基于云平台管理的物联网消防监测及调控系统的制作方法

本发明涉及电子数据处理，具体涉及基于云平台管理的物联网消防监测及调控系统。

背景技术：

1、在基于云平台管理的物联网消防监测及调控系统中，需要对消防末端设备的运行状态进行设备异常状态的监测预警及调控，对于末端设备运行状态的监测可以通过获取末端设备的全部历史数据来训练隐马尔可夫模型（hidden markov model，hmm）；系统中每个末端设备都保留了其历史运行的时序数据，每一个时间点都有一个观测数据，但是隐藏在这些观测数据背后的状态是未知的；使用hmm可以将观测序列与状态序列关联，从而进行实时状态的预测和识别。

2、对于末端设备的运行状态预警，可以通过hmm建立一个状态转移模型，以表示设备的不同运行状态之间的转移概率，不同运行状态例如：正常、存在偏差、异常及需维护等不同状态；根据hmm学习的状态概率转移模型可以预测设备将会处于哪一个状态，从而进行相应的预警和维护；然而在隐马尔可夫模型中，是将所有历史数据中的信息都融合到当前状态，也就是对于设备下一个时间点的状态预测仅通过当前状态与状态转移概率矩阵进行预测，那么在预测的过程中就丢失了数据点的趋势信息；同时对于状态转移概率矩阵还存在着所有状态的转换的概率之和为1，那么在获取到下一个状态的转移概率矩阵进行预测时，在相似的状态转移概率矩阵中存在着预测的偏差，因此需要通过当前数据点分布与历史数据点的近邻关系进行状态转移概率矩阵的增强，从而获取准确的设备状态预测结果。

技术实现思路

1、本发明提供基于云平台管理的物联网消防监测及调控系统，以解决现有的仅通过当前状态进行设备状态预测导致结果不准确的问题，所采用的技术方案具体如下：

2、本发明一个实施例提供了基于云平台管理的物联网消防监测及调控系统，该系统包括：

3、末端设备数据采集模块，采集消防系统末端设备的运行数据，并通过物联网上传至云平台数据中心；

4、末端设备数据处理模块：对运行数据通过预设滑窗获取若干子序列，将当前数据点所在子序列作为当前子序列，根据子序列中的数据获取任意两个子序列之间的距离，根据距离及设备的状态数量进行聚类得到若干簇类，将当前子序列所在簇类记为当前子序列的参考簇类，参考簇类中的其他子序列记为当前子序列的相似子序列；

5、根据参考簇类中子序列之间的距离获取每个相似子序列的参考子序列集合，根据参考子序列集合中子序列之间的距离，获取每个参考子序列集合的可参考程度；

6、根据参考簇类中每个子序列中的数据获取参考簇类中每个子序列的趋势变化序列，获取每个相似子序列中最右数据点的状态转移概率矩阵，根据参考子序列集合及趋势变化序列，获取每个相似子序列与其参考子序列集合中每个子序列在趋势变化序列上的交并比，根据状态转移概率矩阵、参考子序列集合及交并比，获取每个相似子序列中最右数据点的增强矩阵；

7、设备状态监测调控模块，根据参考簇类中每个相似子序列中最右数据点的增强矩阵，获取当前数据点的状态预测结果，完成设备状态的监测调控。

8、可选的，所述对运行数据通过预设滑窗获取若干子序列，包括的具体方法为：

9、以最新采集到的数据点为起始点，通过预设滑窗，根据滑窗长度及滑窗步长对运行数据获取若干段序列，每段序列记为子序列。

10、可选的，所述根据子序列中的数据获取任意两个子序列之间的距离，包括的具体方法为：

11、对于任意两个子序列，将两个子序列中相同位置的数据点作为一个点对，根据所有点对中的数据值计算两个子序列之间的距离，即是将每个子序列看作一个高维空间中的数据点，数据点之间的欧式距离即为子序列之间的距离；

12、获取任意两个子序列之间的距离。

13、可选的，所述根据参考簇类中子序列之间的距离获取每个相似子序列的参考子序列集合，包括的具体方法为：

14、将参考簇类中相似子序列作为待判断子序列，确定knn中的值，表示为，在参考簇类中获取个与待判断子序列互为最近邻的子序列，若互为最近邻的子序列数量大于，则根据与待判断子序列的距离从小到大选取前个子序列，将获取到的子序列组成的集合作为待判断子序列的参考子序列集合；

15、若参考簇类中与待判断子序列互为最近邻的子序列的数量不足时，将与待判断子序列互为最近邻的所有子序列组成的集合作为待判断子序列的参考子序列集合；

16、获取参考簇类中每个相似子序列的参考子序列集合。

17、可选的，所述获取每个参考子序列集合的可参考程度，包括的具体方法为：

18、将参考簇类中相似子序列作为待判断子序列，待判断子序列的参考子序列集合的可参考程度的计算方法为：

19、

20、

21、其中，表示待判断子序列与参考子序列集合中所有子序列的平均距离，表示待判断子序列的参考子序列集合中子序列数量，表示待判断子序列的参考子序列集合中第个子序列与待判断子序列的距离；表示参考簇类中所有子序列与对应的参考子序列集合中所有子序列的平均距离最大值，表示参考簇类中所有子序列与对应的参考子序列集合中所有子序列的平均距离最小值。

22、可选的，所述根据参考簇类中每个子序列中的数据获取参考簇类中每个子序列的趋势变化序列，包括的具体方法为：

23、以参考簇类中任意一个子序列为示例子序列，对示例子序列中任意相邻两个数据点，用后一个数据点的数值减去前一个数据点的数值，得到的结果大于0用1表示，小于0用-1表示，等于0用0表示，对示例子序列中任意相邻两个数据点进行计算，按照数据点的顺序对结果进行排序，得到的序列记为示例子序列的趋势变化序列；

24、获取参考簇类中每个子序列的趋势变化序列。

25、可选的，所述获取每个相似子序列与其参考子序列集合中每个子序列在趋势变化序列上的交并比，包括的具体方法为：

26、将相似子序列的参考子序列集合中任意一个子序列作为目标子序列，获取的趋势变化序列与目标子序列的趋势变化序列的交集与并集；

27、所述交集为序列中相同位置数值相同的元素组成的集合；所述并集为相同位置数值不同的两个元素分别作为并集中的一个元素，相同位置数值相同的两个元素作为并集中的一个元素；

28、根据交集的元素数量与并集的元素数量，获取的趋势变化序列与目标子序列的趋势变化序列的交并比；获取每个相似子序列与其参考子序列集合中每个子序列在趋势变化序列上的交并比。

29、可选的，所述获取每个相似子序列中最右数据点的增强矩阵，包括的具体方法为：

30、

31、其中，表示相似子序列中最右数据点从状态到状态的增强程度，表示相似子序列的参考子序列集合的可参考程度，表示相似子序列的参考子序列集合中子序列数量，表示相似子序列的参考子序列集合中第个子序列与相似子序列在趋势变化序列上的交并比，表示相似子序列的参考子序列集合中第个子序列与相似子序列的距离，表示以自然常数为底的指数函数，表示相似子序列的参考子序列集合中第个子序列中最右数据点的状态转移概率矩阵中从状态到状态的状态转移概率；

32、获取相似子序列中最右数据点所有状态转移的增强程度，对所有增强程度进行softmax归一化，得到的结果记为每个状态转移的增强因子，所有状态转移的增强因子构成相似子序列中最右数据点的增强矩阵；获取每个相似子序列中最右数据点的增强矩阵。

33、本发明的有益效果是：本发明通过根据子序列获取到的增强矩阵，对下一个数据点状态进行预测时进行传统的状态转移概率矩阵的增强，相较于直接通过状态转移概率矩阵进行预测可以将数据的历史信息在当前时刻进行补充，避免因为隐马尔可夫模型对于数据点一些连续信息及趋势信息变化的判断缺失；同时通过聚类进行当前子序列的相似子序列的判断，并通过参考簇类中的子序列之间的距离差异获取参考子序列集合，通过参考子序列集合获取增强矩阵，相较于直接通过状态转移概率矩阵进行设备状态预测时相似概率状态难以判断的情况，本发明对下一个数据点状态的预测结果更加精准，进而提高监测及预测结果的准确性，提高调控的工作效率。