CN112749305B - 基于人工智能的监测数据管理方法、系统、设备及介质 - Google Patents
基于人工智能的监测数据管理方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN112749305B CN112749305B CN202011632879.3A CN202011632879A CN112749305B CN 112749305 B CN112749305 B CN 112749305B CN 202011632879 A CN202011632879 A CN 202011632879A CN 112749305 B CN112749305 B CN 112749305B
- Authority
- CN
- China
- Prior art keywords
- abnormal
- data
- environment monitoring
- information
- current
- 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
Links
Images
Classifications
-
- 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
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- 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
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
本发明涉及环保数据监测及告警技术领域,其目的在于提供一种基于人工智能的监测数据管理方法、系统、设备及介质。其中,监测数据管理方法包括以下步骤:获取环境监测数据;接收异常订阅信息,基于人工智能算法对异常订阅信息进行处理;判断当前环境监测数据是否为异常数据,若是,则输出异常信息,并进入下一步,若否,则不动作;判断当前异常信息所对应的环境监测数据是否包括处于第一异常标准信息内的第一指定环境监测数据,若是,则输出当前异常信息至与第一用户终端信息相匹配的用户终端,若否,则不动作。本发明中,异常数据筛选的效率和准确性高,便于工作人员及时了解环境监测数据的异常情况。
Description
技术领域
本发明涉及环保数据监测及告警技术领域,特别是涉及一种基于人工智能的监测数据管理方法、系统、设备及介质。
背景技术
突发环境污染时有发生,传统的信息化系统在面对突发污染情况时缺少快速便利的消息通知渠道,很有可能导致污染事件不能及时地被发现处理,环保决策人员不能快速进行决策,致使污染进一步扩大。与此同时,现有技术中,在需要了解如空气质量状况异常、监测站的站房告警及设备离线等异常信息时,环保决策人员需要长时间查看海量环境数据,以从中找出异常信息,数据查看压力大,给环保决策人员的工作带来许多不便。
发明内容
本发明旨在至少在一定程度上解决上述技术问题,本发明提供了一种基于人工智能的监测数据管理方法、系统、设备及介质。
本发明采用的技术方案是:
一种基于人工智能的监测数据管理方法,包括以下步骤:
获取环境监测数据;
接收异常订阅信息,基于人工智能算法对异常订阅信息进行处理,得到第一用户终端信息、第一指定环境监测数据及第一异常标准信息;
判断当前环境监测数据是否为异常数据,若是,则输出异常信息,并进入下一步,若否,则不动作;
判断当前异常信息所对应的环境监测数据是否包括处于第一异常标准信息内的第一指定环境监测数据,若是,则输出当前异常信息至与第一用户终端信息相匹配的用户终端,若否,则不动作。
优选地,所述基于人工智能的监测数据管理方法还包括以下步骤:
接收异常查阅信息,基于人工智能算法对异常查阅信息进行处理,得到第二用户终端信息、第二指定环境监测数据、第二异常标准信息及指定时间段;
判断指定时间段内的当前异常信息所对应的环境监测数据是否包括处于第二异常标准信息内的第二指定环境监测数据,若是,则输出当前异常信息至与第二用户终端信息相匹配的用户终端,若否,则不动作。
优选地,所述异常订阅信息还包括订阅时间段;输出第一指定环境监测数据异常信息至与第一用户终端信息相匹配的用户终端时,具体步骤如下:
获取用户列表,所述用户列表包括所有异常订阅信息中的第一用户终端信息;
判断当前第一用户终端信息对应的异常订阅信息中是否包括第一指定环境监测数据及第一异常标准信息,若是,则判定当前用户终端已订阅,然后进入下一步,若否,则判定当前用户终端未订阅;
判断当前时间是否处于当前订阅信息中的订阅时间段内,若是,则输出当前异常信息至与第一用户终端信息相匹配的用户终端,若否,则不动作。
优选地,所述环境监测数据包括环境监测指标数据和环境监测项目数据。
进一步优选地,判断当前环境监测数据是否为异常数据时,具体步骤如下:
在当前环境监测数据为环境监测指标数据时,具体步骤如下:
将当前环境监测指标数据与异常阈值范围进行比较,若当前环境监测指标数据处于异常阈值范围内,则判定当前环境监测指标数据不为异常数据,判定结果为否,若当前环境监测指标数据未处于异常阈值范围内,则判定当前环境监测指标数据为异常数据,判定结果为是;
在当前环境监测数据为环境监测项目数据时,具体步骤如下:
判断是否在指定监测时间段内接收到当前环境监测项目数据,若否,则判定当前环境监测项目数据不为异常数据,判定结果为否,若是,则判定当前环境监测项目数据为异常数据,判定结果为是。
进一步优选地,所述环境监测指标数据包括二氧化硫浓度、二氧化氮浓度、可吸入颗粒物浓度、细颗粒物浓度、一氧化碳浓度和/或臭氧浓度。
进一步优选地,所述环境监测项目数据包括指定设备在线状态数据和/或指定站点在线状态数据。
一种环境监测数据管理系统,包括:
监测数据获取模块,用于获取环境监测数据,并将环境监测数据发送至处理模块;
订阅信息获取模块,用于接收异常订阅信息,然后将异常订阅信息发送至处理模块,所述异常订阅信息包括第一用户终端信息、第一指定环境监测数据及第一异常标准信息;
处理模块,用于接收环境监测数据,并判断当前环境监测数据是否为异常数据,若是,则输出异常信息,若否,则不动作;所述处理模块,还用于接收异常订阅信息,并判断当前异常信息所对应的环境监测数据是否包括处于第一异常标准信息内的第一指定环境监测数据,若是,则通过输出模块输出当前异常信息至与第一用户终端信息相匹配的用户终端,若否,则不动作。
一种电子设备,包括:
存储器,用于存储计算机程序指令;以及,
处理器,用于执行所述计算机程序指令从而完成上述任一所述基于人工智能的监测数据管理方法的操作。
一种计算机可读存储介质,用于存储计算机可读取的计算机程序指令,其特征在于:所述计算机程序指令被配置为运行时执行上述任一项所述的基于人工智能的监测数据管理方法的操作。
本发明的有益效果是:可通过智能手机、平板电脑、笔记本电脑或者台式电脑等具备数据处理和存储的智能设备实现环境监测数据的异常检测,无需工作人员手动审核,提高了异常数据筛选的效率和准确性;同时本发明可根据用户的异常订阅信息发送异常信息至对应的用户终端,便于运维人员及环保决策人员等工作人员及时了解环境监测数据的异常情况,利于提升工作人员的工作效率,便于工作人员及时作出决策,从而加速环境污染决策时间,防止环境污染事件的发生和进一步扩大;另外,由于用户可根据需求发起异常订阅信息,避免频繁接收异常信息造成的信息骚扰。
附图说明
图1是本发明中一种基于人工智能的监测数据管理方法的流程图;
图2是本发明中一种环境监测数据管理系统的模块框图;
图3是本发明中一种电子设备的模块框图。
具体实施方式
下面结合附图及具体实施例来对本发明作进一步阐述。在此需要说明的是,对于这些实施例方式的说明虽然是用于帮助理解本发明,但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明的示例实施例。然而,可用很多备选的形式来体现本发明,并且不应当理解为本发明限制在本文阐述的实施例中。
应当理解,对于本文中可能出现的术语“和/或”,其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,单独存在B,同时存在A和B三种情况;对于本文中可能出现的术语“/和”,其是描述另一种关联对象关系,表示可以存在两种关系,例如,A/和B,可以表示:单独存在A,单独存在A和B两种情况;另外,对于本文中可能出现的字符“/”,一般表示前后关联对象是一种“或”关系。
应当理解,还应当注意到在一些备选实施例中,所出现的功能/动作可能与附图出现的顺序不同。例如,取决于所涉及的功能/动作,实际上可以实质上并发地执行,或者有时可以以相反的顺序来执行连续示出的两个图。
应当理解,在下面的描述中提供了特定的细节,以便于对示例实施例的完全理解。然而,本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统,以避免用不必要的细节来使得示例不清楚。在其他实例中,可以不以不必要的细节来示出众所周知的过程、结构和技术,以避免使得示例实施例不清楚。
实施例1:
本实施例提供一种基于人工智能的监测数据管理方法,如图1所示,包括以下步骤:
获取环境监测数据;
接收异常订阅信息,基于人工智能算法对异常订阅信息进行处理,得到第一用户终端信息、第一指定环境监测数据及第一异常标准信息;应当理解的是,异常订阅信息通过用户终端主动发起,用户可多次发起异常订阅信息,以便于全面获取异常数据;
判断当前环境监测数据是否为异常数据,若是,则输出异常信息,并进入下一步,若否,则不动作;
判断当前异常信息所对应的环境监测数据是否包括处于第一异常标准信息内的第一指定环境监测数据,若是,则输出当前异常信息至与第一用户终端信息相匹配的用户终端,若否,则不动作。
本实施例在实施过程中,可通过智能手机、平板电脑、笔记本电脑或者台式电脑等具备数据处理和存储的智能设备实现环境监测数据的异常检测,无需工作人员手动审核,提高了异常数据筛选的效率和准确性;同时本实施例可根据用户的异常订阅信息发送异常信息至对应的用户终端,便于运维人员及环保决策人员等工作人员及时了解环境监测数据的异常情况,利于提升工作人员的工作效率,便于工作人员及时作出决策,从而加速环境污染决策时间,防止环境污染事件的发生和进一步扩大;另外,由于用户可根据需求发起异常订阅信息,避免频繁接收异常信息造成的信息骚扰。
本实施例中,用户除通过发起异常订阅信息、被动获取异常信息外,用户还可实时获取异常信息,具体地,基于人工智能的监测数据管理方法还包括以下步骤:
接收异常查阅信息,基于人工智能算法对异常查阅信息进行处理,得到第二用户终端信息、第二指定环境监测数据、第二异常标准信息及指定时间段;
判断指定时间段内的当前异常信息所对应的环境监测数据是否包括处于第二异常标准信息内的第二指定环境监测数据,若是,则输出当前异常信息至与第二用户终端信息相匹配的用户终端,若否,则不动作。由此便于用户根据实际情况实时获取对应环境监测数据中的指定异常信息。
需要说明的是,接收异常订阅信息或异常查阅信息后,使用人工智能算法中的自然语言处理算法对异常订阅信息或异常查阅信息进行语义识别,其中自然语言处理包括中文分词、语义理解和信息提取,获得订阅的监测主题、指定时间段等信息,监测主题包括第一指定环境监测数据或第二指定环境监测数据;然后通过人工智能算法中的卷积神经网络算法,通过长短期记忆网络算法计算异常订阅信息或异常查阅信息中的环境监测数据和服务主题的相似度,以确定监测主题。如:服务主题中包含“空气质量小时值异常”和“空气质量AQI异常”,用户发送的异常订阅信息或异常查阅信息为“空气质量AQI”,通过计算得到“空气质量AQI异常”相似度大于“空气质量小时值异常”的相似度,从而判定用户订阅的信息为“空气质量AQI异常”,由此便于简化用户输入的内容,提高信息输出的精度。
本实施例中,异常订阅信息还包括订阅时间段;输出第一指定环境监测数据异常信息至与第一用户终端信息相匹配的用户终端时,具体步骤如下:
获取用户列表,用户列表包括所有异常订阅信息中的第一用户终端信息;
判断当前第一用户终端信息对应的异常订阅信息中是否包括第一指定环境监测数据及第一异常标准信息,若是,则判定当前用户终端已订阅,然后进入下一步,若否,则判定当前用户终端未订阅,环境监测数据管理系统不动作;
判断当前时间是否处于当前订阅信息中的订阅时间段内,若是,则输出当前异常信息至与第一用户终端信息相匹配的用户终端,若否,则不动作。
本实施例中,环境监测数据包括环境监测指标数据和环境监测项目数据。环境监测指标数据和环境监测项目数据均可来自于国家空气质量标准监测站,环境监测指标数据和环境监测项目数据还可均来自于其他非标准监测站。
具体地,本实施例中,环境监测指标数据包括二氧化硫(SO2)浓度、二氧化氮(NO2)浓度、可吸入颗粒物(PM10)浓度、细颗粒物(PM2.5)浓度、一氧化碳(CO)浓度和/或臭氧(O3)浓度。
本实施例中,环境监测项目数据包括指定设备在线状态数据和/或指定站点在线状态数据。
需要说明的是,环境监测指标数据可直观反映空气的质量情况,环境监测项目数据可反映监测设备或站点的工作状态,环境监测指标数据和环境监测项目数据结合可全面地反映环境的整体情况。
本实施例中,判断当前环境监测数据是否为异常数据时,具体步骤如下:
在当前环境监测数据为环境监测指标数据时,具体步骤如下:
将当前环境监测指标数据与异常阈值范围进行比较,若当前环境监测指标数据处于异常阈值范围内,则判定当前环境监测指标数据不为异常数据,判定结果为否,若当前环境监测指标数据未处于异常阈值范围内,则判定当前环境监测指标数据为异常数据,判定结果为是;
在当前环境监测数据为环境监测项目数据时,具体步骤如下:
判断是否在指定监测时间段内接收到当前环境监测项目数据,若否,则判定当前环境监测项目数据不为异常数据,判定结果为否,若是,则判定当前环境监测项目数据为异常数据,判定结果为是。
实施例2:
在实施例1的基础上,本实施例公开了一种环境监测数据管理系统,用于实现实施例1中的基于人工智能的监测数据管理方法,如图2所示,环境监测数据管理系统包括:
监测数据获取模块,用于获取环境监测数据,并将环境监测数据发送至处理模块;
订阅信息获取模块,用于接收异常订阅信息,然后将异常订阅信息发送至处理模块,异常订阅信息包括第一用户终端信息、第一指定环境监测数据及第一异常标准信息;
处理模块,用于接收环境监测数据,并判断当前环境监测数据是否为异常数据,若是,则输出异常信息,若否,则不动作;处理模块,还用于接收异常订阅信息,并判断当前异常信息所对应的环境监测数据是否包括处于第一异常标准信息内的第一指定环境监测数据,若是,则通过输出模块输出当前异常信息至与第一用户终端信息相匹配的用户终端,若否,则不动作。
实施例3:
在实施例1或2的基础上,本实施例公开了一种电子设备,该设备可以是智能手机、平板电脑、笔记本电脑或者台式电脑等。电子设备可能被称为用于终端、便携式终端、台式终端等,如图3所示,电子设备包括:
存储器,用于存储计算机程序指令;以及,
处理器,用于执行所述计算机程序指令从而完成如实施例1中任一所述的基于人工智能的监测数据管理方法的操作。
具体地,处理器301可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器301可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable LogicArray,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器301也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(CentralProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器301可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。处理器301还可以包括AI(ArtificialIntelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作,使得图神经网络的节点编码模型可以自主训练学习,提高效率和准确度。
存储器302可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器302还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器302中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器801所执行以实现本申请中方法实施例提供的图神经网络的节点编码方法。
在一些实施例中,终端还可选包括有:通信接口303和至少一个外围设备。处理器301、存储器302和通信接口303之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与通信接口303相连。具体地,外围设备包括:射频电路304、显示屏305和电源306中的至少一种。
通信接口303可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器301和存储器302。在一些实施例中,处理器301、存储器302和通信接口303被集成在同一芯片或电路板上;在一些其他实施例中,处理器301、存储器302和通信接口303中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路304用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路304通过电磁信号与通信网络以及其他通信设备进行通信。
显示屏305用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。
电源306用于为电子设备中的各个组件进行供电。
实施例4:
在实施例1至3任一项实施例的基础上,本实施例公开了一种计算机可读存储介质,用于存储计算机可读取的计算机程序指令,所述计算机程序指令被配置为运行时执行如实施例1所述的基于人工智能的监测数据管理方法的操作。
需要说明的是,所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所描述的多个实施例仅仅是示意性的,若涉及到作为分离部件说明的单元,其可以是或者也可以不是物理上分开的;若涉及到作为单元显示的部件,其可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
最后应说明的是,本发明不局限于上述可选的实施方式,任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制,本发明的保护范围应当以权利要求书中界定的为准,并且说明书可以用于解释权利要求书。
Claims (7)
1.一种基于人工智能的监测数据管理方法,其特征在于:包括以下步骤:
获取环境监测数据;
接收异常订阅信息,基于人工智能算法对异常订阅信息进行处理,得到第一用户终端信息、第一指定环境监测数据及第一异常标准信息;
判断当前环境监测数据是否为异常数据,若是,则输出异常信息,并进入下一步,若否,则不动作;
判断当前异常信息所对应的环境监测数据是否包括处于第一异常标准信息内的第一指定环境监测数据,若是,则输出当前异常信息至与第一用户终端信息相匹配的用户终端,若否,则不动作;
所述异常订阅信息还包括订阅时间段;输出第一指定环境监测数据异常信息至与第一用户终端信息相匹配的用户终端时,具体步骤如下:
获取用户列表,所述用户列表包括所有异常订阅信息中的第一用户终端信息;
判断当前第一用户终端信息对应的异常订阅信息中是否包括第一指定环境监测数据及第一异常标准信息,若是,则判定当前用户终端已订阅,然后进入下一步,若否,则判定当前用户终端未订阅;
判断当前时间是否处于当前订阅信息中的订阅时间段内,若是,则输出当前异常信息至与第一用户终端信息相匹配的用户终端,若否,则不动作;
所述环境监测数据包括环境监测指标数据和环境监测项目数据;
判断当前环境监测数据是否为异常数据时,具体步骤如下:
在当前环境监测数据为环境监测指标数据时,具体步骤如下:
将当前环境监测指标数据与异常阈值范围进行比较,若当前环境监测指标数据处于异常阈值范围内,则判定当前环境监测指标数据不为异常数据,判定结果为否,若当前环境监测指标数据未处于异常阈值范围内,则判定当前环境监测指标数据为异常数据,判定结果为是;
在当前环境监测数据为环境监测项目数据时,具体步骤如下:
判断是否在指定监测时间段内接收到当前环境监测项目数据,若否,则判定当前环境监测项目数据不为异常数据,判定结果为否,若是,则判定当前环境监测项目数据为异常数据,判定结果为是;
接收异常订阅信息后,使用人工智能算法中的自然语言处理算法对异常订阅信息或异常查阅信息进行语义识别,其中自然语言处理包括中文分词、语义理解和信息提取,获得订阅的监测主题及指定时间段信息,监测主题包括第一指定环境监测数据或第二指定环境监测数据;然后通过人工智能算法中的卷积神经网络算法,通过长短期记忆网络算法计算异常订阅信息中的环境监测数据和预设的服务主题的相似度,以确定监测主题。
2.根据权利要求1所述的一种基于人工智能的监测数据管理方法,其特征在于:所述基于人工智能的监测数据管理方法还包括以下步骤:
接收异常查阅信息,基于人工智能算法对异常查阅信息进行处理,得到第二用户终端信息、第二指定环境监测数据、第二异常标准信息及指定时间段;
判断指定时间段内的当前异常信息所对应的环境监测数据是否包括处于第二异常标准信息内的第二指定环境监测数据,若是,则输出当前异常信息至与第二用户终端信息相匹配的用户终端,若否,则不动作。
3.根据权利要求1所述的一种基于人工智能的监测数据管理方法,其特征在于:所述环境监测指标数据包括二氧化硫浓度、二氧化氮浓度、可吸入颗粒物浓度、细颗粒物浓度、一氧化碳浓度和/或臭氧浓度。
4.根据权利要求1所述的一种基于人工智能的监测数据管理方法,其特征在于:所述环境监测项目数据包括指定设备在线状态数据和/或指定站点在线状态数据。
5.一种环境监测数据管理系统,其特征在于:包括:
监测数据获取模块,用于获取环境监测数据,并将环境监测数据发送至处理模块;
订阅信息获取模块,用于接收异常订阅信息,然后将异常订阅信息发送至处理模块,所述异常订阅信息包括第一用户终端信息、第一指定环境监测数据及第一异常标准信息;
处理模块,用于接收环境监测数据,并判断当前环境监测数据是否为异常数据,若是,则输出异常信息,若否,则不动作;所述处理模块,还用于接收异常订阅信息,并判断当前异常信息所对应的环境监测数据是否包括处于第一异常标准信息内的第一指定环境监测数据,若是,则通过输出模块输出当前异常信息至与第一用户终端信息相匹配的用户终端,若否,则不动作;
所述异常订阅信息还包括订阅时间段;输出第一指定环境监测数据异常信息至与第一用户终端信息相匹配的用户终端时,具体步骤如下:
获取用户列表,所述用户列表包括所有异常订阅信息中的第一用户终端信息;
判断当前第一用户终端信息对应的异常订阅信息中是否包括第一指定环境监测数据及第一异常标准信息,若是,则判定当前用户终端已订阅,然后进入下一步,若否,则判定当前用户终端未订阅;
判断当前时间是否处于当前订阅信息中的订阅时间段内,若是,则输出当前异常信息至与第一用户终端信息相匹配的用户终端,若否,则不动作;
所述环境监测数据包括环境监测指标数据和环境监测项目数据;
判断当前环境监测数据是否为异常数据时,具体步骤如下:
在当前环境监测数据为环境监测指标数据时,具体步骤如下:
将当前环境监测指标数据与异常阈值范围进行比较,若当前环境监测指标数据处于异常阈值范围内,则判定当前环境监测指标数据不为异常数据,判定结果为否,若当前环境监测指标数据未处于异常阈值范围内,则判定当前环境监测指标数据为异常数据,判定结果为是;
在当前环境监测数据为环境监测项目数据时,具体步骤如下:
判断是否在指定监测时间段内接收到当前环境监测项目数据,若否,则判定当前环境监测项目数据不为异常数据,判定结果为否,若是,则判定当前环境监测项目数据为异常数据,判定结果为是;
接收异常订阅信息后,使用人工智能算法中的自然语言处理算法对异常订阅信息或异常查阅信息进行语义识别,其中自然语言处理包括中文分词、语义理解和信息提取,获得订阅的监测主题及指定时间段信息,监测主题包括第一指定环境监测数据或第二指定环境监测数据;然后通过人工智能算法中的卷积神经网络算法,通过长短期记忆网络算法计算异常订阅信息中的环境监测数据和预设的服务主题的相似度,以确定监测主题。
6.一种电子设备,其特征在于:包括:
存储器,用于存储计算机程序指令;以及,
处理器,用于执行所述计算机程序指令从而完成如权利要求1-4中任一所述基于人工智能的监测数据管理方法的操作。
7.一种计算机可读存储介质,用于存储计算机可读取的计算机程序指令,其特征在于:所述计算机程序指令被配置为运行时执行如权利要求1-4任一项所述的基于人工智能的监测数据管理方法的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011632879.3A CN112749305B (zh) | 2020-12-31 | 2020-12-31 | 基于人工智能的监测数据管理方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011632879.3A CN112749305B (zh) | 2020-12-31 | 2020-12-31 | 基于人工智能的监测数据管理方法、系统、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112749305A CN112749305A (zh) | 2021-05-04 |
CN112749305B true CN112749305B (zh) | 2023-05-16 |
Family
ID=75650909
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011632879.3A Active CN112749305B (zh) | 2020-12-31 | 2020-12-31 | 基于人工智能的监测数据管理方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112749305B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113946563A (zh) * | 2021-10-14 | 2022-01-18 | 广东巍智科技有限公司 | 具有环境监测功能的智能井盖管理系统 |
CN114342717B (zh) * | 2021-12-27 | 2023-04-11 | 深圳市金阳盛城市服务集团有限公司 | 一种虫害测报的方法、装置、设备及存储介质 |
WO2023141834A1 (zh) * | 2022-01-26 | 2023-08-03 | Oppo广东移动通信有限公司 | 模型性能的监测方法、装置、设备及介质 |
CN114118635A (zh) * | 2022-01-27 | 2022-03-01 | 深圳江行联加智能科技有限公司 | 基于区块链的碳中和管理方法、装置、设备及存储介质 |
CN115238769B (zh) * | 2022-06-23 | 2023-12-01 | 李雷 | 一种基于人工智能的异常数据监测方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105474220A (zh) * | 2013-07-26 | 2016-04-06 | 南特Ip控股公司 | 发现路由系统和引擎 |
CN105550143A (zh) * | 2015-12-09 | 2016-05-04 | 国网四川省电力公司眉山供电公司 | 一种信息设备工况采集的接口系统 |
CN109063008A (zh) * | 2018-07-10 | 2018-12-21 | 武汉华信联创技术工程有限公司 | 一种浅层地温能综合监测管理系统 |
CN110928718A (zh) * | 2019-11-18 | 2020-03-27 | 上海维谛信息科技有限公司 | 一种基于关联分析的异常处理方法、系统、终端及介质 |
CN111314158A (zh) * | 2018-12-11 | 2020-06-19 | 杭州海康威视数字技术股份有限公司 | 大数据平台监控方法、装置及设备、介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104468142B (zh) * | 2014-10-30 | 2018-03-20 | 海尔优家智能科技(北京)有限公司 | 一种订阅通知的方法和装置 |
US10408482B2 (en) * | 2015-02-11 | 2019-09-10 | Bitfinder, Inc. | Managing environmental conditions |
CN108600295A (zh) * | 2018-02-28 | 2018-09-28 | 青岛海尔科技有限公司 | 一种实现设备状态信息通知的方法、设备及介质 |
CN110046076A (zh) * | 2019-04-25 | 2019-07-23 | 广州河东科技有限公司 | 智能系统设备环境检查方法、系统、设备及可存储介质 |
-
2020
- 2020-12-31 CN CN202011632879.3A patent/CN112749305B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105474220A (zh) * | 2013-07-26 | 2016-04-06 | 南特Ip控股公司 | 发现路由系统和引擎 |
CN105550143A (zh) * | 2015-12-09 | 2016-05-04 | 国网四川省电力公司眉山供电公司 | 一种信息设备工况采集的接口系统 |
CN109063008A (zh) * | 2018-07-10 | 2018-12-21 | 武汉华信联创技术工程有限公司 | 一种浅层地温能综合监测管理系统 |
CN111314158A (zh) * | 2018-12-11 | 2020-06-19 | 杭州海康威视数字技术股份有限公司 | 大数据平台监控方法、装置及设备、介质 |
CN110928718A (zh) * | 2019-11-18 | 2020-03-27 | 上海维谛信息科技有限公司 | 一种基于关联分析的异常处理方法、系统、终端及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112749305A (zh) | 2021-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112749305B (zh) | 基于人工智能的监测数据管理方法、系统、设备及介质 | |
CN111343424B (zh) | 在线评标的监控系统及方法 | |
CN116089231B (zh) | 一种故障告警方法、装置、电子设备及存储介质 | |
CN115033463B (zh) | 一种系统异常类型确定方法、装置、设备和存储介质 | |
CN115565101A (zh) | 一种生产安全异常识别方法、装置、电子设备及存储介质 | |
CN115794578A (zh) | 一种电力系统的数据管理方法、装置、设备及介质 | |
CN110096605B (zh) | 图像处理方法及装置、电子设备、存储介质 | |
CN113742174B (zh) | 云手机应用监控方法、装置、电子设备和存储介质 | |
CN115099239A (zh) | 一种资源识别方法、装置、设备以及存储介质 | |
CN113791723A (zh) | 数据录入方法、设备及存储介质 | |
CN116824455A (zh) | 事件检测方法、装置、设备和存储介质 | |
CN116136897A (zh) | 信息处理方法以及装置 | |
CN113554062B (zh) | 多分类模型的训练方法、设备和存储介质 | |
CN113705370A (zh) | 直播间违规行为的检测方法及装置、电子设备和存储介质 | |
CN112764957A (zh) | 应用故障定界方法及装置 | |
CN112966038A (zh) | 从非结构化数据中提取结构化数据方法及装置 | |
CN111679926A (zh) | 内存溢出检测方法及系统 | |
CN111861021A (zh) | 业务风险预测方法、装置、设备及计算机可读存储介质 | |
CN115496632A (zh) | 基于脑电信号分析的培训学习质量监控方法及装置 | |
CN114973081A (zh) | 一种高空抛物检测方法、装置、电子设备及存储介质 | |
CN117076239A (zh) | 一种运维数据异常检测方法、装置、电子设备及存储介质 | |
CN118055051A (zh) | 一种接口通信速率检测控制方法、装置、设备及介质 | |
CN116560891A (zh) | 一种故障处理方法、装置、电子设备及存储介质 | |
CN117390488A (zh) | 一种气体识别方法、装置、电子设备及存储介质 | |
CN114443738A (zh) | 异常数据挖掘方法、装置、设备及介质 |
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 |