CN112398944A - 远程抄表数据处理方法及燃气表系统 - Google Patents

Abstract

本申请实施例提供一种远程抄表数据处理方法及燃气表系统，通过机器学习燃气用户在每个已标记的燃气使用区间内的燃气表数据以及每个燃气使用行为节点所对应的预设燃气使用标签，能够很好地学习到燃气用户的燃气控制习惯，以便于后续为燃气用户提供符合自身习惯的控制策略模式从而进行自动燃气控制，由此有效减少燃气用户繁琐重复的控制操作带来的操作量，同时减少由于某次过失操作难免导致本次使用过程出现意外的情况。

Description

远程抄表数据处理方法及燃气表系统

技术领域

本申请涉及物联网及机器学习技术领域，具体而言，涉及一种远程抄表数据处理方法及燃气表系统。

背景技术

随着物联网技术的快速发展，传统的燃气表已经逐渐被物联网燃气表所代替，采用物联网技术的燃气物联网系统在给用户提供基本的燃气数据记录和燃气供给外，还可以提供额外的物联网服务。传统方案中，燃气表系统通常是由用户人为进行操作，以控制燃气的流量、开关、持续时间等。然而，在实际使用过程中，燃气用户往往需要频繁地进行控制操作，但是实际上针对单个的燃气用户，其燃气使用习惯通常是比较稳定的，繁琐重复的控制操作会给燃气用户带来较大的操作量，并且也可能由于某次过失操作难免导致本次使用过程出现意外，影响日常使用效果。

发明内容

有鉴于此，本申请的目的在于提供一种远程抄表数据处理方法及燃气表系统，通过机器学习燃气用户在每个已标记的燃气使用区间内的燃气表数据以及每个燃气使用行为节点所对应的预设燃气使用标签，能够很好地学习到燃气用户的燃气控制习惯，以便于后续为用户提供符合自身习惯的控制策略模式进行自动控制，从而有效减少燃气用户繁琐重复的控制操作带来的操作量，同时减少由于某次过失操作难免导致本次使用过程出现意外的情况。

第一方面，本申请提供一种远程抄表数据处理方法，应用于燃气云平台，所述燃气云平台与多个不同燃气用户的燃气物联网系统通信连接，所述燃气物联网系统包括燃气表以及与所述燃气表通信连接的燃气控制物联网装置，所述方法包括：

获取燃气用户在每个已标记的燃气使用区间内的燃气表数据，其中，所述燃气表数据通过所述燃气用户的燃气物联网系统中的所述燃气控制物联网装置对所述燃气表进行实时数据采集得到，所述燃气表数据包括燃气使用行为节点以及每个燃气使用行为节点所对应的燃气使用数据序列，所述燃气使用行为节点用于表征燃气使用过程中每次产生的燃气控制行为，所述燃气使用数据序列用于记录相应的燃气使用行为节点下的燃气使用数据；

根据所述燃气用户在每个已标记的燃气使用区间内的燃气表数据以及每个燃气使用行为节点所对应的预设燃气使用标签，训练得到对应的燃气表数据分析模型；

根据所述燃气表数据分析模型对所述燃气用户在预设时间段内的各个燃气使用行为节点下的燃气表数据进行数据分析，得到所述燃气用户在所述预设时间段内各个燃气使用行为节点所对应的燃气使用数据序列的燃气预测标签；

根据所述各个燃气使用行为节点所对应的燃气使用数据序列的燃气预测标签，生成至少一个控制策略模式以及每个控制策略模式所对应的燃气控制指令序列，所述燃气控制指令序列包括至少一个控制节点以及每个控制节点所对应的指令集合。

在第一方面的一种可能的设计中，所述根据所述燃气用户在每个已标记的燃气使用区间内的燃气表数据以及每个燃气使用行为节点所对应的预设燃气使用标签，训练得到对应的燃气表数据分析模型的步骤，包括：

提取每个所述燃气使用行为节点所对应的燃气使用数据序列的燃气数据特征；

以所述燃气数据特征作为待训练燃气表数据分析模型的输入特征，将所述燃气数据特征输入到所述待训练燃气表数据分析模型中，通过所述待训练燃气表数据分析模型解析所述燃气数据特征在标记数据项目内的待训练特征，所述待训练特征包括待训练特征区间段集合；

按照预设标识符对所述待训练特征区间段集合进行分割，得到多个训练标记节点；

根据所述待训练特征所对应的特征向量确定多个第一模型参数，所述多个第一模型参数分别为所述多个训练标记节点在所述待训练燃气表数据分析模型中训练的模型参数，所述待训练燃气表数据分析模型用于学习多个待训练特征区间段集合进行分割处理之后的训练标记节点，以及分割处理后的各个训练标记节点在所述待训练燃气表数据分析模型中映射的模型参数，所述多个待训练特征区间段集合为在所述标记数据项目内获取到的多个待训练特征所包括的待训练特征区间段集合，其中，所述第一模型参数根据所述特征向量所表征的特征参数类型以及不同特征参数类型所对应的预设模型参数得到；

按照所述多个第一模型参数中的每个第一模型参数从高收敛度到低收敛度的顺序，对所述多个第一模型参数进行排序，得到模型参数序列；

基于预设相似比例阈值和所述模型参数序列，确定所述多个训练标记节点中的训练标记节点在所述待训练燃气表数据分析模型中映射的模型参数，所述预设相似比例阈值用于指示所述待训练特征区间段集合与标记数据项目内获取的待训练特征区间段集合相似部分在所述待训练特征区间段集合中所占的比例；

当所述训练标记节点在所述待训练燃气表数据分析模型中映射的模型参数匹配预设模型参数时，确定所述待训练特征为目标待训练特征，当确定该待训练特征为目标待训练特征时，对于所述多个第一模型参数中的每个第一模型参数，根据所述第一模型参数控制所述待训练燃气表数据分析模型学习在所述标记数据项目内获得的多个待训练特征区间段集合进行分割处理之后的训练标记节点，以及分割处理后的各个训练标记节点在所述待训练燃气表数据分析模型中映射的模型参数，并在训练之后生成对应的预测标签；

根据所述每个燃气使用行为节点的预测标签和所述每个燃气使用行为节点所对应的预设燃气使用标签更新所述待训练燃气表数据分析模型的模型参数。

在第一方面的一种可能的设计中，，所述提取每个所述燃气使用行为节点所对应的燃气使用数据序列的燃气数据特征的步骤，包括：

在所述燃气使用数据序列的每个数据项目的燃气使用数据中，确定与所述燃气使用行为节点相对应的燃气使用标签所关联的标签特征；

针对每个燃气使用数据中标签特征上的每个标签节点的类型信息，根据所述每个标签节点的类型信息，确定每个燃气使用数据的标签特征关联度，并根据每个燃气使用数据的标签特征关联度，确定每个燃气使用数据的置信标签特征关联度，其中所述标签节点的类型信息包括标签节点的数量、顺序位和特征值中的至少一种；

按照置信标签特征关联度从高到低的顺序，对燃气使用数据进行排序，根据预先设定的特征数量，选取排位在前的所述特征数量的燃气使用数据作为所述燃气使用数据序列的燃气数据特征；

其中，如果所述标签节点的类型信息包括标签节点的数量，所述针对每个燃气使用数据中标签特征上的每个标签节点的类型信息，根据所述每个标签节点的类型信息，确定每个燃气使用数据的标签特征关联度的步骤，包括：

针对每个燃气使用数据，根据该燃气使用数据中的关联的各个标签特征上的标签节点的数量之和，确定关联的各个标签特征对应的第一标签特征关联度，并根据关联的各个标签特征对应的第一标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，所述数量之和越大，所述第一标签特征关联度越大；

或者，如果所述标签节点的类型信息包括标签节点的顺序位，所述针对每个燃气使用数据中标签特征上的每个标签节点的类型信息，根据所述每个标签节点的类型信息，确定每个燃气使用数据的标签特征关联度的步骤，包括：

针对每个燃气使用数据，根据该燃气使用数据中的每个标签特征上的标签节点的顺序位，确定每个标签特征上的由相邻两个标签节点确定的最大标签范围和最小标签范围，根据每个标签特征上的最大标签范围与最小标签范围的比值是否小于预设的阈值，确定每个标签特征对应的第二标签特征关联度，根据每个标签特征对应的第二标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，比值小于预设的阈值时对应的第二标签特征关联度较比值大于设定的阈值时对应的第二标签特征关联度大；

针对每个燃气使用数据中的每个标签特征，根据该标签特征上的标签节点的顺序位，确定该标签特征上的标签节点的平均顺序位点；

根据关联的各个标签特征上的平均顺序位点的关系，确定关联的各个标签特征对应的位点构成序列，根据该位点构成序列和所述燃气使用数据的数据所对应时间的序列的顺序关联度，确定关联的各个标签特征对应的第三标签特征关联度，并根据关联的各个标签特征对应的第三标签特征关联度的和，确定所述燃气使用数据的标签特征关联度，其中，所述顺序关联度越大，所述第三标签特征关联度越大，所述燃气使用数据的数据所对应时间的序列为燃气使用数据沿正向时间轴构成的序列；

针对每个燃气使用数据中的每个标签特征，根据该标签特征上的标签节点的顺序位，确定该标签特征上的标签节点的平均顺序位点，并确定每相邻三个标签特征中任意两个标签特征上的平均顺序位点的中间顺序位点，同时确定剩余一个标签特征上的平均顺序位点与该中间顺序位点的匹配程度；

根据所述匹配程度，确定每相邻三个标签特征的重合度，其中，匹配程度越大重合度越高，或确定每相邻三个标签特征中相邻两个标签特征上的平均顺序位点的中间顺序位点，根据两个中间顺序位点的顺序关联度，确定每相邻三个标签特征的重合度以确定每相邻三个标签特征对应的第四标签特征关联度，其中，顺序关联度越大重合度越高；

根据每相邻三个标签特征对应的第四标签特征关联度的和，确定所述燃气使用数据的标签特征关联度，其中，重合度越高，第四标签特征关联度越大；

或者，如果所述标签节点的类型信息包括标签节点的特征值，所述针对每个燃气使用数据中标签特征上的每个标签节点的类型信息，根据所述每个标签节点的类型信息，确定每个燃气使用数据的标签特征关联度的步骤，包括：

针对每个燃气使用数据，根据该燃气使用数据中的每个标签特征上的标签节点的特征值，确定每个标签特征上的第一个标签节点和最后一个标签节点的特征值变化特征，根据特征值变化特征是否满足预设的特征变化规则，确定每个标签特征对应的第五标签特征关联度，根据每个标签特征对应的第五标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，满足预设的特征变化规则时对应的第五标签特征关联度较不满足所述预设的特征变化规则时对应的第五标签特征关联度大；

针对每个燃气使用数据，根据该燃气使用数据中的每个标签特征上的标签节点的特征值，确定每个标签特征上的标签节点的梯度值，根据每个标签特征上的标签节点的梯度值的绝对值的平均值，确定每个标签特征对应的第六标签特征关联度，根据每个标签特征对应的第六标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，该平均值越大，所述第六标签特征关联度越大。

在第一方面的一种可能的设计中，所述根据所述各个燃气使用行为节点所对应的燃气使用数据序列的燃气预测标签，生成至少一个控制策略模式以及每个控制策略模式所对应的燃气控制指令序列的步骤，包括：

按照预定的燃气使用模式对所述各个燃气使用行为节点所对应的燃气使用数据序列的燃气预测标签进行划分，分别生成每个燃气使用模式的燃气预测标签信息；

根据所述每个燃气使用模式的燃气预测标签信息生成至少一个控制策略模式以及每个控制策略模式所对应的燃气控制指令序列。

在第一方面的一种可能的设计中，所述按照预定的燃气使用模式对所述各个燃气使用行为节点所对应的燃气使用数据序列的燃气预测标签进行划分，分别生成每个燃气使用模式的燃气预测标签信息的步骤，包括：

获取每个预定的燃气使用模式所对应的预设标签节点，形成每个预定的燃气使用模式的标签节点序列，并根据每种燃气使用模式所对应的预设节点数量阈值，从所述标签节点序列中选取排序靠前的目标标签节点，以得到每个预定的燃气使用模式所对应的目标标签节点；

对所述各个燃气使用行为节点所对应的燃气使用数据序列的燃气预测标签与每个预定的燃气使用模式所对应的目标标签节点进行匹配，并根据匹配结果确定与每个预定的燃气使用模式匹配的燃气预测标签，以生成每个燃气使用模式的燃气预测标签信息。

在第一方面的一种可能的设计中，所述根据所述每个燃气使用模式的燃气预测标签信息生成至少一个控制策略模式以及每个控制策略模式所对应的燃气控制指令序列的步骤，包括：

针对所述各个燃气使用模式的燃气预测标签信息的每个燃气预测标签，分别获取与所述燃气预测标签匹配的预设指令信息，并获取所述预设指令信息与该燃气使用模式关联的目标指令集合，并在所述目标指令集合中的目标指令数量大于设定数量时，将该燃气使用模式确定为一个控制策略模式；

在将该燃气使用模式确定为一个控制策略模式的基础上，对所述目标指令集合进行计算，获取与所述目标指令集合对应的控制特征信息，并对所述目标指令集合中所述燃气预测标签的每个目标指令进行指令特征提取，获取所述目标指令集合中每个目标指令的指令特征信息；

将与所述目标指令集合对应的控制特征信息中指令历史使用次数大于预设阈值的目标指令确定为关键目标指令；

根据所述目标指令集合中每个目标指令的指令特征信息，计算整个指令集合的第一指令特征向量均值，并根据所述关键目标指令中每个目标指令的指令特征信息，计算所述关键目标指令的第二指令特征向量均值；

对所述第一指令特征向量均值、所述第二指令特征向量均值和所述第一指令特征向量均值、所述第二指令特征向量均值各自对应的预设权重系数进行计算，获取所述关键目标指令的特征系数，计算所述目标指令集合中每个目标指令的指令特征信息与所述特征系数的计算结果，并根据所述计算结果获取所述目标指令集合中每个目标指令的第一指令特征参考度；

对所述目标指令集合中每个目标指令的第一指令特征参考度和所述控制特征信息进行计算，获取所述目标指令集合中每个目标指令的指令特征参考度；

或者，根据所述目标指令集合中每个目标指令的指令特征信息与所述特征系数的计算结果获取所述目标指令集合中每个目标指令的第一指令特征参考度，并按照预设的参考度范围对所述目标指令集合中每个目标指令的第一指令特征参考度进行计算，获取所述目标指令集合中每个目标指令的第二指令特征参考度，其中，所述第二指令特征参考度与所述第一指令特征参考度之间的差值小于所述参考度范围；

对所述目标指令集合中每个目标指令的第二指令特征参考度和所述控制特征信息进行计算，获取所述目标指令集合中每个目标指令的指令特征参考度；

根据所述指令特征参考度以及所述控制特征信息，确定所述目标指令集合中每个目标指令的目标系数，并计算所述目标指令集合中每个目标指令的指令特征参考度与预设常数的比值，其中，所述目标系数为所述指令特征参考度除以所述控制特征信息的特征向量值后的值；

计算每个目标指令的指令特征参考度与预设常数的比值与对应的目标系数的乘积，获取所述目标指令集合中每个目标指令的燃气模式筛选度；

根据所述每个目标指令的燃气模式筛选度，将燃气模式筛选度大于设定筛选度的目标指令按照时间的先后顺序进行排列，并将同一指令类型的目标指令确定为一个所述控制节点，以确定为该控制策略模式所对应的燃气控制指令序列。

在第一方面的一种可能的设计中，所述根据所述各个燃气使用行为节点所对应的燃气使用数据序列的燃气预测标签，生成至少一个控制策略模式以及每个控制策略模式所对应的燃气控制指令序列的步骤之后，所述方法还包括：

将所述至少一个控制策略模式以及每个控制策略模式所对应的燃气控制指令序列发送给所述燃气用户的燃气物联网系统中的燃气控制物联网装置，以使得所述燃气控制物联网装置根据所述燃气用户选择的控制策略模式，按照该控制策略模式所对应的燃气控制指令序列对所述燃气表所对应的燃气通道进行控制。

第二方面，本申请实施例还提供一种远程抄表数据处理装置，应用于燃气云平台，所述燃气云平台与多个不同燃气用户的燃气物联网系统通信连接，所述燃气物联网系统包括燃气表以及与所述燃气表通信连接的燃气控制物联网装置，所述装置包括：

获取模块，用于获取燃气用户在每个已标记的燃气使用区间内的燃气表数据，其中，所述燃气表数据通过所述燃气用户的燃气物联网系统中的所述燃气控制物联网装置对所述燃气表进行实时数据采集得到，所述燃气表数据包括燃气使用行为节点以及每个燃气使用行为节点所对应的燃气使用数据序列，所述燃气使用行为节点用于表征燃气使用过程中每次产生的燃气控制行为，所述燃气使用数据序列用于记录相应的燃气使用行为节点下的燃气使用数据；

训练模块，用于根据所述燃气用户在每个已标记的燃气使用区间内的燃气表数据以及每个燃气使用行为节点所对应的预设燃气使用标签，训练得到对应的燃气表数据分析模型；

数据分析模块，用于根据所述燃气表数据分析模型对所述燃气用户在预设时间段内的各个燃气使用行为节点下的燃气表数据进行数据分析，得到所述燃气用户在所述预设时间段内各个燃气使用行为节点所对应的燃气使用数据序列的燃气预测标签；

生成模块，用于根据所述各个燃气使用行为节点所对应的燃气使用数据序列的燃气预测标签，生成至少一个控制策略模式以及每个控制策略模式所对应的燃气控制指令序列，所述燃气控制指令序列包括至少一个控制节点以及每个控制节点所对应的指令集合。

第三方面，本申请实施例还提供一种燃气表系统，所述燃气表系统包括燃气云平台以及与所述燃气云平台通信连接的多个不同燃气用户的燃气物联网系统，所述燃气物联网系统包括燃气表以及与所述燃气表通信连接的燃气控制物联网装置；

所述燃气控制物联网装置对所述燃气表进行实时数据采集得到燃气用户在每个已标记的燃气使用区间内的燃气表数据；

所述燃气云平台，用于获取燃气用户在每个已标记的燃气使用区间内的燃气表数据，所述燃气表数据包括燃气使用行为节点以及每个燃气使用行为节点所对应的燃气使用数据序列，所述燃气使用行为节点用于表征燃气使用过程中每次产生的燃气控制行为，所述燃气使用数据序列用于记录相应的燃气使用行为节点下的燃气使用数据；

所述燃气云平台，用于根据所述燃气用户在每个已标记的燃气使用区间内的燃气表数据以及每个燃气使用行为节点所对应的预设燃气使用标签，训练得到对应的燃气表数据分析模型；

所述燃气云平台，用于根据所述燃气表数据分析模型对所述燃气用户在预设时间段内的各个燃气使用行为节点下的燃气表数据进行数据分析，得到所述燃气用户在所述预设时间段内各个燃气使用行为节点所对应的燃气使用数据序列的燃气预测标签；

所述燃气云平台，用于根据所述各个燃气使用行为节点所对应的燃气使用数据序列的燃气预测标签，生成至少一个控制策略模式以及每个控制策略模式所对应的燃气控制指令序列，所述燃气控制指令序列包括至少一个控制节点以及每个控制节点所对应的指令集合。

第四方面，本申请实施例还提供一种燃气云平台，所述燃气云平台包括处理器、机器可读存储介质和网络接口，所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连，所述网络接口用于与至少一个燃气表系统通信连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以执行第一方面或者第一方面中任意一个可能的设计中的远程抄表数据处理方法。

第五方面，本申请实施例提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，当其在计算机上检测时，使得计算机执行上述第一方面或者第一方面中任意一个可能的设计中的远程抄表数据处理方法。

根据上述任意一个方面，本申请通过机器学习燃气用户在每个已标记的燃气使用区间内的燃气表数据以及每个燃气使用行为节点所对应的预设燃气使用标签，能够很好地学习到燃气用户的燃气控制习惯，以便于后续为燃气用户提供符合自身习惯的控制策略模式从而进行自动燃气控制，由此有效减少燃气用户繁琐重复的控制操作带来的操作量，同时减少由于某次过失操作难免导致本次使用过程出现意外的情况。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请实施例提供的燃气表系统的应用场景示意图；

图2为本申请实施例提供的远程抄表数据处理方法的流程示意图；

图3为本申请实施例提供的远程抄表数据处理装置的功能模块示意图；

图4为本申请实施例提供的用于实现上述的远程抄表数据处理方法的燃气云平台的结构示意框图。

具体实施方式

下面结合说明书附图对本申请进行具体说明，方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。在本申请的描述中，除非另有说明，“至少一个”包括一个或多个。“多个”是指两个或两个以上。例如，A、B和C中的至少一个，包括：单独存在A、单独存在B、同时存在A和B、同时存在A和C、同时存在B和C，以及同时存在A、B和C。在本申请中，“/”表示或的意思，例如，A/B可以表示A或B；本文中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。

图1是本申请一种实施例提供的燃气表系统10的交互示意图。燃气表系统10可以包括燃气云平台100以及与所述燃气云平台100通信连接的燃气物联网系统200，燃气云平台100中可以包括执行指令操作的处理器。图1所示的燃气表系统10仅为一种可行的示例，在其它可行的实施例中，该燃气表系统10也可以仅包括图1所示组成部分的其中一部分或者还可以包括其它的组成部分。

在一些实施例中，燃气云平台100可以是单个服务器，也可以是一个服务器组。服务器组可以是集中式的，也可以是分布式的（例如，燃气云平台100可以是分布式系统）。在一些实施例中，燃气云平台100相对于燃气物联网系统200，可以是本地的、也可以是远程的。例如，燃气云平台100可以经由网络访问存储在燃气物联网系统200以及数据库、或其任意组合中的信息。作为另一示例，燃气云平台100可以直接连接到燃气物联网系统200和数据库中的至少一个，以访问其中存储的信息和/或数据。在一些实施例中，燃气云平台100可以在云平台上实现；仅作为示例，云平台可以包括私有云、公有云、混合云、社区云(community cloud)、分布式云、跨云（inter-cloud）、多云(multi-cloud)等，或者它们的任意组合。

在一些实施例中，燃气云平台100可以包括处理器。处理器可以处理与服务请求有关的信息和/或数据，以执行本申请中描述的一个或多个功能。处理器可以包括一个或多个处理核（例如，单核处理器（S）或多核处理器（S））。仅作为举例，处理器可以包括中央处理单元（Central Processing Unit, CPU）、专用集成电路（Application Specific IntegratedCircuit, ASIC）、专用指令集处理器（Application Specific Instruction-setProcessor, ASIP）、图形处理单元（Graphics Processing Unit, GPU）、物理处理单元（Physics Processing Unit, PPU）、数字信号处理器 (Digital Signal Processor,DSP)、现场可编程门阵列( Field Programmable Gate Array，FPGA)、可编程逻辑器件(Programmable Logic Device, PLD)、控制器、微控制器单元、简化指令集计算机(ReducedInstruction Set Computing, RISC)、或微处理器等，或其任意组合。

网络可以用于信息和/或数据的交换。在一些实施例中，燃气表系统10中的一个或多个组件（例如，燃气云平台100，燃气物联网系统200和数据库）可以向其他组件发送信息和/或数据。在一些实施例中，网络可以是任何类型的有线或者无线网络，或者是他们的结合。仅作为示例，网络130可以包括有线网络、无线网络、光纤网络、远程通信网络、内联网、因特网、局域网（Local Area Network，LAN）、广域网（Wide Area Network，WAN）、无线局域网（Wireless Local Area Networks，WLAN）、城域网（Metropolitan Area Network，MAN）、广域网（Wide Area Network，WAN）、公共电话交换网（Public Switched TelephoneNetwork，PSTN）、蓝牙网络、ZigBee网络、或近场通信（Near Field Communication, NFC）网络等，或其任意组合。在一些实施例中，网络可以包括一个或多个网络接入点。例如，网络可以包括有线或无线网络接入点，例如基站和/或网络交换节点，燃气表系统10的一个或多个组件可以通过该接入点连接到网络以交换数据和/或信息。

前述的数据库可以存储数据和/或指令。在一些实施例中，数据库可以存储向燃气物联网系统200分配的数据。在一些实施例中，数据库可以存储在本申请中描述的示例性方法的数据和/或指令。在一些实施例中，数据库可以包括大容量存储器、可移动存储器、易失性读写存储器、或只读存储器（Read-Only Memory, ROM）等，或其任意组合。作为举例，大容量存储器可以包括磁盘、光盘、固态驱动器等；可移动存储器可包括闪存驱动器、软盘、光盘、存储卡、zip磁盘、磁带等；易失性读写存储器可以包括随机存取存储器（Random AccessMemory, RAM）；RAM可以包括动态RAM（Dynamic Random Access Memory, DRAM），双倍数据速率同步动态RAM（Double Date-Rate Synchronous RAM, DDR SDRAM）；静态RAM（StaticRandom-Access Memory, SRAM），晶闸管RAM（Thyristor-Based Random Access Memory,T-RAM）和零电容器RAM（Zero-RAM）等。作为举例，ROM可以包括掩模ROM（Mask Read-OnlyMemory, MROM）、可编程ROM（ Programmable Read-Only Memory, PROM）、可擦除可编程ROM（Programmable Erasable Read-only Memory , PEROM）、电可擦除可编程ROM（Electrically Erasable Programmable read only memory, EEPROM）、光盘ROM（CD-ROM）、以及数字通用磁盘ROM等。在一些实施例中，数据库可以在云平台上实现。仅作为示例，云平台可以包括私有云、公有云、混合云、社区云、分布式云、跨云、多云或者其它类似的等，或其任意组合。

在一些实施例中，数据库可以连接到网络以与燃气表系统10（例如，燃气云平台100，燃气物联网系统200等）中的一个或多个组件通信。燃气表系统10中的一个或多个组件可以经由网络访问存储在数据库中的数据或指令。在一些实施例中，数据库可以直接连接到燃气表系统10中的一个或多个组件（例如，燃气云平台100，燃气物联网系统200等；或者，在一些实施例中，数据库也可以是燃气云平台100的一部分。

本实施例中，所述燃气物联网系统200具体可以包括燃气表以及与所述燃气表通信连接的燃气控制物联网装置，燃气表可以用于记录燃气控制过程中的燃气表数据，燃气控制物联网装置可以用于采集燃气表记录的燃气表数据，并可对燃气通道进行控制，本实施例在此不作具体限定。

为了解决前述背景技术中的技术问题，图2为本申请实施例提供的远程抄表数据处理方法的流程示意图，本实施例提供的远程抄表数据处理方法可以由图1中所示的燃气云平台100执行，下面对该远程抄表数据处理方法进行详细介绍。

步骤S110，获取燃气用户在每个已标记的燃气使用区间内的燃气表数据。

步骤S120，根据燃气用户在每个已标记的燃气使用区间内的燃气表数据以及每个燃气使用行为节点所对应的预设燃气使用标签，训练得到对应的燃气表数据分析模型。

步骤S130，根据燃气表数据分析模型对燃气用户在预设时间段内的各个燃气使用行为节点下的燃气表数据进行数据分析，得到燃气用户在预设时间段内各个燃气使用行为节点所对应的燃气使用数据序列的燃气预测标签。

步骤S140，根据各个燃气使用行为节点所对应的燃气使用数据序列的燃气预测标签，生成至少一个控制策略模式以及每个控制策略模式所对应的燃气控制指令序列。

本实施例中，燃气云平台100可以为燃气用户提供其在不同燃气使用区间内的燃气表数据，燃气用户可以根据自身情况灵活通过终端选择一部分或者全部燃气使用区间内的燃气表数据进行标记，这样燃气云平台100即可获取到燃气用户在每个已标记的燃气使用区间内的燃气表数据。

本实施例中，燃气表数据可以通过燃气用户的燃气物联网系统200中的燃气控制物联网装置对燃气表进行实时数据采集得到。作为一种可能的示例，燃气表数据可以包括燃气使用行为节点以及每个燃气使用行为节点所对应的燃气使用数据序列，燃气使用行为节点用于表征燃气使用过程中每次产生的燃气控制行为（例如每次燃气的开关、燃气流量的大小控制等行为），燃气使用数据序列可以用于记录相应的燃气使用行为节点下的燃气使用数据，例如，每个燃气使用行为节点通常会持续一定的时间，在此时间段内可以以每个单位时间（例如一秒）为一个记录点记录相应的燃气使用行为节点下的燃气使用数据，并进行汇总后得到燃气使用数据序列。

本实施例中，预设燃气使用标签可以用于表征每个燃气使用行为节点所对应的燃气使用的用途或者作用，例如可以是炒菜（具体还可以多种炒菜方式）、烧开水、清蒸、焖锅等，燃气用户可以根据自身的历史使用情况来设置每个燃气使用行为节点所对应的预设燃气使用标签，并上传到燃气云平台100中进行记录。

本实施例中，燃气控制指令序列可以包括至少一个控制节点以及每个控制节点所对应的指令集合，这些指令集合中可以以时间轴为方向，以单位时间为一个控制单位形成一个控制指令以用于后续控制燃气过程。

基于上述设计，本实施例可以通过机器学习燃气用户在每个已标记的燃气使用区间内的燃气表数据以及每个燃气使用行为节点所对应的预设燃气使用标签，能够很好地学习到燃气用户的燃气控制习惯，以便于后续为燃气用户提供符合自身习惯的控制策略模式从而进行自动燃气控制，由此有效减少燃气用户繁琐重复的控制操作带来的操作量，同时减少由于某次过失操作难免导致本次使用过程出现意外的情况。

在一种可能的设计中，针对步骤S120，为了提高训练效果，避免噪声训练特征的引入，本实施例可以提取每个燃气使用行为节点所对应的燃气使用数据序列的燃气数据特征（例如燃气变化特征、燃气数据类型特征等）。然后，以燃气数据特征作为待训练燃气表数据分析模型的输入特征，将燃气数据特征输入到待训练燃气表数据分析模型中，通过待训练燃气表数据分析模型解析燃气数据特征在标记数据项目内的待训练特征，待训练特征包括待训练特征区间段集合。

在此基础上，考虑到待训练特征区间段集合通常是由一些标识符分隔开的，由此可以按照预设标识符（例如分号、顿号等）对待训练特征区间段集合进行分割，得到多个训练标记节点，并根据待训练特征所对应的特征向量确定多个第一模型参数。

其中，值得说明的是，上述的多个第一模型参数分别为多个训练标记节点在待训练燃气表数据分析模型中训练的模型参数，待训练燃气表数据分析模型用于学习多个待训练特征区间段集合进行分割处理之后的训练标记节点，以及分割处理后的各个训练标记节点在待训练燃气表数据分析模型中映射的模型参数，多个待训练特征区间段集合为在标记数据项目内获取到的多个待训练特征所包括的待训练特征区间段集合。此外还需要说明的是，第一模型参数根据特征向量所表征的特征参数类型以及不同特征参数类型所对应的预设模型参数得到。

接下来，可以按照多个第一模型参数中的每个第一模型参数从高收敛度到低收敛度的顺序，对多个第一模型参数进行排序，得到模型参数序列，并基于预设相似比例阈值和模型参数序列，确定多个训练标记节点中的训练标记节点在待训练燃气表数据分析模型中映射的模型参数。

其中，值得说明的是，预设相似比例阈值用于指示待训练特征区间段集合与标记数据项目内获取的待训练特征区间段集合相似部分在待训练特征区间段集合中所占的比例。

在此基础上，当训练标记节点在待训练燃气表数据分析模型中映射的模型参数匹配预设模型参数时，确定待训练特征为目标待训练特征，当确定该待训练特征为目标待训练特征时，对于多个第一模型参数中的每个第一模型参数，根据第一模型参数控制待训练燃气表数据分析模型学习在标记数据项目内获得的多个待训练特征区间段集合进行分割处理之后的训练标记节点，以及分割处理后的各个训练标记节点在待训练燃气表数据分析模型中映射的模型参数，并在训练之后生成对应的预测标签，由此，可以根据每个燃气使用行为节点的预测标签和每个燃气使用行为节点所对应的预设燃气使用标签更新待训练燃气表数据分析模型的模型参数。

需要说明的是，可以设置更新迭代次数，当更新迭代次数达到设定次数时，表明待训练燃气表数据分析模型训练完毕，由此输出训练完成的燃气表数据分析模型。

在一种可能的设计中，在以上提取每个燃气使用行为节点所对应的燃气使用数据序列的燃气数据特征的过程中，为了使得提取出的燃气数据特征能够有效涉及到不同数据特征的关联性，以提高后续的训练效果，本实施例可以在燃气使用数据序列的每个数据项目的燃气使用数据中，确定与燃气使用行为节点相对应的燃气使用标签所关联的标签特征，然后针对每个燃气使用数据中标签特征上的每个标签节点的类型信息，根据每个标签节点的类型信息，确定每个燃气使用数据的标签特征关联度，并根据每个燃气使用数据的标签特征关联度，确定每个燃气使用数据的置信标签特征关联度。

而后，可以按照置信标签特征关联度从高到低的顺序，对燃气使用数据进行排序，根据预先设定的特征数量，选取排位在前的特征数量的燃气使用数据作为燃气使用数据序列的燃气数据特征。

其中，标签节点的类型信息可以包括标签节点的数量、顺序位和特征值中的至少一种。 接下来本实施例将给出几种可能的示例以确定每个燃气使用数据的标签特征关联度。

例如，如果标签节点的类型信息包括标签节点的数量，那么针对每个燃气使用数据，根据该燃气使用数据中的关联的各个标签特征上的标签节点的数量之和，确定关联的各个标签特征对应的第一标签特征关联度，并根据关联的各个标签特征对应的第一标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，数量之和越大，第一标签特征关联度越大。

或者，如果标签节点的类型信息包括标签节点的顺序位，那么针对每个燃气使用数据，可以根据该燃气使用数据中的每个标签特征上的标签节点的顺序位，确定每个标签特征上的由相邻两个标签节点确定的最大标签范围和最小标签范围，根据每个标签特征上的最大标签范围与最小标签范围的比值是否小于预设的阈值，确定每个标签特征对应的第二标签特征关联度，根据每个标签特征对应的第二标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，比值小于预设的阈值时对应的第二标签特征关联度较比值大于设定的阈值时对应的第二标签特征关联度大。

又例如，可以针对每个燃气使用数据中的每个标签特征，根据该标签特征上的标签节点的顺序位，确定该标签特征上的标签节点的平均顺序位点，并根据关联的各个标签特征上的平均顺序位点的关系，确定关联的各个标签特征对应的位点构成序列，根据该位点构成序列和燃气使用数据的数据所对应时间的序列的顺序关联度，确定关联的各个标签特征对应的第三标签特征关联度，并根据关联的各个标签特征对应的第三标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，顺序关联度越大，第三标签特征关联度越大，燃气使用数据的数据所对应时间的序列为燃气使用数据沿正向时间轴构成的序列。

再例如，针对每个燃气使用数据中的每个标签特征，根据该标签特征上的标签节点的顺序位，确定该标签特征上的标签节点的平均顺序位点，并确定每相邻三个标签特征中任意两个标签特征上的平均顺序位点的中间顺序位点，同时确定剩余一个标签特征上的平均顺序位点与该中间顺序位点的匹配程度。

而后，根据匹配程度，确定每相邻三个标签特征的重合度，其中，匹配程度越大重合度越高，或确定每相邻三个标签特征中相邻两个标签特征上的平均顺序位点的中间顺序位点，根据两个中间顺序位点的顺序关联度，确定每相邻三个标签特征的重合度以确定每相邻三个标签特征对应的第四标签特征关联度，其中，顺序关联度越大重合度越高。

由此，根据每相邻三个标签特征对应的第四标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，重合度越高，第四标签特征关联度越大。

或者在另一种情况中，如果标签节点的类型信息包括标签节点的特征值，那么针对每个燃气使用数据，根据该燃气使用数据中的每个标签特征上的标签节点的特征值，确定每个标签特征上的第一个标签节点和最后一个标签节点的特征值变化特征，根据特征值变化特征是否满足预设的特征变化规则，确定每个标签特征对应的第五标签特征关联度，根据每个标签特征对应的第五标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，满足预设的特征变化规则时对应的第五标签特征关联度较不满足预设的特征变化规则时对应的第五标签特征关联度大。

再例如，针对每个燃气使用数据，根据该燃气使用数据中的每个标签特征上的标签节点的特征值，确定每个标签特征上的标签节点的梯度值，根据每个标签特征上的标签节点的梯度值的绝对值的平均值，确定每个标签特征对应的第六标签特征关联度，根据每个标签特征对应的第六标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，该平均值越大，第六标签特征关联度越大。

在一种可能的设计中，进一步针对步骤S140，本实施例可以按照预定的燃气使用模式对各个燃气使用行为节点所对应的燃气使用数据序列的燃气预测标签进行划分，分别生成每个燃气使用模式的燃气预测标签信息，然后根据每个燃气使用模式的燃气预测标签信息生成至少一个控制策略模式以及每个控制策略模式所对应的燃气控制指令序列。

例如，可以获取每个预定的燃气使用模式所对应的预设标签节点，形成每个预定的燃气使用模式的标签节点序列，并根据每种燃气使用模式所对应的预设节点数量阈值，从标签节点序列中选取排序靠前的目标标签节点，以得到每个预定的燃气使用模式所对应的目标标签节点。在此基础上，对各个燃气使用行为节点所对应的燃气使用数据序列的燃气预测标签与每个预定的燃气使用模式所对应的目标标签节点进行匹配，并根据匹配结果确定与每个预定的燃气使用模式匹配的燃气预测标签，以生成每个燃气使用模式的燃气预测标签信息。

再例如，可以进一步针对各个燃气使用模式的燃气预测标签信息的每个燃气预测标签，分别获取与燃气预测标签匹配的预设指令信息，并获取预设指令信息与该燃气使用模式关联的目标指令集合，并在目标指令集合中的目标指令数量大于设定数量时，将该燃气使用模式确定为一个控制策略模式。

在将该燃气使用模式确定为一个控制策略模式的基础上，对目标指令集合进行计算，获取与目标指令集合对应的控制特征信息，并对目标指令集合中燃气预测标签的每个目标指令进行指令特征提取，获取目标指令集合中每个目标指令的指令特征信息，并将与目标指令集合对应的控制特征信息中指令历史使用次数大于预设阈值的目标指令确定为关键目标指令。

而后，根据目标指令集合中每个目标指令的指令特征信息，计算整个指令集合的第一指令特征向量均值，并根据关键目标指令中每个目标指令的指令特征信息，计算关键目标指令的第二指令特征向量均值，由此可以对第一指令特征向量均值、第二指令特征向量均值和第一指令特征向量均值、第二指令特征向量均值各自对应的预设权重系数进行计算，获取关键目标指令的特征系数，计算目标指令集合中每个目标指令的指令特征信息与特征系数的计算结果，并根据计算结果获取目标指令集合中每个目标指令的第一指令特征参考度。

最后，通过对目标指令集合中每个目标指令的第一指令特征参考度和控制特征信息进行计算，获取目标指令集合中每个目标指令的指令特征参考度。

或者，在另一种可能的设计中，本实施例也可以根据目标指令集合中每个目标指令的指令特征信息与特征系数的计算结果获取目标指令集合中每个目标指令的第一指令特征参考度，并按照预设的参考度范围对目标指令集合中每个目标指令的第一指令特征参考度进行计算，获取目标指令集合中每个目标指令的第二指令特征参考度，其中，第二指令特征参考度与第一指令特征参考度之间的差值小于参考度范围。

而后，对目标指令集合中每个目标指令的第二指令特征参考度和控制特征信息进行计算，获取目标指令集合中每个目标指令的指令特征参考度，并根据指令特征参考度以及控制特征信息，确定目标指令集合中每个目标指令的目标系数，并计算目标指令集合中每个目标指令的指令特征参考度与预设常数的比值，其中，目标系数为指令特征参考度除以控制特征信息的特征向量值后的值。

在此基础上，可以计算每个目标指令的指令特征参考度与预设常数的比值与对应的目标系数的乘积，获取目标指令集合中每个目标指令的燃气模式筛选度，并根据每个目标指令的燃气模式筛选度，将燃气模式筛选度大于设定筛选度的目标指令按照时间的先后顺序进行排列，并将同一指令类型的目标指令确定为一个控制节点，以确定为该控制策略模式所对应的燃气控制指令序列。

在上述描述的基础上，本实施例可以将至少一个控制策略模式以及每个控制策略模式所对应的燃气控制指令序列发送给燃气用户的燃气物联网系统200中的燃气控制物联网装置，以使得燃气控制物联网装置根据燃气用户选择的控制策略模式，按照该控制策略模式所对应的燃气控制指令序列对燃气表对应的燃气通道进行控制。即，燃气用户在今后的使用过程中，可以灵活选择通过机器学习该燃气用户的日常燃气使用习惯得到的控制策略模式进行进行自动控制，并且在此之后由于收集到的燃气表数据越来越多，那么由此可以继续训练前述的燃气表数据分析模型，从而不断提高燃气表数据分析模型的精度。

图3为本申请实施例提供的远程抄表数据处理装置300的功能模块示意图，本实施例可以根据上述方法实施例对该远程抄表数据处理装置300进行功能模块的划分。例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本申请中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。比如，在采用对应各个功能划分各个功能模块的情况下，图3示出的远程抄表数据处理装置300只是一种装置示意图。其中，远程抄表数据处理装置300可以包括获取模块310、训练模块320、数据分析模块330以及生成模块340，下面分别对该远程抄表数据处理装置300的各个功能模块的功能进行详细阐述。

获取模块310，用于获取燃气用户在每个已标记的燃气使用区间内的燃气表数据，其中，燃气表数据通过燃气用户的燃气物联网系统200中的燃气控制物联网装置对燃气表进行实时数据采集得到，燃气表数据包括燃气使用行为节点以及每个燃气使用行为节点所对应的燃气使用数据序列，燃气使用行为节点用于表征燃气使用过程中每次产生的燃气控制行为，燃气使用数据序列用于记录相应的燃气使用行为节点下的燃气使用数据。

训练模块320，用于根据燃气用户在每个已标记的燃气使用区间内的燃气表数据以及每个燃气使用行为节点所对应的预设燃气使用标签，训练得到对应的燃气表数据分析模型。

数据分析模块330，用于根据燃气表数据分析模型对燃气用户在预设时间段内的各个燃气使用行为节点下的燃气表数据进行数据分析，得到燃气用户在预设时间段内各个燃气使用行为节点所对应的燃气使用数据序列的燃气预测标签。

生成模块340，用于根据各个燃气使用行为节点所对应的燃气使用数据序列的燃气预测标签，生成至少一个控制策略模式以及每个控制策略模式所对应的燃气控制指令序列，燃气控制指令序列包括至少一个控制节点以及每个控制节点所对应的指令集合。

进一步地，图4为本申请实施例提供的用于执行上述远程抄表数据处理方法的燃气云平台100的结构示意图。如图4所示，该燃气云平台100可包括网络接口110、机器可读存储介质120、处理器130以及总线140。处理器130可以是一个或多个，图4中以一个处理器130为例。网络接口110、机器可读存储介质120以及处理器130可以通过总线140或其他方式连接，图4中以通过总线140连接为例。

机器可读存储介质120作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本申请实施例中的远程抄表数据处理方法对应的程序指令/模块（例如图3中所示的远程抄表数据处理装置300的获取模块310、训练模块320、数据分析模块330以及生成模块340）。处理器130通过检测存储在机器可读存储介质120中的软件程序、指令以及模块，从而执行终端设备的各种功能应用以及数据处理，即实现上述的远程抄表数据处理方法，在此不再赘述。

机器可读存储介质120可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，机器可读存储介质120可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-OnlyMemory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double DataRateSDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，DR RAM)。应注意，本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合发布节点的存储器。在一些实例中，机器可读存储介质120可进一步包括相对于处理器130远程设置的存储器，这些远程存储器可以通过网络连接至燃气云平台100。上述网络的实例包括但不限于互联网、待编译项目内部网、局域网、移动通信网及其组合。

处理器130可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法实施例的各步骤可以通过处理器130中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器130可以是通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field Programmable Gate Array，FPGA)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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。

燃气云平台100可以通过网络接口110和其它设备（例如燃气物联网系统200）进行信息交互。网络接口110可以是电路、总线、收发器或者其它任意可以用于进行信息交互的装置。处理器130可以利用网络接口110收发信息。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。

本申请实施例是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

显然，本领域的技术人员可以对本申请实施例进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请实施例的这些表达和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (8)

1.一种远程抄表数据处理方法，其特征在于，应用于燃气云平台，所述燃气云平台与多个不同燃气用户的燃气物联网系统通信连接，所述燃气物联网系统包括燃气表以及与所述燃气表通信连接的燃气控制物联网装置，所述燃气云平台经由网络访问存储在燃气物联网系统中的信息，所述燃气云平台在云平台上实现，所述网络包括有线或无线网络接入点，所述燃气表用于记录燃气控制过程中的燃气表数据，所述燃气控制物联网装置用于采集燃气表记录的燃气表数据，并可对燃气通道进行控制，所述方法包括：

获取燃气用户在每个已标记的燃气使用区间内的燃气表数据，其中，所述燃气表数据通过所述燃气用户的燃气物联网系统中的所述燃气控制物联网装置对所述燃气表进行实时数据采集得到，所述燃气表数据包括燃气使用行为节点以及每个燃气使用行为节点所对应的燃气使用数据序列，所述燃气使用行为节点用于表征燃气使用过程中每次产生的燃气控制行为，所述燃气使用数据序列用于记录相应的燃气使用行为节点下的燃气使用数据；

根据所述燃气用户在每个已标记的燃气使用区间内的燃气表数据以及每个燃气使用行为节点所对应的预设燃气使用标签，训练得到对应的燃气表数据分析模型；

根据所述燃气表数据分析模型对所述燃气用户在预设时间段内的各个燃气使用行为节点下的燃气表数据进行数据分析，得到所述燃气用户在所述预设时间段内各个燃气使用行为节点所对应的燃气使用数据序列的燃气预测标签；

根据所述各个燃气使用行为节点所对应的燃气使用数据序列的燃气预测标签，生成至少一个控制策略模式以及每个控制策略模式所对应的燃气控制指令序列，所述燃气控制指令序列包括至少一个控制节点以及每个控制节点所对应的指令集合。

2.根据权利要求1所述的远程抄表数据处理方法，其特征在于，所述根据所述燃气用户在每个已标记的燃气使用区间内的燃气表数据以及每个燃气使用行为节点所对应的预设燃气使用标签，训练得到对应的燃气表数据分析模型的步骤，包括：

提取每个所述燃气使用行为节点所对应的燃气使用数据序列的燃气数据特征；

以所述燃气数据特征作为待训练燃气表数据分析模型的输入特征，将所述燃气数据特征输入到所述待训练燃气表数据分析模型中，通过所述待训练燃气表数据分析模型解析所述燃气数据特征在标记数据项目内的待训练特征，所述待训练特征包括待训练特征区间段集合；

按照预设标识符对所述待训练特征区间段集合进行分割，得到多个训练标记节点；

根据所述待训练特征所对应的特征向量确定多个第一模型参数，所述多个第一模型参数分别为所述多个训练标记节点在所述待训练燃气表数据分析模型中训练的模型参数，所述待训练燃气表数据分析模型用于学习多个待训练特征区间段集合进行分割处理之后的训练标记节点，以及分割处理后的各个训练标记节点在所述待训练燃气表数据分析模型中映射的模型参数，所述多个待训练特征区间段集合为在所述标记数据项目内获取到的多个待训练特征所包括的待训练特征区间段集合，其中，所述第一模型参数根据所述特征向量所表征的特征参数类型以及不同特征参数类型所对应的预设模型参数得到；

按照所述多个第一模型参数中的每个第一模型参数从高收敛度到低收敛度的顺序，对所述多个第一模型参数进行排序，得到模型参数序列；

基于预设相似比例阈值和所述模型参数序列，确定所述多个训练标记节点中的训练标记节点在所述待训练燃气表数据分析模型中映射的模型参数，所述预设相似比例阈值用于指示所述待训练特征区间段集合与标记数据项目内获取的待训练特征区间段集合相似部分在所述待训练特征区间段集合中所占的比例；

当所述训练标记节点在所述待训练燃气表数据分析模型中映射的模型参数匹配预设模型参数时，确定所述待训练特征为目标待训练特征，当确定该待训练特征为目标待训练特征时，对于所述多个第一模型参数中的每个第一模型参数，根据所述第一模型参数控制所述待训练燃气表数据分析模型学习在所述标记数据项目内获得的多个待训练特征区间段集合进行分割处理之后的训练标记节点，以及分割处理后的各个训练标记节点在所述待训练燃气表数据分析模型中映射的模型参数，并在训练之后生成对应的预测标签；

根据所述每个燃气使用行为节点的预测标签和所述每个燃气使用行为节点所对应的预设燃气使用标签更新所述待训练燃气表数据分析模型的模型参数。

3.根据权利要求2所述的远程抄表数据处理方法，其特征在于，所述提取每个所述燃气使用行为节点所对应的燃气使用数据序列的燃气数据特征的步骤，包括：

在所述燃气使用数据序列的每个数据项目的燃气使用数据中，确定与所述燃气使用行为节点相对应的燃气使用标签所关联的标签特征；

针对每个燃气使用数据中标签特征上的每个标签节点的类型信息，根据所述每个标签节点的类型信息，确定每个燃气使用数据的标签特征关联度，并根据每个燃气使用数据的标签特征关联度，确定每个燃气使用数据的置信标签特征关联度，其中所述标签节点的类型信息包括标签节点的数量、顺序位和特征值中的至少一种；

按照置信标签特征关联度从高到低的顺序，对燃气使用数据进行排序，根据预先设定的特征数量，选取排位在前的所述特征数量的燃气使用数据作为所述燃气使用数据序列的燃气数据特征；

其中，如果所述标签节点的类型信息包括标签节点的数量，所述针对每个燃气使用数据中标签特征上的每个标签节点的类型信息，根据所述每个标签节点的类型信息，确定每个燃气使用数据的标签特征关联度的步骤，包括：

针对每个燃气使用数据，根据该燃气使用数据中的关联的各个标签特征上的标签节点的数量之和，确定关联的各个标签特征对应的第一标签特征关联度，并根据关联的各个标签特征对应的第一标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，所述数量之和越大，所述第一标签特征关联度越大；

或者，如果所述标签节点的类型信息包括标签节点的顺序位，所述针对每个燃气使用数据中标签特征上的每个标签节点的类型信息，根据所述每个标签节点的类型信息，确定每个燃气使用数据的标签特征关联度的步骤，包括：

针对每个燃气使用数据，根据该燃气使用数据中的每个标签特征上的标签节点的顺序位，确定每个标签特征上的由相邻两个标签节点确定的最大标签范围和最小标签范围，根据每个标签特征上的最大标签范围与最小标签范围的比值是否小于预设的阈值，确定每个标签特征对应的第二标签特征关联度，根据每个标签特征对应的第二标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，比值小于预设的阈值时对应的第二标签特征关联度较比值大于设定的阈值时对应的第二标签特征关联度大；

针对每个燃气使用数据中的每个标签特征，根据该标签特征上的标签节点的顺序位，确定该标签特征上的标签节点的平均顺序位点；

根据关联的各个标签特征上的平均顺序位点的关系，确定关联的各个标签特征对应的位点构成序列，根据该位点构成序列和所述燃气使用数据的数据所对应时间的序列的顺序关联度，确定关联的各个标签特征对应的第三标签特征关联度，并根据关联的各个标签特征对应的第三标签特征关联度的和，确定所述燃气使用数据的标签特征关联度，其中，所述顺序关联度越大，所述第三标签特征关联度越大，所述燃气使用数据的数据所对应时间的序列为燃气使用数据沿正向时间轴构成的序列；

针对每个燃气使用数据中的每个标签特征，根据该标签特征上的标签节点的顺序位，确定该标签特征上的标签节点的平均顺序位点，并确定每相邻三个标签特征中任意两个标签特征上的平均顺序位点的中间顺序位点，同时确定剩余一个标签特征上的平均顺序位点与该中间顺序位点的匹配程度；

根据所述匹配程度，确定每相邻三个标签特征的重合度，其中，匹配程度越大重合度越高，或确定每相邻三个标签特征中相邻两个标签特征上的平均顺序位点的中间顺序位点，根据两个中间顺序位点的顺序关联度，确定每相邻三个标签特征的重合度以确定每相邻三个标签特征对应的第四标签特征关联度，其中，顺序关联度越大重合度越高；

根据每相邻三个标签特征对应的第四标签特征关联度的和，确定所述燃气使用数据的标签特征关联度，其中，重合度越高，第四标签特征关联度越大；

或者，如果所述标签节点的类型信息包括标签节点的特征值，所述针对每个燃气使用数据中标签特征上的每个标签节点的类型信息，根据所述每个标签节点的类型信息，确定每个燃气使用数据的标签特征关联度的步骤，包括：

针对每个燃气使用数据，根据该燃气使用数据中的每个标签特征上的标签节点的特征值，确定每个标签特征上的第一个标签节点和最后一个标签节点的特征值变化特征，根据特征值变化特征是否满足预设的特征变化规则，确定每个标签特征对应的第五标签特征关联度，根据每个标签特征对应的第五标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，满足预设的特征变化规则时对应的第五标签特征关联度较不满足所述预设的特征变化规则时对应的第五标签特征关联度大；

针对每个燃气使用数据，根据该燃气使用数据中的每个标签特征上的标签节点的特征值，确定每个标签特征上的标签节点的梯度值，根据每个标签特征上的标签节点的梯度值的绝对值的平均值，确定每个标签特征对应的第六标签特征关联度，根据每个标签特征对应的第六标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，该平均值越大，所述第六标签特征关联度越大。

4.根据权利要求1-3中任意一项所述的远程抄表数据处理方法，其特征在于，所述根据所述各个燃气使用行为节点所对应的燃气使用数据序列的燃气预测标签，生成至少一个控制策略模式以及每个控制策略模式所对应的燃气控制指令序列的步骤，包括：

按照预定的燃气使用模式对所述各个燃气使用行为节点所对应的燃气使用数据序列的燃气预测标签进行划分，分别生成每个燃气使用模式的燃气预测标签信息；

根据所述每个燃气使用模式的燃气预测标签信息生成至少一个控制策略模式以及每个控制策略模式所对应的燃气控制指令序列。

5.根据权利要求4所述的远程抄表数据处理方法，其特征在于，所述按照预定的燃气使用模式对所述各个燃气使用行为节点所对应的燃气使用数据序列的燃气预测标签进行划分，分别生成每个燃气使用模式的燃气预测标签信息的步骤，包括：

获取每个预定的燃气使用模式所对应的预设标签节点，形成每个预定的燃气使用模式的标签节点序列，并根据每种燃气使用模式所对应的预设节点数量阈值，从所述标签节点序列中选取排序靠前的目标标签节点，以得到每个预定的燃气使用模式所对应的目标标签节点；

对所述各个燃气使用行为节点所对应的燃气使用数据序列的燃气预测标签与每个预定的燃气使用模式所对应的目标标签节点进行匹配，并根据匹配结果确定与每个预定的燃气使用模式匹配的燃气预测标签，以生成每个燃气使用模式的燃气预测标签信息。

6.根据权利要求4所述的远程抄表数据处理方法，其特征在于，所述根据所述每个燃气使用模式的燃气预测标签信息生成至少一个控制策略模式以及每个控制策略模式所对应的燃气控制指令序列的步骤，包括：

针对所述各个燃气使用模式的燃气预测标签信息的每个燃气预测标签，分别获取与所述燃气预测标签匹配的预设指令信息，并获取所述预设指令信息与该燃气使用模式关联的目标指令集合，并在所述目标指令集合中的目标指令数量大于设定数量时，将该燃气使用模式确定为一个控制策略模式；

在将该燃气使用模式确定为一个控制策略模式的基础上，对所述目标指令集合进行计算，获取与所述目标指令集合对应的控制特征信息，并对所述目标指令集合中所述燃气预测标签的每个目标指令进行指令特征提取，获取所述目标指令集合中每个目标指令的指令特征信息；

将与所述目标指令集合对应的控制特征信息中指令历史使用次数大于预设阈值的目标指令确定为关键目标指令；

根据所述目标指令集合中每个目标指令的指令特征信息，计算整个指令集合的第一指令特征向量均值，并根据所述关键目标指令中每个目标指令的指令特征信息，计算所述关键目标指令的第二指令特征向量均值；

对所述第一指令特征向量均值、所述第二指令特征向量均值和所述第一指令特征向量均值、所述第二指令特征向量均值各自对应的预设权重系数进行计算，获取所述关键目标指令的特征系数，计算所述目标指令集合中每个目标指令的指令特征信息与所述特征系数的计算结果，并根据所述计算结果获取所述目标指令集合中每个目标指令的第一指令特征参考度；

对所述目标指令集合中每个目标指令的第一指令特征参考度和所述控制特征信息进行计算，获取所述目标指令集合中每个目标指令的指令特征参考度；

或者，根据所述目标指令集合中每个目标指令的指令特征信息与所述特征系数的计算结果获取所述目标指令集合中每个目标指令的第一指令特征参考度，并按照预设的参考度范围对所述目标指令集合中每个目标指令的第一指令特征参考度进行计算，获取所述目标指令集合中每个目标指令的第二指令特征参考度，其中，所述第二指令特征参考度与所述第一指令特征参考度之间的差值小于所述参考度范围；

对所述目标指令集合中每个目标指令的第二指令特征参考度和所述控制特征信息进行计算，获取所述目标指令集合中每个目标指令的指令特征参考度；

根据所述指令特征参考度以及所述控制特征信息，确定所述目标指令集合中每个目标指令的目标系数，并计算所述目标指令集合中每个目标指令的指令特征参考度与预设常数的比值，其中，所述目标系数为所述指令特征参考度除以所述控制特征信息的特征向量值后的值；

计算每个目标指令的指令特征参考度与预设常数的比值与对应的目标系数的乘积，获取所述目标指令集合中每个目标指令的燃气模式筛选度；

根据所述每个目标指令的燃气模式筛选度，将燃气模式筛选度大于设定筛选度的目标指令按照时间的先后顺序进行排列，并将同一指令类型的目标指令确定为一个所述控制节点，以确定为该控制策略模式所对应的燃气控制指令序列。

7.根据权利要求1-6中任意一项所述的远程抄表数据处理方法，其特征在于，所述根据所述各个燃气使用行为节点所对应的燃气使用数据序列的燃气预测标签，生成至少一个控制策略模式以及每个控制策略模式所对应的燃气控制指令序列的步骤之后，所述方法还包括：

将所述至少一个控制策略模式以及每个控制策略模式所对应的燃气控制指令序列发送给所述燃气用户的燃气物联网系统中的燃气控制物联网装置，以使得所述燃气控制物联网装置根据所述燃气用户选择的控制策略模式，按照该控制策略模式所对应的燃气控制指令序列对所述燃气表所对应的燃气通道进行控制。

8.一种燃气表系统，其特征在于，所述燃气表系统包括燃气云平台以及与所述燃气云平台通信连接的多个不同燃气用户的燃气物联网系统，所述燃气物联网系统包括燃气表以及与所述燃气表通信连接的燃气控制物联网装置，所述燃气云平台经由网络访问存储在燃气物联网系统中的信息，所述燃气云平台在云平台上实现，所述网络包括有线或无线网络接入点，所述燃气表用于记录燃气控制过程中的燃气表数据，所述燃气控制物联网装置用于采集燃气表记录的燃气表数据，并可对燃气通道进行控制；

所述燃气控制物联网装置对所述燃气表进行实时数据采集得到燃气用户在每个已标记的燃气使用区间内的燃气表数据；

所述燃气云平台，用于获取燃气用户在每个已标记的燃气使用区间内的燃气表数据，所述燃气表数据包括燃气使用行为节点以及每个燃气使用行为节点所对应的燃气使用数据序列，所述燃气使用行为节点用于表征燃气使用过程中每次产生的燃气控制行为，所述燃气使用数据序列用于记录相应的燃气使用行为节点下的燃气使用数据；

所述燃气云平台，用于根据所述燃气用户在每个已标记的燃气使用区间内的燃气表数据以及每个燃气使用行为节点所对应的预设燃气使用标签，训练得到对应的燃气表数据分析模型；

所述燃气云平台，用于根据所述燃气表数据分析模型对所述燃气用户在预设时间段内的各个燃气使用行为节点下的燃气表数据进行数据分析，得到所述燃气用户在所述预设时间段内各个燃气使用行为节点所对应的燃气使用数据序列的燃气预测标签；

所述燃气云平台，用于根据所述各个燃气使用行为节点所对应的燃气使用数据序列的燃气预测标签，生成至少一个控制策略模式以及每个控制策略模式所对应的燃气控制指令序列，所述燃气控制指令序列包括至少一个控制节点以及每个控制节点所对应的指令集合。

Images