一种文物本体监测数据告警阈值的提取方法技术

本发明专利技术公开了一种文物本体监测数据告警阈值的提取方法，包括获得历史监测数据和近期监测数据；通过滑动历史时间分割点构建训练样本集，将分割点附件的环境监测数据和分割点之前的文物本体监测数据作为输入数据，将分割点之后的文物本体监测数据作为标签数据，采用损失函数训练模型得到文物本体

【技术实现步骤摘要】
一种文物本体监测数据告警阈值的提取方法


[0001]本专利技术属于数据挖掘领域，具体涉及一种文物本体监测数据告警阈值的提取方法。

技术介绍

[0002]近年来，随着物联网的发展，不可移动文物监测工作日益增多，已成为分析文物保存现状和评估风险因素的重要手段。目前国内不可移动文物监测实践在数据采集和存储上已取得较多突破，但在体系化、合理化数据利用上仍存在短板。由于劣化机理定量化溯源预测、预防性保护普适性环境参数阈值等研究基础尚不成熟，在面对海量文物本体监测数据时人们不知道哪些是异常数据，数据较难发挥指导、辅助当下保护实践的时效作用，亟需面向实际应用开展基于数据分析手段的文物本体监测数据告警体系构建方法研究。
[0003]现有的预警工作主要是基于本体劣化机理的研究分析，确定文物本体的劣化模型，从劣化模型确定环境影响阈值和本体异常预警阈值，然后才能开展基于原位监测数据的风险预警。
[0004]公开号为CN113700334A的中国专利公开了一种基于CNN的倾斜碑石文物纠偏加固实时监测方法，包括如下步骤：S1、设置临时保护支撑；
[0005]S2、扫描点云并进行数据处理；S3、设置裂缝识别模块；S4、设置倾斜率识别模块；S5、设置沉降量识别模块；S6、设置应变识别模块；S7、预警评估；S8、安全纠偏。
[0006]公开号为CN113345095A的中国专利公开了一种基于数字孪生的革命文物残损监测与预警方法及系统，所述系统包括：虚拟革命文物模块、测控模块、系统服务器和应用服务模块，所述系统服务器接收测控模块实时捕捉的物理革命文物不同层次化的变化数据；将变化数据进行更新，实时根据更新的变化数据更新所述虚拟革命文物，并将变化数据发送至应用服务模块的状态监测服务和残损预警服务；接收应用服务模块上传的监测与预警调整数据，与所述虚拟革命文物进行交互反馈，重置所述测控模块参数数据改进对所述物理革命文物的监测与预警。
[0007]然而，上述专利受限于当前劣化致因分析研究水平，在文物监测初期难以获得有效的告警阈值。如果能通过数据分析手段得到赋存环境对于文物的相关性模型，则在近期环境数据已知的情况下，可以重构出近期本体数据会发生怎样的变化，若和实际本体数据对比出现了较大的重构误差，则说明文物出现了违背环境相关性的异常情况，可以进行有效的异常预警。

技术实现思路

[0008]本专利技术提供了一种文物本体监测数据告警阈值的提取方法，该方法能够绕开劣化机理定量化分析的复杂性，基于环境监测数据对文物本体进行准确异常预警。
[0009]一种文物本体监测数据告警阈值的提取方法，包括：
[0010](1)设定历史时间段和近期时间段，在历史时间段内获取的监测数据为历史监测
数据，在近期时间段内获取的监测数据为近期监测数据，历史监测数据包括历史文物本体监测数据和历史环境监测数据，近期监测数据包括近期文物本体监测数据和近期环境监测数据；
[0011](2)在历史时间段内设定历史时间分割点，设定历史时间分割点之前时间段n和历史时间分割点之后时间段q，时间段n内的历史文物本体监测数据作为第一输入数据，时间段q内的历史文物本体监测数据作为数据标签，时间段n和时间段q构建时间窗口e，将时间窗口e内的历史环境监测数据作为第二输入数据，利用机器学习构建训练模型，将第一输入数据和第二输入数据输入至训练模型得到时间段q的预测文物本体监测数据；通过移动历史时间分割点以构建训练样本集和标签数据集，训练样本集和标签数据集通过损失函数训练训练模型，确定模型参数后得到文物本体
‑
环境相关性模型；
[0012](3)在近期时间段内设定近期时间分割点，获得近期时间分割点的重构误差方法为：设定近期时间分割点之前时间段n和近期时间分割点之后时间段p，其中p＝k*q，k∈N
+
，N
+
为大于0的正整数，将时间段n和时间段p组合成时间窗口l，在时间窗口l设置移动时间分割点，移动时间分割点的初始位置与近期时间分割点的位置相重合，将移动时间分割点之前时间段n内的近期文物本体监测数据，以及移动时间分割点的时间窗口e内的近期环境监测数据输入至文物本体
‑
环境相关性模型得到移动时间分割点之后时间段q内的重构文物本体监测数据，沿着监测时间每次对移动时间分割点移动时间段q个距离，移动k次，通过直接
‑
递归混合的重构方式得到k段重构文物本体监测数据，将k段重构文物本体监测数据与对应的真实文物本体监测数据进行差值后求均值得到近期时间分割点的重构误差；
[0013](4)近期时间分割点沿着监测时间移动，每次移动一个传感器监测周期的距离，以近期时间段为约束条件，近期时间分割点每次移动都要通过步骤(3)中的获得近期时间分割点的重构误差方法得到移动后的近期时间分割点的重构误差，从而在近期时间分割点停止移动后得到所有近期时间分割点的重构误差集合；
[0014](5)基于多种累积概率分布对重构误差集合进行拟合，比较K
‑
S拟合优度检验结果，选择最优累积概率分布模型，基于重现期理论获得的小概率值代入最优累积概率分布模型得到告警阈值。
[0015]通过直接
‑
递归混合的重构方式得到k段重构文物本体监测数据，包括：
[0016]将第a次移动的移动时间分割点之前时间段n内的第一重构文物本体监测数据，和第a次移动的移动时间分割点时间窗口e内的近期环境监测数据输入至文物本体
‑
环境相关模型得到第a次移动的移动时间分割点之后时间段q内的第二重构文物本体监测数据，通过逐步移动移动时间分割点得到k段重构文物本体监测数据；
[0017]其中，第a次移动的移动时间分割点为初始位置的移动时间分割点移动a次后得到的移动时间分割点，其中，1≤a≤k；通过将第a
‑
1次移动的移动时间分割点之后时间段q内的重构文物本体监测数据作为第三重构文物本体监测数据，从第三重构文物本体监测数据中的位于第a次移动的移动时间分割点之前时间段n内的重构文物本体监测数据作为第一重构文物本体监测数据。
[0018]通过传感器对文物本体和环境进行监测得到传感器监测数据，传感器监测数据包括文物本体监测数据和环境监测数据，对传感器监测数据进行历史监测数据和近期监测数据划分前先依次进行缺失点补全和归一化处理。
[0019]在监测时间中设定基准日期，在基准日期之前为历史时间，在历史时间中选择一段时间为历史时间段，在基准日期之后为近期时间，在近期时间中选择一段为近期时间段。
[0020]机器学习为LSTM
‑
Attention神经网络模型，基于LSTM
‑
Attention神经网络模型构建的训练模型包括LSTM模块、Attention模块和输出模块，其中，LSTM模块包括多个LSTM单元，将输入数据输入LSTM模块，通过多个LSTM单元得到多个特征向量，分别对多个特征向量分配权重后输入本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种文物本体监测数据告警阈值的提取方法，其特征在于，包括：(1)设定历史时间段和近期时间段，在历史时间段内获取的监测数据为历史监测数据，在近期时间段内获取的监测数据为近期监测数据，历史监测数据包括历史文物本体监测数据和历史环境监测数据，近期监测数据包括近期文物本体监测数据和近期环境监测数据；(2)在历史时间段内设定历史时间分割点，设定历史时间分割点之前时间段n和历史时间分割点之后时间段q，时间段n内的历史文物本体监测数据作为第一输入数据，时间段q内的历史文物本体监测数据作为数据标签，时间段n和时间段q构建时间窗口e，将时间窗口e内的历史环境监测数据作为第二输入数据，利用机器学习构建训练模型，将第一输入数据和第二输入数据输入至训练模型得到时间段q的预测文物本体监测数据；通过移动历史时间分割点以构建训练样本集和标签数据集，训练样本集和标签数据集通过损失函数训练训练模型，确定模型参数后得到文物本体
‑
环境相关性模型；(3)在近期时间段内设定近期时间分割点，获得近期时间分割点的重构误差方法为：设定近期时间分割点之前时间段n和近期时间分割点之后时间段p，其中p＝k*q，k∈N
+
，N
+
为大于0的正整数，将时间段n和时间段p组合成时间窗口l，在时间窗口l内设置移动时间分割点，移动时间分割点的初始位置与近期时间分割点的位置相重合，将移动时间分割点之前时间段n内的近期文物本体监测数据，以及移动时间分割点的时间窗口e内的近期环境监测数据输入至文物本体
‑
环境相关性模型得到移动时间分割点之后时间段q内的重构文物本体监测数据，沿着监测时间每次对移动时间分割点移动时间段q个距离，移动k次，通过直接
‑
递归混合的重构方式得到k段重构文物本体监测数据，将k段重构文物本体监测数据与对应的真实文物本体监测数据进行差值后求均值得到近期时间分割点的重构误差；(4)近期时间分割点沿着监测时间移动，每次移动一个传感器监测周期的距离，以近期时间段为约束条件，采用步骤(3)中的获得近期时间分割点的重构误差方法得到移动后的近期时间分割点的重构误差，从而在近期时间分割点停止移动后得到所有近期时间分割点的重构误差集合；(5)基于多种累积概率分布对重构误差集合进行拟合，比较K
‑
S拟合优度检验结果，选择最优累积概率分布模型，基于重现期理论获得的小概率值代入最优累积概率分布模型得到告警阈值。2.根据权利要求1所述的文物本体监测数据告警阈值提取方法，其特征在于，通过直接
‑
递归混合的重构方式得到k段重构文物本体监测数据，包括：将第a次移动的移动时间分割点之前时间段n内的第一重构文物本体监测数据，和第a次移动的移动时间分割点时间窗口e内的近期环境监测数据输入至文物本体
‑
环境相关模型得到第a次移动的移动时间分割点之后时间段q内的第二重构文物本体监测数据，通过逐步移动移动时间分割点得到k段重构文物本体监测数据；其中，第a次移动的移动时间分割点为初始位...

【专利技术属性】
技术研发人员：董亚波，朱文滔，单泽洋，
申请(专利权)人：浙江大学，
类型：发明
国别省市：