CN116827971A - 基于区块链的碳排放数据存储与传输方法、装置与设备 - Google Patents
基于区块链的碳排放数据存储与传输方法、装置与设备 Download PDFInfo
- Publication number
- CN116827971A CN116827971A CN202311091824.XA CN202311091824A CN116827971A CN 116827971 A CN116827971 A CN 116827971A CN 202311091824 A CN202311091824 A CN 202311091824A CN 116827971 A CN116827971 A CN 116827971A
- Authority
- CN
- China
- Prior art keywords
- carbon emission
- emission information
- carbon
- information
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 429
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 429
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000005540 biological transmission Effects 0.000 title claims abstract description 32
- 238000013500 data storage Methods 0.000 title claims abstract description 24
- 238000005259 measurement Methods 0.000 claims abstract description 38
- 238000004806 packaging method and process Methods 0.000 claims abstract description 7
- 230000002159 abnormal effect Effects 0.000 claims description 57
- 230000005856 abnormality Effects 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 description 24
- 230000004044 response Effects 0.000 description 13
- 230000008569 process Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 12
- 230000007306 turnover Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000005070 sampling Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 108010014173 Factor X Proteins 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/50—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using hash chains, e.g. blockchains or hash trees
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Signal Processing (AREA)
- Tourism & Hospitality (AREA)
- Computer Networks & Wireless Communication (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开的实施例公开了基于区块链的碳排放数据存储与传输方法、装置与设备。该方法的一具体实施方式包括:获取在预设时间段内碳排放节点对应的碳排放信息序列,其中,碳排放信息序列中的碳排放信息包括:碳源地点、碳排放时间与碳排放量;对碳排放信息序列进行碳计量处理,得到碳排放计量信息;生成对应碳排放计量信息的数字指纹,以及将碳排放计量信息、设定的存储时间与碳计量方式打包生成可信证明碳排放数据;将可信证明碳排放数据存储至设置的区块上,以及将区块上存储的可信证明碳排放数据传输至区块链的存储节点上。该实施方式降低了碳排放数据存储过程中被篡改的风险,以及降低了在传输过程中碳排放数据丢失、泄露的风险。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及基于区块链的碳排放数据存储与传输方法、装置与设备。
背景技术
目前,对于碳排放数据的存储和传输,通常采用的方式为:将采集到的碳排放数据存储在设置的存储服务器中,然后再集中发送至对应的碳排放数据处理服务器中。
然而,采用上述方式通常会存在如下技术问题:
第一,碳排放数据存储过程中存在数据被篡改、覆盖等风险,以及在传输过程中存在碳排放数据丢失、泄露等风险;
第二,未提前解析出各个碳排放数据中的异常碳排放信息,导致碳数据解析时间较长;
第三,未对碳数据进行分类存储,导致系统对碳数据文件的读取速率降低,在访问量较多时,容易造成系统的卡顿。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了基于区块链的碳排放数据存储与传输方法、装置、电子设备与计算机可读介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种基于区块链的碳排放数据存储与传输方法,该方法包括:获取在预设时间段内碳排放节点对应的碳排放信息序列,其中,上述碳排放信息序列中的碳排放信息包括:碳源地点、碳排放时间与碳排放量;对上述碳排放信息序列进行碳计量处理,得到碳排放计量信息;生成对应上述碳排放计量信息的数字指纹,以及将上述碳排放计量信息、设定的存储时间与碳计量方式打包生成可信证明碳排放数据;将上述可信证明碳排放数据存储至设置的区块上,以及将上述区块上存储的可信证明碳排放数据传输至区块链的存储节点上;将上述碳排放信息序列输入预先创建的孤立森林模型中,得到上述碳排放信息序列中的每个碳排放信息在各二叉树中的节点位置,其中,上述孤立森林模型中包含至少两个二叉树,上述至少两个二叉树中随机选择的属性不同;根据上述碳排放信息序列在各二叉树中的节点位置,确定每个碳排放信息的目标节点位置;根据各个碳排放信息的目标节点位置,确定上述碳排放信息序列中的至少一个异常碳排放信息,以及将上述至少一个异常碳排放信息存储至上述存储节点上。
第二方面,本公开的一些实施例提供了一种基于区块链的碳排放数据存储与传输装置,该装置包括:获取单元,被配置成获取在预设时间段内碳排放节点对应的碳排放信息序列,其中,上述碳排放信息序列中的碳排放信息包括:碳源地点、碳排放时间与碳排放量;碳计量单元,被配置成对上述碳排放信息序列进行碳计量处理,得到碳排放计量信息;生成单元,被配置成生成对应上述碳排放计量信息的数字指纹,以及将上述碳排放计量信息、设定的存储时间与碳计量方式打包生成可信证明碳排放数据;传输单元,被配置成将上述可信证明碳排放数据存储至设置的区块上,以及将上述区块上存储的可信证明碳排放数据传输至区块链的存储节点上;输入单元,被配置成将上述碳排放信息序列输入预先创建的孤立森林模型中,得到上述碳排放信息序列中的每个碳排放信息在各二叉树中的节点位置,其中,上述孤立森林模型中包含至少两个二叉树,上述至少两个二叉树中随机选择的属性不同;确定单元,被配置成根据上述碳排放信息序列在各二叉树中的节点位置,确定每个碳排放信息的目标节点位置;存储单元,被配置成根据各个碳排放信息的目标节点位置,确定上述碳排放信息序列中的至少一个异常碳排放信息,以及将上述至少一个异常碳排放信息存储至上述存储节点上。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的基于区块链的碳排放数据存储与传输方法,降低了碳排放数据存储过程中被篡改的风险,以及降低了在传输过程中碳排放数据丢失、泄露的风险。具体来说,碳排放数据存储过程中存在数据被篡改、覆盖等风险,以及在传输过程中存在碳排放数据丢失、泄露等风险的原因在于:将采集到的碳排放数据存储在设置的存储服务器中,然后再集中发送至对应的碳排放数据处理服务器中。基于此,本公开的一些实施例的基于区块链的碳排放数据存储与传输方法,首先,获取在预设时间段内碳排放节点对应的碳排放信息序列。其中,上述碳排放信息序列中的碳排放信息包括:碳源地点、碳排放时间与碳排放量。其次,对上述碳排放信息序列进行碳计量处理,得到碳排放计量信息。接着,生成对应上述碳排放计量信息的数字指纹,以及将上述碳排放计量信息、设定的存储时间与碳计量方式打包生成可信证明碳排放数据。之后,将上述可信证明碳排放数据存储至设置的区块上,以及将上述区块上存储的可信证明碳排放数据传输至区块链的存储节点上。由此,可以将碳排放计量信息存储在区块上,从而,降低了碳排放数据存储过程中被篡改的风险,以及降低了在传输过程中碳排放数据丢失、泄露的风险。然后,将上述碳排放信息序列输入预先创建的孤立森林模型中,得到上述碳排放信息序列中的每个碳排放信息在各二叉树中的节点位置。其中,上述孤立森林模型中包含至少两个二叉树,上述至少两个二叉树中随机选择的属性不同。再然后,根据上述碳排放信息序列在各二叉树中的节点位置,确定每个碳排放信息的目标节点位置。最后,根据各个碳排放信息的目标节点位置,确定上述碳排放信息序列中的至少一个异常碳排放信息,以及将上述至少一个异常碳排放信息存储至上述存储节点上。由此,可以解析出至少一个异常碳排放信息,提高分析结果的准确性和分析效率。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的基于区块链的碳排放数据存储与传输方法的一些实施例的流程图;
图2是根据本公开的基于区块链的碳排放数据存储与传输装置的一些实施例的流程图;
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开的基于区块链的碳排放数据存储与传输方法的一些实施例的流程图。示出了根据本公开的基于区块链的碳排放数据存储与传输方法的一些实施例的流程100。该基于区块链的碳排放数据存储与传输方法,包括以下步骤:
步骤101,获取在预设时间段内碳排放节点对应的碳排放信息序列。
在一些实施例中,基于区块链的碳排放数据存储与传输方法的执行主体(例如,计算设备)可以通过有线连接或无线连接的方式从碳排放监测终端中获取在预设时间段内碳排放节点对应的碳排放信息序列。其中,上述碳排放信息序列中的碳排放信息包括:碳源地点、碳排放时间与碳排放量。碳源地点可以是指碳排放的地点。碳排放时间可以是指碳排放的时间。碳排放节点可以是指某一电力区域监测碳排放的碳排放监测终端节点(服务器节点)。
步骤102,对上述碳排放信息序列进行碳计量处理,得到碳排放计量信息。
在一些实施例中,上述执行主体可以对上述碳排放信息序列进行碳计量处理,得到碳排放计量信息。即,对上述碳排放信息序列进行碳排放计量处理。即计算碳排放信息序列对应的碳排放总量。然后,可以将碳排放总量、各个碳源地点与碳排放时间合并为碳排放计量信息。
步骤103,生成对应上述碳排放计量信息的数字指纹,以及将上述碳排放计量信息、设定的存储时间与碳计量方式打包生成可信证明碳排放数据。
在一些实施例中,上述执行主体可以生成对应上述碳排放计量信息的数字指纹,以及将上述碳排放计量信息、设定的存储时间与碳计量方式打包生成可信证明碳排放数据。即,可以通过哈希算法对上述碳排放计量信息进行哈希处理,以生成数字指纹。碳计量方式可以是指上述碳计量处理的计算方式。即,可以将碳排放计量信息、设定的存储时间与碳计量方式合并为一个信息,再进行数据打包,生成可信证明碳排放数据。
步骤104,将上述可信证明碳排放数据存储至设置的区块上,以及将上述区块上存储的可信证明碳排放数据传输至区块链的存储节点上。
在一些实施例中,上述执行主体可以将上述可信证明碳排放数据存储至设置的区块上,以及将上述区块上存储的可信证明碳排放数据传输至区块链的存储节点上。区块可以是指预先设置的用于存储可信证明碳排放数据的区块。存储节点可以是指分布式存储系统。
实践中,上述执行主体可以通过以下步骤将上述区块上存储的可信证明碳排放数据传输至区块链的存储节点上:
第一步,确定预设的碳排放节点标识组中是否存在对应上述碳排放节点的碳排放节点标识。即,碳排放节点标识可以唯一标识一碳排放节点。即,可以确定预设的碳排放节点标识组中是否存在标识上述碳排放节点的碳排放节点标识。
第二步,响应于确定上述碳排放节点标识组中存在对应上述碳排放节点的碳排放节点标识,根据预设的容量阈值和上述可信证明碳排放数据的数据容量,对上述可信证明碳排放数据进行切分,得到至少一个数据块。这里,预设的容量阈值可以为对数据文件切分的容量阈值。实践中,上述执行主体可以按照预设的容量阈值,对上述可信证明碳排放数据进行切分。例如,数据文件“A”的数据容量可以为149MB。容量阈值可以为128MB。可以将可信证明碳排放数据切分为数据容量为128MB的数据块和数据容量为20MB的数据块。
第三步,将上述至少一个数据块中数据容量小于上述容量阈值的数据块的存储类型标记为第一数据类型。例如,数据块“A”的数据容量可以为:20MB,小于上述容量阈值“128MB”,则将数据块“A”的存储类型标记为第一存储类型。
第四步,将上述至少一个数据块中数据容量等于上述容量阈值的数据块的存储类型标记为第二数据类型。例如,数据块“A”的数据容量可以为:128MB,等于上述容量阈值“128MB”,则将数据块“A”的存储类型标记为第二存储类型。
第五步,对于上述至少一个数据块中的每个数据块和目标从节点序列中的第一个目标从节点,执行如下存储步骤:
第一子步骤,响应于上述数据块的存储类型为第一存储类型,将上述数据块存储至上述第一个目标从节点的第一存储资源池中。这里,第一存储类型可以是指数据容量等于容量阈值的数据块的类型。这里,目标从节点序列中的目标从节点可以是指从节点到分布式存储系统的主节点的心跳信号的传输时间小于等于预设时间的从节点。这里,从节点可以是设置的分布式存储系统的DataNode。这里,主节点可以是指分布式存储系统的NameNode。这里,心跳信号传输时间可以是指从节点向主节点传输数据块的时间。这里,第一存储资源池可以是指用于存储第一存储类型的数据块的存储磁盘。例如,第一存储资源池可以是从节点的SSD(Solid State Drives,固态硬盘)。例如,上述执行主体可以响应于上述数据块“A”的存储类型为第一存储类型,将上述数据块“A”存储至第一个目标从节点“001”的第一存储资源池SSD中。
第二子步骤,响应于上述数据块的存储类型为第二存储类型,将上述数据块存储至上述第一个目标从节点的第二存储资源池中。第二存储类型可以是指数据容量小于容量阈值的数据块的类型。这里,第二存储资源池可以是指用于存储第二存储类型的数据块的存储磁盘。例如,第二存储资源池可以是从节点的HDD(Hard Disk Drive,硬盘驱动器)。例如,上述执行主体可以响应于上述数据块“A”的存储类型为第二存储类型,将上述数据块“A”存储至上述第一个目标从节点“001”的第二存储资源池HDD中。
第六步,响应于检测到从节点集中从节点的第一存储资源池满足资源合并条件,将上述从节点集所对应的第一存储资源池中满足上述资源合并条件的第一存储资源池确定为第一备选存储资源池,得到第一备选存储资源池组。其中,资源合并条件可以是指“第一存储资源池中所存储的数据块的数量大于等于预设数量,或第一存储资源池的剩余存储空间容量小于等于预设存储容量”。实践中,上述执行主体可以响应于检测到从节点集中从节点的第一存储资源池满足资源合并条件“第一存储资源池中所存储的数据块的数量大于等于预设数量,或第一存储资源池的剩余存储空间容量小于等于预设存储容量”,将上述从节点集所对应的第一存储资源池中满足上述资源合并条件“第一存储资源池中所存储的数据块的数量大于等于预设数量,或第一存储资源池的剩余存储空间容量小于等于预设存储容量”的第一存储资源池确定为第一备选存储资源池,得到第一备选存储资源池组。这里,对于预设数量的设定,不作限制。这里,对于预设存储容量的设定,不作限制。
第七步,对于上述第一备选存储资源池组中的每个第一备选存储资源池,执行如下处理步骤:
第一子步骤,将上述第一备选存储资源池所存储的各个数据块的文件信息发送至预设的周转服务器中。其中,上述文件信息包括文件名称、文件类型和访问频次,上述周转服务器用于读取访问频次小于等于预设频次的数据块,以及根据数据块的文件类型,对读取的数据块进行分类合并。文件信息还可以包括但不限于以下至少一项:文件长度,数据块位置,从节点位置,偏移量。这里,数据块位置可是指数据块在第一存储资源池中的存储位置。这里,从节点位置可以是指从节点在分布式存储系统中的位置。这里,访问频次可以是指数据块被读取的次数。
首先,周转服务器在接收到上述执行主体发送的各个数据块的文件信息之后,从各个数据块的文件信息中选择包括的访问频次小于等于预设频次的文件信息作为备选文件信息,得到备选文件信息组。接着,周转服务器可以按照备选文件信息组所包括的数据块位置,从第一备选存储资源池中读取备选数据块组。这里,备选数据块组中的备选数块对应上述备选文件信息组的备选文件信息。然后,周转服务器可以将读取到的备选数据块组中的备选数据块,按照文件类型,分别归置到对应的预先设定的分类文件目录下。同时,提取每个预先设定的分类文件目录下的数据块的文件名、从节点位置、数据块位置、偏移量和文件长度,以组合成索引信息。再然后,周转服务器可以对每个预设分类文件目录下的数据块进行合并,以生成合并数据文件。最后,周转服务器可以依次将所生成的合并数据文件和索引信息发送至上述执行主体。
第二子步骤,响应于接收到上述周转服务器发送的合并数据文件和对应上述合并数据文件的索引信息,将上述从节点集中对应的从节点剩余存储空间容量最大的从节点确定为第一目标从节点。
第三子步骤,将上述合并数据文件存储至上述第一目标从节点的第二存储资源池中。
上述相关内容作为本公开的一个发明点,解决了背景技术提及的技术问题三“容易造成系统的卡顿。”。容易造成系统的卡顿的因素往往如下:未对碳数据进行分类存储,导致系统对碳数据文件的读取速率降低,在访问量较多时,容易造成系统的卡顿。如果解决了上述因素,就能达到降低系统的卡顿的效果。为了达到这一效果,首先,确定预设的碳排放节点标识组中是否存在对应上述碳排放节点的碳排放节点标识。其次,响应于确定上述碳排放节点标识组中存在对应上述碳排放节点的碳排放节点标识,根据预设的容量阈值和上述可信证明碳排放数据的数据容量,对上述可信证明碳排放数据进行切分,得到至少一个数据块。由此,便于后续对切分后的数据块进行分类存储。接着,将上述至少一个数据块中数据容量小于上述容量阈值的数据块的存储类型标记为第一数据类型;将上述至少一个数据块中数据容量等于上述容量阈值的数据块的存储类型标记为第二数据类型。之后,对于上述至少一个数据块中的每个数据块和目标从节点序列中的第一个目标从节点,执行如下存储步骤:响应于上述数据块的存储类型为第一存储类型,将上述数据块存储至上述第一个目标从节点的第一存储资源池中;响应于上述数据块的存储类型为第二存储类型,将上述数据块存储至上述第一个目标从节点的第二存储资源池中。实现了对不同数据容量的数据块的分类存储,缓解了机械硬盘的存储压力。从而,实现了对数据文件的分类存储,提高了对小型数据文件的读取速率,使得系统的卡顿有所缓解。再之后,响应于检测到从节点集中从节点的第一存储资源池满足资源合并条件,将上述从节点集所对应的第一存储资源池中满足上述资源合并条件的第一存储资源池确定为第一备选存储资源池,得到第一备选存储资源池组。最后,对于上述第一备选存储资源池组中的每个第一备选存储资源池,执行如下处理步骤:将上述第一备选存储资源池所存储的各个数据块的文件信息发送至预设的周转服务器中。其中,上述文件信息包括文件名称、文件类型和访问频次,上述周转服务器用于读取访问频次小于等于预设频次的数据块,以及根据数据块的文件类型,对读取的数据块进行分类合并。响应于接收到上述周转服务器发送的合并数据文件和对应上述合并数据文件的索引信息,将上述从节点集中对应的从节点剩余存储空间容量最大的从节点确定为第一目标从节点;将上述合并数据文件存储至上述第一目标从节点的第二存储资源池中。由此,可以在第一存储资源池中的数据块超过一定阈值后,借助周转服务器对一些访问频次较低的数据块进行分类归并,可以将文件类型相同的数据块合并成一个合并数据文件(大文件)存储到HDD中。同时,删除第一存储资源池SSD中对应上述合并数据文件的各个数据块,释放第一存储资源池的高速存储空间。从而,有效地减少了管理文件的压力,提高了对小型数据文件的存储使用效率。
可选地,获取训练样本数据集。
在一些实施例中,上述执行主体可以获取训练样本数据集。这里,训练样本数据集可以是指用于训练孤立森林模型的样本数据。训练样本数据可以是样本碳排放信息序列。
可选地,对于上述孤立森林模型中的每个二叉树,从上述训练样本数据集中选取预设数目个训练样本数据,放入上述二叉树的根节点。
在一些实施例中,上述执行主体可以对于上述孤立森林模型中的每个二叉树,从上述训练样本数据集中选取预设数目个训练样本数据,放入上述二叉树的根节点。
可选地,从上述预设数目个训练样本数据的多个属性维度中,选取一个与其他二叉树不同的属性维度。
在一些实施例中,上述执行主体可以从上述预设数目个训练样本数据的多个属性维度中,选取一个与其他二叉树不同的属性维度。
实践中,上述执行主体可以通过以下步骤选取一个与其他二叉树不同的属性维度:
第一步,利用峰度系数,从上述预设数目个样本数据的多个属性维度中,选取至少两个候选属性维度。
第二步,从上述至少两个候选属性维度中,选取一个与其他二叉树不同的属性维度。
可选地,根据上述预设数目个训练样本数据在选取的属性维度的取值范围,确定上述属性维度的划分值,将当前节点的训练样本数据划分至两个子节点,以及在上述当前节点记录上述属性维度的划分值,直至划分至叶子节点,或者上述二叉树的高度达到高度阈值。
在一些实施例中,上述执行主体可以根据上述预设数目个训练样本数据在选取的属性维度的取值范围,确定上述属性维度的划分值,将当前节点的训练样本数据划分至两个子节点,以及在上述当前节点记录上述属性维度的划分值,直至划分至叶子节点,或者上述二叉树的高度达到高度阈值。
需要说明的是,对于划分得到的两个子节点,可以确定该子节点上的训练样本数据在该属性维度的取值范围,从而再次确定该属性维度的划分值,以将该子节点上的训练样本数据再划分至两个子节点。
作为示例,孤立森林的构建首先需要进行iTree(树)的构建。iTree是一种随机二叉树,每个节点要么有两个女儿,要么就是叶子节点,一个孩子都没有。给定一堆数据集D,这里D的所有属性都是连续型的变量,iTree的构成过程如下:1,随机选择一个属性Attr;2,随机选择该属性的一个值Value;3,根据Attr对每条记录进行分类,把Attr小于Value的记录放在左女儿,把大于等于Value的记录放在右孩子;4,然后递归步骤2和3,继续构造左女儿和右女儿,直到满足以下条件:传入的训练样本数据集只有一条记录或者多条一样的记录;或者,树的高度达到了限定高度。
可以理解的是,给每棵iTree设置最大高度,一般是因为至少一个异常碳排放信息记录都比较少,其路径长度也比较低。而我们也只需要把正常记录和异常记录区分开来。因此只需要关心低于平均高度的部分就好。这样可以使得孤立森林模型的分析效率更高。作为示例,可以根据每棵树中的样本数量(sub-sampling size)来确定最大高度,如。每棵树的样本数量可以相同,也可以不同。另外,采样对孤立森林模型算法表现负面的影响通常较小。并且经过实验可以发现采样大小超过256后,对孤立森林模型的效果提升往往不大。
这样,获得t个iTree之后,iForest训练一般就结束了。然后我们可以用生成的iForest来进行测试数据分析。需要说明的是,为了保证孤立森林模型预测结果的准确性,在得到每个iTree之后,可以利用测试数据对该iTree进行测试。或者,也可以利用测试数据对整个孤立森林模型进行测试。
在这里,测试过程通常是将测试数据在构建好的各iTree上走一下,看看测试数据在哪个叶子节点。可以理解的是,iTree能有效检测异常的假设是:异常点一般都是非常稀有的,在iTree中会很快被划分到叶子节点。在这种情况下,可以根据测试数据的异常指数,来确定iTree分析结果的准确性。其中,异常指数通常根据当前分析数据(即输入iTree的数据)的自然对数、时序数据(即数据集)的数据数量确定。
步骤105,将上述碳排放信息序列输入预先创建的孤立森林模型中,得到上述碳排放信息序列中的每个碳排放信息在各二叉树中的节点位置。
在一些实施例中,上述执行主体可以将上述碳排放信息序列输入预先创建的孤立森林模型中,得到上述碳排放信息序列中的每个碳排放信息在各二叉树中的节点位置。其中,上述孤立森林模型中包含至少两个二叉树,上述至少两个二叉树中随机选择的属性不同。
实践中,可以将碳排放信息序列输入预先创建的孤立森林(iForest,IsolationForest)模型。其中,孤立森林模型中通常包含至少两个二叉树。并且孤立森林模型中的这些二叉树之间随机选择的属性不同。这样,通过孤立森林模型,便可以输出得到碳排放信息序列中的每个碳排放信息在各二叉树中的节点位置。这里的节点位置可以是表征碳排放信息在二叉树中所属节点的位置数据,如可以为节点编号或节点高度(或层数)等节点标识,或者节点路径长度等。
需要说明的是,iForest一般属于Non-parametric和unsupervised的方法,即不用定义数学模型,也不需要有标记的训练。对于如何查找哪些点是否容易被孤立(isolated),iForest使用了一套非常高效的策略。假设我们用一个随机超平面来切割(split)数据空间(data space),切一次可以生成两个子空间。之后我们再继续用一个随机超平面来切割每个子空间。循环下去,直到每个子空间里面只有一个数据点为止。直观上来讲,我们可以发现那些密度很高的簇是被切分很多次才会停止切割,但是那些密度很低的点很容易很早就停到一个子空间中。
iForest算法得益于随机森林的思想,与随机森林由大量决策树组成一样,iForest森林也由大量的二叉树组成。iForest中的树叫 isolation tree,简称iTree,即二叉树。iTree树和决策树不太一样,其构建过程也比决策树简单,是一个完全随机的过程。
假设数据集有 N 条数据,构建一颗iTree时,可以从 N条数据中均匀抽样出 n 个样本出来,作为这棵树的训练样本。一般是无放回抽样。在样本中,随机选出一个特征,并在这个特征的所有值范围内(最小值和最大值之间)随机选一个值,对样本进行二叉划分。将样本中小于该值的划分到节点的左边,大于等于该值的划分到节点的右边。由此,可以得到一个分裂条件和左右两边的数据集。然后分别在左右两边的数据集上重复上面的过程,直到数据集只有一条记录或者达到了树的限定高度。
步骤106,根据上述碳排放信息序列在各二叉树中的节点位置,确定每个碳排放信息的目标节点位置。
在一些实施例中,上述执行主体可以根据上述碳排放信息序列在各二叉树中的节点位置,确定每个碳排放信息的目标节点位置。
实践中,上述执行主体可以对于上述碳排放信息序列中的每个碳排放信息,将上述碳排放信息在上述孤立森林模型中各二叉树中的节点位置的平均值,确定为上述碳排放信息的目标节点位置。执行主体可以将该碳排放信息在孤立森林模型中各二叉树中的节点位置的平均值,即高度平均值(PathLength),确定为该数据的目标节点位置。还可以确定这些节点位置的加权平均值,以作为该碳排放信息的目标节点位置。
步骤107,根据各个碳排放信息的目标节点位置,确定上述碳排放信息序列中的至少一个异常碳排放信息,以及将上述至少一个异常碳排放信息存储至上述存储节点上。
在一些实施例中,上述执行主体可以根据各个碳排放信息的目标节点位置,确定上述碳排放信息序列中的至少一个异常碳排放信息,以及将上述至少一个异常碳排放信息存储至上述存储节点上。
实践中,上述执行主体可以通过以下步骤确定上述碳排放信息序列中的至少一个异常碳排放信息:
第一步,按照各个目标节点位置由低到高的顺序,将目标节点位置小于预设位置阈值的碳排放信息确定为异常碳排放信息,得到至少一个异常碳排放信息。可以将目标节点位置最低的前几个,作为备选节点位置。接着可以判断这些备选节点位置是否小于位置阈值。从而将小于位置阈值的备选节点位置所对应的碳排放信息,即靠近根节点的碳排放信息,确定为异常碳排放信息。
第二步,确定上述碳排放信息序列中的每个碳排放信息,在上述碳排放信息序列中的异常指数。其中,上述异常指数根据分析碳排放信息的自然对数、上述碳排放信息序列的数据数量确定。
第三步,根据各个碳排放信息的异常指数和目标节点位置,确定上述异常碳排放信息序列中的至少一个异常碳排放信息。通过异常指数可以大体确定异常碳排放信息的个数。进而结合孤立森林模型的分析结果(即各碳排放信息的目标节点位置),便可以更加准确地确定异常碳排放信息。
可选地,上述执行主体可以确定与上述至少一个异常碳排放信息相关的多个指标参数。
在一些实施例中,上述执行主体可以确定与上述至少一个异常碳排放信息相关的多个指标参数。确定与该至少一个异常碳排放信息相关的多个指标参数。多个通常为至少两个。其中,相关得指标参数可以是直接相关的指标参数,也可以是间接相关的指标参数。例如,对于碳排放总量,通常与碳排放速率、碳排放时间这些指标参数直接相关。
可选地,利用归因理论,分析上述多个指标参数对上述至少一个异常碳排放信息的影响指标参数。
在一些实施例中,上述执行主体可以利用归因理论,分析上述多个指标参数对上述至少一个异常碳排放信息的影响指标参数。可以利用归因理论(LMDI,Logarithmic MeanIndex Method),可以分析多个指标参数对至少一个异常碳排放信息的影响指标参数。对于某个异常碳排放信息,可以通过归因理论分析将数据变化拆解到具体某个指标参数因子上,从而进一步定位主要原因。
作为示例,若假设指标:Y=X+Z。此时,当对比两个不同时期的指标Y1和Y0时,指标的变化表示为:Y1-Y0。而由于指标的变化,是由于X和Z两个因素变化导致的,所以指标的变化可以进一步拆分为X和Z两个因素的变化:Y1-Y0=(X1+Z1)-(X0+Z0)=(X1-X0)+(Z1-Z0)。所以因素X对指标贡献的绝对值为:X1-X0;贡献相对值为:(X1-X0)/(Y1-Y0)。因素Z对指标贡献的绝对值为:Z1-Z0;贡献相对值为:(Z1-Z0)/(Y1-Y0)。由此可知,若异常碳排放信息与多个指标参数为加法关系,则对于多个指标参数中的每个指标参数,可以将该指标参数的当前值与对比值的差值,确定为影响异常碳排放信息的影响指标参数。
实践中,上述执行主体可以通过以下步骤分析上述多个指标参数对上述至少一个异常碳排放信息的影响指标参数:
第一步,响应于确定上述至少一个异常碳排放信息与上述多个指标参数为加法关系,对于上述多个指标参数中的每个指标参数,将上述指标参数的当前指标值与对比指标值的差值,确定为影响上述至少一个异常碳排放信息的贡献值。
第二步,响应于确定上述至少一个异常碳排放信息与上述多个指标参数为乘法关系,对于上述多个指标参数中的每个指标参数,确定上述指标参数的当前指标值与对比指标值的比值的自然对数,以及根据上述自然对数、上述指标参数的当前指标值与对比指标值的差值,确定上述指标参数影响上述至少一个异常碳排放信息的贡献值。
第三步,根据上述多个指标参数对应的贡献值,确定影响上述至少一个异常碳排放信息最大的影响指标参数。
上述相关内容作为本公开的一个发明点,解决了背景技术提及的技术问题二“导致碳数据解析时间较长。”。导致碳数据解析时间较长的因素往往如下:未提前解析出各个碳排放数据中的异常碳排放信息,导致碳数据解析时间较长。如果解决了上述因素,就能达到缩短碳数据解析时间的效果。为了达到这一效果,首先,按照各个目标节点位置由低到高的顺序,将目标节点位置小于预设位置阈值的碳排放信息确定为异常碳排放信息,得到至少一个异常碳排放信息。然后,确定上述碳排放信息序列中的每个碳排放信息,在上述碳排放信息序列中的异常指数。其中,上述异常指数根据分析碳排放信息的自然对数、上述碳排放信息序列的数据数量确定。最后,根据各个碳排放信息的异常指数和目标节点位置,确定上述异常碳排放信息序列中的至少一个异常碳排放信息。由此,可以通过对碳排放信息序列进行分析,可以结合数据的时序趋势特征来识别异常。从而降低变化即被识别为异常的可能性,提高异常分析结果的准确性。进而,缩短了碳数据解析时间。
进一步参考图2,作为对上述各图所示方法的实现,本公开提供了一种基于区块链的碳排放数据存储与传输装置的一些实施例,这些基于区块链的碳排放数据存储与传输装置实施例与图1所示的那些方法实施例相对应,该基于区块链的碳排放数据存储与传输装置具体可以应用于各种电子设备中。
如图2所示,一些实施例的基于区块链的碳排放数据存储与传输装置200包括:获取单元201、碳计量单元202、生成单元203、传输单元204、输入单元205、确定单元206和存储单元207。其中,获取单元201,被配置成获取在预设时间段内碳排放节点对应的碳排放信息序列,其中,上述碳排放信息序列中的碳排放信息包括:碳源地点、碳排放时间与碳排放量;碳计量单元202,被配置成对上述碳排放信息序列进行碳计量处理,得到碳排放计量信息;生成单元203,被配置成生成对应上述碳排放计量信息的数字指纹,以及将上述碳排放计量信息、设定的存储时间与碳计量方式打包生成可信证明碳排放数据;传输单元204,被配置成将上述可信证明碳排放数据存储至设置的区块上,以及将上述区块上存储的可信证明碳排放数据传输至区块链的存储节点上;输入单元205,被配置成将上述碳排放信息序列输入预先创建的孤立森林模型中,得到上述碳排放信息序列中的每个碳排放信息在各二叉树中的节点位置,其中,上述孤立森林模型中包含至少两个二叉树,上述至少两个二叉树中随机选择的属性不同;确定单元206,被配置成根据上述碳排放信息序列在各二叉树中的节点位置,确定每个碳排放信息的目标节点位置;存储单元207,被配置成根据各个碳排放信息的目标节点位置,确定上述碳排放信息序列中的至少一个异常碳排放信息,以及将上述至少一个异常碳排放信息存储至上述存储节点上。
可以理解的是,该基于区块链的碳排放数据存储与传输装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于基于区块链的碳排放数据存储与传输装置200及其中包含的单元,在此不再赘述。
下面参考图3,其示出了适于用来实现本公开的一些实施例的电子设备(例如计算设备)300的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM302被安装。在该计算机程序被处理装置301执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取在预设时间段内碳排放节点对应的碳排放信息序列,其中,上述碳排放信息序列中的碳排放信息包括:碳源地点、碳排放时间与碳排放量;对上述碳排放信息序列进行碳计量处理,得到碳排放计量信息;生成对应上述碳排放计量信息的数字指纹,以及将上述碳排放计量信息、设定的存储时间与碳计量方式打包生成可信证明碳排放数据;将上述可信证明碳排放数据存储至设置的区块上,以及将上述区块上存储的可信证明碳排放数据传输至区块链的存储节点上;将上述碳排放信息序列输入预先创建的孤立森林模型中,得到上述碳排放信息序列中的每个碳排放信息在各二叉树中的节点位置,其中,上述孤立森林模型中包含至少两个二叉树,上述至少两个二叉树中随机选择的属性不同;根据上述碳排放信息序列在各二叉树中的节点位置,确定每个碳排放信息的目标节点位置;根据各个碳排放信息的目标节点位置,确定上述碳排放信息序列中的至少一个异常碳排放信息,以及将上述至少一个异常碳排放信息存储至上述存储节点上。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括:获取单元、碳计量单元、生成单元、传输单元、输入单元、确定单元和存储单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,碳计量单元还可以被描述为“对上述碳排放信息序列进行碳计量处理,得到碳排放计量信息的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (7)
1.一种基于区块链的碳排放数据存储与传输方法,包括:
获取在预设时间段内碳排放节点对应的碳排放信息序列,其中,所述碳排放信息序列中的碳排放信息包括:碳源地点、碳排放时间与碳排放量;
对所述碳排放信息序列进行碳计量处理,得到碳排放计量信息;
生成对应所述碳排放计量信息的数字指纹,以及将所述碳排放计量信息、设定的存储时间与碳计量方式打包生成可信证明碳排放数据;
将所述可信证明碳排放数据存储至设置的区块上,以及将所述区块上存储的可信证明碳排放数据传输至区块链的存储节点上;
将所述碳排放信息序列输入预先创建的孤立森林模型中,得到所述碳排放信息序列中的每个碳排放信息在各二叉树中的节点位置,其中,所述孤立森林模型中包含至少两个二叉树,所述至少两个二叉树中随机选择的属性不同;
根据所述碳排放信息序列在各二叉树中的节点位置,确定每个碳排放信息的目标节点位置;
根据各个碳排放信息的目标节点位置,确定所述碳排放信息序列中的至少一个异常碳排放信息,以及将所述至少一个异常碳排放信息存储至所述存储节点上。
2.根据权利要求1所述的方法,其中,所述方法还包括:
确定与所述至少一个异常碳排放信息相关的多个指标参数;
利用归因理论,分析所述多个指标参数对所述至少一个异常碳排放信息的影响指标参数。
3.根据权利要求1所述的方法,其中,所述根据所述碳排放信息序列在各二叉树中的节点位置,确定每个碳排放信息的目标节点位置,包括:
对于所述碳排放信息序列中的每个碳排放信息,将所述碳排放信息在所述孤立森林模型中各二叉树中的节点位置的平均值,确定为所述碳排放信息的目标节点位置。
4.根据权利要求1所述的方法,其中,所述根据各个碳排放信息的目标节点位置,确定所述碳排放信息序列中的至少一个异常碳排放信息,包括:
按照各个目标节点位置由低到高的顺序,将目标节点位置小于预设位置阈值的碳排放信息确定为异常碳排放信息,得到至少一个异常碳排放信息;
确定所述碳排放信息序列中的每个碳排放信息,在所述碳排放信息序列中的异常指数,其中,所述异常指数根据分析碳排放信息的自然对数、所述碳排放信息序列的数据数量确定;
根据各个碳排放信息的异常指数和目标节点位置,确定所述异常碳排放信息序列中的至少一个异常碳排放信息。
5.一种基于区块链的碳排放数据存储与传输装置,包括:
获取单元,被配置成获取在预设时间段内碳排放节点对应的碳排放信息序列,其中,所述碳排放信息序列中的碳排放信息包括:碳源地点、碳排放时间与碳排放量;
碳计量单元,被配置成对所述碳排放信息序列进行碳计量处理,得到碳排放计量信息;
生成单元,被配置成生成对应所述碳排放计量信息的数字指纹,以及将所述碳排放计量信息、设定的存储时间与碳计量方式打包生成可信证明碳排放数据;
传输单元,被配置成将所述可信证明碳排放数据存储至设置的区块上,以及将所述区块上存储的可信证明碳排放数据传输至区块链的存储节点上;
输入单元,被配置成将所述碳排放信息序列输入预先创建的孤立森林模型中,得到所述碳排放信息序列中的每个碳排放信息在各二叉树中的节点位置,其中,所述孤立森林模型中包含至少两个二叉树,所述至少两个二叉树中随机选择的属性不同;
确定单元,被配置成根据所述碳排放信息序列在各二叉树中的节点位置,确定每个碳排放信息的目标节点位置;
存储单元,被配置成根据各个碳排放信息的目标节点位置,确定所述碳排放信息序列中的至少一个异常碳排放信息,以及将所述至少一个异常碳排放信息存储至所述存储节点上。
6.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
7.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311091824.XA CN116827971B (zh) | 2023-08-29 | 2023-08-29 | 基于区块链的碳排放数据存储与传输方法、装置与设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311091824.XA CN116827971B (zh) | 2023-08-29 | 2023-08-29 | 基于区块链的碳排放数据存储与传输方法、装置与设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116827971A true CN116827971A (zh) | 2023-09-29 |
CN116827971B CN116827971B (zh) | 2023-11-24 |
Family
ID=88113110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311091824.XA Active CN116827971B (zh) | 2023-08-29 | 2023-08-29 | 基于区块链的碳排放数据存储与传输方法、装置与设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116827971B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117557284A (zh) * | 2024-01-11 | 2024-02-13 | 广东埃文低碳科技股份有限公司 | 一种碳排放智能监测与管控平台 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200027096A1 (en) * | 2017-11-07 | 2020-01-23 | Jason Ryan Cooner | System, business and technical methods, and article of manufacture for utilizing internet of things technology in energy management systems designed to automate the process of generating and/or monetizing carbon credits |
US20200374720A1 (en) * | 2018-06-04 | 2020-11-26 | Jiangnan University | Method for Detecting Abnormal Data in Sensor Network |
CN115099450A (zh) * | 2022-04-22 | 2022-09-23 | 清华大学深圳国际研究生院 | 基于融合模型的家庭碳排放监测核算平台 |
CN115222214A (zh) * | 2022-06-24 | 2022-10-21 | 成都佳华物链云科技有限公司 | 碳排放核验方法、装置、电子设备及存储介质 |
WO2022250186A1 (ko) * | 2021-05-28 | 2022-12-01 | 주식회사 테라플랫폼 | 블록체인기반 소규모 탄소배출권 거래시스템 |
WO2023045829A1 (zh) * | 2021-09-24 | 2023-03-30 | 中兴通讯股份有限公司 | 一种业务异常预测方法、装置、存储介质及电子装置 |
WO2023050620A1 (zh) * | 2021-09-29 | 2023-04-06 | 西安交通大学 | 一种分布式区块链系统用户异常行为监测方法及系统 |
CN115941206A (zh) * | 2022-12-09 | 2023-04-07 | 国网江苏省电力有限公司常州供电分公司 | 一种基于区块链技术的碳排放数据上链方法 |
CN116186754A (zh) * | 2022-12-07 | 2023-05-30 | 国网上海市电力公司 | 一种基于区块链的联邦随机森林电力数据协作分析方法 |
-
2023
- 2023-08-29 CN CN202311091824.XA patent/CN116827971B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200027096A1 (en) * | 2017-11-07 | 2020-01-23 | Jason Ryan Cooner | System, business and technical methods, and article of manufacture for utilizing internet of things technology in energy management systems designed to automate the process of generating and/or monetizing carbon credits |
US20200374720A1 (en) * | 2018-06-04 | 2020-11-26 | Jiangnan University | Method for Detecting Abnormal Data in Sensor Network |
WO2022250186A1 (ko) * | 2021-05-28 | 2022-12-01 | 주식회사 테라플랫폼 | 블록체인기반 소규모 탄소배출권 거래시스템 |
WO2023045829A1 (zh) * | 2021-09-24 | 2023-03-30 | 中兴通讯股份有限公司 | 一种业务异常预测方法、装置、存储介质及电子装置 |
WO2023050620A1 (zh) * | 2021-09-29 | 2023-04-06 | 西安交通大学 | 一种分布式区块链系统用户异常行为监测方法及系统 |
CN115099450A (zh) * | 2022-04-22 | 2022-09-23 | 清华大学深圳国际研究生院 | 基于融合模型的家庭碳排放监测核算平台 |
CN115222214A (zh) * | 2022-06-24 | 2022-10-21 | 成都佳华物链云科技有限公司 | 碳排放核验方法、装置、电子设备及存储介质 |
CN116186754A (zh) * | 2022-12-07 | 2023-05-30 | 国网上海市电力公司 | 一种基于区块链的联邦随机森林电力数据协作分析方法 |
CN115941206A (zh) * | 2022-12-09 | 2023-04-07 | 国网江苏省电力有限公司常州供电分公司 | 一种基于区块链技术的碳排放数据上链方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117557284A (zh) * | 2024-01-11 | 2024-02-13 | 广东埃文低碳科技股份有限公司 | 一种碳排放智能监测与管控平台 |
Also Published As
Publication number | Publication date |
---|---|
CN116827971B (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190294978A1 (en) | Inferring digital twins from captured data | |
CN114422267B (zh) | 流量检测方法、装置、设备及介质 | |
CN116827971B (zh) | 基于区块链的碳排放数据存储与传输方法、装置与设备 | |
CN109271453B (zh) | 一种数据库容量的确定方法和装置 | |
CN110866031B (zh) | 数据库访问路径的优化方法、装置、计算设备以及介质 | |
CN110633411A (zh) | 一种筛选房源的方法、装置、电子设备及存储介质 | |
US9569452B1 (en) | Exponential decay set pruning | |
CN105245380B (zh) | 一种消息的传播方式识别方法及装置 | |
US10242009B2 (en) | Automatic analysis of repository structure to facilitate natural language queries | |
CN111666449B (zh) | 视频检索方法、装置、电子设备和计算机可读介质 | |
CN111367778B (zh) | 评估搜索策略的数据分析方法和装置 | |
CN110931136B (zh) | 事件的搜索方法及装置、计算机介质和电子设备 | |
CN115729797A (zh) | 代码相似函数检测方法、装置、电子设备及存储介质 | |
CN113934894A (zh) | 基于指标树的数据显示方法、终端设备 | |
CN112286808A (zh) | 应用程序的测试方法、装置、电子设备及介质 | |
CN111507734B (zh) | 作弊请求识别方法、装置、电子设备及计算机存储介质 | |
CN113282471B (zh) | 设备性能测试方法、装置、终端设备 | |
CN114399355B (zh) | 基于用户转化率的信息推送方法、装置和电子设备 | |
CN116467178B (zh) | 数据库检测方法、装置、电子设备和计算机可读介质 | |
CN116596585B (zh) | 一种用户满意度获取方法、装置、电子设备及存储介质 | |
CN113672675B (zh) | 数据检测方法、装置和电子设备 | |
CN110703119B (zh) | 评估电池健康状态的方法和装置 | |
WO2023217263A1 (zh) | 数据处理方法、装置、设备及介质 | |
CN109240878B (zh) | 数据处理方法和装置 | |
CN110891010B (zh) | 用于发送信息的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |