CN113301057A - 一种基于云计算的防水涂料智能储存监管系统 - Google Patents

Abstract

本发明公开了一种基于云计算的防水涂料智能储存监管系统，包括用户端、服务存储终端、存储监控模块和安全处理模块；服务存储终端内部存储有防水涂料的相关信息，并将其标定为防涂信息，将防涂信息传输至存储监控模块，存储监控模块接收防涂信息，并依据防涂信息进行监测操作；本发明通过存储监控模块的设置，对防涂信息进行数据拆分处理，并将拆分处理后的相关数据进行进行正负值标记，从而判定相关数据的增长性，依据相关数据的增长性对不同的防水涂料进行双重备份存储，以及备份存储，判定出数据的重要程度，及时进行存储，对数据进行精确分析以及判定，增加数据的安全性。

Description

一种基于云计算的防水涂料智能储存监管系统

技术领域

本发明涉及存储管理技术领域，具体为一种基于云计算的防水涂料智能储存监管系统。

背景技术

防水涂料以纯丙烯酸聚合物乳液为基料，加入其他添加剂而制得的单组份水乳型防水涂料，防水涂料经固化后形成的防水薄膜具有一定的延伸性、弹塑性、抗裂性、抗渗性及耐候性，能起到防水、防渗和保护作用，随着各个防水涂料的加工厂的兴起，各个厂家对自家的防水涂料也进行各种数据的保密，但在数据存储过程中或是存储过后，在长时间的使用、操作时，往往会出现文件缺失、文件出错等问题；

而现有的对于相应文件缺失的问题提出了对应的解决方案，即在文件存储后对文件进行统一备份，虽然可以起到避免文件缺失的情况，但在统一备份的同时，一些没有用处的文件也同时备份，耗费存储空间，且无法对相关数据进行重要程度的划分，无法依据重要程度进行不同的重要备份；

以及在文件备份存储的同时，还有一些员工在下载或者浏览的过程中进行一些违规操作，从而导致文件的安全性存在隐患，易造成意外文件泄漏的情况；

因而，我们提出一种基于云计算的防水涂料智能储存监管系统。

发明内容

本发明的目的在于提供一种基于云计算的防水涂料智能储存监管系统，通过存储监控模块的设置，对防涂信息进行数据拆分处理，并将拆分处理后的相关数据进行进行正负值标记，从而判定相关数据的增长性，依据相关数据的增长性对不同的防水涂料进行双重备份存储，以及备份存储，判定出数据的重要程度，及时进行存储，对数据进行精确分析以及判定，增加数据的安全性；通过安全处理模块的设置，对防涂信息内的数据进行处理，计算出相关人员的可信度，避免防水涂料的相关信息泄漏，增加对相关人员的后台监控，节省人为追溯数据丢失的时间，提高工作效率。

本发明的目的可以通过以下技术方案实现：

一种基于云计算的防水涂料智能储存监管系统，包括用户端、服务存储终端、存储监控模块和安全处理模块；

所述服务存储终端内部存储有防水涂料的相关信息，并将其标定为防涂信息，将防涂信息传输至存储监控模块；

所述存储监控模块接收防涂信息，并依据防涂信息进行监测操作，得到严重缺失警报信号、损坏信号、严重缺失涂名数据、损坏涂名数据、双重备份存储涂名数据和备份存储涂名数据，并将其一同传输至用户端；

所述安全处理模块从服务存储终端内获取涂员数据，安全处理模块从存储监控模块内获取涂名数据和涂载数据，并将其与涂员数据一同进行安全度判定操作，得到警报信号，并将其传输至用户端；

所述用户端接收警报信号，并发出危险警报，用户端还用于接收严重缺失警报信号、损坏信号、严重缺失涂名数据、损坏涂名数据、双重备份存储涂名数据和备份存储涂名数据，并发出提示信号。

进一步的，监测操作的具体操作过程为：

步骤一：获取防涂信息，并依据防涂信息内的涂名数据提取对应的涂览数据、涂载数据、涂存数据、涂差数据、涂字数据、字值数据和涂员数据；

步骤二：获取不同涂名数据对应的涂览数据，并对其进行求和，计算涂览总值，依据涂览总值进行均值计算，计算出涂览均值，依据涂览均值的计算方法，计算出涂载均值、涂存均值、涂差均值、涂字均值和字值均值；

步骤三：提取上述步骤二中的涂览均值、涂载均值、涂存均值、涂差均值、涂字均值和字值均值，并将其依次与涂名数据对应的涂览数据、涂载数据、涂存数据、涂差数据、涂字数据和字值数据进行差值计算，并对应的差值进行正负值标记，将正向值标定为A1+、A2+、A3+、A4+、A5+和A6+，将负向值标定为A1-、A2-、A3-、A4-、A5-和A6-；

步骤四：依据A1、A2、A3、A4、A5和A6的正负值对涂览数据、涂载数据、涂存数据、涂差数据、涂字数据和字值数据进行数值识别判断，具体为：

S1：当识别到A1+时，则判定防水涂料相关数据的浏览占比少，生成一览信号，当识别到A1-时，则判定防水涂料相关数据的浏览占比多，生成二览信号；

S2：依据上述S1中的一览信号和二览信号的生成方法，对A2-A6的正负值进行处理，得到一载信号、二载信号、一存信号、二存信号、一差信号、二差信号、一字信号、二字信号、一小信号和二大信号；

步骤五：提取涂览数据和涂载数据分别为二览信号和二载信号的涂名数据，对不同的涂名数据的标记数值进行同化计算，计算出同化值，并将其进行重要程度排序，从而得到重要排序数据，将重要排序数据中排序第一的涂名数据标定为第一存储值，将排序第二的涂名数据标定为第二存储值，依此类推，依据存储值的顺序进行双重备份存储，将对应的涂名数据标定为双重备份存储涂名数据；

步骤六：依据步骤五中涂览数据和涂载数据分别为二览信号和二载信号时，计算出的重要排序数据的方法，计算出涂览数据和涂载数据分别为一览信号和二载信号或二览信号和一载信号或一览信号和一载信号时，对应的排序数据，并将其标定为次重要排序数据，并依据其进行备份存储，将其对应的涂名数据标定为备份存储涂名数据；

步骤七：提取涂存数据、涂差数据、涂字数据和字值数据，选取其与涂存均值、涂差均值、涂字均值和字值均值对应的差值以及信号进行数据提取，从而提取出对应的标记数值，依据对应的标记数值进行数值缺失严重度计算，计算出数据缺失值，对数据缺失值进行从小到大进行排序，得到缺失排序数据，设定一个缺失预设分值，当缺失预设分值大于等于缺失排序数据内的数值时，则将其标定为缺失严重数据，将缺失排序数据内排序在缺失严重数据之前的数值标定为严重缺失数据，选取出严重缺失数据对应的涂名数据，并将其标定为严重缺失涂名数据，生成严重缺失警报信号，将缺失排序数据内排序在缺失严重数据之后的数值标定为内容损坏数据，并将其对应的涂名数据标定为损坏涂名数据，生成损坏信号；

步骤八：提取严重缺失警报信号、损坏信号、严重缺失涂名数据、损坏涂名数据。

进一步的，安全度判定操作的具体过程为：

P1：依据涂名数据和涂载数据，提取对应的涂员数据，依据涂员数据获取对应的载差数据、载规数据和载贡数据；

P2：提取载差数据，并将其每两次下载的时间间隔标定为Ji，i=1，2，3......n，其中，n表示为正整数，将每两次的间隔时间进行差值计算，将后一次的下载间隔减去前一次的下载间隔，从而得出间隔差值JGi，将每个间隔差值进行增减值判定，设定间隔预设值M，当JGi大于M则判定数据呈增长趋势，生成增长信号，当JGi小于M则判定数据呈降低趋势，降低信号，当JGi等于M则判定数据呈平稳趋势，平稳信号；

P3：提取增长信号、降低信号和平稳信号，并对其进行识别计算，得到间隔增长均值、间隔降低均值和间隔均值，将间隔均值、间隔降低均值和间隔增加均值统一标定为间隔数据；

P4：提取载规数据和载贡数据，并将其进行占比处理，从而计算出载规占比；

P5：提取载规占比、载贡数据和间隔数据进行可信度计算，计算式为：载规占比值*载规占比风险转化因子+载贡数据*载贡转换因子+间隔数据*间隔转化因子=可信度分值；

P6：提取可信度分值，并依据设定的安全等级划分数据对其进行可行度处理，具体为：当可信度分值属于第一等级对应的分值时，则将其标定为一等级可信度，当可信度分值属于第二等级对应的分值时，则将其标定为二等级可信度，依此类推，标定出对应的可信度等级，将对应的等级信号与预设的危险等级进行判定，当等级信号大于等于危险等级时，则判定人员可信度低，生成警报信号，并将警报信号发送至用户端，其中，安全等级划分数据包括划分等级和划分等级对应的数值。

进一步的，所述用户端用于管理人员登录管理账号并对其进行验证，用户端还包括输入验证单元和记录单元，记录单元用于记录登录或注册过的账号数据以及密码数据，管理人员在输入验证单元内输入管理账号和管理密码，并将管理账号与记录单元内记录的账号数据进行匹配，将管理密码与密码数据进行匹配，当；两者的匹配结果一致时，则自动跳转至显示界面，反之则跳转至登录界面。

进一步的，步骤三中的正负值标记的具体过程为：

将其对应的差值依次标定为A1、A2、A3、A4、A5和A6，将其标定为标记数值，对A1-A6进行数值比对，具体为：对A1-A6进行数值比对，当对应数值大于零时，则将其标定为正向值，当对应数据小于零时，则将其标定为负向值。

进一步的，P3中识别计算的具体过程为：

当识别到增长信号时，提取对应的间隔差值JGi，对其进行均值计算，计算出间隔增长均值，当识别到降低信号时，提取对应的间隔差值JGi，对其进行均值计算，计算出间隔降低均值，当识别到平稳信号时，则提取时间间隔，将其标定为间隔均值。

本发明的有益效果：

（1）通过存储监控模块的设置，对防涂信息进行数据拆分处理，并将拆分处理后的相关数据进行进行正负值标记，从而判定相关数据的增长性，依据相关数据的增长性对不同的防水涂料进行双重备份存储，以及备份存储，判定出数据的重要程度，及时进行存储，对数据进行精确分析以及判定，增加数据的安全性；

（2）通过安全处理模块的设置，对防涂信息内的数据进行处理，计算出相关人员的可信度，避免防水涂料的相关信息泄漏，增加对相关人员的后台监控，节省人为追溯数据丢失的时间，提高工作效率，后台管理人员可以根据数据的分析结果进行操作人员的权限设定，防止文件丢失或泄漏。

附图说明

下面结合附图对本发明作进一步的说明；

图1是本发明的系统框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。

请参阅图1所示，本发明为一种基于云计算的防水涂料智能储存监管系统，包括用户端、服务存储终端、存储监控模块和安全处理模块；

用户端用于管理人员登录管理账号并对其进行验证，用户端还包括输入验证单元和记录单元，记录单元用于记录登录或注册过的账号数据以及密码数据，管理人员在输入验证单元内输入管理账号和管理密码，并将管理账号与记录单元内记录的账号数据进行匹配，将管理密码与密码数据进行匹配，当两者的匹配结果一致时，则自动跳转至显示界面，反之则跳转至登录界面；

服务存储终端内部存储有防水涂料的相关信息，并将其标定为防涂信息，防涂信息包括涂名数据、涂览数据、涂载数据、涂存数据、涂差数据、涂字数据、字值数据和涂员数据，涂员数据包括载人数据、载差数据、载规数据和载贡数据；

其中，涂名数据指代不同防水涂料的名称，涂览数据是通过对应信息在存储进来以后至最后一次采集的时间节点内的时间长短与浏览次数进行占比计算得来，涂载数据是通过对应信息在存储进来以后至最后一次采集的时间节点内的时间与其对应的下载的次数进行占比处理得到，涂存数据是通过对应信息在存储进来的时间点对应的占用空间大小与最后一次统计的时间节点对应的占用空间大小进行差值计算得来，涂差数据是通过对应信息第一次存储时间节点至最后依次统计对应的时间节点进行差值计算得来，涂字数据是通过存储进来的时间点对应的字符个数与最后一次统计的时间节点对应的字符个数进行差值计算得来，字值数据是通过对应信息占用存储空间的大小与对应信息的字符数进行均值计算，得到对应的每个字符的占用空间大小值，涂状数据是指代对防涂信息的存储状态；

其中，载人数据指代下载的人员的身份信息，载差数据是通过同一个下载人员两次下载对应的时间点进行差值计算得来，载规数据是通过下载人员的下载操作与预先设定的下载操作进行匹配，当匹配结果一致则没有违规，反之，则违规，记录为一次载规数据，载贡数据是通过下载人员第一次入职到公司的时间点与最后一次统计的时间点进行差值处理得到；

存储监控模块从服务存储终端内获取防涂信息，并依据防涂信息进行监测操作，监测操作的具体操作过程为：

步骤一：获取防涂信息，并依据防涂信息内的涂名数据提取对应的涂览数据、涂载数据、涂存数据、涂差数据、涂字数据、字值数据和涂员数据；

步骤二：获取不同涂名数据对应的涂览数据，并对其进行求和，计算涂览总值，依据涂览总值进行均值计算，计算出涂览均值；

获取不同涂名数据对应的涂载数据，并对其进行求和，计算涂载总值，依据涂载总值进行均值计算，计算出涂载均值；

获取不同涂名数据对应的涂存数据，并对其进行求和，计算涂存总值，依据涂存总值进行均值计算，计算出涂存均值；

获取不同涂名数据对应的涂差数据，并对其进行求和，计算涂差总值，依据涂差总值进行均值计算，计算出涂差均值；

获取不同涂名数据对应的涂字数据，并对其进行求和，计算涂字总值，依据涂字总值进行均值计算，计算出涂字均值；

获取不同涂名数据对应的字值数据，并对其进行求和，计算字值总值，依据字值总值进行均值计算，计算出字值均值；

步骤三：提取上述步骤二中的涂览均值、涂载均值、涂存均值、涂差均值、涂字均值和字值均值，并将其依次与涂名数据对应的涂览数据、涂载数据、涂存数据、涂差数据、涂字数据和字值数据进行差值计算，并将其对应的差值依次标定为A1、A2、A3、A4、A5和A6，将其标定为标记数值，对A1-A6进行数值比对，具体为：对A1-A6进行数值比对，当对应数值大于零时，则将其标定为正向值，当对应数据小于零时，则将其标定为负向值，将正向值标定为A1+、A2+、A3+、A4+、A5+和A6+，将负向值标定为A1-、A2-、A3-、A4-、A5-和A6-；

步骤四：依据A1、A2、A3、A4、A5和A6的正负值对涂览数据、涂载数据、涂存数据、涂差数据、涂字数据和字值数据进行数值识别判断，具体为：

S1：当识别到A1+时，则判定防水涂料相关数据的浏览占比少，生成一览信号，当识别到A1-时，则判定防水涂料相关数据的浏览占比多，生成二览信号；

S2：当识别到A2+时，则判定防水涂料相关数据的下载占比少，生成一载信号，当识别到A2-时，则判定防水涂料相关数据的下载占比多，生成二载信号；

S3：当识别到A3+时，则判定防水涂料相关数据的空间占比少，生成一存信号，当识别到A3-时，则判定防水涂料相关数据的空间占比多，生成二存信号；

S4：当识别到A4+时，则判定防水涂料相关数据的存储时间短，生成一差信号，当识别到A4-时，则判定防水涂料相关数据的存储时间长，生成二差信号；

S5：当识别到A4+时，则判定防水涂料相关数据的字数减少量多，生成一字信号，当识别到A4-时，则判定防水涂料相关数据的字数减少量少，生成二字信号；

S6：当识别到A4+时，则判定防水涂料相关数据的字符占用均值小，生成一小信号，当识别到A4-时，则判定防水涂料相关数据的字符占用均值大，生成二大信号；

步骤五：提取涂览数据和涂载数据分别为二览信号和二载信号的涂名数据，对不同的涂名数据的标记数值进行同化计算，计算出同化值，并将其进行重要程度排序，从而得到重要排序数据，将重要排序数据中排序第一的涂名数据标定为第一存储值，将排序第二的涂名数据标定为第二存储值，依此类推，依据存储值的顺序进行双重备份存储，将对应的涂名数据标定为双重备份存储涂名数据，其中，同化计算的计算式为：（A2-*L2）+（A1-*L1）=TH，其中，L2为涂载数据对应的同化转换因子，即涂载转换因子，L1表示为涂览数据对应的同化转换因子，即涂览转换因子，其中，L2的取值为负向值，L1的取值为负向值；

步骤六：依据步骤五中涂览数据和涂载数据分别为二览信号和二载信号时，计算出的重要排序数据的方法，计算出涂览数据和涂载数据分别为一览信号和二载信号或二览信号和一载信号或一览信号和一载信号时，对应的排序数据，并将其标定为次重要排序数据，并依据其进行备份存储，将其对应的涂名数据标定为备份存储涂名数据；

步骤七：提取涂存数据、涂差数据、涂字数据和字值数据，选取其与涂存均值、涂差均值、涂字均值和字值均值对应的差值以及信号进行数据提取，从而提取出对应的标记数值，依据对应的标记数值进行数值缺失严重度计算，计算出数据缺失值，对数据缺失值进行从小到大进行排序，得到缺失排序数据，设定一个缺失预设分值，当缺失预设分值大于等于缺失排序数据内的数值时，则将其标定为缺失严重数据，将缺失排序数据内排序在缺失严重数据之前的数值标定为严重缺失数据，选取出严重缺失数据对应的涂名数据，并将其标定为严重缺失涂名数据，生成严重缺失警报信号，将缺失排序数据内排序在缺失严重数据之后的数值标定为内容损坏数据，并将其对应的涂名数据标定为损坏涂名数据，生成损坏信号，其中，缺失严重度计算式为：

，其中YS表示为缺失严重度，A3-A6分别表示为涂存数据、涂差数据、涂字数据和字值数据依次和涂存均值、涂差均值、涂字均值和字值均值的差值，L3-L6分别表示为A3-A6的同化转换因子，L3-L6均为负向值，v表示为涂存数据、涂差数据、涂字数据和字值数据依次和涂存均值、涂差均值、涂字均值和字值均值的差值的同化纠正因子，e表示为涂存数据、涂差数据、涂字数据和字值数据依次和涂存均值、涂差均值、涂字均值和字值均值的差值的同化转换补偿因子，且v和e均为预设值；

步骤八：提取严重缺失警报信号、损坏信号、严重缺失涂名数据、损坏涂名数据，并将其与双重备份存储涂名数据和备份存储涂名数据一同传输至用户端；

安全处理模块从服务存储终端内获取涂员数据，安全处理模块从存储监控模块内获取涂名数据和涂载数据，并将其与涂员数据一同进行安全度判定操作，安全度判定操作的具体过程为：

P1：依据涂名数据和涂载数据，提取对应的涂员数据，依据涂员数据获取对应的载差数据、载规数据和载贡数据；

P2：提取载差数据，并将其每两次下载的时间间隔标定为Ji，i=1，2，3......n，其中，n表示为正整数，将每两次的间隔时间进行差值计算，将后一次的下载间隔减去前一次的下载间隔，从而得出间隔差值JGi，将每个间隔差值进行增减值判定，设定间隔预设值M，当JGi大于M则判定数据呈增长趋势，生成增长信号，当JGi小于M则判定数据呈降低趋势，降低信号，当JGi等于M则判定数据呈平稳趋势，平稳信号；

P3：提取增长信号、降低信号和平稳信号，并对其进行识别，当识别到增长信号时，提取对应的间隔差值JGi，对其进行均值计算，计算出间隔增长均值，当识别到降低信号时，提取对应的间隔差值JGi，对其进行均值计算，计算出间隔降低均值，当识别到平稳信号时，则提取时间间隔，将其标定为间隔均值，将间隔均值、间隔降低均值和间隔增加均值统一标定为间隔数据；

P4：提取载规数据和载贡数据，并将其进行占比处理，从而计算出载规占比；

P5：提取载规占比、载贡数据和间隔数据进行可信度计算，计算式为：载规占比值*载规占比风险转化因子+载贡数据*载贡转换因子+间隔数据*间隔转化因子=可信度分值；

P6：提取可信度分值，并依据设定的安全等级划分数据对其进行可行度处理，具体为：当可信度分值属于第一等级对应的分值时，则将其标定为一等级可信度，当可信度分值属于第二等级对应的分值时，则将其标定为二等级可信度，依此类推，标定出对应的可信度等级，将对应的等级信号与预设的危险等级进行判定，当等级信号大于等于危险等级时，则判定人员可信度低，生成警报信号，并将警报信号发送至用户端，其中，安全等级划分数据包括划分等级和划分等级对应的数值；

用户端接收警报信号，并发出危险警报，用户端还用于接收严重缺失警报信号、损坏信号、严重缺失涂名数据、损坏涂名数据、双重备份存储涂名数据和备份存储涂名数据，并发出提示信号；

用户端还用于管理人员在接收到提示信号后，对相关的备份数据进行不同重要程度的备份处理，在接收到警报信号后，对相关的操作人员进行权限设置，限制相关操作人员的权限，避免相关数据的丢失以及泄漏。

本发明在工作时，通过存储监控模块从服务存储终端内获取防涂信息，并依据防涂信息进行监测操作，得到严重缺失警报信号、损坏信号、严重缺失涂名数据、损坏涂名数据、双重备份存储涂名数据和备份存储涂名数据，并将其一同传输至用户端；通过安全处理模块从服务存储终端内获取涂员数据，安全处理模块从存储监控模块内获取涂名数据和涂载数据，并将其与涂员数据一同进行安全度判定操作，得到警报信号，并将其传输至用户端；用户端接收警报信号，并发出危险警报，用户端还接收严重缺失警报信号、损坏信号、严重缺失涂名数据、损坏涂名数据、双重备份存储涂名数据和备份存储涂名数据，并发出提示信号。

以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (6)

1.一种基于云计算的防水涂料智能储存监管系统，其特征在于，包括用户端、服务存储终端、存储监控模块和安全处理模块；

所述服务存储终端内部存储有防水涂料的相关信息，并将其标定为防涂信息，将防涂信息传输至存储监控模块；

所述存储监控模块接收防涂信息，并依据防涂信息进行监测操作，得到严重缺失警报信号、损坏信号、严重缺失涂名数据、损坏涂名数据、双重备份存储涂名数据和备份存储涂名数据，并将其一同传输至用户端；

所述安全处理模块从服务存储终端内获取涂员数据，安全处理模块从存储监控模块内获取涂名数据和涂载数据，并将其与涂员数据一同进行安全度判定操作，得到警报信号，并将其传输至用户端；

所述用户端接收警报信号，并发出危险警报，用户端还用于接收严重缺失警报信号、损坏信号、严重缺失涂名数据、损坏涂名数据、双重备份存储涂名数据和备份存储涂名数据，并发出提示信号。

2.根据权利要求1所述的一种基于云计算的防水涂料智能储存监管系统，其特征在于，监测操作的具体操作过程为：

步骤一：获取防涂信息，并依据防涂信息内的涂名数据提取对应的涂览数据、涂载数据、涂存数据、涂差数据、涂字数据、字值数据和涂员数据；

步骤二：获取不同涂名数据对应的涂览数据，并对其进行求和，计算涂览总值，依据涂览总值进行均值计算，计算出涂览均值，依据涂览均值的计算方法，计算出涂载均值、涂存均值、涂差均值、涂字均值和字值均值；

步骤三：提取上述步骤二中的涂览均值、涂载均值、涂存均值、涂差均值、涂字均值和字值均值，并将其依次与涂名数据对应的涂览数据、涂载数据、涂存数据、涂差数据、涂字数据和字值数据进行差值计算，并对应的差值进行正负值标记，将正向值标定为A1+、A2+、A3+、A4+、A5+和A6+，将负向值标定为A1-、A2-、A3-、A4-、A5-和A6-；

步骤四：依据A1、A2、A3、A4、A5和A6的正负值对涂览数据、涂载数据、涂存数据、涂差数据、涂字数据和字值数据进行数值识别判断，具体为：

S1：当识别到A1+时，则判定防水涂料相关数据的浏览占比少，生成一览信号，当识别到A1-时，则判定防水涂料相关数据的浏览占比多，生成二览信号；

S2：依据上述S1中的一览信号和二览信号的生成方法，对A2-A6的正负值进行处理，得到一载信号、二载信号、一存信号、二存信号、一差信号、二差信号、一字信号、二字信号、一小信号和二大信号；

步骤五：提取涂览数据和涂载数据分别为二览信号和二载信号的涂名数据，对不同的涂名数据的标记数值进行同化计算，计算出同化值，并将其进行重要程度排序，从而得到重要排序数据，将重要排序数据中排序第一的涂名数据标定为第一存储值，将排序第二的涂名数据标定为第二存储值，依此类推，依据存储值的顺序进行双重备份存储，将对应的涂名数据标定为双重备份存储涂名数据；

步骤六：依据步骤五中涂览数据和涂载数据分别为二览信号和二载信号时，计算出的重要排序数据的方法，计算出涂览数据和涂载数据分别为一览信号和二载信号或二览信号和一载信号或一览信号和一载信号时，对应的排序数据，并将其标定为次重要排序数据，并依据其进行备份存储，将其对应的涂名数据标定为备份存储涂名数据；

步骤七：提取涂存数据、涂差数据、涂字数据和字值数据，选取其与涂存均值、涂差均值、涂字均值和字值均值对应的差值以及信号进行数据提取，从而提取出对应的标记数值，依据对应的标记数值进行数值缺失严重度计算以及判定，得到严重缺失警报信号和损坏信号；

步骤八：提取严重缺失警报信号、损坏信号、严重缺失涂名数据、损坏涂名数据。

3.根据权利要求2所述的一种基于云计算的防水涂料智能储存监管系统，其特征在于，安全度判定操作的具体过程为：

P1：依据涂名数据和涂载数据，提取对应的涂员数据，依据涂员数据获取对应的载差数据、载规数据和载贡数据；

P2：提取载差数据，并将其每两次下载的时间间隔标定为Ji，i=1，2，3......n，其中，n表示为正整数，将每两次的间隔时间进行差值计算，将后一次的下载间隔减去前一次的下载间隔，从而得出间隔差值JGi，将每个间隔差值进行增减值判定，设定间隔预设值M，当JGi大于M则判定数据呈增长趋势，生成增长信号，当JGi小于M则判定数据呈降低趋势，降低信号，当JGi等于M则判定数据呈平稳趋势，平稳信号；

P3：提取增长信号、降低信号和平稳信号，并对其进行识别计算，得到间隔增长均值、间隔降低均值和间隔均值，将间隔均值、间隔降低均值和间隔增加均值统一标定为间隔数据；

P4：提取载规数据和载贡数据，并将其进行占比处理，从而计算出载规占比；

P5：提取载规占比、载贡数据和间隔数据进行可信度计算，计算式为：载规占比值*载规占比风险转化因子+载贡数据*载贡转换因子+间隔数据*间隔转化因子=可信度分值；

P6：提取可信度分值，并依据设定的安全等级划分数据对其进行可行度处理，具体为：当可信度分值属于第一等级对应的分值时，则将其标定为一等级可信度，当可信度分值属于第二等级对应的分值时，则将其标定为二等级可信度，依此类推，标定出对应的可信度等级，将对应的等级信号与预设的危险等级进行判定，当等级信号大于等于危险等级时，则判定人员可信度低，生成警报信号，并将警报信号发送至用户端，其中，安全等级划分数据包括划分等级和划分等级对应的数值。

4.根据权利要求3所述的一种基于云计算的防水涂料智能储存监管系统，其特征在于，所述用户端用于管理人员登录管理账号并对其进行验证，用户端还包括输入验证单元和记录单元，记录单元用于记录登录或注册过的账号数据以及密码数据，管理人员在输入验证单元内输入管理账号和管理密码，并将管理账号与记录单元内记录的账号数据进行匹配，将管理密码与密码数据进行匹配，当；两者的匹配结果一致时，则自动跳转至显示界面，反之则跳转至登录界面。

5.根据权利要求4所述的一种基于云计算的防水涂料智能储存监管系统，其特征在于，步骤三中的正负值标记的具体过程为：

将其对应的差值依次标定为A1、A2、A3、A4、A5和A6，将其标定为标记数值，对A1-A6进行数值比对，具体为：对A1-A6进行数值比对，当对应数值大于零时，则将其标定为正向值，当对应数据小于零时，则将其标定为负向值。

6.根据权利要求5所述的一种基于云计算的防水涂料智能储存监管系统，其特征在于，P3中识别计算的具体过程为：

当识别到增长信号时，提取对应的间隔差值JGi，对其进行均值计算，计算出间隔增长均值，当识别到降低信号时，提取对应的间隔差值JGi，对其进行均值计算，计算出间隔降低均值，当识别到平稳信号时，则提取时间间隔，将其标定为间隔均值。

Images