物联网装备状态预测与异常检测方法、装置、设备及介质

本发明涉及物联网，尤其涉及一种物联网装备状态预测与异常检测方法、装置、设备及介质。

背景技术：

1、随着我国科学技术水平与经济实力不断提升，装备发展呈现出更加多元化趋势，装备类型不断增加。对同种类型的装备而言，构成装备的特征要素多样化，要素间关联关系繁杂化使得无法精确提取装备维修多状态特征并获取特征间的关联，进一步导致整体装备状态快速精准预测难以实现，无法保证生成可靠的装备评估策略以满足多样化装备保障业务需求。

2、因装备具备多特征要素且多特征要素相互作用使得装备状态难以准确预测，异常状态数据无法准确检测，利用模糊定性分析得到的装备状态无法生成可靠的装备维修保障策略。

3、有鉴于此，如何实现对物联网装备状态进行准确预测的同时精准检测出异常状态数据，成为了一个重要的研究问题。

技术实现思路

1、针对现有技术存在的问题，本发明提供一种物联网装备状态预测与异常检测方法、装置、设备及介质。

2、本发明提供一种物联网装备状态预测与异常检测方法，包括：

3、获取物联网装备的多个指标类别各自的历史指标数据；

4、将任一指标类别作为目标指标类别，利用预设的斯皮尔曼算法，从所述目标指标类别之外的其他指标类别中确定符合预设的关联度阈值的，作为关联指标类别；

5、将所述目标指标类别和所述关联指标类别输入至预设的装备状态预测模型，并输出对应该目标指标类别的预测结果；

6、确定所述其他指标类别各自的预测结果，利用基于密度的聚类算法从全部预测结果中预测出异常的预测结果，并确定所述异常的预测结果对应的指标类别。

7、根据本发明提供的一种物联网装备状态预测与异常检测方法，所述利用预设的斯皮尔曼算法，从所述目标指标类别之外的其他指标类别中确定符合预设的关联度阈值的，作为关联指标类别，包括：

8、利用斯皮尔曼算法计算所述目标指标类别与每个其他指标类别之间各自的关联度；

9、将所述其他指标类别中关联度大于所述预设关联度阈值的确定为所述关联指标类别。

10、根据本发明提供的一种物联网装备状态预测与异常检测方法，所述利用斯皮尔曼算法计算所述目标指标类别与每个其他指标类别之间各自的关联度，包括：

11、利用如下所示的公式计算所述目标指标类别与每个其他指标类别之间各自的关联度：

12、

13、其中，x为目标指标类别，y为任一其他指标类别，ρx,y为所述目标指标类别与所述任一其他指标类别间的关联度，xi为目标指标类别中的第i个数据x在目标指标类别中的秩，yi为所述任一其他指标类别中的数据在任一其它指标类别中的秩，n为指标类别的数量，为经过归一化后的目标指标类别中的数据x，为经过归一化后的其他任一指标类别中的数据y。

14、根据本发明提供的一种物联网装备状态预测与异常检测方法，所述获取物联网装备的多个指标类别各自的历史指标数据，包括：

15、获取所述物联网装备的多个指标类别的初始指标数据；

16、对每个指标类别的初始指标数据，进行缺失值处理，得到对应该指标类别的至少一个第二指标数据；

17、对全部所述第二指标数据进行格式转换，得到对应该指标类别的至少一个第三指标数据；

18、对全部第三指标数据进行归一化处理，得到对应该指标类别的至少一个历史指标数据。

19、根据本发明提供的一种物联网装备状态预测与异常检测方法，所述对全部第三指标数据进行归一化处理，包括：

20、确定全部第三指标数据中取值最大的第三指标数据和取值最小的第三指标数据；

21、利用取值最大的第三指标数据和取值最小的第三指标数据对每个第三指标数据进行离差标准化的归一化计算。

22、根据本发明提供的一种物联网装备状态预测与异常检测方法，所述预设的装备状态预测模型的训练过程，包括：

23、为预设的装备状态样本数据设置对应的目标标签；

24、将所述装备状态样本数据输入至预设的初始预测模型进行训练，得到训练结果；

25、利用所述训练结果和所述目标标签之间的均方误差构建损失函数；

26、利用所述损失函数对所述初始预测模型进行迭代，直至所述损失函数收敛至预设收敛阈值，确定完成迭代，得到所述预设的装备状态预测模型。

27、根据本发明提供的一种物联网装备状态预测与异常检测方法，所述利用所述损失函数对所述初始预测模型进行迭代，包括：

28、在所述初始预测模型的每次迭代中，通过对所述损失函数进行最小化，确定所述初始预测模型在下一轮次迭代中的模型参数。

29、本发明还提供一种物联网装备状态预测与异常检测装置，包括：

30、数据获取模块，被配置为获取物联网装备的多个指标类别各自的历史指标数据；

31、关联指标类别确定模块，被配置为将任一指标类别作为目标指标类别，利用预设的斯皮尔曼算法，从所述目标指标类别之外的其他指标类别中确定符合预设的关联度阈值的，作为关联指标类别；

32、状态预测模块，被配置为将所述目标指标类别和所述关联指标类别输入至预设的装备状态预测模型，并输出对应该目标指标类别的预测结果；

33、异常检测模块，被配置为确定所述其他指标类别各自的预测结果，利用基于密度的聚类算法从全部预测结果中预测出异常的预测结果，并确定所述异常的预测结果对应的指标类别。

34、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述物联网装备状态预测与异常检测方法。

35、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述物联网装备状态预测与异常检测方法。

36、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述物联网装备状态预测与异常检测方法。

37、本发明提供的物联网装备状态预测与异常检测方法、装置、设备及介质，通过将获取到的任一指标类别作为目标指标类别，利用斯皮尔曼算法从大量的历史装备指标数据中确定与目标指标类别关联度满足阈值的关联指标类别，以供后续对目标指标类别进行预测，提高了目标指标类别预测的准确性。将目标指标类别与关联指标类别输入至装备状态预测模型中，利用所述装备状态预测模型输出对应该目标指标类别的预测结果，保证预测结果准确性的同时提高了预测效率。对其他指标类别分别进行预测，得到各自的预测结果后，利用基于密度的聚类算法从全部预测结果中筛选出异常的预测结果，实现了对物联网装备状态进行准确预测的同时精准检测出异常状态数据。

技术特征：

1.一种物联网装备状态预测与异常检测方法，其特征在于，包括：

2.根据权利要求1所述的物联网装备状态预测与异常检测方法，其特征在于，所述利用预设的斯皮尔曼算法，从所述目标指标类别之外的其他指标类别中确定符合预设的关联度阈值的，作为关联指标类别，包括：

3.根据权利要求2所述的物联网装备状态预测与异常检测方法，其特征在于，所述利用斯皮尔曼算法计算所述目标指标类别与每个其他指标类别之间各自的关联度，包括：

4.根据权利要求1所述的物联网装备状态预测与异常检测方法，其特征在于，所述获取物联网装备的多个指标类别各自的历史指标数据，包括：

5.根据权利要求4所述的物联网装备状态预测与异常检测方法，其特征在于，所述对全部第三指标数据进行归一化处理，包括：

6.根据权利要求1所述的物联网装备状态预测与异常检测方法，其特征在于，所述预设的装备状态预测模型的训练过程，包括：

7.根据权利要求6所述的物联网装备状态预测与异常检测方法，其特征在于，所述利用所述损失函数对所述初始预测模型进行迭代，包括：

8.一种物联网装备状态预测与异常检测装置，其特征在于，包括：

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述物联网装备状态预测与异常检测方法方法。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述物联网装备状态预测与异常检测方法方法。

技术总结
本发明提供一种物联网装备状态预测与异常检测方法、装置、设备及介质，涉及物联网技术领域，方法包括：获取物联网装备的多个指标类别各自的历史指标数据；将任一指标类别作为目标指标类别，利用预设的斯皮尔曼算法，从所述目标指标类别之外的其他指标类别中确定符合预设的关联度阈值的作为关联指标类别；将所述目标指标类别和所述关联指标类别输入至预设的装备状态预测模型，并输出对应该目标指标类别的预测结果；确定所述其他指标类别各自的预测结果，利用基于密度的聚类算法从全部预测结果中预测出异常的预测结果，并确定所述异常的预测结果对应的指标类别。本发明实现了对物联网装备状态进行准确预测的同时，精准检测出异常状态数据。

技术研发人员：栗琳,杨辉,王晓晶,常鹏,罗晓亮,姚秋彦
受保护的技术使用者：中国人民解放军军事科学院国防科技创新研究院
技术研发日：
技术公布日：2024/1/15