一种远程抄表异常识别方法及装置与流程

1.本发明涉及人工智能技术领域，特别涉及一种远程抄表异常识别方法及装置。


背景技术：

2.民用表中，物联表的占比快速提升，计费采用远传抄表的数据结算，但因为表计故障、通讯中断、系统间数据不一致、人工等原因，会有各种各样的表超，而且不易察觉表超用户。时间长了，公司损失较大，等发现后也容易和客户产生纠纷。
3.因此亟待建立对远程抄表异常识别模型，以对有效对磁卡表、三种物联表的异常进行有效识别。


技术实现要素：

4.本发明提供一种远程抄表异常识别方法及装置，以提高异常检测的精准度。
5.本发明实施例提供了一种远程抄表异常识别方法，包括：建立多种远程抄表异常识别模型；根据所述多种远程抄表异常识别模型，对待识别的远程抄表进行故障判断，确定对应的远程抄表异常原因；对属于同种远程抄表异常原因的远程抄表进行数据去重；对去重后的远程抄表进行分类统计，并输出分类统计结果。
6.进一步地，所述建立多种远程抄表异常识别模型的步骤包括：
7.建立用于判断远程抄表异常原因是否为表不走字的第一识别模型；第一识别模型用于根据最后两次的安检基表读数以及液晶使用量读数判断远程抄表异常原因是否为表不走字；
8.建立用于判断远程抄表异常原因是否为液晶不减字，字轮正常使用的第二识别模型；第二识别模型用于根据读表日期、购气日期、最后两次的安检基表读数、液晶使用量读数、最后两次安检读表时间之间的购气量判断远程抄表异常原因是否为液晶不减字，字轮正常使用；
9.建立用于判断远程抄表异常原因是否为液晶减字慢，字轮正常使用的第三识别模型；第三识别模型用于根据读表日期、购气日期、最后两次的安检基表读数、液晶使用量读数、最后两次安检读表时间之间的购气量判断远程抄表异常原因是否为液晶减字慢，字轮正常使用；
10.建立用于判断远程抄表异常原因是否为液晶负数，不关阀门，字轮正常计数的第四识别模型；第四识别模型用于根据读表日期、最后两次的安检基表读数、液晶使用量读数判断远程抄表异常原因是否为液晶负数，不关阀门；
11.建立用于判断远程抄表异常原因是否为液晶有数据，字轮超用的第五识别模型；第五识别模型用于根据读表日期、最后两次的安检基表读数判断远程抄表异常原因是否为液晶有数据，字轮超用；
12.建立用于判断远程抄表异常原因是否为其它累计用大于累计购的第六识别模型；第六识别模型用于根据其它磁卡表满足累计购气量、基表读数、最后一次购气量判断远程
抄表异常原因是否为其它累计用大于累计购；
13.建立用于判断远程抄表异常原因是否为余额指令失败的第七识别模型；第七识别模型用于根据iot指令中的余额下发指令判断远程抄表异常原因是否为余额指令失败；
14.建立用于判断远程抄表异常原因是否为关阀指令失败的第八识别模型；第八识别模型用于根据iot指令中的关阀指令判断远程抄表异常原因是否为关阀指令失败；
15.建立用于判断远程抄表异常原因是否为欠费不关阀门的第九识别模型；第九识别模型用于根据表状态、余额、开阀状态判断远程抄表异常原因是否为欠费不关阀门；
16.建立用于判断远程抄表异常原因是否为sap往物联充值重复的第十识别模型；第十识别模型用于根据sap中的成功充值次数以及目标系统的成功充值次数判断远程抄表异常原因是否为sap往物联充值重复；目标系统包括e城系统、金卡系统、以及二代系统；
17.建立用于判断远程抄表异常原因是否为sap往物联往表端充值失败的第十一识别模型；用于根据sap中的成功充值次数以及目标系统的成功充值次数判断远程抄表异常原因是否为物联往表端充值失败；
18.建立用于判断远程抄表异常原因是否为物联往表端充值重复的第十二识别模型；第十二识别模型用于根据目标系统抄表的余额变化以及e城系统的充值金额判断远程抄表异常原因是否为物联往表端充值重复；目标系统包括e城系统、金卡系统、以及二代系统；
19.建立用于判断远程抄表异常原因是否为物联往表端充值失败的第十三识别模型；第十三识别模型用于根据目标系统抄表的余额变化以及e城系统的充值金额判断远程抄表异常原因是否为物联往表端充值失败；目标系统包括e城系统、金卡系统、以及二代系统；
20.建立用于判断远程抄表异常原因是否为通讯后系统不结算不扣费的第十四识别模型；第十四识别模型用于根据目标系统抄表数据判断远程抄表异常原因是否为通讯后系统不结算不扣费；
21.建立用于判断远程抄表异常原因是否为关阀但是走气数据的第十五识别模型；第十五识别模型用于根据目标系统的表状态、关阀状态以及用气量数据判断远程抄表异常原因是否为关阀但是走气数据；
22.建立用于判断远程抄表异常原因是否为手抄及远传不一致的第十六识别模型；第十六识别模型用于根据e城系统人工抄表和2个小时内的远传抄表判断远程抄表异常原因是否为手抄及远传不一致；
23.建立用于判断远程抄表异常原因是否为不在线预设天数的表超风险表的第十七识别模型；第十七识别模型用于根据iot系统不在线天数、账单之间的差额、日均账单、合同余额、不在线后sap充值金额判断远程抄表异常原因是否为不在线预设天数的表超风险表。
24.进一步地，对去重后的远程抄表进行分类统计的步骤包括：
25.对去重后的远程抄表按照对应远程抄表异常原因关联的表计类型进行分类，所述表计类型包括：磁卡表类型、iot表类型、金卡表类型以及二代表类型。
26.进一步地，在所述根据所述多种远程抄表异常识别模型，对待识别的远程抄表进行故障判断，确定对应的远程抄表异常原因的步骤之前包括：将各个系统中的数据抽数到hive贴源层中，得到待识别的远程抄表。
27.进一步地，所述输出分类统计结果的步骤包括：利用sense报表，以看板的形式输出分类统计结果。
28.本发明还提供一种远程抄表异常识别装置，包括：建模单元，用于建立多种远程抄表异常识别模型；识别单元，用于根据所述多种远程抄表异常识别模型，对待识别的远程抄表进行故障判断，确定对应的远程抄表异常原因；去重单元，用于对属于同种远程抄表异常原因的远程抄表进行数据去重；输出单元，用于对去重后的远程抄表进行分类统计，并输出分类统计结果。
29.进一步地，所述建模单元包括：第一建模子单元，用于建立用于判断远程抄表异常原因是否为表不走字的第一识别模型；第一识别模型用于根据最后两次的安检基表读数以及液晶使用量读数判断远程抄表异常原因是否为表不走字；
30.第二建模子单元，用于建立用于判断远程抄表异常原因是否为液晶不减字，字轮正常使用的第二识别模型；第二识别模型用于根据读表日期、购气日期、最后两次的安检基表读数、液晶使用量读数、最后两次安检读表时间之间的购气量判断远程抄表异常原因是否为液晶不减字，字轮正常使用；
31.第三建模子单元，用于建立用于判断远程抄表异常原因是否为液晶减字慢，字轮正常使用的第三识别模型；第三识别模型用于根据读表日期、购气日期、最后两次的安检基表读数、液晶使用量读数、最后两次安检读表时间之间的购气量判断远程抄表异常原因是否为液晶减字慢，字轮正常使用；
32.第四建模子单元，用于建立用于判断远程抄表异常原因是否为液晶负数，不关阀门，字轮正常计数的第四识别模型；第四识别模型用于根据读表日期、最后两次的安检基表读数、液晶使用量读数判断远程抄表异常原因是否为液晶负数，不关阀门；
33.第五建模子单元，用于建立用于判断远程抄表异常原因是否为液晶有数据，字轮超用的第五识别模型；第五识别模型用于根据读表日期、最后两次的安检基表读数判断远程抄表异常原因是否为液晶有数据，字轮超用；
34.第六建模子单元，用于建立用于判断远程抄表异常原因是否为其它累计用大于累计购的第六识别模型；第六识别模型用于根据其它磁卡表满足累计购气量、基表读数、最后一次购气量判断远程抄表异常原因是否为其它累计用大于累计购；
35.第七建模子单元，用于建立用于判断远程抄表异常原因是否为余额指令失败的第七识别模型；第七识别模型用于根据iot指令中的余额下发指令判断远程抄表异常原因是否为余额指令失败；
36.第八建模子单元，用于建立用于判断远程抄表异常原因是否为关阀指令失败的第八识别模型；第八识别模型用于根据iot指令中的关阀指令判断远程抄表异常原因是否为关阀指令失败；
37.第九建模子单元，用于建立用于判断远程抄表异常原因是否为欠费不关阀门的第九识别模型；第九识别模型用于根据表状态、余额、开阀状态判断远程抄表异常原因是否为欠费不关阀门；
38.第十建模子单元，用于建立用于判断远程抄表异常原因是否为sap往物联充值重复的第十识别模型；第十识别模型用于根据sap中的成功充值次数以及目标系统的成功充值次数判断远程抄表异常原因是否为sap往物联充值重复；目标系统包括e城系统、金卡系统、以及二代系统；
39.第十一建模子单元，用于建立用于判断远程抄表异常原因是否为sap往物联往表
端充值失败的第十一识别模型；用于根据sap中的成功充值次数以及目标系统的成功充值次数判断远程抄表异常原因是否为物联往表端充值失败；
40.第十二建模子单元，用于建立用于判断远程抄表异常原因是否为物联往表端充值重复的第十二识别模型；第十二识别模型用于根据目标系统抄表的余额变化以及e城系统的充值金额判断远程抄表异常原因是否为物联往表端充值重复；目标系统包括e城系统、金卡系统、以及二代系统；
41.第十三建模子单元，用于建立用于判断远程抄表异常原因是否为物联往表端充值失败的第十三识别模型；第十三识别模型用于根据目标系统抄表的余额变化以及e城系统的充值金额判断远程抄表异常原因是否为物联往表端充值失败；目标系统包括e城系统、金卡系统、以及二代系统；
42.第十四建模子单元，用于建立用于判断远程抄表异常原因是否为通讯后系统不结算不扣费的第十四识别模型；第十四识别模型用于根据目标系统抄表数据判断远程抄表异常原因是否为通讯后系统不结算不扣费；
43.第十五建模子单元，用于建立用于判断远程抄表异常原因是否为关阀但是走气数据的第十五识别模型；第十五识别模型用于根据目标系统的表状态、关阀状态以及用气量数据判断远程抄表异常原因是否为关阀但是走气数据；
44.第十六建模子单元，用于建立用于判断远程抄表异常原因是否为手抄及远传不一致的第十六识别模型；第十六识别模型用于根据e城系统人工抄表和2个小时内的远传抄表判断远程抄表异常原因是否为手抄及远传不一致；
45.第十七建模子单元，用于建立用于判断远程抄表异常原因是否为不在线预设天数的表超风险表的第十七识别模型；第十七识别模型用于根据iot系统不在线天数、账单之间的差额、日均账单、合同余额、不在线后sap充值金额判断远程抄表异常原因是否为不在线预设天数的表超风险表。
46.进一步地，所述去重单元具体用于，对去重后的远程抄表按照对应远程抄表异常原因关联的表计类型进行分类，所述表计类型包括：磁卡表类型、iot表类型、金卡表类型以及二代表类型。
47.本发明实施例还提供了一种计算机设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现所述的远程抄表异常识别方法的步骤。
48.本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述远程抄表异常识别方法的步骤。
49.本发明的远程抄表异常识别方法及装置通过在对磁卡表、三种物联表的基本数据规律做了大量的研究，并且和企业多次校验，形成了识别表超的几十种逻辑，根据多种识别逻辑形成多种远程抄表异常识别模型，从而快速的识别出表超用户，挽回公司损失，降低企业工作量。
附图说明
50.图1为本技术实施例一提供的一种远程抄表异常识别方法的流程图。
51.图2为本技术实施例二提供的一种远程抄表异常识别方法多种远程抄表异常识别
模型对应判断逻辑表格。
52.图3为本技术实施例三提供的一种远程抄表异常识别装置的结构框图。
53.图4为本技术实施例三提供的一种计算机设备的结构图。
具体实施方式
54.下面结合附图对本发明实施例进行详细描述。
55.需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合；并且，基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
56.需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
57.如图1所示，本发明实施例提供了一种远程抄表异常识别方法，该方法可以包括以下步骤：
58.步骤101：建立多种远程抄表异常识别模型；
59.步骤102：根据所述多种远程抄表异常识别模型，对待识别的远程抄表进行故障判断，确定对应的远程抄表异常原因；
60.步骤103：对属于同种远程抄表异常原因的远程抄表进行数据去重；
61.步骤104：对去重后的远程抄表进行分类统计，并输出分类统计结果。
62.本实施例通过在对磁卡表、三种物联表的基本数据规律做了大量的研究，并且和企业多次校验，形成了识别表超的几十种逻辑，根据多种识别逻辑形成多种远程抄表异常识别模型，从而快速的识别出表超用户，挽回公司损失，降低企业工作量。
63.如图2所示的实施例提供了一种远程抄表异常识别方法的优选实施方式，具体而言，本发明提出了多种远程抄表异常识别模型对应判断逻辑表格。
64.如图2所示，所述建立多种远程抄表异常识别模型的步骤包括：
65.建立用于判断远程抄表异常原因是否为表不走字的第一识别模型；该识别模型对应的判断逻辑为：取最后一次和倒数第二次安检基表读数、液晶使用量读数，末次安检基表读数-倒数第二次安检基表读数＝0、末次安检液晶使用量读数-(倒数第二次安检液晶使用量读数)＝0，则判定为
‘
表不走字’；
66.建立用于判断远程抄表异常原因是否为液晶不减字，字轮正常使用的第二识别模型；该识别模型对应的判断逻辑为：根据读表日期、购气日期，取最后一次和倒数第二次安检基表读数、液晶使用量读数，最后两次安检读表时间之间的购气量。末次安检基表读数-倒数第二次安检基表读数》0，末次安检液晶使用量读数-(倒数第二次安检液晶使用量读数+两次安检读表时间内的购气量)＝0，则判定为
‘
液晶不减字，字轮正常使用’；
67.建立用于判断远程抄表异常原因是否为液晶减字慢，字轮正常使用的第三识别模
型；该识别模型对应的判断逻辑为：根据读表日期、购气日期，取最后一次和倒数第二次安检基表读数、液晶使用量读数，最后两次安检读表时间之间的购气量。末次安检基表读数-倒数第二次安检基表读数》0，(倒数第二次安检液晶读数+两次安检读表时间内的购气量)-末次安检液晶读数》0,(末次安检基表读数-倒数第二次安检基表读数)》((倒数第二次安检液晶使用量读数+两次安检读表时间内的购气量)-末次安检液晶使用量读数)，则判定为
‘
液晶减字慢，字轮正常使用’；
68.建立用于判断远程抄表异常原因是否为液晶负数，不关阀门，字轮正常计数的第四识别模型；该识别模型对应的判断逻辑为：根据读表日期，取最后一次和倒数第二次安检基表读数、液晶使用量读数。末次安检液晶使用量读数《0，末次安检基表读数-倒数第二次安检基表读数》0，则判定为
‘
液晶负数，不关阀门，字轮正常计数’；
69.建立用于判断远程抄表异常原因是否为液晶有数据，字轮超用的第五识别模型；该识别模型对应的判断逻辑为：根据读表日期，取最后一次和倒数第二次安检基表读数，末次安检基表读数《倒数第二次安检基表读数，则判定为“液晶有数据，字轮超用”；
70.建立用于判断远程抄表异常原因是否为其它累计用大于累计购的第六识别模型；该识别模型对应的判断逻辑为：其它磁卡表满足累计购气量-(基表读数+最后一次购气量)＜3方的数据；
71.建立用于判断远程抄表异常原因是否为余额指令失败的第七识别模型；该识别模型对应的判断逻辑为：iot指令中，这一天有未成功的余额下发指令，且这天和前1天，都没有成功的余额下发指令；
72.建立用于判断远程抄表异常原因是否为关阀指令失败的第八识别模型；iot指令中，这一天有未成功的关阀指令，且这天和前1天，都没有成功的关阀指令；
73.建立用于判断远程抄表异常原因是否为欠费不关阀门的第九识别模型；该识别模型对应的判断逻辑包括多种：
74.第一种：e城系统中，表状态正常+余额为负+阀门为开阀状态；
75.第二种：e城系统中，表状态正常+余额为负+阀门为开阀状态；
76.第三种：金卡系统中，表状态正常+余额为负+阀门为开阀状态；
77.第四种：二代系统中，表状态正常+余额为负+阀门为开阀状态；
78.建立用于判断远程抄表异常原因是否为sap往物联充值重复的第十识别模型；该识别模型对应的判断逻辑包括多种：
79.第一种：sap中的成功充值次数《e城系统的成功充值次数
80.第二种：sap中的成功充值次数《金卡系统的成功充值次数
81.第三种：sap中的成功充值次数《二代系统的成功充值次数
82.第四种：sap中的成功充值次数》e城系统的成功充值次数
83.第五种：sap中的成功充值次数》金卡系统的成功充值次数，因为金卡抽数不实时，所以，sap充值时间做限制,，因为金卡抽数不实时，所以，sap充值时间做限制；
84.第六种：sap中的成功充值次数》二代系统的成功充值次数
85.建立用于判断远程抄表异常原因是否为物联往表端充值重复的第十二识别模型；该识别模型对应的判断逻辑包括多种：
86.第一种：iot系统抄表的余额变化》e城系统的充值金额；
87.第二种:金卡系统抄表的余额变化》e城系统的充值金额；
88.第三种：iot表端抄表的余额变化》e城系统的充值金额；
89.建立用于判断远程抄表异常原因是否为物联往表端充值失败的第十三识别模型；该识别模型对应的判断逻辑包括多种：
90.第一种：iot系统抄表的余额变化《e城系统的充值金额
91.第二种：金卡系统抄表的余额变化《e城系统的充值金额
92.第三种：iot表端抄表的余额变化《e城系统的充值金额
93.建立用于判断远程抄表异常原因是否为通讯后系统不结算不扣费的第十四识别模型；该识别模型对应的判断逻辑包括：
94.第一种：e城抄表数据昨天有用气量，但是剩余金额或者剩余气量没有变动(暂时不做)
95.第二种：金卡系统昨天表底数有变化，但是剩余金额和充值金额没有变动，且表底数》2方
96.第三种：二代系统抄表数据昨天有用气量，但是剩余金额或者剩余气量没有变动(暂时不做)
97.建立用于判断远程抄表异常原因是否为关阀但是走气数据的第十五识别模型；该识别模型对应的判断逻辑包括：
98.第一种：e城系统表状态正常+阀门为关阀状态，但是昨天有用气量；
99.第二种：金卡系统，表状态正常+阀门为关阀状态，但是昨天有用气量。(备注，金卡系统阀门状态不实时，暂时取消)；
100.第三种：二代系统表状态正常+阀门为关阀状态，但是昨天有用气量；
101.建立用于判断远程抄表异常原因是否为手抄及远传不一致的第十六识别模型；e城系统人工抄表和2个小时内的远传抄表，表底数相差1方以上；
102.建立用于判断远程抄表异常原因是否为不在线预设天数的表超风险表的第十七识别模型；该识别模型对应的判断逻辑为：iot系统10天以上不在线以上，最近2个较大账单大于10方，同时满足不在线天数*日均账单》合同余额+不在线后sap充值金额。
103.进一步地，对去重后的远程抄表进行分类统计的步骤包括：
104.对去重后的远程抄表按照对应远程抄表异常原因关联的表计类型进行分类，所述表计类型包括：磁卡表类型、iot表类型、金卡表类型以及二代表类型。
105.进一步地，在所述根据所述多种远程抄表异常识别模型，对待识别的远程抄表进行故障判断，确定对应的远程抄表异常原因的步骤之前包括：将各个系统中的数据抽数到hive贴源层中，得到待识别的远程抄表。
106.进一步地，所述输出分类统计结果的步骤包括：利用sense报表，以看板的形式输出分类统计结果。
107.本实施例通过识别磁卡表、物联表(二代、金卡、iot系统)中因为表计故障、表计和后台通讯不一致、系统间数据传输故障、系统内数据联动故障、人工等问题。随着推广，可以识别出更多的表超。
108.图3为本技术实施例六提供的一种远程抄表异常识别装置的结构框图。
109.如图3所示，一种远程抄表异常识别装置包括：
110.建模单元301，用于建立多种远程抄表异常识别模型；
111.识别单元302，用于根据所述多种远程抄表异常识别模型，对待识别的远程抄表进行故障判断，确定对应的远程抄表异常原因；
112.去重单元303，用于对属于同种远程抄表异常原因的远程抄表进行数据去重；
113.输出单元304，用于对去重后的远程抄表进行分类统计，并输出分类统计结果。
114.进一步地，所述建模单元301包括：第一建模子单元，用于建立用于判断远程抄表异常原因是否为表不走字的第一识别模型；第一识别模型用于根据最后两次的安检基表读数以及液晶使用量读数判断远程抄表异常原因是否为表不走字；
115.第二建模子单元，用于建立用于判断远程抄表异常原因是否为液晶不减字，字轮正常使用的第二识别模型；第二识别模型用于根据读表日期、购气日期、最后两次的安检基表读数、液晶使用量读数、最后两次安检读表时间之间的购气量判断远程抄表异常原因是否为液晶不减字，字轮正常使用；
116.第三建模子单元，用于建立用于判断远程抄表异常原因是否为液晶减字慢，字轮正常使用的第三识别模型；第三识别模型用于根据读表日期、购气日期、最后两次的安检基表读数、液晶使用量读数、最后两次安检读表时间之间的购气量判断远程抄表异常原因是否为液晶减字慢，字轮正常使用；
117.第四建模子单元，用于建立用于判断远程抄表异常原因是否为液晶负数，不关阀门，字轮正常计数的第四识别模型；第四识别模型用于根据读表日期、最后两次的安检基表读数、液晶使用量读数判断远程抄表异常原因是否为液晶负数，不关阀门；
118.第五建模子单元，用于建立用于判断远程抄表异常原因是否为液晶有数据，字轮超用的第五识别模型；第五识别模型用于根据读表日期、最后两次的安检基表读数判断远程抄表异常原因是否为液晶有数据，字轮超用；
119.第六建模子单元，用于建立用于判断远程抄表异常原因是否为其它累计用大于累计购的第六识别模型；第六识别模型用于根据其它磁卡表满足累计购气量、基表读数、最后一次购气量判断远程抄表异常原因是否为其它累计用大于累计购；
120.第七建模子单元，用于建立用于判断远程抄表异常原因是否为余额指令失败的第七识别模型；第七识别模型用于根据iot指令中的余额下发指令判断远程抄表异常原因是否为余额指令失败；
121.第八建模子单元，用于建立用于判断远程抄表异常原因是否为关阀指令失败的第八识别模型；第八识别模型用于根据iot指令中的关阀指令判断远程抄表异常原因是否为关阀指令失败；
122.第九建模子单元，用于建立用于判断远程抄表异常原因是否为欠费不关阀门的第九识别模型；第九识别模型用于根据表状态、余额、开阀状态判断远程抄表异常原因是否为欠费不关阀门；
123.第十建模子单元，用于建立用于判断远程抄表异常原因是否为sap往物联充值重复的第十识别模型；第十识别模型用于根据sap中的成功充值次数以及目标系统的成功充值次数判断远程抄表异常原因是否为sap往物联充值重复；目标系统包括e城系统、金卡系统、以及二代系统；
124.第十一建模子单元，用于建立用于判断远程抄表异常原因是否为sap往物联往表
端充值失败的第十一识别模型；用于根据sap中的成功充值次数以及目标系统的成功充值次数判断远程抄表异常原因是否为物联往表端充值失败；
125.第十二建模子单元，用于建立用于判断远程抄表异常原因是否为物联往表端充值重复的第十二识别模型；第十二识别模型用于根据目标系统抄表的余额变化以及e城系统的充值金额判断远程抄表异常原因是否为物联往表端充值重复；目标系统包括e城系统、金卡系统、以及二代系统；
126.第十三建模子单元，用于建立用于判断远程抄表异常原因是否为物联往表端充值失败的第十三识别模型；第十三识别模型用于根据目标系统抄表的余额变化以及e城系统的充值金额判断远程抄表异常原因是否为物联往表端充值失败；目标系统包括e城系统、金卡系统、以及二代系统；
127.第十四建模子单元，用于建立用于判断远程抄表异常原因是否为通讯后系统不结算不扣费的第十四识别模型；第十四识别模型用于根据目标系统抄表数据判断远程抄表异常原因是否为通讯后系统不结算不扣费；
128.第十五建模子单元，用于建立用于判断远程抄表异常原因是否为关阀但是走气数据的第十五识别模型；第十五识别模型用于根据目标系统的表状态、关阀状态以及用气量数据判断远程抄表异常原因是否为关阀但是走气数据；
129.第十六建模子单元，用于建立用于判断远程抄表异常原因是否为手抄及远传不一致的第十六识别模型；第十六识别模型用于根据e城系统人工抄表和2个小时内的远传抄表判断远程抄表异常原因是否为手抄及远传不一致；
130.第十七建模子单元，用于建立用于判断远程抄表异常原因是否为不在线预设天数的表超风险表的第十七识别模型；第十七识别模型用于根据iot系统不在线天数、账单之间的差额、日均账单、合同余额、不在线后sap充值金额判断远程抄表异常原因是否为不在线预设天数的表超风险表。
131.进一步地，所述去重单元303具体用于，对去重后的远程抄表按照对应远程抄表异常原因关联的表计类型进行分类，所述表计类型包括：磁卡表类型、iot表类型、金卡表类型以及二代表类型。
132.本发明实施例还提供了一种计算机设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现所述的远程抄表异常识别方法的步骤。
133.如图4所示，本发明实施例提供了一种计算机设备。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。从硬件层面而言，如图4所示，为本发明实施例计算机设备的一种硬件结构图，除了图4所示的cpu(处理器)、内存、网络接口、以及非易失性存储器之外，实施例中装置所在的设备通常还可以包括其他硬件，如负责处理报文的转发芯片等等。
134.本发明还提供一种计算机可读存储介质(图中未示出)，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如所述远程抄表异常识别方法的步骤。
135.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。