获得当前网格点的梯度值，包括：
12.针对所述边界区间的每个网格点，获取每个所述第一相邻网格点与所述当前网格点的第一差值；所述第一差值与所述第一相邻网格点一一对应；基于每个所述第一差值与所述网格单位长度的商，获得第一变化值；所述第一变化值与所述第一相邻网格点一一对应；基于多个所述第一变化值的乘积，获得所述当前网格点的梯度值；
13.所述针对所述中间区间的每个网格点，基于所处理的当前网格点、当前网格点的第二相邻网格点和网格单位长度，获得当前网格点的梯度值，包括：
14.针对所述中间区间的每个网格点，获取当前网格点第一方向上的每个所述第二相邻网格点与所述当前网格点的第二差值，以及当前网格点第二方向上的每个所述第二相邻网格点与所述当前网格点的第二差值；所述第二差值与所述第二相邻网格点一一对应，所述第一方向和所述第二方向互为反方向；基于每个所述第二差值与所述网格单位长度的商，获得第二变化值；所述第二变化值与所述第二相邻网格点一一对应；基于多个所述第二变化值的乘积，获得所述当前网格点的梯度值。
15.可选的，所述原始处理结果划分有边界区间，所述基于所述梯度值，从所述原始处理结果中筛选出异常点，包括：
16.针对所述边界区间的每个网格点，基于所处理的当前网格点的第三相邻网格点的梯度值，获得梯度变化量；所述第三相邻网格点为与所述当前网格点相邻的网格点；若所述梯度变化量大于预设的变化量阈值，则将所述当前网格点确定为异常点；和/或，基于所处理的当前网格点的梯度值和所述当前网格点的第三相邻网格点的梯度值，确定所述梯度值的变化趋势；若所述变化趋势不单调，则将所述当前网格点确定为异常点。
17.可选的，所述原始处理结果划分有中间区间，所述基于所述梯度值，从所述原始处理结果中筛选出异常点，包括：
18.针对所述中间区间的每个网格点，基于所处理的当前网格点的第三相邻网格点的梯度值，获得梯度变化量；所述第三相邻网格点为与所述当前网格点相邻的网格点；若所述梯度变化量大于预设的变化量阈值，则将所述当前网格点确定为异常点。
19.可选的，所述基于与所述异常点相邻的正常网格点的梯度值修正所述异常点，获得目标处理结果，包括：
20.针对每个异常点，基于与所述异常点相邻的正常网格点的梯度值，获得所述异常点对应的修正梯度值；基于所述修正梯度和与所述异常点相邻的正常网格点，获得所述异常点对应的修正点；将所述原始处理结果中的每个异常点替换为对应的修正点，获得所述目标处理结果。
21.可选的，所述应用模型包括以下的任一种：
22.热传导计算模型，其中，采集待处理对象得到的原始数据包括：热源温度、导热面积以及导热系数；原始处理结果的特征数据表示待处理对象对热源所产生的热能的散热效率；
23.流场计算模型，其中，采集待处理对象得到的原始数据包括：入流温度、入流压力、入流速度、入流物质的物理属性参数、以及出流压力；原始处理结果的特征数据表示待处理
对象对入流物质的加速效率；
24.以及应力分析模型，其中，采集待处理对象得到的原始数据包括：承接力矩、支撑力矩、受力面积和待处理对象材料；原始处理结果的特征数据表示待处理对象的应力分布。
25.第二方面，基于同一发明构思，本技术通过一实施例提供如下技术方案：
26.一种数据处理装置，包括：原始处理结果获取模块，用于获取原始处理结果，所述原始处理结果为基于对待处理对象采集到的原始数据和预设应用模型得到，所述原始处理结果中有序分布的每个特征数据均为待识别的网格点；梯度值获取模块，用于基于所述原始处理结果，获得每个网格点对应的梯度值；所述梯度值用于表征网格点的波动情况；异常点筛选模块，用于基于所述梯度值，从所述原始处理结果中识别出异常点；异常点修正模块，用于基于与所述异常点相邻的正常网格点的梯度值修正所述异常点，获得目标处理结果。
27.第三方面，基于同一发明构思，本技术通过一实施例提供如下技术方案：
28.一种电子设备，包括处理器和存储器，所述存储器耦接到所述处理器，所述存储器存储指令，当所述指令由所述处理器执行时使所述电子设备执行前述第一方面中任一项所述方法的步骤。
29.第四方面，基于同一发明构思，本技术通过一实施例提供如下技术方案：
30.一种可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述第一方面中任一项所述方法的步骤。
31.本发明实施例提供的一种数据处理方法及装置，通过获取原始处理结果，所述原始处理结果为基于对待处理对象采集到的原始数据和预设应用模型得到，所述原始处理结果中有序分布的每个特征数据均为待识别的网格点；然后，基于原始处理结果，获得每个网格点对应的梯度值，梯度值用于表征网格点的波动情况；接着，基于梯度值，可从原始处理结果中识别出异常点；最后，基于与异常点相邻的正常网格点的梯度值修正异常点，获得目标处理结果。由此，可有效的优化原始处理结果中的过冲和异常波动，使得目标处理结果更加平滑，数据趋势或数据特征更加接近高精度的处理结果。由此，该目标处理结果可有效的应用于普通科普性展示、初步教学演示以及原理性预期简报等场景中，成本低，
32.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
33.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
34.图1示出了本发明一实施例中提供的一种数据处理方法的流程图；
35.图2示出了本发明一实施例中提供的一维数据的处理网格点的结构示意图；
36.图3示出了本发明又一实施例中提供的一种数据处理装置的结构示意图。
具体实施方式
37.下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
38.如背景技术中所述，对诸如普通科普性展示、初步教学演示、原理性预期简报等场景，计算结果仅需以最简单的过程、最少的数据、近乎不费时间得计算、稳定的结果输出，且符合相应理论规律即可，无需对精度、可信度做要求。因此，后文实施例的应用场景实施描述便以这些场景作为例子进行阐释。须注意的是，上述场景虽各不相同，但对这些场景中对应的包含实际物理意义的处理结果的实施流程均可进行类推应用。例如，在一计算结果展示场景，讲解人员或报告人员为了将一种新的数学模型原型可行性，或一种新的数值算法原型的可行性，或对一种物理现象进行简明阐释时，该人员所需要的是能迅速得出模型的处理结果，就须采用低精度进行计算。但要保证该处理结果具有较高的可靠性，能够展示其实际趋势、物理含义或现象特点，就还须对原始结果进行较明显的误差检测及滤除，以避免处理结果失真，失去展示意义。
39.进而，在本实施例中提供了一种数据处理方法及装置，可针对目前热传导计算、流场计算以及应力分析等模型的简化处理结果进行进一步的优化过滤处理，以平滑简化处理得到的原始处理结果中的过冲及波动等，使得以较小的计算资源获得能够表达精确处理结果的特点的数据；由此，可将对原始处理结果优化后得到的最终处理结果(目标处理结果)有效的应用到普通科普性展示、初步教学演示原理性预期简报等无需高精度、高可靠性及高稳定性计算结果的验证或展示应用场景中。有效的节省了计算资源，提高了处理效率。为了使本技术技术方案的构思更加易于理解，下面通过具体示例的方式进行说明。
40.请参阅图1，在本发明的一实施例中提供了一种数据处理方法，所述数据处理方法包括：
41.步骤s10：获取原始处理结果，所述原始处理结果为基于对待处理对象采集到的原始数据和预设应用模型得到，所述原始处理结果中有序分布的每个特征数据均为待识别的网格点；
42.步骤s20：基于所述原始处理结果，获得每个网格点对应的梯度值；所述梯度值用于表征网格点的波动情况；
43.步骤s30：基于所述梯度值，从所述原始处理结果中识别出异常点；
44.步骤s40：基于与所述异常点相邻的正常网格点的梯度值修正所述异常点，获得目标处理结果。
45.本实施中通过步骤s10-s30可针对原始处理结果中的异常网格点进行准确识别并修正，从而得到相对于原始处理结果更加贴近精确计算的目标处理结果，又有效的应用于展示场景，消耗计算资源少效率高、成本低。下面通过实例对各个步骤的实现进行更加详细的阐述。
46.步骤s10：获取原始处理结果，所述原始处理结果为基于对待处理对象采集到的原始数据和预设应用模型得到，所述原始处理结果中有序分布的每个特征数据均为待识别的网格点。
47.在步骤s10中，原始处理结果的形式可为数组或矩阵，可为一维数据，二维数据，三维数据，或其他高维数据，不做限制。该原始处理结果为消耗较小的计算资源和时间或得到的处理结果。需要说明的是，在本实施中将以一维数据为例进行说明，本领域技术人员可基于此无难度的应用于高维数据。也就是说在原始处理结果中的每个特征数据均具备对应的位置，每个特征数据具有相邻的数据；基于原始处理结果的维度不同，每个特征数据在不同的方向上可具有相邻的数据，例如，针对一维数据而言，特征数据可在x正方向和x负方向上具有相邻的数据。为了便于表述，本实施例中将每个特征数据记为一网格点。
48.进一步的，在本实施例中还将原始处理结果划分为边界区间，也即靠近原始处理结果的域边界的数据所构成的数据区域；以及中间区间，也即边界区间之外的数据所构成的数据区域。由此，可根据不同数据层的特点，进行区别处理边界区间和中间区间的网格点，以提高后续整个处理过程的准确性。详细处理过程见后文阐述。
49.预设应用模型可为以下的任一种：与热传导计算相关的模型、与流场计算相关的模型以及与应力分析相关的模型。具体的，为热传导计算模型时，其中，采集待处理对象得到的原始数据包括：热源温度、导热面积以及导热系数；原始处理结果的特征数据表示待处理对象对热源所产生的热能的散热效率。为流场计算模型时，其中，采集待处理对象得到的原始数据包括：入流温度、入流压力、入流速度、入流物质的物理属性参数、以及出流压力；原始处理结果的特征数据表示待处理对象对入流物质的加速效率；为应力分析模型时，其中，采集待处理对象得到的原始数据包括：承接力矩、支撑力矩、受力面积和待处理对象材料；原始处理结果的特征数据表示待处理对象的应力分布。例如：
50.当应用模型为热传导计算模型时，其中，待处理对象可以是集成电路板、散热塔、室内温度变化等；当待处理对象为散热塔时，采集待处理对象得到的原始数据包括：热源温度、散热塔导热面积、散热塔导热系数等；原始处理结果的特征数据表示散热塔对热源所产生的热能的散热效率及散热效果。
51.当应用模型为流场计算模型时，其中，待处理对象可以是喷管、机翼、断裂层等；当待处理对象为喷管时，采集待处理对象得到的原始数据包括：喷管截面积、入流温度、入流压力、入流速度、入流物质的相关物理性质、特殊位置(如间断面、喉道等)、出流压力等；原始处理结果的特征数据表示喷管对于入流物质的加速效率及加速效果。
52.当应用模型为应力分析模型时，其中，待处理对象可以是桌面、承重角架、桥梁等；当待处理对象为承重角架时，采集待处理对象得到的原始数据包括：承接力矩、支撑力矩、受力面积、拐角曲率、角架材料的物理性质等；原始处理结果的特征数据表示角架承重时的应力分布及安全承重范围。
53.在具体实现时，可将需进行计算或验证的应用模型或数值算法导入用户自定义计算工具中进行处理，自定义计算工具包括但不限于用户自编译工具、开源工具及商用工具。
54.步骤s20：基于所述原始处理结果，获得每个网格点对应的梯度值；所述梯度值用于表征网格点的波动情况。
55.在步骤s20中，在一些实现方式中，可采用差分方法计算各个网格点的梯度值；另外，也可采用拟合和求导方法获取梯度值。为了实现小计算资源消耗，在本实施例中可采用差分插值方法确定梯度值。
56.具体的，针对每一网格点而言，首先可选择与所处理的当前网格点相邻的两个或
两个以上的网格点；然后将这些相邻的两个或两个以上的网格点分别与该当前网格点进行差分插值处理，从而可得到该当前网格点的梯度值。该梯度值就可表示当前网格点相对于临近网格点的波动情况。
57.进一步的，基于实际的应用场景，原始处理结果往往在边界区间和中间区间的数据存在差异。实际边界区间往往较薄，因此在本实施例将边界区间的网格点和中间区间的网格点进行区分处理，以尽可能的提高处理精度，得到更加准确的处理结果。
58.针对边界区间的每个网格点，基于所处理的当前网格点、当前网格点的第一相邻网格点和网格单位长度，获得当前网格点的梯度值；所述第一相邻网格点为与当前网格点相邻的并远离原始处理结果边界的两个以上的网格点。网格单位长度为两个邻接的网格点之间计算步长；需要说明的是，可控制获取的原始处理结果为各个网格点等间距的处理结果，以便于提高后续的处理效率和准确性，也即各个网格单位长度相同。例如，请参阅图2，若边界区间的厚度为2，则网格点1和网格点2为边界区间的网格点；其中网格点1为边界区间的网格点中的最外围网格点，其仅在x正方向具有相邻网格点，对应的网格点1的第一相邻网格点为网格点2和网格点3(未示出)；网格单位长度为δx。
59.基于边界区间的特殊性，还需根据边界区间的具体厚度(即厚度为多少个网格点)及计算域总网格点数(由于低精度计算，网格点可能会少至不可忽略)来确定某网格点处单侧差分插值所需使用的点数，通过单侧差分插值计算可得到该网格点的梯度值。
60.具体单侧差分插值方式如下为：针对边界区间的每个网格点，获取每个第一相邻网格点与当前网格点的第一差值；第一差值与第一相邻网格点一一对应；基于每个第一差值与网格单位长度的商，获得第一变化值；第一变化值与第一相邻网格点一一对应；基于多个第一变化值的乘积，获得当前网格点的梯度值。
61.例如，在一示例中边界区间的厚度可定义为2，计算域的总网格点数为20，在此所要处理的网格点充裕的情况下，可使用含所处理的当前网格点在内的3～5个网格点来获取当前网格点的梯度值。需要说明书的是，基于不同的应用场景或精度，对边界区间的厚度可定义为其他值，例如还可为3、4、5等等，不做限制。在一些实现方式中可将第一相邻网格点的数量确定为2～4个，可较好的适应边界区间厚度，且以较小的计算量获得较为可靠的效果。
62.若在该例子中第一相邻网格点的数量为2，且原始处理结果中远离原始处理结果边界的方向为x轴的正方向，则待计算网格点的梯度值可近似表示如下：
[0063][0064]
其中，i表示所处理的当前网格点；i 1表示紧邻网格点i并远离原始处理结果边界的网格点，以此类推。δx表示网格点网格单位长度。采用上述梯度值获取方式遍历所有边界区间的网格点后，可得到每个边界区间的网格点对应的梯度值dxi，具有较高的准确性。
[0065]
此外，还可采用当前网格点和该当前网格点相邻的一个或多个网格点确定梯度值。例如，和该当前网格点相邻的网格点数量为同方向上的两个时，梯度值具体可为：
[0066][0067]
因此，针对存在多个相邻网格点或多个不同方向上的网格点的情况时，亦可基于
上式(2)进行类推处理。
[0068]
针对中间区间的每个网格点，基于所处理的当前网格点、当前网格点的第二相邻网格点和网格单位长度，获得当前网格点的梯度值；第二相邻网格点为位于当前网格点的每一方向上且与当前网格点相邻的一个以上的网格点。由于中间区间的网格点的周围包括其他网格点，因此可采用中心差分插值的方式获取各个中间区间的网格点的梯度值，从而可保证中间区间的网格点的梯度值更加准确可靠。
[0069]
具体中心差分插值方式如下为：针对中间区间的每个网格点，获取当前网格点第一方向上的每个所述第二相邻网格点与当前网格点的第二差值，以及当前网格点第二方向上的每个第二相邻网格点与当前网格点的第二差值；第二差值与第二相邻网格点一一对应，第一方向和第二方向互为反方向；基于每个第二差值与网格单位长度的商，获得第二变化值；第二变化值与第二相邻网格点一一对应；基于多个第二变化值的乘积，获得当前网格点的梯度值。
[0070]
需要说明的是，在一些实施例中可将第二相邻网格点的数量控制在小于等于边界区间厚度的2倍以内，保证最靠近边界区间的中间区间的网格点可完成准确的计算求解，避免产生错误或过大误差。由于本实施例中以一维数据为例，则第二相邻网格点分别位于该待计算的中间区间网格点的两个方向(x轴的正方向和负方向)上，并且两个方向上的分布数量相同，且与该所处理的当前网格点最相邻。例如，一维的原始处理结果中，当边界区间的厚度为2时，则第二相邻网格点的数量可确定为小于4，如2或4，并且第二相邻网格点在所处理的当前网格点的两个方向上分布数量相同，每一方向分布为一个或两个。与前述边界区间对应的，本实施例中第二相邻网格点的总数可确定为4～8个。
[0071]
例如，当第二相邻网格点的数量为4时，则梯度值可表示为：
[0072][0073]
其中，j表示所处理的当前网格点；j 1表示紧邻网格点j并远离原始处理结果边界的网格点，j-1表示紧邻网格点j并靠近原始处理结果边界的网格点，以此类推。δx表示网格单位长度。采用上述梯度值获取方式遍历所有中间区间的网格点后，可得到每个中间区间的网格点对应的梯度值dxj。
[0074]
因此，通过上述获取过程可准确的获取到边界区间的网格点和中间区间的网格点的梯度值，识别出各个网格点的波动情况。可继续进行下一筛选步骤s30。
[0075]
步骤s30：基于所述梯度值，从所述原始处理结果中识别出异常点。
[0076]
在步骤30中，可以理解的，异常点为所有网格点中波动异常的噪点。因此，需要筛选出这些异常点进行优化处理或过滤。具体的，可根据所处理的当前网格点以及与当前网格点相邻的网格点的梯度值共同确定当前网格点是否为异常点，实现方式如下：
[0077]
针对边界区间的每个网格点，基于所处理的当前网格点的第三相邻网格点的梯度值，获得梯度变化量；第三相邻网格点为与当前网格点相邻的网格点；若梯度变化量大于预设的变化量阈值，则将当前网格点确定为异常点；和/或，基于所处理的当前网格点的梯度值和当前网格点的第三相邻网格点的梯度值，确定梯度值的变化趋势；若变化趋势不单调，则将当前网格点确定为异常点。在一些实现方式中，针对边界区间的网格点，当所处理的当前网格点满足上述条件之一，就说明存在异常波动，可将当前网格点确定为异常网格点；边
界区间的网格点包含的实际特征信息较少，这样就可对边界区间网格点中的异常点进行准确识别，保证较好的筛选效果。
[0078]
针对中间区间的每个网格点，基于所处理的当前网格点的第三相邻网格点的梯度值，获得梯度变化量；第三相邻网格点为与当前网格点相邻的网格点；若梯度变化量大于预设的变化量阈值，则将当前网格点确定为异常点。
[0079]
可以理解的是，通过梯度变化量可确定所处理的当前网格点相对于与目标网格点相邻的网格点之间的波动程度，梯度变化量越大说明目标网格点波动越剧烈；反之，则说明目标网格点为正常波动。第三相邻网格点可以是所处理的当前网格点相邻的一个网格点或多个网格点。若所处理的当前网格点为边界区间最外围的网格点，则第三相邻网格点可为一个，此时可将该当前网格点对应的梯度变化量可确定为该第三相邻网格点的梯度值大小。若所处理的当前网格点不为边界区间最外围的网格点，则第三相邻网格点可为两个，该当前网格点对应的梯度变化量可确定为这两个第三相邻网格点的梯度值的变化量(梯度值之差)。变化量阈值，可以根据实际所需的精度或平滑度进行适应性设置，不做限制；另外，还可针对边界区间的网格点和中间区间的网格点设置不同的变化量阈值，从而实现不同区域的精度调整。
[0080]
在筛选出异常点之后，就可进一步的对异常点进行修正处理，即执行步骤s40。
[0081]
步骤s40：基于与所述异常点相邻的正常网格点的梯度值修正所述异常点，获得目标处理结果。
[0082]
在步骤s40中，修正异常点的方式可有多种，例如，可直接将异常点滤除；还可将异常点的值进行调整处理。在本实施例中，以对异常点的值进行调整处理为例进行说明。具体的：
[0083]
针对每个异常点，首先可基于与异常点相邻的正常网格点的梯度值，获得异常点对应的修正梯度值。处理过程可为均值处理。其中，与异常点相邻的正常网格点的数量可确定为两个以上，例如可为2个，在异常点的两个方向上各一个时；修正后的修正梯度值可表示如下：
[0084][0085]
其中，i_new表示当前所处理的当前异常点被修正后的修正梯度值，i_right表示当前异常点在x正方向紧邻的不为异常点的网格点，i_left表示当前异常点在x负方向紧邻的不为异常点的网格点。当与异常点相邻的正常网格点的数量确定为4个或其他多个时，可同样对这些正常网格点的梯度值进行均值处理，获得的均值结果作为修正梯度值；需要说明的是，在一些实现方式中用于获取当前异常点的修正梯度值的正常网格点，在该当前异常点的不同方向上的分布数量相同，也可不同；在本实施例中，可确定为相同的分布数量，保证较好的准确性。
[0086]
然后，基于修正梯度和与异常点相邻的正常网格点，获得异常点对应的修正点。由于与异常点相邻的正常网格点都是对应已知的参数，因此，可参照前述式(1)或(2)即可得到该修正梯度对应的修正点。针对每个异常点均可进行修正梯度值和修正点的获取，从而得到各个异常点对应的修正点。
[0087]
最后，将原始处理结果中的每个异常点替换为对应的修正点，获得目标处理结果。
最终，目标处理结果以与原始处理结果相同的形式或用户所需的形式输出即可，例如输出为散点图、折线图、曲面图等。由此，完成对输入的原始处理结果进行误差滤除或优化，对较明显的过冲或波动平滑化，使得目标处理结果尽可能贴近高精度计算结果。
[0088]
因此，本实施例中的一种数据处理方法，通过获取原始处理结果，原始处理结果为基于对待处理对象采集到的原始数据和预设应用模型得到，原始处理结果中有序分布的每个特征数据均为待识别的网格点；然后，基于原始处理结果，获得每个网格点对应的梯度值，梯度值用于表征网格点的波动情况；接着，基于梯度值，可从原始处理结果中识别出异常点；最后，基于与异常点相邻的正常网格点的梯度值修正异常点，获得目标处理结果。由此，可有效的原始处理结果中的过冲和异常波动，使得目标处理结果更加平滑，数据趋势或数据特征更加接近高精度的处理结果。由此，该目标处理结果可有效的应用于普通科普性展示、初步教学演示以及原理性预期简报等场景中，成本低。
[0089]
请参阅图3，基于同一发明构思，在本发明的又一实施例中还提供了一种数据处理装置300，包括：
[0090]
原始处理结果获取模块301，用于获取原始处理结果，所述原始处理结果为基于对待处理对象采集到的原始数据和预设应用模型得到，所述原始处理结果中有序分布的每个特征数据均为待识别的网格点；梯度值获取模块302，用于基于所述原始处理结果，获得每个网格点对应的梯度值；所述梯度值用于表征网格点的波动情况；异常点筛选模块303，用于基于所述梯度值，从所述原始处理结果中识别出异常点；异常点修正模块304，用于基于与所述异常点相邻的正常网格点的梯度值修正所述异常点，获得目标处理结果。
[0091]
作为一种可选的实施方式，所述原始处理结果划分为边界区间和中间区间，所述梯度值获取模块302，具体用于：
[0092]
针对所述边界区间的每个网格点，基于所处理的当前网格点、当前网格点的第一相邻网格点和网格单位长度，获得当前网格点的梯度值；所述第一相邻网格点为与所述当前网格点相邻的并远离所述原始处理结果边界的两个以上的网格点；针对所述中间区间的每个网格点，基于所处理的当前网格点、当前网格点的第二相邻网格点和网格单位长度，获得当前网格点的梯度值；所述第二相邻网格点为位于所述当前网格点的每一方向上且与所述当前网格点相邻的一个以上的网格点。
[0093]
作为一种可选的实施方式，所述第一相邻网格点的总数为2～4个，所述第二相邻网格点的总数为4～8个。
[0094]
作为一种可选的实施方式，所述梯度值获取模块302，还具体用于：
[0095]
针对所述边界区间的每个网格点，获取每个所述第一相邻网格点与所述当前网格点的第一差值；所述第一差值与所述第一相邻网格点一一对应；基于每个所述第一差值与所述网格单位长度的商，获得第一变化值；所述第一变化值与所述第一相邻网格点一一对应；基于多个所述第一变化值的乘积，获得所述当前网格点的梯度值；
[0096]
针对所述中间区间的每个网格点，获取当前网格点第一方向上的每个所述第二相邻网格点与所述当前网格点的第二差值，以及当前网格点第二方向上的每个所述第二相邻网格点与所述当前网格点的第二差值；所述第二差值与所述第二相邻网格点一一对应，所述第一方向和所述第二方向互为反方向；基于每个所述第二差值与所述网格单位长度的商，获得第二变化值；所述第二变化值与所述第二相邻网格点一一对应；基于多个所述第二
变化值的乘积，获得所述当前网格点的梯度值。
[0097]
作为一种可选的实施方式，所述原始处理结果划分有边界区间，所述异常点筛选模块303，具体用于：
[0098]
针对所述边界区间的每个网格点，基于所处理的当前网格点的第三相邻网格点的梯度值，获得梯度变化量；所述第三相邻网格点为与所述当前网格点相邻的网格点；若所述梯度变化量大于预设的变化量阈值，则将所述当前网格点确定为异常点；和/或，基于所处理的当前网格点的梯度值和所述当前网格点的第三相邻网格点的梯度值，确定所述梯度值的变化趋势；若所述变化趋势不单调，则将所述当前网格点确定为异常点。
[0099]
作为一种可选的实施方式，所述原始处理结果划分有中间区间，所述异常点筛选模块303，具体用于：
[0100]
针对所述中间区间的每个网格点，基于所处理的当前网格点的第三相邻网格点的梯度值，获得梯度变化量；所述第三相邻网格点为与所述当前网格点相邻的网格点；若所述梯度变化量大于预设的变化量阈值，则将所述当前网格点确定为异常点。
[0101]
作为一种可选的实施方式，所述异常点修正模块304，具体用于：
[0102]
针对每个异常点，基于与所述异常点相邻的正常网格点的梯度值，获得所述异常点对应的修正梯度值；基于所述修正梯度和与所述异常点相邻的正常网格点，获得所述异常点对应的修正点；将所述原始处理结果中的每个异常点替换为对应的修正点，获得所述目标处理结果。
[0103]
作为一种可选的实施方式，所述应用模型包括以下的任一种：
[0104]
热传导计算模型，其中，采集待处理对象得到的原始数据包括：热源温度、导热面积以及导热系数；原始处理结果的特征数据表示待处理对象对热源所产生的热能的散热效率；流场计算模型，其中，采集待处理对象得到的原始数据包括：入流温度、入流压力、入流速度、入流物质的物理属性参数、以及出流压力；原始处理结果的特征数据表示待处理对象对入流物质的加速效率；以及应力分析模型，其中，采集待处理对象得到的原始数据包括：承接力矩、支撑力矩、受力面积和待处理对象材料；原始处理结果的特征数据表示待处理对象的应力分布。
[0105]
需要说明的是，本发明实施例所提供的一种数据处理装置300，其具体实现及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
[0106]
基于同一发明构思，本实施例的又一实施方式中还提供了一种电子设备，包括处理器和存储器，所述存储器耦接到所述处理器，所述存储器存储指令，当所述指令由所述处理器执行时使所述电子设备执行前述方法实施例中任一项所述方法的步骤。
[0107]
基于同一发明构思，本实施例的又一实施方式中还提供了一种可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述方法实施例中的任一项所述方法的步骤。
[0108]
由于本实施例所介绍的电子设备和可读存储介质是为实施本技术实施例中数据处理方法所采用的电子设备和存储介质，故而基于本技术实施例中所介绍的数据处理方法，本领域所属技术人员能够了解本实施例的电子设备和可读存储介质的具体实施方式以及其各种变化形式，所以在此对于该电子设备及可读存储介质如何实现本技术实施例中的
方法不再赘述。
[0109]
本文中出现的术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系；单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
[0110]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0111]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0112]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0113]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0114]
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
[0115]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。