【技术实现步骤摘要】
本专利技术涉及大数据和人工智能领域，尤其涉及一种基于大数据和人工智能的物联网数据处理方法。
技术介绍
1、由于物联网终端不像人联网，即人使用的手机终端，在使用运营商提供的网络业务中遇到问题可以主动投诉，所以只能由物联网终端归属的企业或人员被动的进行发现，导致发现时间可能存在很大延迟，可能已严重影响业务使用，另一方面，物联网终端经常是大批量使用，且应用场景类型丰富，靠人为发现终端有异常行为或状况，不仅工作量巨大，而且对运维人员要求很高，需了解各种使用场景的终端异常判断标准。
2、现有技术通常通过物联网终端的运行数据来分析物联网终端是否存在运行异常的情况，然而，只通过物联网终端的运行数据不能发现一些细微的异常，使得不能及时发现异常，造成后续严重损失。
3、因此，如何实现通过物联网终端的运行状态以及物联网终端之间的协同作用来检测物联网终端的细微异常，从而对物联网终端进行精确检测成为了一个重要的研究问题。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于大数据和人工智能的物联网数据处理方法，其包括，接收物联网中所有物联网终端发送的终端历史数据；所述终端历史数据包括终端协同数据和终端运行数据；
2、基于每个物联网终端的终端运行数据判断每个物联网终端的运行状态，并将运行状态出现异常的物联网终端作为异常运行终端；
3、基于异常运行终端的终端协同数据获取与异常运行终端进行协同的物联网终端，并将其作为协同运行终端；
4、基于物联网中所有
5、基于每个协同运行终端的终端协同数据构建每个协同运行终端对应的时序协同轨迹，并判断每个协同运行终端对应的时序协同轨迹是否满足时序协同约束；
6、在协同运行终端对应的时序协同轨迹满足时序协同约束时，判断对应协同运行终端为正常运行终端；在协同运行终端对应的时序协同轨迹不满足时序协同约束时，判断对应协同运行终端为异常运行终端。
7、根据一个优选的实施方式，所述终端协同数据记录了与物联网终端进行协同的协同终端、协同时间和协同数据；所述终端运行数据记录了物联网终端在每个时间点的运行数据。
8、根据一个优选的实施方式，每个物联网终端具有用于唯一标识的终端编号。
9、根据一个优选的实施方式，基于异常运行终端的终端协同数据获取与异常运行终端进行协同的协同终端的终端编号，并在数据库中将所述终端编号对应的物联网终端标记为协同运行终端。
10、根据一个优选的实施方式，基于每个物联网终端的终端运行数据判断每个物联网终端的运行状态包括：
11、提取终端运行数据中的若干个终端状态数据和对应的时间标识，并将所有终端状态数据按照时间标识的先后顺序进行排列以得到物联网终端的初始时序数据，然后对初始时序数据进行预处理以得到标准时序数据；
12、将标准时序数据按照物联网终端的运行周期进行分段以得到若干条运行时序数据；运行时序数据表示在一个运行周期内物联网终端按照时间标识的先后顺序进行排列的终端状态数据；
13、提取运行时序数据的特征以得到对应的运行时序特征，并将所述运行时序特征映射到相应的特征空间以得到数据波动特征；所述数据波动特征用于表征对应物联网终端在对应运行周期内的各个运行指标的数值的波动情况；
14、从数据库获取对应物联网终端的标准波动特征；所述标准波动特征用于表征对应物联网终端在正常运行时各个运行指标的数据的波动情况；
15、将每个运行周期的数据波动特征与标准波动特征进行对比以判断物联网终端在每个运行周期内是否运行异常；
16、若物联网终端在连续两个运行周期内运行异常，则表示相应物联网终端的运行状态出现异常。
17、根据一个优选的实施方式，所述对初始时序数据进行预处理包括：
18、从数据库获取样本训练数据，并基于样本训练数据训练模型以得到数据填充模型；
19、对初始时序数据进行去重处理以去除初始时序数据中的重复冗余数据；
20、识别初始时序数据中的数据缺失值，并对数据缺失值的时序位置进行标识得到初始时序数据的缺失时标数据；
21、将初始时序数据中的缺失值填充为预设数值，将填充预设数值的初始时序数据与对应的缺失时标数据输入数据填充模型以输出对初始时序数据的缺失值进行填充后的标准时序数据。
22、根据一个优选的实施方式，基于物联网中所有物联网终端的终端协同数据构建物联网的时序协同图包括：
23、遍历物联网的所有物联网终端，并将正在遍历的物联网终端作为目标终端，然后根据目标终端的终端协同数据获取目标终端的协同终端；
24、基于目标终端与所述协同终端的数据传输方向确定每个协同终端的协同类型；所述协同类型包括：主动协同、被动协同和双向协同；所述主动协同为目标终端传输数据到协同终端；所述被动协同为协同终端传输数据到目标终端；所述双向协同为目标终端和协同终端进行数据双向传输；
25、基于目标终端与协同终端的数据传输量获取每个协同终端的协同密度；协同密度越高目标终端与协同终端的数据传输量越高；
26、提取每个协同终端的协同类型、协同数据和协同密度的特征以得到每个协同终端的协同类型特征、协同数据特征和协同密度特征，并将所述协同类型特征和协同数据特征、协同密度特征映射到特征空间以得到每个协同终端的协同特征，然后将所有协同终端的协同特征按照对应的协同时间进行关联以得到目标终端的时序协同特征；
27、重复以上步骤以得到每个物联网终端的时序协同特征，并将所有物联网终端的时序协同特征在同一特征空间中进行特征拼接以得到时序协同图。
28、根据一个优选的实施方式，基于时序协同图构建时序协同约束包括：
29、提取时序协同图的特征，并将所述特征映射到特征空间以得到若干个特征点，遍历每个特征点，并将正在遍历的特征点作为目标特征点，然后计算目标特征点与每个特征点的特征距离；
30、将特征距离大于距离阈值的特征点作为目标特征点的约束特征点，并将目标特征点的所有约束特征点进行连接以得到目标特征点的约束特征曲线；
31、重复以上步骤以得到每个特征点的约束特征曲线；
32、将所有特征点的约束特征曲线进行拟合以得到时序协同约束。
33、根据一个优选的实施方式，基于协同运行终端的终端协同数据构建协同运行终端对应的时序协同轨迹包括：
34、根据协同运行终端的终端协同数据获取与协同运行终端进行协同的所有物联网终端，并将与协同运行终端进行协同的所有物联网终端作为第一次关联终端；
35、根据第一次关联终端的终端协同数据获取与第一次关联终端进行协同的所有物联网终端，并与第一次关联终端进行协同的所有物联网终端作为第二次关联终端；
36、对以上步骤进行迭代，直到迭代本文档来自技高网...
【技术保护点】
1.一种基于大数据和人工智能的物联网数据处理方法，其特征在于，接收物联网中所有物联网终端发送的终端历史数据；所述终端历史数据包括终端协同数据和终端运行数据；
2.根据权利要求1所述的方法，其特征在于，所述终端协同数据记录了与物联网终端进行协同的协同终端、协同时间和协同数据；所述终端运行数据记录了物联网终端在每个时间点的运行数据。
3.根据权利要求2所述的方法，其特征在于，每个物联网终端具有用于唯一标识的终端编号。
4.根据权利要求3所述的方法，其特征在于，基于异常运行终端的终端协同数据获取与异常运行终端进行协同的协同终端的终端编号，并在数据库中将所述终端编号对应的物联网终端标记为协同运行终端。
5.根据权利要求4所述的方法，其特征在于，基于每个物联网终端的终端运行数据判断每个物联网终端的运行状态包括：
6.根据权利要求5所述的方法，其特征在于，所述对初始时序数据进行预处理包括：
7.根据权利要求6所述的方法，其特征在于，基于物联网中所有物联网终端的终端协同数据构建物联网的时序协同图包括：
8.根据
9.根据权利要求8所述的方法，其特征在于，判断协同运行终端对应的时序协同轨迹是否满足时序协同约束包括：
...【技术特征摘要】
1.一种基于大数据和人工智能的物联网数据处理方法，其特征在于，接收物联网中所有物联网终端发送的终端历史数据；所述终端历史数据包括终端协同数据和终端运行数据；
2.根据权利要求1所述的方法，其特征在于，所述终端协同数据记录了与物联网终端进行协同的协同终端、协同时间和协同数据；所述终端运行数据记录了物联网终端在每个时间点的运行数据。
3.根据权利要求2所述的方法，其特征在于，每个物联网终端具有用于唯一标识的终端编号。
4.根据权利要求3所述的方法，其特征在于，基于异常运行终端的终端协同数据获取与异常运行终端进行协同的协同终端的终端编号，并在数据库中将所述终端编号对应的物...
【专利技术属性】
技术研发人员：林俊阳，谢扬海，王建成，
申请(专利权)人：国富瑞福建信息技术产业园有限公司，
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。