【技术实现步骤摘要】
本申请涉及数据处理，尤其涉及一种水表计量数据异常监测方法及系统。
技术介绍
1、随着智能水表在供水管理中的广泛应用，对水表计量数据的异常监测成为确保供水系统稳定性和安全性的重要环节。传统的异常监测方法往往基于简单的阈值判断或统计模型，难以适应复杂多变的用水模式和异常类型。因此，开发一种能够精细化处理智能水表计量数据、实现高效准确异常监测的系统成为迫切需求。
技术实现思路
1、为了改善上述问题，本申请提供了一种水表计量数据异常监测方法及系统。
2、第一方面，本申请实施例提供一种水表计量数据异常监测方法，应用于数据异常监测系统，所述方法包括：
3、获取拟进行异常监测的智能水表计量数据和所述智能水表计量数据对应的异常监测规则特征，并对所述智能水表计量数据进行数据拆解，得到所述智能水表计量数据对应的最少一个智能水表计量数据单元；
4、对所述智能水表计量数据单元进行状态要素挖掘，得到每一智能水表计量数据的阶段计量状态要素向量和所述智能水表计量数据的周期计量状态要素向量；
5、基于所述阶段计量状态要素向量和周期计量状态要素向量，对所述异常监测规则特征进行知识嵌入，得到监测任务嵌入知识，所述监测任务嵌入知识表征所述智能水表计量数据与所述异常监测规则特征之间的联系特征；
6、将所述阶段计量状态要素向量、周期计量状态要素向量和监测任务嵌入知识进行集成，得到所述智能水表计量数据的目标计量状态趋势决策向量；
7、依据所述目标计量状态
8、在一些技术方案中，所述对所述智能水表计量数据单元进行状态要素挖掘，得到每一智能水表计量数据的阶段计量状态要素向量和所述智能水表计量数据的周期计量状态要素向量，包括：
9、在所述智能水表计量数据中确定出每一智能水表计量数据单元的分布信息，并采用异常监测判别网络对所述分布信息进行分布向量挖掘，得到每一智能水表计量数据单元的分布向量；采用所述异常监测判别网络对所述智能水表计量数据单元进行知识嵌入，得到每一智能水表计量数据单元的原始阶段计量状态要素向量和所述智能水表计量数据的原始周期计量状态要素向量；将所述分布向量与所述原始阶段计量状态要素向量进行集成，得到每一智能水表计量数据单元的阶段计量状态要素向量；将所述分布向量和所述原始周期计量状态要素向量进行集成，得到所述智能水表计量数据的周期计量状态要素向量。
10、在一些技术方案中，所述采用所述异常监测判别网络对所述智能水表计量数据单元进行知识嵌入之前，所述方法还包括：获取调试学习样例集，所述调试学习样例集包括多个智能水表计量训练数据和所述智能水表计量训练数据对应的异常监测学习结果；分别对所述智能水表计量训练数据和所述异常监测学习结果进行数据拆解，得到所述智能水表计量训练数据对应的最少一个智能水表计量学习数据块和所述异常监测学习结果对应的最少一个监测观点集；采用基础异常监测判别网络分别对所述智能水表计量学习数据块和所述监测观点集进行知识嵌入，得到所述智能水表计量训练数据对应的最少一个计量状态层面的计量状态要素向量、以及所述异常监测学习结果对应的最少一个趋势决策层面的计量状态趋势决策向量；将所述计量状态要素向量和所述计量状态趋势决策向量在最少一个匹配通道下进行知识向量匹配，得到每一匹配通道对应的知识向量匹配结果，所述知识向量匹配结果表征所述计量状态要素向量和所述计量状态趋势决策向量之间的匹配性；依据所述知识向量匹配结果、计量状态要素向量和计量状态趋势决策向量，对所述基础异常监测判别网络进行调试，得到异常监测判别网络。
11、在一些技术方案中，所述将所述计量状态要素向量和所述计量状态趋势决策向量在最少一个匹配通道下进行知识向量匹配，得到每一匹配通道对应的知识向量匹配结果，包括：在所述计量状态层面中挑选得到每一匹配通道对应的目标计量状态层面，并在所述趋势决策层面中确定每一匹配通道对应的目标趋势决策层面；在所述计量状态要素向量中挑选得到所述目标计量状态层面对应的目标计量状态要素向量，并在所述计量状态趋势决策向量中挖掘出所述目标趋势决策层面对应的目标计量状态趋势决策向量；将所述目标计量状态要素向量和所述目标计量状态趋势决策向量进行匹配，以得到每一匹配通道对应的知识向量匹配结果。
12、在一些技术方案中，所述将所述目标计量状态要素向量和所述目标计量状态趋势决策向量进行匹配，以得到每一匹配通道对应的知识向量匹配结果，包括：在所述匹配通道中确定出最少一个目标匹配通道；在所述目标计量状态要素向量中挑选得到所述目标匹配通道对应的初筛计量状态要素向量，并在所述目标计量状态趋势决策向量中挖掘出所述目标匹配通道对应的初筛计量状态趋势决策向量；将所述初筛计量状态要素向量和所述初筛计量状态趋势决策向量在所述目标匹配通道下进行知识向量匹配，得到所述目标匹配通道对应的目标知识向量匹配结果；跳转至所述匹配通道中确定出目标匹配通道的步骤，直到每一匹配通道都是目标匹配通道时为止，得到每一匹配通道对应的知识向量匹配结果。
13、在一些技术方案中，所述初筛计量状态要素向量包括所述智能水表计量训练数据对应的周期状态属性向量，所述初筛计量状态趋势决策向量包括异常监测学习结果对应的周期趋势决策向量；所述将所述初筛计量状态要素向量和所述初筛计量状态趋势决策向量在所述目标匹配通道下进行知识向量匹配，得到所述目标匹配通道对应的目标知识向量匹配结果，包括：当所述目标匹配通道为周期匹配通道时，依据所述周期状态属性向量和所述周期趋势决策向量，确定所述智能水表计量训练数据和所述异常监测学习结果之间的训练样例共性评分，所述周期匹配通道为所述智能水表计量训练数据和所述异常监测学习结果之间的匹配通道；对所述训练样例共性评分进行集成，生成所述周期匹配通道对应的周期知识向量匹配结果，并将所述周期知识向量匹配结果作为所述目标知识向量匹配结果。
14、在一些技术方案中，所述初筛计量状态要素向量还包括所述智能水表计量学习数据块对应的阶段状态属性向量，所述初筛计量状态趋势决策向量还包括监测观点集对应的观点语义描述；所述将所述初筛计量状态要素向量和所述初筛计量状态趋势决策向量在所述目标匹配通道下进行知识向量匹配，得到所述目标匹配通道对应的目标知识向量匹配结果，包括：当所述目标匹配通道为阶段匹配通道时，在所述智能水表计量学习数据块中挑选得到目标智能水表计量学习数据块，并在所述监测观点集中挑选得到目标监测观点集，所述阶段匹配通道为所述目标智能水表计量学习数据块和所述目标监测观点集之间的匹配通道；依据所述阶段状态属性向量和所述观点语义描述，确定所述目标智能水表计量学习数据块和所述目标监测观点集之间的相关性系数；基于所述相关性系数，确定所述目标匹配通道对应的阶段知识向量匹配结果，并将所述阶段知识向量匹配结果作为目标知识向量匹配结果。
15、在一些技术方案中，所述基于所述相关性系数，确定所述目标匹配通道本文档来自技高网...
【技术保护点】
1.一种水表计量数据异常监测方法，其特征在于，应用于数据异常监测系统，所述方法包括：
2.根据权利要求1所述的水表计量数据异常监测方法，其特征在于，所述对所述智能水表计量数据单元进行状态要素挖掘，得到每一智能水表计量数据的阶段计量状态要素向量和所述智能水表计量数据的周期计量状态要素向量，包括：
3.根据权利要求2所述的水表计量数据异常监测方法，其特征在于，所述采用所述异常监测判别网络对所述智能水表计量数据单元进行知识嵌入之前，所述方法还包括：
4.根据权利要求3所述的水表计量数据异常监测方法，其特征在于，所述将所述目标计量状态要素向量和所述目标计量状态趋势决策向量进行匹配，以得到每一匹配通道对应的知识向量匹配结果，包括：
5.根据权利要求4所述的水表计量数据异常监测方法，其特征在于，所述初筛计量状态要素向量包括所述智能水表计量训练数据对应的周期状态属性向量，所述初筛计量状态趋势决策向量包括异常监测学习结果对应的周期趋势决策向量；
6.根据权利要求4所述的水表计量数据异常监测方法，其特征在于，所述初筛计量状态要素向量还包括
7.根据权利要求6所述的水表计量数据异常监测方法，其特征在于，所述基于所述相关性系数，确定所述目标匹配通道对应的阶段知识向量匹配结果，包括：
8.根据权利要求6所述的水表计量数据异常监测方法，其特征在于，所述在所述智能水表计量学习数据块中挑选得到目标智能水表计量学习数据块，包括：
9.根据权利要求4所述的水表计量数据异常监测方法，其特征在于，所述目标计量状态要素向量包括所述智能水表计量训练数据对应的周期状态属性向量，所述目标计量状态趋势决策向量包括异常监测学习结果对应的周期趋势决策向量；
10.一种数据异常监测系统，其特征在于，包括至少一个处理器和存储器；所述存储器存储计算机执行指令；所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行权利要求1-9任一项所述的方法。
...【技术特征摘要】
1.一种水表计量数据异常监测方法，其特征在于，应用于数据异常监测系统，所述方法包括：
2.根据权利要求1所述的水表计量数据异常监测方法，其特征在于，所述对所述智能水表计量数据单元进行状态要素挖掘，得到每一智能水表计量数据的阶段计量状态要素向量和所述智能水表计量数据的周期计量状态要素向量，包括：
3.根据权利要求2所述的水表计量数据异常监测方法，其特征在于，所述采用所述异常监测判别网络对所述智能水表计量数据单元进行知识嵌入之前，所述方法还包括：
4.根据权利要求3所述的水表计量数据异常监测方法，其特征在于，所述将所述目标计量状态要素向量和所述目标计量状态趋势决策向量进行匹配，以得到每一匹配通道对应的知识向量匹配结果，包括：
5.根据权利要求4所述的水表计量数据异常监测方法，其特征在于，所述初筛计量状态要素向量包括所述智能水表计量训练数据对应的周期状态属性向量，所述初筛计量状态趋势决策向量包括异常监测学习结果对应的周期趋势决策向量；
6.根据权利要求4所述的水表计...
【专利技术属性】
技术研发人员：曹蕾，毕建光，张海龙，孙发君，程华进，陈从填，刘自帅，
申请(专利权)人：京源中科科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。