CN113342846B - 基于大数据的预警把控提醒方法、装置及计算机设备 - Google Patents
基于大数据的预警把控提醒方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN113342846B CN113342846B CN202110730455.9A CN202110730455A CN113342846B CN 113342846 B CN113342846 B CN 113342846B CN 202110730455 A CN202110730455 A CN 202110730455A CN 113342846 B CN113342846 B CN 113342846B
- Authority
- CN
- China
- Prior art keywords
- data
- warning
- early
- early warning
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000007726 management method Methods 0.000 claims abstract description 146
- 238000012545 processing Methods 0.000 claims abstract description 110
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 238000005516 engineering process Methods 0.000 claims abstract description 14
- 230000001537 neural effect Effects 0.000 claims description 45
- 238000000605 extraction Methods 0.000 claims description 28
- 230000006835 compression Effects 0.000 claims description 11
- 238000007906 compression Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012790 confirmation Methods 0.000 claims description 11
- 238000000354 decomposition reaction Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 210000005036 nerve Anatomy 0.000 claims description 6
- 238000013499 data model Methods 0.000 claims description 5
- 230000008707 rearrangement Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 description 18
- 238000012544 monitoring process Methods 0.000 description 4
- 239000002689 soil Substances 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 239000002910 solid waste Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种基于大数据的预警把控提醒方法、装置及计算机设备,包括获取经第一信息获取终端输入的当前待预警基础信息;基于经所述第一信息获取终端输入的当前待预警基础信息,将所述当前待预警基础信息导入至预先建立的大数据预警把控资源管理库,对所述当前待预警基础信息作信息分析处理并生成所述当前待预警基础信息的当前待预警实际类型数据,从所述预警把控数据库遍历查询出与所述当前待预警实际类型数据相匹配的标准待预警类型数据;基于所述当前实际预警提醒数据生成当前预警提示界面,所述当前预警提示界面设置于所述第一信息获取终端。本发明实现基于大数据技术的高效预警提醒,并且通过展示的方法使预警提醒可视化。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种基于大数据的预警把控提醒方法、装置及计算机设备。
背景技术
大数据(big data),IT行业术语,是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据技术的战略意义不在于掌握庞大的数据信息,而在于对这些含有意义的数据进行专业化处理。换而言之,如果把大数据比作一种产业,那么这种产业实现盈利的关键,在于提高对数据的“加工能力”,通过“加工”实现数据的“增值”。
目前,基于大数据进行的运用多种多样,如在预警控制方面,具体技术方案如公开号为CN110516836A的发明专利中,公开的一种基于大数据的智能预警方法,包括以下步骤:获取案件信息,所述案件信息包括案件的处理记录;基于处理记录,分析所述案件在处理过程中触发的预警因子;根据触发的所述预警因子分析所述案件的预警等级;及根据预警等级,发送预警信息,并针对所述预警信息提供建议措施优化处理所述预警因子针对的问题。又如公开号为CN108446864A的发明专利中公开的一种基于大数据分析的轨道交通设备的故障预警系统,包括用于提取设备特征模型函数的大数据分析模块、用于管理设备基础数据的数据管理模块、用于存储轨道交通设备的基础数据的数据库模块、用于接入轨道交通设备以及采集设备数据的通信接口处理模块和用于管理所述故障预警系统的各个子模块的系统管理模块。
虽然,目前大数据应用范围很广,但是其应用在预警把控方面仍存在一些问题,即目前运用了大数据技术的相关预警把控提醒的方法均需要花费大量的时间,存在效率低下以及不能失效高效预警的问题。
发明内容
基于此,针对上述技术问题,本发明提供一种能够实现高效预警处理的基于大数据的预警把控提醒方法、装置及计算机设备。
为实现上述目的,本发明技术方案如下:
一种基于大数据的预警把控提醒方法,所述方法包括:
步骤S100:获取经第一信息获取终端输入的当前待预警基础信息;
步骤S200:基于经所述第一信息获取终端输入的当前待预警基础信息,将所述当前待预警基础信息导入至预先建立的大数据预警把控资源管理库,其中,所述大数据预警把控资源管理库预先存储有预警把控数据库和预警把控提醒神经模型,其中,所述预警把控数据库中存储有多个标准待预警类型数据和与多个所述标准待预警类型数据分别匹配的模型化标准预警数据;
步骤S300:基于所述大数据预警把控资源管理库中的预警把控提醒神经模型,对所述当前待预警基础信息作信息分析处理并生成所述当前待预警基础信息的当前待预警实际类型数据,并基于所述当前待预警实际类型数据从所述预警把控数据库遍历查询出与所述当前待预警实际类型数据相匹配的标准待预警类型数据;
步骤S400:从所述预警把控数据库遍历查询出与所述当前待预警实际类型数据相匹配的标准待预警类型数据所对应的模型化标准预警数据,将该模型化标准预警数据记为当前实际预警提醒数据,并基于所述当前实际预警提醒数据生成当前预警提示界面,所述当前预警提示界面设置于所述第一信息获取终端,并用于展示所述当前实际预警提醒数据。
具体而言,所述当前待预警基础信息作信息包括标准可处理待预警信息和非标不可处理待预警信息,其中,所述标准可处理待预警信息经所述预警把控提醒神经模型作信息分析处理后生成所述当前待预警实际类型数据;
步骤S400:从所述预警把控数据库遍历查询出与所述当前待预警实际类型数据相匹配的标准待预警类型数据所对应的模型化标准预警数据,将该模型化标准预警数据记为当前实际预警提醒数据,并基于所述当前实际预警提醒数据生成当前预警提示界面,所述当前预警提示界面设置于所述第一信息获取终端,并用于展示所述当前实际预警提醒数据,具体包括:
步骤S410:从所述预警把控数据库遍历查询出与所述当前待预警实际类型数据相匹配的标准待预警类型数据所对应的模型化标准预警数据,将该模型化标准预警数据记为当前实际预警提醒数据,并基于所述当前实际预警提醒数据生成当前预警提示界面,同时从所述当前待预警基础信息筛选出非标不可处理待预警信息;
步骤S420:基于筛选出的所述非标不可处理待预警信息,从所述预警把控数据库遍历查询出与所述非标不可处理待预警信息达到预设相似度的标准待预警类型数据,并将与所述非标不可处理待预警信息达到预设相似度的标准待预警类型数据记为相似类型参考数据;
步骤S430:从所述预警把控数据库遍历查询出所述相似类型参考数据所对应的模型化标准预警数据,并将该模型化标准预警数据记为相似预警参考数据;
步骤S440:对所述非标不可处理待预警信息、所述相似类型参考数据和所述相似预警参考数据建立信息关联关系,并将建立信息关联关系后的所述非标不可处理待预警信息、所述相似类型参考数据和所述相似预警参考数据压缩生成相似预警数据参考数据包;
步骤S450:将压缩生成的所述相似预警数据参考数据包发送至第一信息获取终端管理用户处,并获取经所述第一信息获取终端管理用户反馈的对所述相似预警数据参考数据包中非标不可处理待预警信息的预警处理建议信息;
步骤S460:将获取的对所述相似预警数据参考数据包中非标不可处理待预警信息的预警处理建议信息展示于所述当前预警提示界面中的特定非标预警展示区域,其中,所述特定非标预警展示区域预先设定,所述当前预警提示界面中还包括标准预警展示区域,所述标准预警展示区域用于展示所述当前实际预警提醒数据。
具体而言,步骤S200:基于经所述第一信息获取终端输入的当前待预警基础信息,将所述当前待预警基础信息导入至预先建立的大数据预警把控资源管理库,其中,所述大数据预警把控资源管理库预先存储有预警把控数据库和预警把控提醒神经模型,其中,所述预警把控数据库中存储有多个标准待预警类型数据和与多个所述标准待预警类型数据分别匹配的模型化标准预警数据;之前还包括:
步骤S201:基于大数据技术从所述第二信息获取终端处获取预设特定时间段内的已发生事件完整数据,其中,所述预设特定时间段内为预先设置,所述预设特定时间段内包括多个预设时间点,各所述预设时间点均对应一个经所述第二信息获取终端录入的已发生事件完整数据;
步骤S202:对从所述第二信息获取终端处获取预设特定时间段内的已发生事件完整数据作事件归类提取处理,并将同一类别的事件对应的已发生事件完整数据归入特定的同类事件数据集合中,其中,一个类别的事件对应一个同类事件数据集合;
步骤S203:分别对各所述同类事件数据集合中的已发生事件完整数据进行事件特征提取处理,并分别生成事件发生前特征数据、事件发生中特征数据、事件发生后特征数据和事件发生后问题解决数据;
步骤S204:对生成的所述事件发生前特征数据、所述事件发生中特征数据、所述事件发生后特征数据和所述事件发生后问题解决数据进行建模数据处理并生成预警把控提醒神经模型;
步骤S205:基于生成的所述事件发生前特征数据、所述事件发生中特征数据、所述事件发生后特征数据和所述事件发生后问题解决数据生成预警把控数据库;
步骤S206:基于所述预警把控数据库和所述预警把控提醒神经模型建立大数据预警把控资源管理库。
具体而言,步骤S203:分别对各所述同类事件数据集合中的已发生事件完整数据进行事件特征提取处理,并分别生成事件发生前特征数据、事件发生中特征数据、事件发生后特征数据和事件发生后问题解决数据;具体包括:
步骤S2031:基于弹性分布式数据模型分别对各所述同类事件数据集合中的已发生事件完整数据做模型数据转化并转化成弹性分布式特征数据集合,其中,一个已发生事件完整数据对应一个所述弹性分布式特征数据集合;
步骤S2032:分别对每个所述已发生事件完整数据对应的所述弹性分布式特征数据集合做数据滤波处理,并生成滤波后分布式特征数据集合;
步骤S2033:将生成的所述滤波后分布式特征数据集合按照时间顺序发生节点作数据分解处理,并在数据分解处理完成后生成多个分支节点分布式特征数据集合;
步骤S2034:基于预设的特征提取神经模型中对生成的多个所述分支节点分布式特征数据集合做特征提取处理并分别生成事件发生前特征数据、事件发生中特征数据、事件发生后特征数据和事件发生后问题解决数据。
具体而言,步骤S200:基于经所述第一信息获取终端输入的当前待预警基础信息,将所述当前待预警基础信息导入至预先建立的大数据预警把控资源管理库,其中,所述大数据预警把控资源管理库预先存储有预警把控数据库和预警把控提醒神经模型,其中,所述预警把控数据库中存储有多个标准待预警类型数据和与多个所述标准待预警类型数据分别匹配的模型化标准预警数据;具体包括:
步骤S210:在获取经所述第一信息获取终端输入的当前待预警基础信息后,按照所述当前待预警基础信息中的录入时间顺序进行排序,并在排序后获取已排序当前待预警基础信息;
步骤S220:对获取的所述已排序当前待预警基础信息进行数据重排处理,并生成已重排当前待预警基础信息;
步骤S230:将生成的所述已重排当前待预警基础信息发送至第一信息获取终端并生成信息录入确认提醒,并基于所述信息录入确认提醒获取信息录入许可指令;
步骤S240:基于所述信息录入许可指令将生成的所述已重排当前待预警基础信息导入至预先建立的大数据预警把控资源管理库,其中,所述大数据预警把控资源管理库预先存储有预警把控数据库和预警把控提醒神经模型,其中,所述预警把控数据库中存储有多个标准待预警类型数据和与多个所述标准待预警类型数据分别匹配的模型化标准预警数据。
具体而言,一种基于大数据的预警把控提醒装置,所述装置包括:
信息获取模块,用于获取经第一信息获取终端输入的当前待预警基础信息;
信息导入模块,用于基于经所述第一信息获取终端输入的当前待预警基础信息,将所述当前待预警基础信息导入至预先建立的大数据预警把控资源管理库,其中,所述大数据预警把控资源管理库预先存储有预警把控数据库和预警把控提醒神经模型,其中,所述预警把控数据库中存储有多个标准待预警类型数据和与多个所述标准待预警类型数据分别匹配的模型化标准预警数据;
遍历查询模块,用于基于所述大数据预警把控资源管理库中的预警把控提醒神经模型,对所述当前待预警基础信息作信息分析处理并生成所述当前待预警基础信息的当前待预警实际类型数据,并基于所述当前待预警实际类型数据从所述预警把控数据库遍历查询出与所述当前待预警实际类型数据相匹配的标准待预警类型数据;
预警提醒模块,用于从所述预警把控数据库遍历查询出与所述当前待预警实际类型数据相匹配的标准待预警类型数据所对应的模型化标准预警数据,将该模型化标准预警数据记为当前实际预警提醒数据,并基于所述当前实际预警提醒数据生成当前预警提示界面,所述当前预警提示界面设置于所述第一信息获取终端,并用于展示所述当前实际预警提醒数据。
具体而言,所述装置包括:
数据库遍历模块,用于从所述预警把控数据库遍历查询出与所述当前待预警实际类型数据相匹配的标准待预警类型数据所对应的模型化标准预警数据,将该模型化标准预警数据记为当前实际预警提醒数据,并基于所述当前实际预警提醒数据生成当前预警提示界面,同时从所述当前待预警基础信息筛选出非标不可处理待预警信息;
非标不可模块,用于基于筛选出的所述非标不可处理待预警信息,从所述预警把控数据库遍历查询出与所述非标不可处理待预警信息达到预设相似度的标准待预警类型数据,并将与所述非标不可处理待预警信息达到预设相似度的标准待预警类型数据记为相似类型参考数据;
预警把控模块,用于从所述预警把控数据库遍历查询出所述相似类型参考数据所对应的模型化标准预警数据,并将该模型化标准预警数据记为相似预警参考数据;
相似类型模块,用于对所述非标不可处理待预警信息、所述相似类型参考数据和所述相似预警参考数据建立信息关联关系,并将建立信息关联关系后的所述非标不可处理待预警信息、所述相似类型参考数据和所述相似预警参考数据压缩生成相似预警数据参考数据包;
压缩生成模块,用于将压缩生成的所述相似预警数据参考数据包发送至第一信息获取终端管理用户处,并获取经所述第一信息获取终端管理用户反馈的对所述相似预警数据参考数据包中非标不可处理待预警信息的预警处理建议信息;
预警提示界面模块,用于将获取的对所述相似预警数据参考数据包中非标不可处理待预警信息的预警处理建议信息展示于所述当前预警提示界面中的特定非标预警展示区域,其中,所述特定非标预警展示区域预先设定,所述当前预警提示界面中还包括标准预警展示区域,所述标准预警展示区域用于展示所述当前实际预警提醒数据。
具体而言,所述装置还包括:
事件完整模块,用于基于大数据技术从所述第二信息获取终端处获取预设特定时间段内的已发生事件完整数据,其中,所述预设特定时间段内为预先设置,所述预设特定时间段内包括多个预设时间点,各所述预设时间点均对应一个经所述第二信息获取终端录入的已发生事件完整数据;
同类事件模块,用于对从所述第二信息获取终端处获取预设特定时间段内的已发生事件完整数据作事件归类提取处理,并将同一类别的事件对应的已发生事件完整数据归入特定的同类事件数据集合中,其中,一个类别的事件对应一个同类事件数据集合;
并分别生成模块,用于分别对各所述同类事件数据集合中的已发生事件完整数据进行事件特征提取处理,并分别生成事件发生前特征数据、事件发生中特征数据、事件发生后特征数据和事件发生后问题解决数据;
发生前特征模块,用于对生成的所述事件发生前特征数据、所述事件发生中特征数据、所述事件发生后特征数据和所述事件发生后问题解决数据进行建模数据处理并生成预警把控提醒神经模型;
问题解决数据模块,用于基于生成的所述事件发生前特征数据、所述事件发生中特征数据、所述事件发生后特征数据和所述事件发生后问题解决数据生成预警把控数据库;
资源管理模块,用于基于所述预警把控数据库和所述预警把控提醒神经模型建立大数据预警把控资源管理库。
具体而言,一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述基于大数据的预警把控提醒方法所述的步骤。
具体而言,一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述基于大数据的预警把控提醒方法所述的步骤。
本发明实现技术效果如下:
上述基于大数据的预警把控提醒方法、装置及计算机设备,依次通过获取经第一信息获取终端输入的当前待预警基础信息;基于经所述第一信息获取终端输入的当前待预警基础信息,将所述当前待预警基础信息导入至预先建立的大数据预警把控资源管理库,其中,所述大数据预警把控资源管理库预先存储有预警把控数据库和预警把控提醒神经模型,其中,所述预警把控数据库中存储有多个标准待预警类型数据和与多个所述标准待预警类型数据分别匹配的模型化标准预警数据;基于所述大数据预警把控资源管理库中的预警把控提醒神经模型,对所述当前待预警基础信息作信息分析处理并生成所述当前待预警基础信息的当前待预警实际类型数据,并基于所述当前待预警实际类型数据从所述预警把控数据库遍历查询出与所述当前待预警实际类型数据相匹配的标准待预警类型数据;从所述预警把控数据库遍历查询出与所述当前待预警实际类型数据相匹配的标准待预警类型数据所对应的模型化标准预警数据,将该模型化标准预警数据记为当前实际预警提醒数据,并基于所述当前实际预警提醒数据生成当前预警提示界面,所述当前预警提示界面设置于所述第一信息获取终端,并用于展示所述当前实际预警提醒数据,进而实现基于大数据技术的高效预警提醒,并且通过展示的方法使预警提醒可视化。
附图说明
图1为一个实施例中基于大数据的预警把控提醒方法的流程示意图;
图2为一个实施例中基于大数据的预警把控提醒装置的结构框图;
图3为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种基于大数据的预警把控提醒方法,所述方法包括:
步骤S100:获取经第一信息获取终端输入的当前待预警基础信息;
具体而言,所述第一信息获取终端为手机、平板或者其他智能终端。所述当前待预警基础信息为当前经所述第一信息获取终端输入的需要来判断是否需要预警的信息。
进一步地,本实施例中,所述当前待预警基础信息可以为多个行业中的多种信息,本实施例中,所述当前待预警基础信息为某一地区内的当前实际环境监测信息,也即需要对某一地区内的当前实际环境监测信息来判断是否需要进行环境监测预警。
更进一步地,本实施例中,所述当前实际环境监测信息包括水质检测信息、空气检测信息、土壤检测信息、固体废物检测信息、生物检测信息、噪声和振动检测信息、电磁辐射检测信息、放射性检测信息和热检测信息中的至少一种信息。
步骤S200:基于经所述第一信息获取终端输入的当前待预警基础信息,将所述当前待预警基础信息导入至预先建立的大数据预警把控资源管理库,其中,所述大数据预警把控资源管理库预先存储有预警把控数据库和预警把控提醒神经模型,其中,所述预警把控数据库中存储有多个标准待预警类型数据和与多个所述标准待预警类型数据分别匹配的模型化标准预警数据;
具体而言,所述大数据预警把控资源管理库为预先建立,并且在所述大数据预警把控资源管理库中存储所述预警把控数据库和所述预警把控提醒神经模型。进一步地,所述预警把控数据库和预警把控提醒神经模型分别用于识别所述当前待预警基础信息,并对所述当前待预警基础信息进行判断,以判断所述当前待预警基础信息是否需要预警。
更进一步地,通过设置所述预警把控数据库中存储有多个标准待预警类型数据和与多个所述标准待预警类型数据分别匹配的模型化标准预警数据,实现了标准数据的预先存储,同时,通过模型化标准预警数据的预先存储,实现后续数据的保准化判断,进而提升基于大数据实现预警的高效性和快速性,提升预警反应效率和速度。
步骤S300:基于所述大数据预警把控资源管理库中的预警把控提醒神经模型,对所述当前待预警基础信息作信息分析处理并生成所述当前待预警基础信息的当前待预警实际类型数据,并基于所述当前待预警实际类型数据从所述预警把控数据库遍历查询出与所述当前待预警实际类型数据相匹配的标准待预警类型数据;
具体而言,本步骤中,通过预警把控提醒神经模型,对所述当前待预警基础信息作信息分析处理并生成所述当前待预警基础信息的当前待预警实际类型数据,实现了对所述当前待预警基础信息中包含的数据的类型的判断,如在所述当前待预警基础信息包括水质检测信息、空气检测信息和土壤检测信息的情况下,分别基于根据所述预警把控提醒神经模型对所述水质检测信息、所述空气检测信息和所述土壤检测信息的实际信息来综合判断当前的污染等级属于哪种类别,该类别即为所述当前待预警实际类型数据,如此,通过所述预警把控提醒神经模型实现所述当前待预警实际类型数据的判断。
接着,为了实现对所述当前待预警实际类型数据的更真实准确判断,通过基于所述当前待预警实际类型数据从所述预警把控数据库遍历查询出与所述当前待预警实际类型数据相匹配的标准待预警类型数据,进而实现从数据库中寻找相匹配的数据,进而实现获取与所述当前待预警实际类型数据相匹配的标准待预警类型数据,更进一步地方便后续对当前数据判断是否需要预警。
步骤S400:从所述预警把控数据库遍历查询出与所述当前待预警实际类型数据相匹配的标准待预警类型数据所对应的模型化标准预警数据,将该模型化标准预警数据记为当前实际预警提醒数据,并基于所述当前实际预警提醒数据生成当前预警提示界面,所述当前预警提示界面设置于所述第一信息获取终端,并用于展示所述当前实际预警提醒数据。
具体而言,本步骤中,通过从所述预警把控数据库遍历查询出与所述当前待预警实际类型数据相匹配的标准待预警类型数据所对应的模型化标准预警数据,将该模型化标准预警数据记为当前实际预警提醒数据,从而实现对所述当前待预警实际类型数据的预警数据的获取,进而实现了高效预警。
同时,通过基于所述当前实际预警提醒数据生成当前预警提示界面,所述当前预警提示界面设置于所述第一信息获取终端,并用于展示所述当前实际预警提醒数据,实现了所述当前实际预警提醒数据的可视乎展现,进而实现了数据的
在一个实施例中,所述当前待预警基础信息作信息包括标准可处理待预警信息和非标不可处理待预警信息,其中,所述标准可处理待预警信息经所述预警把控提醒神经模型作信息分析处理后生成所述当前待预警实际类型数据;
步骤S400:从所述预警把控数据库遍历查询出与所述当前待预警实际类型数据相匹配的标准待预警类型数据所对应的模型化标准预警数据,将该模型化标准预警数据记为当前实际预警提醒数据,并基于所述当前实际预警提醒数据生成当前预警提示界面,所述当前预警提示界面设置于所述第一信息获取终端,并用于展示所述当前实际预警提醒数据,具体包括:
步骤S410:从所述预警把控数据库遍历查询出与所述当前待预警实际类型数据相匹配的标准待预警类型数据所对应的模型化标准预警数据,将该模型化标准预警数据记为当前实际预警提醒数据,并基于所述当前实际预警提醒数据生成当前预警提示界面,同时从所述当前待预警基础信息筛选出非标不可处理待预警信息;
具体而言,因所述当前待预警实际类型数据中所包含的信息不可能完全与预存的标准待预警类型数据相匹配,因此,所述当前待预警基础信息作信息包括标准可处理待预警信息和非标不可处理待预警信息。
对于所述当前待预警基础信息作信息中的标准可处理待预警信息,可以通过从所述预警把控数据库遍历查询出与所述当前待预警实际类型数据相匹配的标准待预警类型数据所对应的模型化标准预警数据,进而实现对该部分数据的预警处理。
接着,对于所述非标不可处理待预警信息,则需要先筛选出来,再进行相关处理,也即本步骤中所描述,从所述当前待预警基础信息筛选出非标不可处理待预警信息。
步骤S420:基于筛选出的所述非标不可处理待预警信息,从所述预警把控数据库遍历查询出与所述非标不可处理待预警信息达到预设相似度的标准待预警类型数据,并将与所述非标不可处理待预警信息达到预设相似度的标准待预警类型数据记为相似类型参考数据;
具体而言,通过从所述预警把控数据库遍历查询出与所述非标不可处理待预警信息达到预设相似度的标准待预警类型数据,并且将与所述非标不可处理待预警信息达到预设相似度的标准待预警类型数据记为相似类型参考数据,从而实现了与所述非标不可处理待预警信息的相似数据的获取。
步骤S430:从所述预警把控数据库遍历查询出所述相似类型参考数据所对应的模型化标准预警数据,并将该模型化标准预警数据记为相似预警参考数据;
步骤S440:对所述非标不可处理待预警信息、所述相似类型参考数据和所述相似预警参考数据建立信息关联关系,并将建立信息关联关系后的所述非标不可处理待预警信息、所述相似类型参考数据和所述相似预警参考数据压缩生成相似预警数据参考数据包;
具体而言,为了保持相关信息的关联相关性,本步骤中通过对所述非标不可处理待预警信息、所述相似类型参考数据和所述相似预警参考数据建立信息关联关系,并且,在完成上述处理后,建立信息关联关系后的所述非标不可处理待预警信息、所述相似类型参考数据和所述相似预警参考数据压缩生成相似预警数据参考数据包,实现了数据的压缩处理,为后续数据的进一步处理实现准确且高效的发送和传输奠定技术。
步骤S450:将压缩生成的所述相似预警数据参考数据包发送至第一信息获取终端管理用户处,并获取经所述第一信息获取终端管理用户反馈的对所述相似预警数据参考数据包中非标不可处理待预警信息的预警处理建议信息;
具体而言,本步骤中,所述第一信息获取终端管理用户处为进行预警分析处理的工作人员,因此,通过将压缩生成的所述相似预警数据参考数据包发送至第一信息获取终端管理用户处,使第一信息获取终端管理用户处的进行预警分析处理的工作人员能够知晓所述相似预警数据参考数据包中所包含的数据,进而使第一信息获取终端管理用户处的进行预警分析处理的工作人员能够针对性地做出反馈,也即本步骤中获取经所述第一信息获取终端管理用户反馈的对所述相似预警数据参考数据包中非标不可处理待预警信息的预警处理建议信息,如此,实现了基于大数据的预警分析把控以及人为完善预警把控部分,使人性化处理与机器化处理相结合,提升预警分析的准确性和效率。
步骤S460:将获取的对所述相似预警数据参考数据包中非标不可处理待预警信息的预警处理建议信息展示于所述当前预警提示界面中的特定非标预警展示区域,其中,所述特定非标预警展示区域预先设定,所述当前预警提示界面中还包括标准预警展示区域,所述标准预警展示区域用于展示所述当前实际预警提醒数据。
具体而言,通过将获取的对所述相似预警数据参考数据包中非标不可处理待预警信息的预警处理建议信息展示于所述当前预警提示界面中的特定非标预警展示区域,不能够通过设定,使所述特定非标预警展示区域预先设定,所述当前预警提示界面中还包括标准预警展示区域,所述标准预警展示区域用于展示所述当前实际预警提醒数据,从而实现高效合理且规范化的数据展示,提升数据展示界面的科学性和人为观察时的舒适性,提升用户体验。
在一个实施例中,步骤S200:基于经所述第一信息获取终端输入的当前待预警基础信息,将所述当前待预警基础信息导入至预先建立的大数据预警把控资源管理库,其中,所述大数据预警把控资源管理库预先存储有预警把控数据库和预警把控提醒神经模型,其中,所述预警把控数据库中存储有多个标准待预警类型数据和与多个所述标准待预警类型数据分别匹配的模型化标准预警数据;之前还包括:
步骤S201:基于大数据技术从所述第二信息获取终端处获取预设特定时间段内的已发生事件完整数据,其中,所述预设特定时间段内为预先设置,所述预设特定时间段内包括多个预设时间点,各所述预设时间点均对应一个经所述第二信息获取终端录入的已发生事件完整数据;
具体而言,通过基于大数据技术从所述第二信息获取终端处获取预设特定时间段内的已发生事件完整数据,实现了在大数据技术的基础上的海量信息的获取,所述第二信息获取终端为工作人员操作的终端。同时,通过设置所述第二信息获取终端,实现了与第一信息获取终端的区分开来,进而实现数据的隔离化处理,防止造成信息处理的紊乱。
步骤S202:对从所述第二信息获取终端处获取预设特定时间段内的已发生事件完整数据作事件归类提取处理,并将同一类别的事件对应的已发生事件完整数据归入特定的同类事件数据集合中,其中,一个类别的事件对应一个同类事件数据集合;
具体而言,通过对从所述第二信息获取终端处获取预设特定时间段内的已发生事件完整数据作事件归类提取处理,并且同时,将同一类别的事件对应的已发生事件完整数据归入特定的同类事件数据集合中,从而通过对数据进行分类与标识,方便后续进行数据预警,进而实现高效预警。
步骤S203:分别对各所述同类事件数据集合中的已发生事件完整数据进行事件特征提取处理,并分别生成事件发生前特征数据、事件发生中特征数据、事件发生后特征数据和事件发生后问题解决数据;
具体而言,通过分别对各所述同类事件数据集合中的已发生事件完整数据进行事件特征提取处理,从而实现数据的特征提取,进而生成所述事件发生前特征数据、所述事件发生中特征数据、所述事件发生后特征数据和所述事件发生后问题解决数据,通过生成的所述事件发生前特征数据、所述事件发生中特征数据、所述事件发生后特征数据和所述事件发生后问题解决数据,方便后续进行数据建模。
步骤S204:对生成的所述事件发生前特征数据、所述事件发生中特征数据、所述事件发生后特征数据和所述事件发生后问题解决数据进行建模数据处理并生成预警把控提醒神经模型;
具体而言,通过对生成的所述事件发生前特征数据、所述事件发生中特征数据、所述事件发生后特征数据和所述事件发生后问题解决数据进行建模数据处理并生成预警把控提醒神经模型,从而方便后续对预警的处理和分析。
步骤S205:基于生成的所述事件发生前特征数据、所述事件发生中特征数据、所述事件发生后特征数据和所述事件发生后问题解决数据生成预警把控数据库;
步骤S206:基于所述预警把控数据库和所述预警把控提醒神经模型建立大数据预警把控资源管理库。
具体而言,通过基于生成的所述事件发生前特征数据、所述事件发生中特征数据、所述事件发生后特征数据和所述事件发生后问题解决数据生成预警把控数据库,再将所述预警把控数据库和所述预警把控提醒神经模型关联汇总后,从而实现所述大数据预警把控资源管理库的建立。
在一个实施例中,步骤S203:分别对各所述同类事件数据集合中的已发生事件完整数据进行事件特征提取处理,并分别生成事件发生前特征数据、事件发生中特征数据、事件发生后特征数据和事件发生后问题解决数据;具体包括:
步骤S2031:基于弹性分布式数据模型分别对各所述同类事件数据集合中的已发生事件完整数据做模型数据转化并转化成弹性分布式特征数据集合,其中,一个已发生事件完整数据对应一个所述弹性分布式特征数据集合;
步骤S2032:分别对每个所述已发生事件完整数据对应的所述弹性分布式特征数据集合做数据滤波处理,并生成滤波后分布式特征数据集合;
具体而言,通过弹性分布式数据模型实现模型数据转化,并同时通过转化成弹性分布式特征数据集合,实现数据的分类处理,提升后续数据处理效率,更进一步为后续实现预警分析提供数据。
步骤S2033:将生成的所述滤波后分布式特征数据集合按照时间顺序发生节点作数据分解处理,并在数据分解处理完成后生成多个分支节点分布式特征数据集合;
具体而言,通过将生成的所述滤波后分布式特征数据集合按照时间顺序发生节点作数据分解处理,并生成多个分支节点分布式特征数据集合,从而实现数据的拆分处理,进而实现数据的高效处理。
步骤S2034:基于预设的特征提取神经模型中对生成的多个所述分支节点分布式特征数据集合做特征提取处理并分别生成事件发生前特征数据、事件发生中特征数据、事件发生后特征数据和事件发生后问题解决数据。
具体而言,通过预设的特征提取神经模型中对生成的多个所述分支节点分布式特征数据集合做特征提取处理,实现了特征的高效提取。
在一个实施例中,步骤S200:基于经所述第一信息获取终端输入的当前待预警基础信息,将所述当前待预警基础信息导入至预先建立的大数据预警把控资源管理库,其中,所述大数据预警把控资源管理库预先存储有预警把控数据库和预警把控提醒神经模型,其中,所述预警把控数据库中存储有多个标准待预警类型数据和与多个所述标准待预警类型数据分别匹配的模型化标准预警数据;具体包括:
步骤S210:在获取经所述第一信息获取终端输入的当前待预警基础信息后,按照所述当前待预警基础信息中的录入时间顺序进行排序,并在排序后获取已排序当前待预警基础信息;
步骤S220:对获取的所述已排序当前待预警基础信息进行数据重排处理,并生成已重排当前待预警基础信息;
具体而言,本步骤中首先通过按照所述当前待预警基础信息中的录入时间顺序进行排序,并在排序后获取已排序当前待预警基础信息,再对获取的所述已排序当前待预警基础信息进行数据重排处理,并生成已重排当前待预警基础信息,从而实现数据的高效排序,实现数据的有序处理。
步骤S230:将生成的所述已重排当前待预警基础信息发送至第一信息获取终端并生成信息录入确认提醒,并基于所述信息录入确认提醒获取信息录入许可指令;
步骤S240:基于所述信息录入许可指令将生成的所述已重排当前待预警基础信息导入至预先建立的大数据预警把控资源管理库,其中,所述大数据预警把控资源管理库预先存储有预警把控数据库和预警把控提醒神经模型,其中,所述预警把控数据库中存储有多个标准待预警类型数据和与多个所述标准待预警类型数据分别匹配的模型化标准预警数据。
具体而言,通过将生成的所述已重排当前待预警基础信息发送至第一信息获取终端并生成信息录入确认提醒,实现了数据的确认后再处理,提升处理过程中的多确认程序,实现数据的可靠处理,接着,通过基于所述信息录入确认提醒获取信息录入许可指令,然后基于所述信息录入许可指令将生成的所述已重排当前待预警基础信息导入至预先建立的大数据预警把控资源管理库,进而实现所述大数据预警把控资源管理库的建立。
综上所述,本发明依次通过获取经第一信息获取终端输入的当前待预警基础信息;基于经所述第一信息获取终端输入的当前待预警基础信息,将所述当前待预警基础信息导入至预先建立的大数据预警把控资源管理库,其中,所述大数据预警把控资源管理库预先存储有预警把控数据库和预警把控提醒神经模型,其中,所述预警把控数据库中存储有多个标准待预警类型数据和与多个所述标准待预警类型数据分别匹配的模型化标准预警数据;基于所述大数据预警把控资源管理库中的预警把控提醒神经模型,对所述当前待预警基础信息作信息分析处理并生成所述当前待预警基础信息的当前待预警实际类型数据,并基于所述当前待预警实际类型数据从所述预警把控数据库遍历查询出与所述当前待预警实际类型数据相匹配的标准待预警类型数据;从所述预警把控数据库遍历查询出与所述当前待预警实际类型数据相匹配的标准待预警类型数据所对应的模型化标准预警数据,将该模型化标准预警数据记为当前实际预警提醒数据,并基于所述当前实际预警提醒数据生成当前预警提示界面,所述当前预警提示界面设置于所述第一信息获取终端,并用于展示所述当前实际预警提醒数据,进而实现基于大数据技术的高效预警提醒,并且通过展示的方法使预警提醒可视化。
在一个实施例中,如图2所示,提供一种基于大数据的预警把控提醒装置,所述装置包括:
信息获取模块,用于获取经第一信息获取终端输入的当前待预警基础信息;
信息导入模块,用于基于经所述第一信息获取终端输入的当前待预警基础信息,将所述当前待预警基础信息导入至预先建立的大数据预警把控资源管理库,其中,所述大数据预警把控资源管理库预先存储有预警把控数据库和预警把控提醒神经模型,其中,所述预警把控数据库中存储有多个标准待预警类型数据和与多个所述标准待预警类型数据分别匹配的模型化标准预警数据;
遍历查询模块,用于基于所述大数据预警把控资源管理库中的预警把控提醒神经模型,对所述当前待预警基础信息作信息分析处理并生成所述当前待预警基础信息的当前待预警实际类型数据,并基于所述当前待预警实际类型数据从所述预警把控数据库遍历查询出与所述当前待预警实际类型数据相匹配的标准待预警类型数据;
预警提醒模块,用于从所述预警把控数据库遍历查询出与所述当前待预警实际类型数据相匹配的标准待预警类型数据所对应的模型化标准预警数据,将该模型化标准预警数据记为当前实际预警提醒数据,并基于所述当前实际预警提醒数据生成当前预警提示界面,所述当前预警提示界面设置于所述第一信息获取终端,并用于展示所述当前实际预警提醒数据。
在一个实施例中,所述装置包括:
数据库遍历模块,用于从所述预警把控数据库遍历查询出与所述当前待预警实际类型数据相匹配的标准待预警类型数据所对应的模型化标准预警数据,将该模型化标准预警数据记为当前实际预警提醒数据,并基于所述当前实际预警提醒数据生成当前预警提示界面,同时从所述当前待预警基础信息筛选出非标不可处理待预警信息;
非标不可模块,用于基于筛选出的所述非标不可处理待预警信息,从所述预警把控数据库遍历查询出与所述非标不可处理待预警信息达到预设相似度的标准待预警类型数据,并将与所述非标不可处理待预警信息达到预设相似度的标准待预警类型数据记为相似类型参考数据;
预警把控模块,用于从所述预警把控数据库遍历查询出所述相似类型参考数据所对应的模型化标准预警数据,并将该模型化标准预警数据记为相似预警参考数据;
相似类型模块,用于对所述非标不可处理待预警信息、所述相似类型参考数据和所述相似预警参考数据建立信息关联关系,并将建立信息关联关系后的所述非标不可处理待预警信息、所述相似类型参考数据和所述相似预警参考数据压缩生成相似预警数据参考数据包;
压缩生成模块,用于将压缩生成的所述相似预警数据参考数据包发送至第一信息获取终端管理用户处,并获取经所述第一信息获取终端管理用户反馈的对所述相似预警数据参考数据包中非标不可处理待预警信息的预警处理建议信息;
预警提示界面模块,用于将获取的对所述相似预警数据参考数据包中非标不可处理待预警信息的预警处理建议信息展示于所述当前预警提示界面中的特定非标预警展示区域,其中,所述特定非标预警展示区域预先设定,所述当前预警提示界面中还包括标准预警展示区域,所述标准预警展示区域用于展示所述当前实际预警提醒数据。
在一个实施例中,所述装置还包括:
事件完整模块,用于基于大数据技术从所述第二信息获取终端处获取预设特定时间段内的已发生事件完整数据,其中,所述预设特定时间段内为预先设置,所述预设特定时间段内包括多个预设时间点,各所述预设时间点均对应一个经所述第二信息获取终端录入的已发生事件完整数据;
同类事件模块,用于对从所述第二信息获取终端处获取预设特定时间段内的已发生事件完整数据作事件归类提取处理,并将同一类别的事件对应的已发生事件完整数据归入特定的同类事件数据集合中,其中,一个类别的事件对应一个同类事件数据集合;
并分别生成模块,用于分别对各所述同类事件数据集合中的已发生事件完整数据进行事件特征提取处理,并分别生成事件发生前特征数据、事件发生中特征数据、事件发生后特征数据和事件发生后问题解决数据;
发生前特征模块,用于对生成的所述事件发生前特征数据、所述事件发生中特征数据、所述事件发生后特征数据和所述事件发生后问题解决数据进行建模数据处理并生成预警把控提醒神经模型;
问题解决数据模块,用于基于生成的所述事件发生前特征数据、所述事件发生中特征数据、所述事件发生后特征数据和所述事件发生后问题解决数据生成预警把控数据库;
资源管理模块,用于基于所述预警把控数据库和所述预警把控提醒神经模型建立大数据预警把控资源管理库。
在一个实施例中,所述装置还用于:基于弹性分布式数据模型分别对各所述同类事件数据集合中的已发生事件完整数据做模型数据转化并转化成弹性分布式特征数据集合,其中,一个已发生事件完整数据对应一个所述弹性分布式特征数据集合;分别对每个所述已发生事件完整数据对应的所述弹性分布式特征数据集合做数据滤波处理,并生成滤波后分布式特征数据集合;将生成的所述滤波后分布式特征数据集合按照时间顺序发生节点作数据分解处理,并在数据分解处理完成后生成多个分支节点分布式特征数据集合;基于预设的特征提取神经模型中对生成的多个所述分支节点分布式特征数据集合做特征提取处理并分别生成事件发生前特征数据、事件发生中特征数据、事件发生后特征数据和事件发生后问题解决数据。
在一个实施例中,所述装置还用于:在获取经所述第一信息获取终端输入的当前待预警基础信息后,按照所述当前待预警基础信息中的录入时间顺序进行排序,并在排序后获取已排序当前待预警基础信息;对获取的所述已排序当前待预警基础信息进行数据重排处理,并生成已重排当前待预警基础信息;将生成的所述已重排当前待预警基础信息发送至第一信息获取终端并生成信息录入确认提醒,并基于所述信息录入确认提醒获取信息录入许可指令;基于所述信息录入许可指令将生成的所述已重排当前待预警基础信息导入至预先建立的大数据预警把控资源管理库,其中,所述大数据预警把控资源管理库预先存储有预警把控数据库和预警把控提醒神经模型,其中,所述预警把控数据库中存储有多个标准待预警类型数据和与多个所述标准待预警类型数据分别匹配的模型化标准预警数据。
在一个实施例中,如图3所示,一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述基于大数据的预警把控提醒方法所述的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述基于大数据的预警把控提醒方法所述的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (7)
1.一种基于大数据的预警把控提醒方法,其特征在于,所述方法包括:步骤S100:获取经第一信息获取终端输入的当前待预警基础信息;步骤S200:基于经所述第一信息获取终端输入的当前待预警基础信息,将所述当前待预警基础信息导入至预先建立的大数据预警把控资源管理库,其中,所述大数据预警把控资源管理库预先存储有预警把控数据库和预警把控提醒神经模型,其中,所述预警把控数据库中存储有多个标准待预警类型数据和与多个所述标准待预警类型数据分别匹配的模型化标准预警数据;步骤S300:基于所述大数据预警把控资源管理库中的预警把控提醒神经模型,对所述当前待预警基础信息作信息分析处理并生成所述当前待预警基础信息的当前待预警实际类型数据,并基于所述当前待预警实际类型数据从所述预警把控数据库遍历查询出与所述当前待预警实际类型数据相匹配的标准待预警类型数据;步骤S400:从所述预警把控数据库遍历查询出与所述当前待预警实际类型数据相匹配的标准待预警类型数据所对应的模型化标准预警数据,将该模型化标准预警数据记为当前实际预警提醒数据,并基于所述当前实际预警提醒数据生成当前预警提示界面,所述当前预警提示界面设置于所述第一信息获取终端,并用于展示所述当前实际预警提醒数据;其中,所述当前待预警基础信息作信息包括标准可处理待预警信息和非标不可处理待预警信息,其中,所述标准可处理待预警信息经所述预警把控提醒神经模型作信息分析处理后生成所述当前待预警实际类型数据;所述步骤S400具体包括:步骤S410:从所述预警把控数据库遍历查询出与所述当前待预警实际类型数据相匹配的标准待预警类型数据所对应的模型化标准预警数据,将该模型化标准预警数据记为当前实际预警提醒数据,并基于所述当前实际预警提醒数据生成当前预警提示界面,同时从所述当前待预警基础信息筛选出非标不可处理待预警信息;步骤S420:基于筛选出的所述非标不可处理待预警信息,从所述预警把控数据库遍历查询出与所述非标不可处理待预警信息达到预设相似度的标准待预警类型数据,并将与所述非标不可处理待预警信息达到预设相似度的标准待预警类型数据记为相似类型参考数据;步骤S430:从所述预警把控数据库遍历查询出所述相似类型参考数据所对应的模型化标准预警数据,并将该模型化标准预警数据记为相似预警参考数据;步骤S440:对所述非标不可处理待预警信息、所述相似类型参考数据和所述相似预警参考数据建立信息关联关系,并将建立信息关联关系后的所述非标不可处理待预警信息、所述相似类型参考数据和所述相似预警参考数据压缩生成相似预警数据参考数据包;步骤S450:将压缩生成的所述相似预警数据参考数据包发送至第一信息获取终端管理用户处,并获取经所述第一信息获取终端管理用户反馈的对所述相似预警数据参考数据包中非标不可处理待预警信息的预警处理建议信息;步骤S460:将获取的对所述相似预警数据参考数据包中非标不可处理待预警信息的预警处理建议信息展示于所述当前预警提示界面中的特定非标预警展示区域,其中,所述特定非标预警展示区域预先设定,所述当前预警提示界面中还包括标准预警展示区域,所述标准预警展示区域用于展示所述当前实际预警提醒数据;所述步骤S200之前还包括:步骤S201:基于大数据技术从第二信息获取终端处获取预设特定时间段内的已发生事件完整数据,其中,所述预设特定时间段内为预先设置,所述预设特定时间段内包括多个预设时间点,各所述预设时间点均对应一个经所述第二信息获取终端录入的已发生事件完整数据;步骤S202:对从所述第二信息获取终端处获取预设特定时间段内的已发生事件完整数据作事件归类提取处理,并将同一类别的事件对应的已发生事件完整数据归入特定的同类事件数据集合中,其中,一个类别的事件对应一个同类事件数据集合;步骤S203:分别对各所述同类事件数据集合中的已发生事件完整数据进行事件特征提取处理,并分别生成事件发生前特征数据、事件发生中特征数据、事件发生后特征数据和事件发生后问题解决数据;步骤S204:对生成的所述事件发生前特征数据、所述事件发生中特征数据、所述事件发生后特征数据和所述事件发生后问题解决数据进行建模数据处理并生成预警把控提醒神经模型;步骤S205:基于生成的所述事件发生前特征数据、所述事件发生中特征数据、所述事件发生后特征数据和所述事件发生后问题解决数据生成预警把控数据库;步骤S206:基于所述预警把控数据库和所述预警把控提醒神经模型建立大数据预警把控资源管理库;所述步骤S200具体包括:步骤S210:在获取经所述第一信息获取终端输入的当前待预警基础信息后,按照所述当前待预警基础信息中的录入时间顺序进行排序,并在排序后获取已排序当前待预警基础信息;步骤S220:对获取的所述已排序当前待预警基础信息进行数据重排处理,并生成已重排当前待预警基础信息;步骤S230:将生成的所述已重排当前待预警基础信息发送至第一信息获取终端并生成信息录入确认提醒,并基于所述信息录入确认提醒获取信息录入许可指令;步骤S240:基于所述信息录入许可指令将生成的所述已重排当前待预警基础信息导入至预先建立的大数据预警把控资源管理库,其中,所述大数据预警把控资源管理库预先存储有预警把控数据库和预警把控提醒神经模型,其中,所述预警把控数据库中存储有多个标准待预警类型数据和与多个所述标准待预警类型数据分别匹配的模型化标准预警数据。
2.根据权利要求1所述的基于大数据的预警把控提醒方法,其特征在于,所述步骤S203具体包括:步骤S2031:基于弹性分布式数据模型分别对各所述同类事件数据集合中的已发生事件完整数据做模型数据转化并转化成弹性分布式特征数据集合,其中,一个已发生事件完整数据对应一个所述弹性分布式特征数据集合;步骤S2032:分别对每个所述已发生事件完整数据对应的所述弹性分布式特征数据集合做数据滤波处理,并生成滤波后分布式特征数据集合;步骤S2033:将生成的所述滤波后分布式特征数据集合按照时间顺序发生节点作数据分解处理,并在数据分解处理完成后生成多个分支节点分布式特征数据集合;步骤S2034:基于预设的特征提取神经模型中对生成的多个所述分支节点分布式特征数据集合做特征提取处理并分别生成事件发生前特征数据、事件发生中特征数据、事件发生后特征数据和事件发生后问题解决数据。
3.一种基于权利要求1所述方法的大数据的预警把控提醒装置,其特征在于,所述装置包括:信息获取模块,用于获取经第一信息获取终端输入的当前待预警基础信息;信息导入模块,用于基于经所述第一信息获取终端输入的当前待预警基础信息,将所述当前待预警基础信息导入至预先建立的大数据预警把控资源管理库,其中,所述大数据预警把控资源管理库预先存储有预警把控数据库和预警把控提醒神经模型,其中,所述预警把控数据库中存储有多个标准待预警类型数据和与多个所述标准待预警类型数据分别匹配的模型化标准预警数据;遍历查询模块,用于基于所述大数据预警把控资源管理库中的预警把控提醒神经模型,对所述当前待预警基础信息作信息分析处理并生成所述当前待预警基础信息的当前待预警实际类型数据,并基于所述当前待预警实际类型数据从所述预警把控数据库遍历查询出与所述当前待预警实际类型数据相匹配的标准待预警类型数据;预警提醒模块,用于从所述预警把控数据库遍历查询出与所述当前待预警实际类型数据相匹配的标准待预警类型数据所对应的模型化标准预警数据,将该模型化标准预警数据记为当前实际预警提醒数据,并基于所述当前实际预警提醒数据生成当前预警提示界面,所述当前预警提示界面设置于所述第一信息获取终端,并用于展示所述当前实际预警提醒数据。
4.根据权利要求3所述的基于大数据的预警把控提醒装置,其特征在于,所述装置包括:数据库遍历模块,用于从所述预警把控数据库遍历查询出与所述当前待预警实际类型数据相匹配的标准待预警类型数据所对应的模型化标准预警数据,将该模型化标准预警数据记为当前实际预警提醒数据,并基于所述当前实际预警提醒数据生成当前预警提示界面,同时从所述当前待预警基础信息筛选出非标不可处理待预警信息;非标不可模块,用于基于筛选出的所述非标不可处理待预警信息,从所述预警把控数据库遍历查询出与所述非标不可处理待预警信息达到预设相似度的标准待预警类型数据,并将与所述非标不可处理待预警信息达到预设相似度的标准待预警类型数据记为相似类型参考数据;预警把控模块,用于从所述预警把控数据库遍历查询出所述相似类型参考数据所对应的模型化标准预警数据,并将该模型化标准预警数据记为相似预警参考数据;相似类型模块,用于对所述非标不可处理待预警信息、所述相似类型参考数据和所述相似预警参考数据建立信息关联关系,并将建立信息关联关系后的所述非标不可处理待预警信息、所述相似类型参考数据和所述相似预警参考数据压缩生成相似预警数据参考数据包;压缩生成模块,用于将压缩生成的所述相似预警数据参考数据包发送至第一信息获取终端管理用户处,并获取经所述第一信息获取终端管理用户反馈的对所述相似预警数据参考数据包中非标不可处理待预警信息的预警处理建议信息;预警提示界面模块,用于将获取的对所述相似预警数据参考数据包中非标不可处理待预警信息的预警处理建议信息展示于所述当前预警提示界面中的特定非标预警展示区域,其中,所述特定非标预警展示区域预先设定,所述当前预警提示界面中还包括标准预警展示区域,所述标准预警展示区域用于展示所述当前实际预警提醒数据。
5.根据权利要求3所述的基于大数据的预警把控提醒装置,其特征在于,所述装置还包括:事件完整模块,用于基于大数据技术从所述第二信息获取终端处获取预设特定时间段内的已发生事件完整数据,其中,所述预设特定时间段内为预先设置,所述预设特定时间段内包括多个预设时间点,各所述预设时间点均对应一个经所述第二信息获取终端录入的已发生事件完整数据;同类事件模块,用于对从所述第二信息获取终端处获取预设特定时间段内的已发生事件完整数据作事件归类提取处理,并将同一类别的事件对应的已发生事件完整数据归入特定的同类事件数据集合中,其中,一个类别的事件对应一个同类事件数据集合;并分别生成模块,用于分别对各所述同类事件数据集合中的已发生事件完整数据进行事件特征提取处理,并分别生成事件发生前特征数据、事件发生中特征数据、事件发生后特征数据和事件发生后问题解决数据;发生前特征模块,用于对生成的所述事件发生前特征数据、所述事件发生中特征数据、所述事件发生后特征数据和所述事件发生后问题解决数据进行建模数据处理并生成预警把控提醒神经模型;问题解决数据模块,用于基于生成的所述事件发生前特征数据、所述事件发生中特征数据、所述事件发生后特征数据和所述事件发生后问题解决数据生成预警把控数据库;资源管理模块,用于基于所述预警把控数据库和所述预警把控提醒神经模型建立大数据预警把控资源管理库。
6.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1所述方法的步骤。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110730455.9A CN113342846B (zh) | 2021-06-29 | 2021-06-29 | 基于大数据的预警把控提醒方法、装置及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110730455.9A CN113342846B (zh) | 2021-06-29 | 2021-06-29 | 基于大数据的预警把控提醒方法、装置及计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113342846A CN113342846A (zh) | 2021-09-03 |
CN113342846B true CN113342846B (zh) | 2024-03-19 |
Family
ID=77481669
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110730455.9A Active CN113342846B (zh) | 2021-06-29 | 2021-06-29 | 基于大数据的预警把控提醒方法、装置及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113342846B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1188358A (zh) * | 1996-12-16 | 1998-07-22 | 东芝株式会社 | 信息提示装置和信息提示方法 |
CN102866964A (zh) * | 2012-09-18 | 2013-01-09 | 北京奇虎科技有限公司 | 一种保护存储设备上数据的方法及装置 |
CN104660481A (zh) * | 2013-11-18 | 2015-05-27 | 深圳市腾讯计算机系统有限公司 | 即时通讯消息处理方法及装置 |
CN107169087A (zh) * | 2017-05-12 | 2017-09-15 | 北京辰安科技股份有限公司 | 预警信息展示方法和预警信息展示装置 |
CN107194506A (zh) * | 2017-05-10 | 2017-09-22 | 北京兴农丰华科技有限公司 | 农作物病虫害预警信息分析方法 |
CN108876600A (zh) * | 2018-08-20 | 2018-11-23 | 平安科技(深圳)有限公司 | 预警信息推送方法、装置、计算机设备和介质 |
CN108984421A (zh) * | 2018-06-27 | 2018-12-11 | 郑州云海信息技术有限公司 | 一种信息提示方法及装置 |
CN109360105A (zh) * | 2018-09-18 | 2019-02-19 | 平安科技(深圳)有限公司 | 产品风险预警方法、装置、计算机设备和存储介质 |
CN109559099A (zh) * | 2018-11-30 | 2019-04-02 | 广州净松软件科技有限公司 | 监察系统的预警规则配置方法、装置和计算机设备 |
CN109583758A (zh) * | 2018-11-30 | 2019-04-05 | 广州净松软件科技有限公司 | 监察系统的预警规则修正方法、装置和计算机设备 |
CN110543989A (zh) * | 2019-08-29 | 2019-12-06 | 中国南方电网有限责任公司 | 输电线路机巡作业安全预警方法、装置和计算机设备 |
WO2019232964A1 (zh) * | 2018-06-07 | 2019-12-12 | 平安科技(深圳)有限公司 | 风险管理数据处理方法、装置、计算机设备和存储介质 |
CN111539638A (zh) * | 2020-04-27 | 2020-08-14 | 青岛奥利普自动化控制系统有限公司 | 一种预警方法、装置及预警设备和存储介质 |
CN111680042A (zh) * | 2020-06-04 | 2020-09-18 | 中国建设银行股份有限公司 | 不良资产过程管理预警方法、装置、设备及存储介质 |
CN112799868A (zh) * | 2021-02-08 | 2021-05-14 | 腾讯科技(深圳)有限公司 | 一种根因确定方法、装置、计算机设备及存储介质 |
CN112947879A (zh) * | 2021-03-10 | 2021-06-11 | 深圳市优擎信息科技有限公司 | 看板源数据获取方法、装置、计算机设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10402192B2 (en) * | 2017-07-25 | 2019-09-03 | Aurora Labs Ltd. | Constructing software delta updates for vehicle ECU software and abnormality detection based on toolchain |
US10796013B2 (en) * | 2017-11-13 | 2020-10-06 | Veeva Systems Inc. | User programmatic interface for supporting data access control in a database system |
-
2021
- 2021-06-29 CN CN202110730455.9A patent/CN113342846B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1188358A (zh) * | 1996-12-16 | 1998-07-22 | 东芝株式会社 | 信息提示装置和信息提示方法 |
CN102866964A (zh) * | 2012-09-18 | 2013-01-09 | 北京奇虎科技有限公司 | 一种保护存储设备上数据的方法及装置 |
CN104660481A (zh) * | 2013-11-18 | 2015-05-27 | 深圳市腾讯计算机系统有限公司 | 即时通讯消息处理方法及装置 |
CN107194506A (zh) * | 2017-05-10 | 2017-09-22 | 北京兴农丰华科技有限公司 | 农作物病虫害预警信息分析方法 |
CN107169087A (zh) * | 2017-05-12 | 2017-09-15 | 北京辰安科技股份有限公司 | 预警信息展示方法和预警信息展示装置 |
WO2019232964A1 (zh) * | 2018-06-07 | 2019-12-12 | 平安科技(深圳)有限公司 | 风险管理数据处理方法、装置、计算机设备和存储介质 |
CN108984421A (zh) * | 2018-06-27 | 2018-12-11 | 郑州云海信息技术有限公司 | 一种信息提示方法及装置 |
CN108876600A (zh) * | 2018-08-20 | 2018-11-23 | 平安科技(深圳)有限公司 | 预警信息推送方法、装置、计算机设备和介质 |
CN109360105A (zh) * | 2018-09-18 | 2019-02-19 | 平安科技(深圳)有限公司 | 产品风险预警方法、装置、计算机设备和存储介质 |
CN109559099A (zh) * | 2018-11-30 | 2019-04-02 | 广州净松软件科技有限公司 | 监察系统的预警规则配置方法、装置和计算机设备 |
CN109583758A (zh) * | 2018-11-30 | 2019-04-05 | 广州净松软件科技有限公司 | 监察系统的预警规则修正方法、装置和计算机设备 |
CN110543989A (zh) * | 2019-08-29 | 2019-12-06 | 中国南方电网有限责任公司 | 输电线路机巡作业安全预警方法、装置和计算机设备 |
CN111539638A (zh) * | 2020-04-27 | 2020-08-14 | 青岛奥利普自动化控制系统有限公司 | 一种预警方法、装置及预警设备和存储介质 |
CN111680042A (zh) * | 2020-06-04 | 2020-09-18 | 中国建设银行股份有限公司 | 不良资产过程管理预警方法、装置、设备及存储介质 |
CN112799868A (zh) * | 2021-02-08 | 2021-05-14 | 腾讯科技(深圳)有限公司 | 一种根因确定方法、装置、计算机设备及存储介质 |
CN112947879A (zh) * | 2021-03-10 | 2021-06-11 | 深圳市优擎信息科技有限公司 | 看板源数据获取方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113342846A (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109408746B (zh) | 画像信息查询方法、装置、计算机设备和存储介质 | |
CN110458324B (zh) | 风险概率的计算方法、装置和计算机设备 | |
CN102902752A (zh) | 一种日志监控方法及系统 | |
CN113051330A (zh) | 基于大数据的实时环境监控方法、装置及计算机设备 | |
CN112116168B (zh) | 一种用户行为的预测方法、装置及电子设备 | |
CN115238828A (zh) | 一种色谱仪故障监测方法及装置 | |
CN111078512A (zh) | 告警记录生成方法、装置、告警设备及存储介质 | |
CN111652661B (zh) | 一种手机客户端用户流失预警处理方法 | |
CN114998004A (zh) | 一种基于企业金融贷款风控的方法及系统 | |
CN111046068B (zh) | 一种告警产生过程的展示方法和装置 | |
CN112948504B (zh) | 数据采集方法、装置、计算机设备和存储介质 | |
CN113342846B (zh) | 基于大数据的预警把控提醒方法、装置及计算机设备 | |
CN113159246B (zh) | 基于二维码标签的钢厂货物识别方法、装置及计算机设备 | |
CN111046382A (zh) | 数据库审计方法、设备、存储介质及装置 | |
CN115688759A (zh) | 上报信息归类方法、系统、计算机设备及介质 | |
CN115980585A (zh) | 电池故障的检测方法、装置、计算机设备和存储介质 | |
CN113905289A (zh) | 一种多标准的能源数据统一管理的方法及系统 | |
CN111831841B (zh) | 一种信息检索方法、装置、电子设备及存储介质 | |
CN112559645A (zh) | 一种海量运维数据的处理方法及装置 | |
CN113418718B (zh) | 基于试验车辆的试验任务监控系统及方法 | |
CN113065668A (zh) | 一种设备全生命周期管理方法和装置 | |
CN116580360B (zh) | 一种用于安防监控的图像数据处理方法及系统 | |
CN114004583B (zh) | 部件信息处理方法、装置、计算机设备和存储介质 | |
Mohammed et al. | A Comparative Study of Drone Forensic Tools and Techniques | |
CN117540114A (zh) | 基于大数据挖掘的公路数据查询方法及系统 |
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 |