技术领域
[0001] 本发明涉及大数据分析领域，尤其涉及一种可靠型大数据处理终端。
相关背景技术
[0002] 数据分析中，由于结构方程模型结合了因素分析(factor analysis)和路径分析(path analysis)，并纳入计量经济学的联立方程式，可同时处理多个因变量，容许自变量和因变量含测量误差，可同时估计因子结构和因子关系。容许更大弹性的测量模型，可估计整个模型的拟合程度(Bollen和Long，1993)，因而适用于整体模型的因果关系。在模型参数的估计上，采用最大似然估计法(Maximum Likelihood，ML)；在模型的适合度检验上，以基本的拟合标准(preliminary fit criteria)、整体模型拟合优度(overall model fit)以及模型内在结构拟合优度三个方面的各项指标作为判定的标准。
具体实施方式
[0025] 下面将参照附图对本发明的实施方案进行详细说明。
[0026] 墒指土壤的湿度。墒情指土壤湿度的情况。土壤湿度是土壤的干湿程度，即土壤的实际含水量，可用土壤含水量占烘干土重的百分数表示：土壤含水量＝水分重/烘干土重×100％。也可以土壤含水量相当于田间持水量的百分比，或相对于饱和水量的百分比等相对含水量表示。根据土壤的相对湿度可以知道，土壤含水的程度，还能保持多少水量，在灌溉上有参考价值。土壤湿度大小影响田间气候，土壤通气性和养分分解，是土壤微生物活动和农作物生长发育的重要条件之一。土壤湿度受大气、土质、植被等条件的影响。
[0027] 现有技术中，可靠型大数据处理仍缺乏定制有效的相应机制，无法基于实时墒情数值和预期下雨雨量确定是否发送人工降雨请求，从而当所述实时墒情数值低于预设墒情阈值且预期下雨雨量低于预设雨量阈值时，无法适时触发出人工降雨请求。
[0028] 为了克服上述不足，本发明搭建一种可靠型大数据处理终端，所述终端包括：存储器和处理器，所述处理器与所述存储器连接；所述存储器，用于存储所述处理器的可执行指令；所述处理器，用于调用所述存储器中的可执行指令，以实现使用可靠型大数据处理机构以基于实时墒情数值和预期下雨雨量确定是否发送人工降雨请求。所述可靠型大数据处理机构能够有效解决相应的技术问题。
[0029] 图1为根据本发明实施方案示出的可靠型大数据处理机构的墒情采集示意图。
[0030] 根据本发明实施方案示出的可靠型大数据处理机构包括：
[0031] 墒情检测设备，插入在待检测位置的土壤内，用于对待检测位置的土壤的墒情进行检测，以获得相应的实时墒情数值；
[0032] 无线接收设备，位于所述墒情检测设备的一侧，用于接收气象部门发送的预期下雨雨量；
[0033] 请求触发设备，位于所述墒情检测设备的一侧，分别与所述墒情检测设备和所述无线接收设备连接，用于基于所述实时墒情数值和所述预期下雨雨量确定是否发送人工降雨请求；
[0034] 压力报警设备，与加权处理设备连接，用于接收所述墒情检测设备所在集成电路板所承受的压力参考值，并在所述墒情检测设备所在集成电路板所承受的压力参考值超过最大压力阈值时，发出压力超限信号；
[0035] 第一获取设备，设置在墒情检测设备的外壳上，用于对墒情检测设备的外壳上的压力执行现场检测操作，以获得第一压力数据；
[0036] 第二获取设备，设置在无线接收设备的外壳上，用于对无线接收设备的外壳上的压力执行现场检测操作，以获得第二压力数据；
[0037] 第三获取设备，设置在请求触发设备的外壳上，用于对请求触发设备的外壳上的压力执行现场检测操作，以获得第三压力数据；
[0038] 加权处理设备，分别与所述第一获取设备、第二获取设备和第三获取设备连接，用于接收所述第一压力数据、所述第二压力数据和所述第三压力数据，并对所述第一压力数据、所述第二压力数据和所述第三压力数据执行加权估算操作，以获得所述墒情检测设备所在集成电路板所承受的压力参考值；
[0039] 热量检测设备，设置在墒情检测设备的内部，用于检测墒情检测设备内部的热量，以作为实时内部热量输出；
[0040] 信号分析设备，与所述热量检测设备连接，用于接收所述实时内部热量，并在接收到的实时内部热量大于等于预设热量阈值时，发出热量过高信号；
[0041] 功率控制设备，分别与墒情检测设备和信号分析设备连接，用于在接收到所述热量过高信号时，基于所述实时内部热量的数值降低墒情检测设备的当前驱动功率；
[0042] 其中，在所述请求触发设备中，基于所述实时墒情数值和所述预期下雨雨量确定是否发送人工降雨请求包括：当所述实时墒情数值低于预设墒情阈值且所述预期下雨雨量低于预设雨量阈值时，发出人工降雨请求；
[0043] 其中，在所述请求触发设备中，基于所述实时墒情数值和所述预期下雨雨量确定是否发送人工降雨请求包括：当所述实时墒情数值高于等于所述预设墒情阈值或所述预期下雨雨量高于等于所述预设雨量阈值时，停止发出人工降雨请求。
[0044] 接着，继续对本发明的可靠型大数据处理机构的具体结构进行进一步的说明。
[0045] 所述可靠型大数据处理机构中：
[0046] 所述墒情检测设备、所述无线接收设备和所述请求触发设备被集成在同一块集成电路板上。
[0047] 所述可靠型大数据处理机构中：
[0048] 分别采用不同型号的SOC芯片来实现所述墒情检测设备、所述无线接收设备和所述请求触发设备。
[0049] 所述可靠型大数据处理机构中：
[0050] 在所述加权处理设备中，对所述第一压力数据、所述第二压力数据和所述第三压力数据执行加权估算操作，以获得所述墒情检测设备所在集成电路板所承受的压力参考值包括：将所述第一压力数据和第一权重值相乘以获得第一乘积，将所述第二压力数据和第二权重值相乘以获得第二乘积，将所述第三压力数据和第三权重值相乘以获得第三乘积，将所述第一乘积、所述第二乘积和所述第三乘积相加以获得所述压力参考值。
[0051] 所述可靠型大数据处理机构中：
[0052] 在所述加权处理设备中，针对墒情检测设备、无线接收设备和请求触发设备，根据设备在集成电路板上的位置确定其对应的权重值。
[0053] 所述可靠型大数据处理机构中：
[0054] 所述压力报警设备包括数据比对单元、蜂鸣器和信号触发单元，所述数据比对单元分别与所述蜂鸣器和所述信号触发单元连接。
[0055] 所述可靠型大数据处理机构中：
[0056] 所述信号分析设备还用于在所述实时内部热量小于所述预设热量阈值时，发出热量正常信号。
[0057] 所述可靠型大数据处理机构中：
[0058] 所述功率控制设备还用于在接收到所述热量正常信号时，保持墒情检测设备的当前驱动功率。
[0059] 所述可靠型大数据处理机构中：
[0060] 在所述功率控制设备中，基于所述实时内部热量的数值降低墒情检测设备的当前驱动功率包括：所述实时内部热量的数值越高，墒情检测设备的当前驱动功率的降低幅度越大。
[0061] 另外，所述无线接收设备为时分双工通信接口。时分双工是一种通信系统的双工方式，在移动通信系统中用于分离接收和传送信道。移动通信目前正向第三代发展，中国于1997年6月提交了第三代移动通信标准草案(TD-SCDMA)，其TDD模式及智能天线新技术等特色受到高度评价并成三个主要候选标准之一。在第一代和第二代移动通信系统中FDD模式一统天下，TDD模式没有引起重视。但由于新业务的需要和新技术的发展，以及TDD模式的许多优势，TDD模式将日益受到重视。
[0062] 时分双工的工作原理如下：TDD是一种通信系统的双工方式，在移动通信系统中用于分离接收与传送信道(或上下行链路)。TDD模式的移动通信系统中接收和传送是在同一频率信道即载波的不同时隙，用保证时间来分离接收与传送信道；而FDD模式的移动通信系统的接收和传送是在分离的两个对称频率信道上，用保证频段来分离接收与传送信道。
[0063] 采用不同双工模式的移动通信系统特点与通信效益是不同的。TDD模式的移动通信系统中上下行信道用同样的频率，因而具有上下行信道的互惠性，这给TDD模式的移动通信系统带来许多优势。
[0064] 在TDD模式中，上行链路和下行链路中信息的传输可以在同一载波频率上进行，即上行链路中信息的传输和下行链路中信息的传输是在同一载波上通过时分实现的。
[0065] 应当理解，本发明的各部分可以用硬件、软件、固件或他们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
[0066] 本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
[0067] 上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
