CN110780040B - 有害气体数据处理方法、装置、电子设备及存储介质 - Google Patents

有害气体数据处理方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN110780040B
CN110780040B CN201911037536.XA CN201911037536A CN110780040B CN 110780040 B CN110780040 B CN 110780040B CN 201911037536 A CN201911037536 A CN 201911037536A CN 110780040 B CN110780040 B CN 110780040B
Authority
CN
China
Prior art keywords
harmful gas
gas data
resource
environment
newly added
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.)
Active
Application number
CN201911037536.XA
Other languages
English (en)
Other versions
CN110780040A (zh
Inventor
高树磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201911037536.XA priority Critical patent/CN110780040B/zh
Publication of CN110780040A publication Critical patent/CN110780040A/zh
Application granted granted Critical
Publication of CN110780040B publication Critical patent/CN110780040B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
    • G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
    • G01N33/0047—Organic compounds
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
    • G01N33/0068—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a computer specifically programmed
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/904—Browsing; Visualisation therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种有害气体数据处理方法、装置、电子设备及存储介质；方法包括：获取监测端的数据库中存储的新增有害气体数据；其中，所述新增有害气体数据是所述监测端通过传感器获取到的、位于同步时间后的有害气体数据，所述同步时间为上一次同步有害气体数据的时间；将所述新增有害气体数据存储至后台数据库；从所述后台数据库中读取所述新增有害气体数据，并将所述新增有害气体数据呈现于监测页面；当所述后台数据库中的所述新增有害气体数据满足告警条件时，向告警通道发送包括所述新增有害气体数据的告警提示。通过本发明，能够提升对有害气体数据进行处理的实时性，同时通过发送告警提示，能够有效避免有害气体造成损害。

Description

有害气体数据处理方法、装置、电子设备及存储介质
技术领域
本发明涉及人工智能的环境监控技术，尤其涉及一种有害气体数据处理方法、装置、电子设备及存储介质。
背景技术
有害气体是指可能对人或动物的健康产生不利影响的气体，可能存在于生活环境中。例如，甲醛是一种无色且有刺激性气味的有害气体，在日常生活中所接触到的物品，例如人造板材及涂料墙纸等，可能会产生甲醛，从而导致危害。故对于如甲醛的有害气体来说，存在对其进行监测的需求。
随着计算机技术的发展和应用，目前已经出现了能够对有害气体数据进行监测的监测仪器。在相关技术提供的方案中，通常是将监测仪器部署于待监测的环境，如新装修的房屋，通过监测仪器的读数来确定对应的有害气体数据。但是，在待监测的有害气体数据的数量级较大，或监测仪器部署于多个不同的环境等情况下，很难实时、有效地监测有害气体，即对有害气体数据进行处理的实时性差。
发明内容
本发明实施例提供一种有害气体数据处理方法、装置、电子设备及存储介质，能够提升对有害气体数据进行处理的实时性，实现对有害气体数据的实时监测。
本发明实施例的技术方案是这样实现的：
本发明实施例提供一种有害气体数据处理方法，包括：
获取监测端的数据库中存储的新增有害气体数据；其中，所述新增有害气体数据是所述监测端通过传感器获取到的、位于同步时间后的有害气体数据，所述同步时间为上一次同步有害气体数据的时间；
将所述新增有害气体数据存储至后台数据库；
从所述后台数据库中读取所述新增有害气体数据，并将所述新增有害气体数据呈现于监测页面；
当所述后台数据库中的所述新增有害气体数据满足告警条件时，向告警通道发送包括所述新增有害气体数据的告警提示。
本发明实施例提供一种有害气体数据处理装置，包括：
数据获取模块，用于获取监测端的数据库中存储的新增有害气体数据；其中，所述新增有害气体数据是所述监测端通过传感器获取到的、位于同步时间后的有害气体数据，所述同步时间为上一次同步有害气体数据的时间；
存储模块，用于将所述新增有害气体数据存储至后台数据库；
呈现模块，用于从所述后台数据库中读取所述新增有害气体数据，并将所述新增有害气体数据呈现于监测页面；
告警模块，用于当所述后台数据库中的所述新增有害气体数据满足告警条件时，向告警通道发送包括所述新增有害气体数据的告警提示。
本发明实施例提供一种电子设备，包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令时，实现本发明实施例提供的有害气体数据处理方法。
本发明实施例提供一种存储介质，存储有可执行指令，用于引起处理器执行时，实现本发明实施例提供的有害气体数据处理方法。
本发明实施例具有以下有益效果：
本发明实施例从部署的监测端获取未同步的新增有害气体数据，将新增有害气体数据存储至后台数据库，从而实现有害气体数据的有效监测及呈现，提升了对有害气体数据进行处理的实时性，同时，在满足特定的告警条件时，向告警通道发送告警提示，有效防止有害气体造成损害。
附图说明
图1是本发明实施例提供的有害气体数据处理系统的一个可选的架构示意图；
图2是本发明实施例提供的有害气体数据处理系统的另一个可选的架构示意图；
图3是本发明实施例提供的服务器的一个可选的架构示意图；
图4A是本发明实施例提供的有害气体数据处理方法的一个可选的流程示意图；
图4B是本发明实施例提供的有害气体数据处理方法的另一个可选的流程示意图；
图4C是本发明实施例提供的确定优化资源配置的一个可选的流程示意图；
图5是本发明实施例提供的有害气体数据处理系统的另一个可选的架构示意图；
图6是本发明实施例提供的系统分层设计的一个可选的架构示意图；
图7是本发明实施例提供的云端监测页面的一个可选的示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，所描述的实施例不应视为对本发明的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
在以下的描述中，所涉及的术语“第一\第二”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本发明实施例能够以除了在这里图示或描述的以外的顺序实施。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本发明实施例的目的，不是旨在限制本发明。
对本发明实施例进行进一步详细说明之前，对本发明实施例中涉及的名词和术语进行说明，本发明实施例中涉及的名词和术语适用于如下的解释。
1)有害气体数据：环境中的有害气体在不同时间的浓度，浓度的单位可为百万分比浓度(PPM，Parts Per Million)。
2)告警通道：指与告警人员进行通信的通道，包括但不限于电话、短信及邮件形式的通道。
3)机器学习模型：专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。在本发明实施例中，机器学习模型用于确定有害气体数据的发展趋势。
4)区块链(Blockchain)：由区块(Block)形成的加密的、链式的交易的存储结构。
5)区块链网络(Blockchain Network)：通过共识的方式将新区块纳入区块链的一系列的节点的集合。
本发明实施例提供一种有害气体数据处理方法、装置、电子设备和存储介质，能够提升对有害气体数据进行处理的实时性，防止有害气体造成危害，下面说明本发明实施例提供的电子设备的示例性应用。
本发明实施例可结合云技术实现，云技术(Cloud technology)是指在广域网或局域网内将硬件、软件及网络等系列资源统一起来，实现数据的计算、储存、处理和共享的一种托管技术，也可理解为基于云计算商业模式应用的网络技术、信息技术、整合技术、管理平台技术及应用技术等的总称。技术网络系统的后台服务需要大量的计算、存储资源，如视频网站、图片类网站和更多的门户网站，因此云技术需要以云计算作为支撑。云计算是一种计算模式，它将计算任务分布在大量计算机构成的资源池上，使各种应用系统能够根据需要获取计算力、存储空间和信息服务。提供资源的网络被称为“云”。“云”中的资源在使用者看来是可以无限扩展的，并且可以随时获取，按需使用，随时扩展，按使用付费。作为云计算的基础能力提供商，会建立云计算资源池平台，简称云平台，一般称为基础设施即服务(IaaS，Infrastructure as a Service)，在资源池中部署多种类型的虚拟资源，供外部客户选择使用。云计算资源池中主要包括：计算设备(可为虚拟化机器，包含操作系统)、存储设备和网络设备。
参见图1，图1是本发明实施例提供的有害气体数据处理系统100的一个可选的架构示意图，为实现支撑一个有害气体数据处理应用，终端设备400(示例性示出了终端设备400-1和终端设备400-2)通过网络300连接服务器200，服务器200与后台数据库500连接，服务器210也与后台数据库500连接，网络300可以是广域网或者局域网，又或者是二者的组合。其中，终端设备400作为监测端，服务器200、服务器210和后台数据库500位于云端，服务器200及服务器210可为实体机器，也可为虚拟化机器。为了便于理解，后文仅以服务器200与终端设备400之间的通信过程进行说明。
终端设备400用于通过内置或外接的传感器(图1中未示出)获取监测环境中的有害气体数据，并将有害气体数据存储至缓存和本地的数据库中；读取缓存中的有害气体数据，将有害气体数据显示于图形界面401(示例性示出了图形界面401-1和图形界面401-2)中；从服务器200获取同步时间，获取读取数据库中的有害气体数据，将采集时间在同步时间之后的有害气体数据，确定为新增有害气体数据；将新增有害气体数据发送至服务器200；服务器200用于从终端设备400获取新增有害气体数据，将新增有害气体数据存储至后台数据库500；从后台数据库中读取新增有害气体数据，并将新增有害气体数据呈现于监测页面201；当后台数据库中的新增有害气体数据满足告警条件时，向告警通道发送包括新增有害气体数据的告警提示。
本发明实施例也可结合区块链技术实现，区块链(Blockchain)是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层。
区块链底层平台可以包括用户管理、基础服务、智能合约以及运营监控等处理模块。其中，用户管理模块负责所有区块链参与者的身份信息管理，包括维护公私钥生成(账户管理)、密钥管理以及用户真实身份和区块链地址对应关系维护(权限管理)等，并且在授权的情况下，监管和审计某些真实身份的交易情况，提供风险控制的规则配置(风控审计)；基础服务模块部署在所有区块链节点设备上，用来验证业务请求的有效性，并对有效请求完成共识后记录到存储上，对于一个新的业务请求，基础服务先对接口适配解析和鉴权处理(接口适配)，然后通过共识算法将业务信息加密(共识管理)，在加密之后完整一致的传输至共享账本上(网络通信)，并进行记录存储；智能合约模块负责合约的注册发行以及合约触发和合约执行，开发人员可以通过某种编程语言定义合约逻辑，发布到区块链上(合约注册)，根据合约条款的逻辑，调用密钥或者其它的事件触发执行，完成合约逻辑，同时还提供对合约升级注销的功能；运营监控模块主要负责产品发布过程中的部署、配置的修改、合约设置、云适配以及产品运行中的实时状态的可视化输出，例如：告警、监控网络情况、监控节点设备健康状态等。
参见图2，图2是本发明实施例提供的有害气体数据处理系统101的另一个可选的架构示意图，包括区块链网络20(示例性示出了作为原生节点的服务器200和服务器210)、监测系统40(示例性示出归属于监测系统40的终端设备400及其图形界面401)，下面分别进行说明。
区块链网络20的类型是灵活多样的，例如可以为公有链、私有链或联盟链中的任意一种。以公有链为例，任何业务主体的电子设备例如用户终端和服务器，都可以在不需要授权的情况下接入区块链网络20；以联盟链为例，业务主体在获得授权后其下辖的电子设备(例如终端/服务器)可以接入区块链网络20，此时，成为区块链网络20中的一类特殊的节点即客户端节点。
需要指出地，客户端节点可以只提供支持业务主体发起交易(例如，用于上链存储数据或查询链上数据)功能，对于区块链网络20的原生节点的功能，例如下文所述的排序功能、共识服务和账本功能等，客户端节点可以缺省或者有选择性(例如，取决于业务主体的具体业务需求)地实现。从而，可以将业务主体的数据和业务处理逻辑最大程度迁移到区块链网络20中，通过区块链网络20实现数据和业务处理过程的可信和可追溯。
区块链网络20接收来自业务主体(例如图2中示出的监测系统40)的客户端节点(例如，图2中示出的归属于监测系统40的终端设备400)提交的交易，执行交易以更新账本或者查询账本，并在终端设备的用户界面(例如，终端400的图形界面401)显示执行交易的各种中间结果或最终结果。
下面以监测系统接入区块链网络以实现新增有害气体数据的上链为例说明区块链网络的示例性应用。
监测系统40的终端设备400接入区块链网络20，成为区块链网络20的客户端节点。终端设备400通过传感器获取有害气体数据，并在图形界面401中显示有害气体数据，并且，在已对终端设备400部署上传逻辑或用户进行操作的情况下，终端设备400根据新增有害气体数据/同步时间查询请求，生成对应更新操作/查询操作的交易，在交易中指定了实现更新操作/查询操作需要调用的智能合约、以及向智能合约传递的参数，交易还携带了监测系统40签署的数字签名(例如，使用监测系统40的数字证书中的私钥，对交易的摘要进行加密得到)，并将交易广播到区块链网络20。其中，数字证书可由监测系统40向认证中心30进行登记注册得到。
区块链网络20中的原生节点，例如服务器200在接收到交易时，对交易携带的数字签名进行验证，数字签名验证成功后，根据交易中携带的监测系统40的身份，确认监测系统40是否是具有交易权限，数字签名和权限验证中的任何一个验证判断都将导致交易失败。验证成功后签署原生节点自己的数字签名(例如，使用原生节点的私钥对交易的摘要进行加密得到)，并继续在区块链网络20中广播。
区块链网络20中具有排序功能的节点接收到验证成功的交易后，将交易填充到新的区块中，并广播到区块链网络中20提供共识服务的节点。
区块链网络20中的提供共识服务的节点对新区块进行共识过程以达成一致，提供账本功能的节点将新区块追加到区块链的尾部，并执行新区块中的交易：对于提交新增有害气体数据的交易，更新状态数据库中新增有害气体数据对应的键值对；对于查询同步时间的交易，从状态数据库中查询同步时间对应的键值对，并返回查询结果。对于得到的同步时间，终端设备400可显示于图形界面401中。
区块链网络20中的原生节点可从区块链中读取新增有害气体数据，并将新增有害气体数据呈现于原生节点的监测页面，原生节点也可以在区块链存储的新增有害气体数据满足告警条件时，向告警通道发送包括新增有害气体数据的告警提示。
在实际应用中，可为区块链网络20的不同原生节点设置不同的功能，例如设置服务器200具有排序功能和记账功能，设置服务器210具有记账功能，并设置服务器210具有模拟排序功能。对于该情况，可在交易过程中，确定服务器200在提供服务过程中的第一资源负载，该第一资源负载用于指示对服务器200的多个资源项的负载程度。当第一资源负载与任一资源项的负载范围均匹配失败时，遍历多类资源配置，并根据遍历到的资源配置，更新服务器210的所有资源项，同时，将服务器200获取到的新增有害气体数据发送至服务器210，以使服务器210对新增有害气体数据进行模拟排序。然后，确定服务器210在提供服务过程中的第二资源负载，当第二资源负载与所有资源项的负载范围均匹配成功时，将对应的资源配置确定为优化资源配置，根据该优化资源配置，更新服务器200的所有资源项。如此，在不影响服务器200的排序服务的基础上，为服务器200设置了与实际负载情况最为匹配的资源配置。
下面继续说明本发明实施例提供的电子设备的示例性应用。电子设备可以实施为笔记本电脑，平板电脑，台式计算机，机顶盒，移动设备(例如，移动电话，便携式音乐播放器，个人数字助理，专用消息设备，便携式游戏设备)等各种类型的终端设备，也可以实施为服务器。下面，以电子设备为服务器为例进行说明。
参见图3，图3是本发明实施例提供的服务器200(例如，可以是图1或图2所示的服务器200)的架构示意图，图3所示的服务器200包括：至少一个处理器210、存储器250、至少一个网络接口220和用户接口230。服务器200中的各个组件通过总线系统240耦合在一起。可理解，总线系统240用于实现这些组件之间的连接通信。总线系统240除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图3中将各种总线都标为总线系统240。
处理器210可以是一种集成电路芯片，具有信号的处理能力，例如通用处理器、数字信号处理器(DSP，Digital Signal Processor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其中，通用处理器可以是微处理器或者任何常规的处理器等。
用户接口230包括使得能够呈现媒体内容的一个或多个输出装置231，包括一个或多个扬声器和/或一个或多个视觉显示屏。用户接口230还包括一个或多个输入装置232，包括有助于用户输入的用户接口部件，比如键盘、鼠标、麦克风、触屏显示屏、摄像头、其他输入按钮和控件。
存储器250可以是可移除的，不可移除的或其组合。示例性的硬件设备包括固态存储器，硬盘驱动器，光盘驱动器等。存储器250可选地包括在物理位置上远离处理器210的一个或多个存储设备。
存储器250包括易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。非易失性存储器可以是只读存储器(ROM，Read Only Me mory)，易失性存储器可以是随机存取存储器(RAM，Random Access Memor y)。本发明实施例描述的存储器250旨在包括任意适合类型的存储器。
在一些实施例中，存储器250能够存储数据以支持各种操作，这些数据的示例包括程序、模块和数据结构或者其子集或超集，下面示例性说明。
操作系统251，包括用于处理各种基本系统服务和执行硬件相关任务的系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务；
网络通信模块252，用于经由一个或多个(有线或无线)网络接口220到达其他计算设备，示例性的网络接口220包括：蓝牙、无线相容性认证(WiFi)、和通用串行总线(USB，Universal Serial Bus)等；
呈现模块253，用于经由一个或多个与用户接口230相关联的输出装置231(例如，显示屏、扬声器等)使得能够呈现信息(例如，用于操作外围设备和显示内容和信息的用户接口)；
输入处理模块254，用于对一个或多个来自一个或多个输入装置232之一的一个或多个用户输入或互动进行检测以及翻译所检测的输入或互动。
在一些实施例中，本发明实施例提供的有害气体数据处理装置可以采用软件方式实现，图3示出了存储在存储器250中的有害气体数据处理装置255，其可以是程序和插件等形式的软件，包括以下软件模块：数据获取模块2551、存储模块2552、呈现模块2553及告警模块2554，这些模块是逻辑上的，因此根据所实现的功能可以进行任意的组合或进一步拆分。
将在下文中说明各个模块的功能。
在另一些实施例中，本发明实施例提供的有害气体数据处理装置可以采用硬件方式实现，作为示例，本发明实施例提供的有害气体数据处理装置可以是采用硬件译码处理器形式的处理器，其被编程以执行本发明实施例提供的有害气体数据处理方法，例如，硬件译码处理器形式的处理器可以采用一个或多个应用专用集成电路(ASIC，ApplicationSpecific Integrated Circuit)、DSP、可编程逻辑器件(PLD，Programmable LogicDevice)、复杂可编程逻辑器件(C PLD，Complex Programmable Logic Device)、现场可编程门阵列(FPGA，Fi eld-Programmable Gate Array)或其他电子元件。
本发明实施例提供的有害气体数据处理方法可以由上述的服务器执行，也可以由终端设备(例如，可以是图1所示的终端设备400-1和终端设备400-2)执行，或者由服务器和终端设备共同执行。
下面将结合上文记载的电子设备的示例性应用和结构，说明电子设备中通过嵌入的有害气体数据处理装置而实现有害气体数据处理方法的过程。
参见图4A，图4A是本发明实施例提供的有害气体数据处理方法的一个可选的流程示意图，将结合图4A示出的步骤进行说明。
在步骤101中，监测端通过传感器采集监测环境中的有害气体数据，并将所述有害气体数据存储至缓存和数据库中。
这里，监测端部署于监测环境，通过内置或外接的传感器采集监测环境中的有害气体数据，有害气体数据包括有害气体浓度和采集时间。然后，监测端将有害气体数据存储至本地的缓存及数据库中。值得说明的是，本发明实施例对有害气体的种类并不做限定，例如可为甲醛或其他有害气体。
在步骤102中，所述监测端从所述缓存中读取所述有害气体数据，并呈现所述有害气体数据。
例如，监测端将从缓存中读取的有害气体数据，呈现在监测端本地的显示器上。值得说明的是，缓存可仅提供一次存储服务，即在监测端从缓存中读取有害气体数据后，将该有害气体数据从缓存中删除。
在步骤103中，所述监测端从所述数据库中读取所述有害气体数据，获取服务器发送的同步时间，将采集时间在所述同步时间之后的所述有害气体数据，确定为新增有害气体数据。
在呈现有害气体数据的同时，监测端与服务器进行通信，获取服务器发送的同步时间，该同步时间为监测端上一次与服务器同步有害气体数据的时间。相较于缓存，监测端本地的数据库提供持久性存储服务，监测端从数据库中读取有害气体数据后，将采集时间在同步时间之后的有害气体数据，确定为新增有害气体数据。其中，监测端可在获取到有害气体数据后，立刻获取同步时间进行同步，也可每隔固定的同步间隔(如1分钟)同步一次，本发明实施例对此不做限定。
在步骤104中，所述监测端向所述服务器发送所述新增有害气体数据。
新增有害气体数据即为未同步的数据，故在本步骤中，监测端向服务器发送新增有害气体数据，减少发送非必要的数据而带来的计算资源的浪费。
在步骤105中，所述服务器将获取到的所述新增有害气体数据存储至后台数据库。
服务器位于云端，服务器在获取到新增有害气体数据后，将其存储至后台数据库，以实现云端的持久性存储。
在步骤106中，所述服务器从所述后台数据库中读取所述新增有害气体数据，并将所述新增有害气体数据呈现于监测页面。
这里，服务器可将后台数据库中的新增有害气体数据呈现于监测页面，用于相关人员查看。由于服务器与监测端的通信连接不受物理间隔距离的限制或限制较小，故相关人员可在较为安全的环境中查看监测环境的有害气体情况，减少有害气体的损害。
在一些实施例中，可以通过这样的方式来实现上述的从所述后台数据库中读取所述新增有害气体数据，并将所述新增有害气体数据呈现于监测页面：所述服务器从所述后台数据库中读取设定时间段的有害气体数据，所述设定时间段的有害气体数据包括所述新增有害气体数据；根据所述设定时间段的有害气体数据，确定有害气体趋势图；根据所述新增有害气体数据及设定的对比有害气体数据，确定有害气体系数比；将所述新增有害气体数据、所述有害气体趋势图及所述有害气体系数比，呈现于监测页面。
在服务器进行呈现时，可仅呈现新增有害气体数据，也可根据后台数据库中的有害气体数据进行多个层次的呈现。具体地，服务器从后台数据库中读取设定时间段的有害气体数据，设定时间段的有害气体数据包括新增有害气体数据，例如，设定时间段可为当前时间之前的7天(包括当前时间)。根据设定时间段的有害气体数据，确定有害气体趋势图，例如，以有害气体数据中的采集时间为横轴，以有害气体数据中的浓度为竖轴，确定相应的有害气体趋势图。
同时，服务器确定新增有害气体数据中的浓度，如浓度A，并确定设定的对比有害气体数据中的浓度，如浓度B，将浓度A与浓度B之间的比值确定为有害气体系数比，其中，浓度B可为该有害气体的国际标准浓度或国家标准浓度，当然，也可为人为设定的其他浓度。然后，服务器将确定出的新增有害气体数据、有害气体趋势图及有害气体系数比，呈现于监测页面，从而提升呈现有害气体数据的直观性和多元性。
在步骤107中，当所述后台数据库中的所述新增有害气体数据满足告警条件时，所述服务器向告警通道发送包括所述新增有害气体数据的告警提示。
在呈现新增有害气体数据的同时，服务器对新增有害气体数据进行告警监测，当后台数据库中的新增有害气体数据满足告警条件时，服务器向告警通道发送包括新增有害气体数据的告警提示。其中，告警条件如新增有害气体数据中的浓度超过设定浓度，告警通道如告警人员的邮件地址等。
在一些实施例中，可以通过这样的方式来实现上述的向告警通道发送包括所述新增有害气体数据的告警提示：所述服务器根据第一告警频率，向告警通道发送包括所述新增有害气体数据的告警提示；当发送所述告警提示的次数达到设定次数、且未收到所述告警通道的反馈时，根据第二告警频率向所述告警通道发送所述告警提示；当收到所述告警通道的反馈时，停止发送所述告警提示；其中，所述第一告警频率大于所述第二告警频率。
这里，服务器先根据第一告警频率进行告警，第一告警频率如1分钟告警1次，当发送告警提示的次数达到设定次数如5次、且未收到告警通道的反馈时，对告警进行收敛处理，根据第二告警频率向告警通道发送告警提示，第二告警频率小于第一告警频率，如15分钟一次。其中，未收到告警通道的反馈是指未收到告警人员关于告警提示的回复，例如在告警通道为告警人员的邮件地址的情况下，未收到告警通道的反馈可以是指未收到告警人员的回复邮件。当收到告警人员通过告警通道的反馈时，确定告警提示已到达告警人员处，停止发送告警提示。通过上述方式，有效地减弱了发送过多相同的告警提示，而对告警人员造成的信息干扰。
通过发明实施例对于图4A的上述示例性实施可知，本发明实施例将监测端部署于监测环境，并在云端对监测端采集的有害气体数据进行处理，提升了处理的实时性，同时，监测端和云端的架构易于架设，适用于不同的应用场景。
在一些实施例中，参见图4B，图4B是本发明实施例提供的有害气体数据处理的另一个可选的流程示意图，图4A示出的步骤107可以通过步骤201至步骤203实现，将结合各步骤进行说明。
在步骤201中，所述服务器从所述后台数据库中读取设定时间段的有害气体数据，所述设定时间段的有害气体数据包括所述新增有害气体数据。
例如，服务器从后台数据库中读取当前时间之前的7天(包括当前时间)内的有害气体数据。
在步骤202中，所述服务器根据机器学习模型内输入层、隐藏层及输出层的权重参数，依次对所述设定时间段的有害气体数据进行加权处理，并将所述输出层的输出结果确定为危害趋势结果。
由于有害气体的浓度通常会随着时间的不同而波动，故在本发明实施例中，服务器根据训练好的机器学习模型对7天内的有害气体数据进行处理，得到危害趋势结果，该危害趋势结果指示当前监测环境内的有害气体能够造成危害的概率，危害趋势结果越大，则造成危害的概率越大。具体地，机器学习模型包括输入层、隐藏层及输出层，在处理过程中，将设定时间段的有害气体数据由输入层到输出层进行前向传播，在前向传播过程中，根据每一层的权重参数对设定时间段的有害气体数据进行加权处理，并将加权处理后的数据传递给下一层，以使下一层继续进行加权处理，最终，将输出层的输出结果确定为危害趋势结果。其中，机器学习模型如神经网络模型。
在一些实施例中，在步骤202之前，还包括：所述服务器获取所述设定时间段的标注有害气体数据以及对应的标注趋势结果；根据所述机器学习模型内输入层、隐藏层及输出层的权重参数，依次对所述设定时间段的标注有害气体数据进行加权处理，并将所述输出层的输出结果确定为预测趋势结果；确定所述标注趋势结果与所述预测趋势结果之间的差异；将所述差异从所述输出层反向传播至所述输入层，在反向传播的过程中根据所述差异确定对应层的梯度，并沿梯度下降方向更新对应层的权重参数。
在机器学习模型的训练过程中，服务器首先获取设定时间段，如7天内的标注有害气体数据，并获取对应的人为设定的标注趋势结果。然后，将设定时间段的标注有害气体数据在机器学习模型中，由输入层到输出层进行前向传播，将输出层的输出结果确定为预测趋势结果。计算标注趋势结果与预测趋势结果之间的差异，将该差异从机器学习模型的输出层反向传播至输入层，并在反向传播至每一层的过程中，根据该差异计算该层的权重系数的梯度，并沿梯度下降的方向更新该层的权重参数，直到每一层的权重参数都更新完毕为止，从而使得机器学习模型输出的预测趋势结果与标注趋势结果更为接近。通过上述方式，有效提升了通过机器学习模型进行预测的准确性。
在一些实施例中，在步骤202之后，还包括：所述服务器获取多个所述监测端的环境配置；其中，所述环境配置包括多个环境值，每个所述环境值对应一个环境区间；根据各所述监测端对应的危害趋势结果，对各所述监测端对应环境配置中的多个环境值进行更新处理；将多个所述监测端的环境配置中、对应相同环境区间的环境值进行平均处理，得到融合环境配置；对所述融合环境配置中的多个环境值进行排序得到排序结果，所述排序结果指示不同的环境区间对有害气体数据的影响程度。
在存在多个监测环境的情况下，可针对每个监测环境，部署一个监测端，并在服务器获取各监测端的环境配置，该环境配置是监测端经过监测，并经过一定的数值化处理后得到的。环境配置包括多个环境值，每个环境值对应一个环境区间，环境区间是环境因素的数值区间。举例来说，某个监测端的环境配置A包括环境值a1和b1，其中a1对应的环境因素为每日光照时长，a1对应的环境区间为(1小时，2小时]，b1对应的环境因素为每日平均风速，b1对应的环境区间为(2米/秒，3米/秒]。
然后，根据各监测端对应的危害趋势结果，对该监测端对应环境配置中的多个环境值进行更新处理，更新处理可为将危害趋势结果与各环境值进行乘积处理，当然也可以是其他形式的处理，本发明实施例不做限定。以更新处理为乘积处理举例，对于包括环境值a1和b1的环境配置A来说，若服务器确定出对应监测端的危害趋势结果为0.6，则将环境配置A中的环境值a1更新为0.6×a1，将环境值b1更新为0.6×b1。
在对各监测端的环境配置更新处理完毕后，将多个监测端的环境配置中、对应相同环境区间的环境值进行平均处理，得到融合环境配置。其中，若在多个环境配置中，某环境区间仅对应一个环境值，则直接将该环境值确定为融合环境配置中对应该环境区间的环境值。举例来说，环境配置A包括环境值0.6×a1和0.6×b1，环境配置B包括环境值0.4×a2和0.4×c1，其中，a1和a2对应相同的环境区间，a1、b1及c1对应的环境区间均不同，则进行平均处理后，得到的融合环境配置包括环境值(0.6×a1+0.4×a2)/2、0.6×b1和0.4×c1。
对融合环境配置中的多个环境值按照从大到小的顺序进行排序，得到排序结果，该排序结果也体现了环境值对应的环境区间之间的顺序。在排序结果中的位次越靠前，则对应的环境区间对于有害气体数据的不利影响程度越大，相关人员可根据排序结果，调整对应的环境因素，从而快速降低监测环境中有害气体的浓度，例如对于每日平均风速，环境区间[0米/秒，1米/秒]在排序结果中的位次在(1米/秒，2米/秒]前，(1米/秒，2米/秒]的位次在(2米/秒，3米/秒]前，则相关人员可通过加大风速，来降低监测环境中的有害气体浓度。通过上述方式，在实现监测的同时，可确定不同的环境区间对有害气体浓度的不利影响程度，提供了有效降低有害气体浓度的方式，适用于具体情况不同的监测环境。
在一些实施例中，可以通过这样的方式来实现上述的获取多个所述监测端的环境配置：所述服务器获取多个所述监测端的初始环境配置；其中，所述初始环境配置包括多个初始值，每个所述初始值对应一个环境因素；确定所述环境因素对应的多个环境区间，并确定各所述环境区间的环境值；确定所述初始值落入的环境区间，并根据所述环境区间的环境值，更新所述初始环境配置中的初始值，得到更新后的环境配置。
这里，服务器获取的初始环境配置中的初始值，即为对应环境因素的实际数值，例如对于环境因素每日平均风速，监测端监测到的实际数值为1.5米/秒，则对应的初始值也为1.5米/秒。为了去除量纲，便于后续进行融合处理，确定环境因素对应的多个环境区间，并确定各环境区间的环境值，不同环境因素对应的环境区间的环境值可统一设置为1，当然，也可根据环境因素对有害气体数据的先验影响程度，确定对应的环境值。例如，设置每日平均风速对应的多个环境区间的环境值均为1，设置每日光照时长对应的多个环境区间的环境值均为0.9。对于初始环境配置中的各初始值，确定初始值落入的环境区间，并将初始值替换为该环境区间的环境值，得到更新后的环境配置。通过上述方式，提升了数值的统一性，便于后续进行相应处理。
在步骤203中，当所述危害趋势结果超过结果阈值时，所述服务器确定所述危害趋势结果对应的告警通道，并向所述告警通道发送告警提示。
这里，当危害趋势结果超过设定的结果阈值时，服务器确定危害趋势结果对应的告警通道，并向告警通道发送告警提示，告警通道可以是统一设定的，也可以是根据危害趋势结果的不同而分别设定的。
在一些实施例中，可以通过这样的方式来实现上述的当所述危害趋势结果超过结果阈值时，所述服务器确定所述危害趋势结果对应的告警通道：当所述危害趋势结果超过低危结果阈值、且未超过高危结果阈值时，所述服务器确定所述危害趋势结果对应的告警通道为低危告警通道；当所述危害趋势结果超过所述高危结果阈值时，确定所述危害趋势结果对应的告警通道为所述低危告警通道及高危告警通道。
这里，可设置低危结果阈值和高危结果阈值，低危结果阈值如0.3，高危结果阈值如0.8。当机器学习模型输出的危害趋势结果小于或等于0.3时，不进行告警；当机器学习模型输出的危害趋势结果大于0.3、且未超过0.8时，服务器确定危害趋势结果对应的告警通道为低危告警通道，低危告警通道可预先设定，如邮件或短信形式的通道；当机器学习模型输出的危害趋势结果大于0.8时，服务器确定危害趋势结果对应的告警通道为高危告警通道，例如电话形式的通道，或者用于拉响警报器的通道。即，在监测环境中的有害气体的危害概率较小时，向紧急程度较低的告警通道进行告警；在危害概率较大时，向紧急程度较高的告警通道进行告警。通过上述方式，根据危害结果阈值的不同，实现了区分告警，易于告警人员获知监测环境的有害气体情况。
通过发明实施例对于图4B的上述示例性实施可知，本发明实施例通过机器学习模型对有害气体数据进行分类处理，得到危害趋势结果，并根据危害趋势结果向对应的告警通道发出告警提示，降低了错误告警的概率，提升了告警的准确性。
在一些实施例中，参见图4C，图4C是本发明实施例提供的确定优化资源配置的一个可选的流程示意图，以图1所示的服务器200(下文称为第一服务器)及服务器210(下文称为第二服务器)，结合图4C示出的步骤进行说明。
在步骤301中，第一服务器确定处理所述新增有害气体数据的第一资源负载；其中，所述第一资源负载用于指示对所述第一服务器的多个资源项的负载程度。
云端可支持多个服务器运行，为了使服务器的资源配置与实际的处理情况相匹配，确定处理新增有害气体数据的第一服务器，处理新增有害气体数据是指从监测端获取新增有害气体数据，并执行呈现及告警等操作。第一服务器确定在处理新增有害气体数据时的第一资源负载，该第一资源负载用于指示对第一服务器的多个资源项的负载程度(使用率)，资源项如中央处理器(CPU，C entral Processing Unit)资源、内存资源及磁盘资源等。值得说明的是，第一资源负载可以是一定时间段，如1天内的平均资源负载。
在步骤302中，所述第一服务器确定各所述资源项的负载范围。
在本发明实施例中，为各资源项设置负载条件，具体地，为各资源项设置负载范围，从而一方面避免负载过小而导致资源空置，另一方面避免负载过大而导致无法对数据进行实时处理。
在步骤303中，当所述第一资源负载与任一所述资源项的负载范围匹配失败时，所述第一服务器遍历多类资源配置，并将遍历到的资源配置发送至第二服务器；其中，所述第一服务器和所述第二服务器均为区块链网络中的节点。
当第一资源负载与所有资源项的负载范围均匹配成功，即落入所有资源项的负载范围时，第一服务器确定第一资源负载符合所有资源项的负载条件，不进行资源配置的调整；当第一资源负载与任一资源项的负载范围匹配失败时，第一服务器遍历设定的多类资源配置，并将遍历到的资源配置发送至第二服务器，其中，每一类资源配置包括对多个资源项的配置信息。这里，第一服务器和第二服务器均为区块链网络中的节点，第一服务器可提供对新增有害气体数据的排序服务和记账服务，第二服务器可提供记账服务和模拟排序服务。
举例来说，设置CPU资源的负载范围为50％～70％，内存资源的负载范围是50％～80％，磁盘资源的负载范围是30％～80％，当第一资源负载中对CPU资源、内存资源及磁盘资源的负载程度均为75％时，确定与CPU资源的负载范围匹配失败，从而遍历多类资源配置，并将遍历到的资源配置发送至第二服务器。
在步骤304中，所述第二服务器根据获取到的资源配置，更新所有所述资源项。
第二服务器根据获取到的资源配置，更新自身的所有资源项。
在步骤305中，所述第一服务器将获取到的所述新增有害气体数据发送至所述第二服务器。
这里，第一服务器将与第一资源负载相关的新增有害气体数据，发送至第二服务器。
在步骤306中，所述第二服务器确定处理所述新增有害气体数据的第二资源负载，并将所述第二资源负载发送至所述第一服务器。
对于获取到的每一类资源配置，第二服务器在根据该类资源配置更新所有资源项的情况下，处理获取到的新增有害气体数据，并确定得到的第二资源负载，将第二资源负载发送至第一服务器，直到第二服务器向第一服务器发送完成所有类资源配置对应的第二资源负载为止。值得说明的是，第二服务器对新增有害气体数据的处理逻辑与第一服务器相同。
在步骤307中，当所述第二资源负载符合所有所述资源项的负载条件时，所述第一服务器将对应的资源配置确定为优化资源配置。
当存在符合所有资源项的负载条件的第二资源负载时，第一服务器将该第二资源负载对应的资源配置，确定为优化资源配置。
在一些实施例中，可以通过这样的方式来实现上述的当所述第二资源负载符合所有所述资源项的负载条件时，所述第一服务器将对应的资源配置确定为优化资源配置：当至少两类第二资源负载符合所有所述资源项的负载条件时，所述第一服务器确定各所述资源项的资源权重；根据各所述资源项的资源权重，对至少两类所述第二资源负载对应进行加权处理得到衡量值；将满足衡量条件的衡量值对应的资源配置，确定为优化资源配置。
当符合所有资源项的负载条件的第二资源负载为至少两类时，第一服务器确定各资源项的资源权重，资源权重越大，则对应的资源项在确定优化资源配置时的影响程度越大，资源权重可根据实际应用场景进行调整，为了便于计算，各资源项的资源权重之和可设置为1。
对于符合负载条件的每类第二资源负载，根据各资源项的资源权重，对第二资源负载各资源项对应的负载进行加权求和，得到衡量值。例如，某类符合所有资源项的负载条件的第二资源负载中，CPU资源的负载程度为60％，内存资源及磁盘资源的负载程度均为70％，CPU资源、内存资源及磁盘资源的资源权重分别为0.5、0.3及0.2，则该第二资源负载的衡量值为0.65。
最终，得到符合负载条件的每类第二资源负载的衡量值后，将满足衡量条件的衡量值对应的资源配置，确定为优化资源配置，衡量条件如衡量值的数值最大。通过上述根据资源权重得到优化资源配置的方式，提升了确定优化资源配置的适用性和灵活性。
在步骤308中，所述第一服务器根据所述优化资源配置，更新所有所述资源项。
第一服务器根据优化资源配置，更新自身的所有资源项，以使更新后的资源项与实际的数据处理情况相符合。
通过发明实施例对于图4C的上述示例性实施可知，本发明实施例在第一服务器的资源负载出现异常时，将资源配置发送至第二服务器进行测试，确定出最优资源配置，并根据最优资源配置更新第一服务器的资源项，在不影响第一服务器的处理操作的情况下，提升资源更新的准确性。
下面，将说明本发明实施例在一些实际的应用场景中的示例性应用。
参见图5，图5是本发明实施例提供的有害气体数据处理系统的另一个可选的架构示意图。在图5所示的架构中，应用了如图6所示的分层设计，在图6中，系统架构可分为三个抽象层，即接入层、逻辑层及存储层。其中，接入层负责系统的输出输入，保证系统输出输入功能正常及安全可控；逻辑层负责系统的计算处理，如对新增有害气体数据的处理，保证逻辑功能正常；存储层负责系统的存储管理，保证数据管理、数据支撑与存储持久化的正常实现。
本发明实施例可结合云技术构建有害气体数据处理系统，具体地，如图5所示，有害气体数据处理系统包括云端和监测端，监测端部署于监测环境，监测端的硬件体系可包括应用RISC微处理器(ARM，Advanced RISC Machine)的嵌入式板、显示器及传感器，应用ARM的嵌入式板包括但不限于树莓派，应用ARM的嵌入式板可使用Linux操作系统进行服务管理。
监测端可分为以下5个子模块：
a.读取进程：用于获取传感器对于有害气体的读数，并将得到的有害气体数据写入缓存与本地数据库，便于其它进程获取。
b.显示进程：用于读取缓存数据，在监测端本地的显示器进行显示，显示器包括但不限于有机发光二极管(OLED，Organic Light-Emitting Diode)显示器。
c.上报进程：用于读取数据库数据，同时，与云端进行通信，从云端获取同步时间，将采集时间在同步时间后的有害气体数据，确定为新增有害气体数据，并向云端上报封装有特定格式的新增有害气体数据，使云端数据与本地数据同步。
d.缓存：仅对有害气体数据提供一次存储服务，存储的有害气体数据用于本地显示器展示。
e.本地数据库：存储采集到的所有有害气体数据，同时提供数据服务，用于云端同步。
为了便于理解，以伪代码形式对监测端的一些模块进行功能介绍，但这并不构成对本发明实施例的限定。
a.读取进程的相关伪代码：
调用python解释器；
加载time库；
加载自定义共用函数；
本地数据更新及记录，主要包括获取采集时间的操作，可基于time.strftime函数实现；
生成采集时间的json数据格式；
生成缓存字符串及结构化查询语言(SQL，Structured Query Language)命令，缓存字符串用于进行缓存，SQL命令用于将有害气体数据存储至数据库；
获取缓存文件及本地数据库文件路径；
更新缓存；
插入数据库；
通过串口连接并操作传感器；
每隔固定间隔，循环读取传感器的读数；
验证读取的数据完整性：{
当数据不完整时，输出错误提示；
当数据完整时，按传感器协议，计算有害气体数据(浓度)，并调用更
新数据函数
}
b.显示进程的相关伪代码：
调用python解释器；
获取缓存文件路径；
获取本地互联网协议地址；
OLED初始化；
循环更新：{
识别缓存文件是否更新，未更新则不读取；
读取缓存数据，生成显示数据结构；
更新OLED显示信息，完成显示；
}
c.上报进程的相关伪代码：
调用python解释器；
获取数据库文件路径；
获取云端最新的同步时间；
获取作为增量的新增有害气体数据，即采集时间在同步时间之后的有害气体数据；
生成上报数据格式；
将封装了上报数据格式的新增有害气体数据，上报云端；
d.对于本地数据库，定义相关数据的存储格式，如应用整型存储或浮点数存储。
另一方面，与监测端进行通信连接的云端可使用云平台进行搭建，可分为以下6个子模块：
a.云接口：用于接收监测端上报的新增有害气体数据，进行鉴权等安全管理，将新增有害气体数据转发至云计算。可在云接口中设置应用程序编程接口(API，ApplicationProgramming Interface)网关。
b.云计算：用于接收云接口转发的封装有特定格式的数据，提取其中的新增有害气体数据，将提取结果写入云数据库。云计算可根据云端的服务器，也可利用无服务器云函数实现。
c.云数据库：即上文的后台数据库，用于持久存储新增有害气体数据。
d.云监控：提供监测数据的展示与告警配置功能。
e.云显示：用于呈现新增有害气体数据，具体可将新增有害气体数据展示于特定的监测页面中，以供相关人员查看。
f.云告警：用于提供多告警通道的告警能力，并管理告警体系，避免告警淹没。告警通道包括但不限于电话、短信及邮件形式的通道。
参见图7，图7是本发明实施例提供的云端监测页面的一个可选的示意图。在图7中，以有害气体为甲醛的情况为例，监测页面主要示出了四个方面的数据，其一是实时读数0.017，实时读数即为上文的新增有害气体数据中的浓度；其二是当前时间之前的10分钟内(包括当前时间)的有害气体趋势图，该有害气体趋势图以有害气体浓度的采集时间为横轴，以有害气体浓度为竖轴；其三是当前时间之前的7天内(包括当前时间)的有害气体趋势图；其四是国标系数比21％，即上文的有害气体系数比。值得说明的是，图7中所示出的读数以百万分比浓度PPM为单位，且甲醛的国标为0.08PPM，甲醛的国标是指《居室空气中甲醛的卫生标准》中的甲醛最高容许浓度。此外，监测页面中还呈现了最新一次的同步时间，以及每秒监测，每分钟同步的监测策略，便于相关人员了解同步情况。
下面继续说明本发明实施例提供的有害气体数据处理装置255实施为软件模块的示例性结构，在一些实施例中，如图3所示，存储在存储器250的有害气体数据处理装置255中的软件模块可以包括：数据获取模块2551，用于获取监测端的数据库中存储的新增有害气体数据；其中，所述新增有害气体数据是所述监测端通过传感器获取到的、位于同步时间后的有害气体数据，所述同步时间为上一次同步有害气体数据的时间；存储模块2552，用于将所述新增有害气体数据存储至后台数据库；呈现模块2553，用于从所述后台数据库中读取所述新增有害气体数据，并将所述新增有害气体数据呈现于监测页面；告警模块2554，用于当所述后台数据库中的所述新增有害气体数据满足告警条件时，向告警通道发送包括所述新增有害气体数据的告警提示。
在一些实施例中，告警模块2554还用于：从所述后台数据库中读取设定时间段的有害气体数据，所述设定时间段的有害气体数据包括所述新增有害气体数据；根据机器学习模型内输入层、隐藏层及输出层的权重参数，依次对所述设定时间段的有害气体数据进行加权处理，并将所述输出层的输出结果确定为危害趋势结果；当所述危害趋势结果超过结果阈值时，确定所述危害趋势结果对应的告警通道，并向所述告警通道发送告警提示；其中，所述告警提示包括所述设定时间段的有害气体数据及所述危害趋势结果。
在一些实施例中，有害气体数据处理装置255还包括：标注获取模块，用于获取所述设定时间段的标注有害气体数据以及对应的标注趋势结果；预测模块，用于根据所述机器学习模型内输入层、隐藏层及输出层的权重参数，依次对所述设定时间段的标注有害气体数据进行加权处理，并将所述输出层的输出结果确定为预测趋势结果；差异确定模块，用于确定所述标注趋势结果与所述预测趋势结果之间的差异；参数更新模块，用于将所述差异从所述输出层反向传播至所述输入层，在反向传播的过程中根据所述差异确定对应层的梯度，并沿梯度下降方向更新对应层的权重参数。
在一些实施例中，告警模块2554还用于：当所述危害趋势结果超过低危结果阈值、且未超过高危结果阈值时，确定所述危害趋势结果对应的告警通道为低危告警通道；当所述危害趋势结果超过所述高危结果阈值时，确定所述危害趋势结果对应的告警通道为所述低危告警通道及高危告警通道。
在一些实施例中，有害气体数据处理装置255还包括：环境配置获取模块，用于获取多个所述监测端的环境配置；其中，所述环境配置包括多个环境值，每个所述环境值对应一个环境区间；环境值更新模块，用于根据各所述监测端对应的危害趋势结果，对各所述监测端对应环境配置中的多个环境值进行更新处理；融合处理模块，用于将多个所述监测端的环境配置中、对应相同环境区间的环境值进行平均处理，得到融合环境配置；排序模块，用于对所述融合环境配置中的多个环境值进行排序得到排序结果，所述排序结果指示不同的环境区间对有害气体数据的影响程度。
在一些实施例中，环境配置获取模块还用于：获取多个所述监测端的初始环境配置；其中，所述初始环境配置包括多个初始值，每个所述初始值对应一个环境因素；确定所述环境因素对应的多个环境区间，并确定各所述环境区间的环境值；确定所述初始值落入的环境区间，并根据所述环境区间的环境值，更新所述初始环境配置中的初始值，得到更新后的环境配置。
在一些实施例中，呈现模块2553还用于：从所述后台数据库中读取设定时间段的有害气体数据，所述设定时间段的有害气体数据包括所述新增有害气体数据；根据所述设定时间段的有害气体数据，确定有害气体趋势图；根据所述新增有害气体数据及设定的对比有害气体数据，确定有害气体系数比；将所述新增有害气体数据、所述有害气体趋势图及所述有害气体系数比，呈现于监测页面。
在一些实施例中，告警模块2554还用于：根据第一告警频率，向告警通道发送包括所述新增有害气体数据的告警提示；当发送所述告警提示的次数达到设定次数、且未收到所述告警通道的反馈时，根据第二告警频率向所述告警通道发送所述告警提示；当收到所述告警通道的反馈时，停止发送所述告警提示；其中，所述第一告警频率大于所述第二告警频率。
在一些实施例中，有害气体数据处理装置255还包括：第一负载确定模块，用于确定处理所述新增有害气体数据的第一服务器，并确定所述第一服务器的第一资源负载；其中，所述第一资源负载用于指示对所述第一服务器的多个资源项的负载程度；优化配置确定模块，用于当所述第一资源负载不符合任一所述资源项的负载条件时，根据所有所述资源项的负载条件，在多类资源配置中确定优化资源配置；资源更新模块，用于根据所述优化资源配置，更新所述第一服务器的所有所述资源项。
在一些实施例中，优化配置确定模块还用于：确定各所述资源项的负载范围；当所述第一资源负载与任一所述资源项的负载范围匹配失败时，根据所有所述资源项的负载条件，在多类资源配置中确定优化资源配置。
在一些实施例中，优化配置确定模块还用于：遍历多类资源配置，并根据遍历到的资源配置，更新第二服务器的所有所述资源项；将所述第一服务器获取到的所述新增有害气体数据发送至所述第二服务器，并确定所述第二服务器处理所述新增有害气体数据的第二资源负载；当所述第二资源负载符合所有所述资源项的负载条件时，将对应的资源配置确定为优化资源配置；其中，所述第一服务器和所述第二服务器均为区块链网络的节点。
在一些实施例中，优化配置确定模块还用于：当至少两类第二资源负载符合所有所述资源项的负载条件时，确定各所述资源项的资源权重；根据各所述资源项的资源权重，对至少两类所述第二资源负载对应进行加权处理得到衡量值；将满足衡量条件的衡量值对应的资源配置，确定为优化资源配置。
本发明实施例提供一种存储有可执行指令的存储介质，其中存储有可执行指令，当可执行指令被处理器执行时，将引起处理器执行本发明实施例提供的有害气体数据处理方法，例如，如图4A或图4B示出的有害气体数据处理方法。
在一些实施例中，存储介质可以是FRAM、ROM、PROM、EPROM、EE PROM、闪存、磁表面存储器、光盘、或CD-ROM等存储器；也可以是包括上述存储器之一或任意组合的各种设备。
在一些实施例中，可执行指令可以采用程序、软件、软件模块、脚本或代码的形式，按任意形式的编程语言(包括编译或解释语言，或者声明性或过程性语言)来编写，并且其可按任意形式部署，包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
作为示例，可执行指令可以但不一定对应于文件系统中的文件，可以可被存储在保存其它程序或数据的文件的一部分，例如，存储在超文本标记语言(H TML，Hyper TextMarkup Language)文档中的一个或多个脚本中，存储在专用于所讨论的程序的单个文件中，或者，存储在多个协同文件(例如，存储一个或多个模块、子程序或代码部分的文件)中。
作为示例，可执行指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。
综上所述，通过本发明实施例能够在云端实现有害气体数据的有效监测及呈现，提升了对有害气体数据进行处理的实时性，相关的系统架构易于架设，适用于不同情况的监测环境，同时，本发明实施例能够根据资源负载情况对服务器的资源配置进行调整，避免出现资源空置及过度占用资源的情况。
以上所述，仅为本发明的实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和范围之内所作的任何修改、等同替换和改进等，均包含在本发明的保护范围之内。

Claims (15)

1.一种有害气体数据处理方法，其特征在于，包括：
获取监测端的数据库中存储的新增有害气体数据；其中，所述新增有害气体数据是所述监测端通过传感器获取到的、位于同步时间后的有害气体数据，所述同步时间为上一次同步有害气体数据的时间；
将所述新增有害气体数据存储至后台数据库；
从所述后台数据库中读取设定时间段的有害气体数据，所述设定时间段的有害气体数据包括所述新增有害气体数据；
将所述新增有害气体数据呈现于监测页面；
根据机器学习模型对所述设定时间段的有害气体数据进行处理，得到危害趋势结果；
根据所述监测端对应的危害趋势结果，对所述监测端对应环境配置中的多个环境值进行更新处理；其中，所述环境配置包括的每个所述环境值对应一个环境区间；
将多个所述监测端的环境配置中对应相同环境区间的环境值进行平均处理，并对得到的融合环境配置中的多个环境值进行排序得到排序结果，所述排序结果指示不同的环境区间对有害气体数据的影响程度；
当所述后台数据库中的所述新增有害气体数据满足告警条件时，向告警通道发送包括所述新增有害气体数据的告警提示。
2.根据权利要求1所述的有害气体数据处理方法，其特征在于，所述根据机器学习模型对所述设定时间段的有害气体数据进行处理，得到危害趋势结果，包括：
根据所述机器学习模型内输入层、隐藏层及输出层的权重参数，依次对所述设定时间段的有害气体数据进行加权处理，并将所述输出层的输出结果确定为危害趋势结果；
所述当所述后台数据库中的所述新增有害气体数据满足告警条件时，向告警通道发送包括所述新增有害气体数据的告警提示，包括：
当所述危害趋势结果超过结果阈值时，确定所述危害趋势结果对应的告警通道，并向所述告警通道发送告警提示；
其中，所述告警提示包括所述设定时间段的有害气体数据及所述危害趋势结果。
3.根据权利要求2所述的有害气体数据处理方法，其特征在于，还包括：
获取所述设定时间段的标注有害气体数据以及对应的标注趋势结果；
根据所述机器学习模型内输入层、隐藏层及输出层的权重参数，依次对所述设定时间段的标注有害气体数据进行加权处理，并将所述输出层的输出结果确定为预测趋势结果；
确定所述标注趋势结果与所述预测趋势结果之间的差异；
将所述差异从所述输出层反向传播至所述输入层，在反向传播的过程中根据所述差异确定对应层的梯度，并沿梯度下降方向更新对应层的权重参数。
4.根据权利要求2所述的有害气体数据处理方法，其特征在于，所述当所述危害趋势结果超过结果阈值时，确定所述危害趋势结果对应的告警通道，包括：
当所述危害趋势结果超过低危结果阈值、且未超过高危结果阈值时，确定所述危害趋势结果对应的告警通道为低危告警通道；
当所述危害趋势结果超过所述高危结果阈值时，确定所述危害趋势结果对应的告警通道为所述低危告警通道及高危告警通道。
5.根据权利要求1所述的有害气体数据处理方法，其特征在于，所述根据所述监测端对应的危害趋势结果，对所述监测端对应环境配置中的多个环境值进行更新处理之前，还包括：
获取多个所述监测端的环境配置。
6.根据权利要求5所述的有害气体数据处理方法，其特征在于，所述获取多个所述监测端的环境配置，包括：
获取多个所述监测端的初始环境配置；其中，所述初始环境配置包括多个初始值，每个所述初始值对应一个环境因素；
确定所述环境因素对应的多个环境区间，并确定各所述环境区间的环境值；
确定所述初始值落入的环境区间，并根据所述环境区间的环境值，更新所述初始环境配置中的初始值，得到更新后的环境配置。
7.根据权利要求1所述的有害气体数据处理方法，其特征在于，所述将所述新增有害气体数据呈现于监测页面，包括：
根据所述设定时间段的有害气体数据，确定有害气体趋势图；
根据所述新增有害气体数据及设定的对比有害气体数据，确定有害气体系数比；
将所述新增有害气体数据、所述有害气体趋势图及所述有害气体系数比，呈现于监测页面。
8.根据权利要求1所述的有害气体数据处理方法，其特征在于，所述向告警通道发送包括所述新增有害气体数据的告警提示，包括：
根据第一告警频率，向告警通道发送包括所述新增有害气体数据的告警提示；
当发送所述告警提示的次数达到设定次数、且未收到所述告警通道的反馈时，根据第二告警频率向所述告警通道发送所述告警提示；
当收到所述告警通道的反馈时，停止发送所述告警提示；
其中，所述第一告警频率大于所述第二告警频率。
9.根据权利要求1所述的有害气体数据处理方法，其特征在于，还包括：
确定处理所述新增有害气体数据的第一服务器，并确定所述第一服务器的第一资源负载；其中，所述第一资源负载用于指示对所述第一服务器的多个资源项的负载程度；
当所述第一资源负载不符合任一所述资源项的负载条件时，根据所有所述资源项的负载条件，在多类资源配置中确定优化资源配置；
根据所述优化资源配置，更新所述第一服务器的所有所述资源项。
10.根据权利要求9所述的有害气体数据处理方法，其特征在于，所述当所述第一资源负载不符合任一所述资源项的负载条件时，根据所有所述资源项的负载条件，在多类资源配置中确定优化资源配置，包括：
确定各所述资源项的负载范围；
当所述第一资源负载与任一所述资源项的负载范围匹配失败时，根据所有所述资源项的负载条件，在多类资源配置中确定优化资源配置。
11.根据权利要求9所述的有害气体数据处理方法，其特征在于，所述根据所有所述资源项的负载条件，在多类资源配置中确定优化资源配置，包括：
遍历多类资源配置，并根据遍历到的资源配置，更新第二服务器的所有所述资源项；
将所述第一服务器获取到的所述新增有害气体数据发送至所述第二服务器，并确定所述第二服务器处理所述新增有害气体数据的第二资源负载；
当所述第二资源负载符合所有所述资源项的负载条件时，将对应的资源配置确定为优化资源配置；
其中，所述第一服务器和所述第二服务器均为区块链网络的节点。
12.根据权利要求11所述的有害气体数据处理方法，其特征在于，所述当所述第二资源负载符合所有所述资源项的负载条件时，将对应的资源配置确定为优化资源配置，包括：
当至少两类第二资源负载符合所有所述资源项的负载条件时，确定各所述资源项的资源权重；
根据各所述资源项的资源权重，对至少两类所述第二资源负载对应进行加权处理得到衡量值；
将满足衡量条件的衡量值对应的资源配置，确定为优化资源配置。
13.一种有害气体数据处理装置，其特征在于，包括：
数据获取模块，用于获取监测端的数据库中存储的新增有害气体数据；其中，所述新增有害气体数据是所述监测端通过传感器获取到的、位于同步时间后的有害气体数据，所述同步时间为上一次同步有害气体数据的时间；
存储模块，用于将所述新增有害气体数据存储至后台数据库；
呈现模块，用于从所述后台数据库中读取设定时间段的有害气体数据，所述设定时间段的有害气体数据包括所述新增有害气体数据；
所述呈现模块，还用于将所述新增有害气体数据呈现于监测页面；
告警模块，用于：
根据机器学习模型对所述设定时间段的有害气体数据进行处理，得到危害趋势结果；
根据所述监测端对应的危害趋势结果，对所述监测端对应环境配置中的多个环境值进行更新处理；其中，所述环境配置包括的每个所述环境值对应一个环境区间；
将多个所述监测端的环境配置中对应相同环境区间的环境值进行平均处理，并对得到的融合环境配置中的多个环境值进行排序得到排序结果，所述排序结果指示不同的环境区间对有害气体数据的影响程度；
当所述后台数据库中的所述新增有害气体数据满足告警条件时，向告警通道发送包括所述新增有害气体数据的告警提示。
14.一种电子设备，其特征在于，包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令时，实现权利要求1至12任一项所述的有害气体数据处理方法。
15.一种存储介质，其特征在于，存储有可执行指令，用于引起处理器执行时，实现权利要求1至12任一项所述的有害气体数据处理方法。
CN201911037536.XA 2019-10-29 2019-10-29 有害气体数据处理方法、装置、电子设备及存储介质 Active CN110780040B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911037536.XA CN110780040B (zh) 2019-10-29 2019-10-29 有害气体数据处理方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911037536.XA CN110780040B (zh) 2019-10-29 2019-10-29 有害气体数据处理方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN110780040A CN110780040A (zh) 2020-02-11
CN110780040B true CN110780040B (zh) 2021-06-04

Family

ID=69387311

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911037536.XA Active CN110780040B (zh) 2019-10-29 2019-10-29 有害气体数据处理方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN110780040B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111579727A (zh) * 2020-06-05 2020-08-25 广东电网有限责任公司广州供电局 一种用于配电房的多气体传感检测装置及方法
CN115827774A (zh) * 2022-10-24 2023-03-21 超聚变数字技术有限公司 数据同步方法及计算设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104199724A (zh) * 2014-09-10 2014-12-10 山东省计算中心（国家超级计算济南中心） 一种基于性价比的虚拟化资源调度优化方法
WO2014144637A3 (en) * 2013-03-15 2014-12-11 Leeo, Inc. Environmental measurement display
CN104618154A (zh) * 2015-01-20 2015-05-13 迈普通信技术股份有限公司 一种网元告警抑制方法及系统
CN106383205A (zh) * 2016-10-13 2017-02-08 北京伟瑞迪科技有限公司 VOCs区域在线监测及预警系统
CN106886528A (zh) * 2015-12-16 2017-06-23 天脉聚源（北京）科技有限公司 一种文件增量同步方法及系统
CN108956885A (zh) * 2018-07-21 2018-12-07 翼捷安全设备（昆山）有限公司 基于传感器网络的气体检测智能风险预警系统
US20190033281A1 (en) * 2017-07-27 2019-01-31 Microjet Technology Co., Ltd. System for providing air quality information
CN109919229A (zh) * 2019-03-08 2019-06-21 杭州麦乐克科技股份有限公司 基于人工蜂群和神经网络的监测有害气体预测方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014144637A3 (en) * 2013-03-15 2014-12-11 Leeo, Inc. Environmental measurement display
CN104199724A (zh) * 2014-09-10 2014-12-10 山东省计算中心（国家超级计算济南中心） 一种基于性价比的虚拟化资源调度优化方法
CN104618154A (zh) * 2015-01-20 2015-05-13 迈普通信技术股份有限公司 一种网元告警抑制方法及系统
CN106886528A (zh) * 2015-12-16 2017-06-23 天脉聚源（北京）科技有限公司 一种文件增量同步方法及系统
CN106383205A (zh) * 2016-10-13 2017-02-08 北京伟瑞迪科技有限公司 VOCs区域在线监测及预警系统
US20190033281A1 (en) * 2017-07-27 2019-01-31 Microjet Technology Co., Ltd. System for providing air quality information
CN108956885A (zh) * 2018-07-21 2018-12-07 翼捷安全设备（昆山）有限公司 基于传感器网络的气体检测智能风险预警系统
CN109919229A (zh) * 2019-03-08 2019-06-21 杭州麦乐克科技股份有限公司 基于人工蜂群和神经网络的监测有害气体预测方法及系统

Also Published As

Publication number Publication date
CN110780040A (zh) 2020-02-11

Similar Documents

Publication Publication Date Title
US11632387B2 (en) Systems and methods for an artificial intelligence driven smart template
CN111612168B (zh) 一种机器学习任务的管理方法以及相关装置
CN110995781B (zh) 点赞信息处理方法、装置及系统
US20200265358A1 (en) Systems and methods for using artificial intelligence driven agent to automate assessment of organizational vulnerabilities
US10603579B2 (en) Location-based augmented reality game control
CN108881355A (zh) 基于物联网架构的监控方法、雾运算终端以及物联网系统
US10348762B2 (en) Systems and methods for serving module
WO2019108633A1 (en) Systems and methods for aida based a/b testing
US10332003B1 (en) Systems and methods for AIDA based analytics and reporting
US10917432B2 (en) Systems and methods for artificial intelligence driven agent campaign controller
US20200236138A1 (en) Systems and methods for situational localization of aida
US11627159B2 (en) Systems and methods for AIDA based grouping
CN110780040B (zh) 有害气体数据处理方法、装置、电子设备及存储介质
US11140199B2 (en) Systems and methods for AIDA based role models
CN109254914A (zh) 软件开发包测试方法、系统、计算机装置及可读存储介质
CN111651121A (zh) 数据逻辑计算方法、装置、电子设备及存储介质
CN117113348A (zh) 威胁检测代码的生成和使用方法、装置、设备和介质
CN116414366B (zh) 中间件接口生成方法、装置、设备及介质
CN112231367B (zh) 基于人工智能的业务处理方法、装置及电子设备
CN116258461A (zh) 一种业务流程的编排方法、执行方法和装置
CN117221139A (zh) 基于云模拟设备的物联网交互方法、装置及存储介质
CN117235798A (zh) 交易数据处理方法、装置、设备及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40018280

Country of ref document: HK

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant