CN114579639A - 计算机人工智能信息筛选方法 - Google Patents

计算机人工智能信息筛选方法 Download PDF

Info

Publication number
CN114579639A
CN114579639A CN202210231777.3A CN202210231777A CN114579639A CN 114579639 A CN114579639 A CN 114579639A CN 202210231777 A CN202210231777 A CN 202210231777A CN 114579639 A CN114579639 A CN 114579639A
Authority
CN
China
Prior art keywords
data
running state
underground
underground pipeline
pipe network
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.)
Withdrawn
Application number
CN202210231777.3A
Other languages
English (en)
Inventor
邵侠
朱冠宇
路红
韩哲
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.)
Shangqiu Normal University
Original Assignee
Shangqiu Normal University
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 Shangqiu Normal University filed Critical Shangqiu Normal University
Priority to CN202210231777.3A priority Critical patent/CN114579639A/zh
Publication of CN114579639A publication Critical patent/CN114579639A/zh
Withdrawn legal-status Critical Current

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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2477—Temporal data queries
    • 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
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • 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
    • G06F16/29—Geographical information databases
    • 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

本发明提供了计算机人工智能信息筛选方法，其利用地下管道网络监测设备采集地下管道运行状态参数，并向通信网关设备上传相应的参数信息数据包，以及对参数信息数据包进行第一次信息筛选处理，生成满足特定参数类型和参数采集时间条件的若干地下管网运行状态数据队列；最后利用计算机终端设备对通信网关设备上传的地下管网运行状态数据队列进行第二次信息筛选处理，确定其中存在的异常运行状态数据，判断地下管道的实际运行状态情况，其通过地下管道网络监测设备对地下管道进行自动化的监测，以及对监测得到的地下管道运行状态参数进行信息筛选处理，实现对运行状态参数的数据分析以及快速确定地下管道的实际运行状态。

Description

计算机人工智能信息筛选方法
技术领域
本发明涉及信息集成处理的技术领域，特别涉及计算机人工智能信息筛选方法。
背景技术
在城市基建中，会在城市地下设置供水管道、排污管道、供暖管道和天然气管道等不同类型的管道，从而组成覆盖范围管、延伸里程长和布局复杂的地下管道网络体系。为了保证地下管道网络体系的正常运行，工作人员会定期对特定区域的地下管道进行实地勘察，但是这种实地勘察的方式只能覆盖地下管网区域的一小部分，并且实地勘察周期长以及需要耗费较多的人力物力，其无法全面自动地获得地下管道网络的实时运行状态，降低了地下管道网络的监测智能化程度和监测数据信息筛选精确性。
发明内容
针对现有技术存在的缺陷，本发明提供计算机人工智能信息筛选方法，其利用地下管道网络监测设备采集地下管道运行状态参数，并向通信网关设备上传相应的参数信息数据包，以及对参数信息数据包进行第一次信息筛选处理，生成满足特定参数类型和参数采集时间条件的若干地下管网运行状态数据队列；最后利用计算机终端设备对通信网关设备上传的地下管网运行状态数据队列进行第二次信息筛选处理，确定其中存在的异常运行状态数据，判断地下管道的实际运行状态情况，其通过地下管道网络监测设备对地下管道进行自动化的监测，以及对监测得到的地下管道运行状态参数进行信息筛选处理，实现对运行状态参数的数据分析以及快速确定地下管道的实际运行状态，从而提高地下管道网络的监测智能化程度和监测数据信息筛选精确性。
本发明提供计算机人工智能信息筛选方法，其包括如下步骤：
步骤S1，获取地下管道网络监测设备采集得到的地下管道运行状态参数，将所述地下管道运行状态参数转换为参数信息数据包；并将所述参数信息数据包上传至通信网关设备；
步骤S2，根据地下管道运行状态参数的类型和采集时间，对通信网关设备的参数信息数据包进行第一次信息筛选处理，从而获得关于特定参数类型和参数采集时间的若干地下管网运行状态数据队列；
步骤S3，根据来自计算机终端设备的数据获取请求，指示通信网关设备向计算机终端设备上传相应的地下管网运行状态数据队列；再指示计算机终端设备对上传的地下管网运行状态数据队列进行第二次信息筛选处理，确定其中存在的异常运行状态数据，从而判断地下管道的实际运行状态情况。
进一步，在所述步骤S1中，获取地下管道网络监测设备采集得到的地下管道运行状态参数包括：
向地下管道网络监测设备发送监测触发指令，从所述监测触发指令中提取当前需要进行监测操作的地下管道网络区域位置信息；
根据所述地下管道网络区域位置信息，指示地下管道网络监测设备分布于对应地下管道网络区域的传感器进入数据采集工作状态，从而采集得到地下管道运行状态参数。
进一步，在所述步骤S1中，指示地下管道网络监测设备分布于对应地下管道网络区域的传感器进入数据采集工作状态之前还包括：
获取与所述传感器供电连接的蓄电池的实时剩余电量，将所述实时剩余电量与预设电量阈值进行比对；
若所述实时剩余电量大于或等于预设电量阈值，则按照第一预设数据采集频率指示所述传感器对地下管道网络区域进行地下管道运行状态参数的采集；
若所述实时剩余电量小于预设电量阈值，则按照第二预设数据采集频率指示所述传感器对地下管道网络区域进行地下管道运行状态参数的采集；其中，所述第一预设数据采集频率大于所述第二预设数据采集频率。
进一步，在所述步骤S1中，将所述地下管道运行状态参数转换为参数信息数据包包括：
将所述传感器进行参数采集的地下管道网络区域的地下管道位置信息作为所述地下管道运行状态参数的索引标识子信息，从而转换得到参数信息数据包；
以及，在所述步骤S1中，将所述参数信息数据包上传至通信网关设备包括：
获取通信网关设备中所有网关终端的实时数据上传速率，若所述实时数据上传速率大于或等于预设数据上传速率阈值，则将对应的网关终端标识为繁忙网关终端；若所述实时数据上传速率小于预设数据上传速率阈值，则将对应的网关终端标识为空闲网关终端；
将所述参数信息数据包上传至通信网关设备的空闲网关终端。
进一步，在所述步骤S2中，根据地下管道运行状态参数的类型和采集时间，对通信网关设备的参数信息数据包进行第一次信息筛选处理，从而获得关于特定参数类型和参数采集时间的若干地下管网运行状态数据队列包括：
从来自计算机终端设备的数据获取请求中提取得到计算终端设备需要获取的地下管道运行状态参数所针对的地下管道类型和传感器采集得到地下管道运行状态参数的时间范围；
根据所述地下管道类型和所述时间范围，从通信网关设备的空闲网关终端内筛选出对应类型管道在所述时间范围内所属的地下管道运行状态参数；
再按照筛选得到的地下管道运行状态参数的采集时间先后顺序，生成若干地下管网运行状态数据队列，并对每个地下管网运行状态数据队列存在的乱码数据进行剔除。
进一步，在所述步骤S2中，按照筛选得到的地下管道运行状态参数的采集时间先后顺序，生成若干地下管网运行状态数据队列，并对每个地下管网运行状态数据队列存在的乱码数据进行剔除具体包括：
按照筛选得到的地下管道运行状态参数的采集时间由早到晚的顺序，生成若干地下管网运行状态数据队列；其中，每个地下管网运行状态数据队列包含不同时间段采集的地下管道运行状态参数，不同地下管网运行状态数据队列对应的时间段相互衔接；
再根据每个地下管网运行状态数据队列中所有数据项各自的数据格式，确定对应数据项是否属于乱码数据，并将属于乱码数据的数据项删除。
进一步，在所述步骤S2中，根据每个地下管网运行状态数据队列中所有数据项各自的数据格式，确定对应数据项是否属于乱码数据，并将属于乱码数据的数据项删除具体包括：
步骤S201，利用下面公式(1)，根据所有数据项各自的数据帧头的帧头数据长度进行一次筛选乱码并删除其中相应的乱码，
Figure BDA0003540801760000041
在上述公式(1)中，P(i)表示数据队列中的第i个数据项的删除控制值；[D(i)]2表示数据队列中的第i个数据项的二进制形式；len{}表示求取括号内的数据位数；
若P(i)＝1，表示数据队列中的第i个数据项属于乱码数据，需要将第i个数据项删除；
若P(i)＝0，表示数据队列中的第i个数据项不属于乱码数据，不需要将第i个数据项删除，以及将第i个数据项保留；
按照上述过程对数据队列中所有数据项进行乱码数据的筛选删除，以及保留得到一次筛选后的数据并记做D(a)，D(a)为一次筛选后得到的数据队列中的第a个数据项；
步骤S202，利用下面公式(2)，根据一次筛选后的所有数据项各自的数据帧头，确定每个数据项各自的理论数据长度，
Figure BDA0003540801760000042
在上述公式(2)中，L(a)表示一次筛选后得到的数据队列中的第a个数据项的理论数据长度；[S(a)]2表示一次筛选后得到的数据队列中的第a个数据项转换为二进制形式后的前64为数据，由于一次筛选后得到的数据队列中的第a个数据项D(a)不属于乱码数据，则D(a)的前64为表示帧头，帧头后的32位表示数据项D(a)的数据长度，机整个数据项D(a)的数据位数；&&表示按位与运算；
Figure BDA0003540801760000051
表示前32为全部为0以及后32位全部为1所组成的二进制数据；{}10表示将括号内的数值转换为十进制数；
步骤S203，利用下面公式(3)，根据每个数据项D(a)各自的理论数据长度，判断数据项D(a)中是否存在乱码数据，
Figure BDA0003540801760000052
在上述公式(3)中，E表示一次筛选后得到的数据队列中是否存在乱码数据是否存在乱码数据的验证值；[D(a)]2表示数据项D(a)的二进制形式；||表示求取绝对值运算；n表示一次筛选后保留的数据项个数；
若E＝1，则表示一次筛选后得到的数据队列中存在乱码数据，并将满足len{[D(a)]2}-L(a)＝0的所有数据项删除；
若E＝0，则表示一次筛选后得到的数据队列中不存在乱码数据，并将一次筛选后得到的数据队列整体保留。
进一步，在所述步骤S3中，根据来自计算机终端设备的数据获取请求，指示通信网关设备向计算机终端设备上传相应的地下管网运行状态数据队列包括：
从来自计算机终端设备的数据获取请求中提取得到计算机终端设备需要获取的地下管网运行状态参数的监测时间，并指示通信网关设备从所有地下管网运行状态数据队列中摘选具有与所述监测时间相同的采集时间的地下管网运行状态参数；
再将摘选得到的地下管网运行状态参数以物联网制式数据的形式上传至计算机终端设备。
进一步，在所述步骤S3中，指示计算机终端设备对上传的地下管网运行状态数据队列进行第二次信息筛选处理，确定其中存在的异常运行状态数据，从而判断地下管道的实际运行状态情况包括：
指示计算机终端设备获取通信网关终端上传的地下管网运行状态参数的参数值，并根据所述参数值，确定地下管网运行状态的变化趋势；
根据所述地下管网运行状态的变化趋势，筛选出地下管网中处于运行异常状态的地下管道；再确定处于运行异常状态的地下管道的地理位置信息。
相比于现有技术，该计算机人工智能信息筛选方法利用地下管道网络监测设备采集地下管道运行状态参数，并向通信网关设备上传相应的参数信息数据包，以及对参数信息数据包进行第一次信息筛选处理，生成满足特定参数类型和参数采集时间条件的若干地下管网运行状态数据队列；最后利用计算机终端设备对通信网关设备上传的地下管网运行状态数据队列进行第二次信息筛选处理，确定其中存在的异常运行状态数据，判断地下管道的实际运行状态情况，其通过地下管道网络监测设备对地下管道进行自动化的监测，以及对监测得到的地下管道运行状态参数进行信息筛选处理，实现对运行状态参数的数据分析以及快速确定地下管道的实际运行状态，从而提高地下管道网络的监测智能化程度和监测数据信息筛选精确性。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
图1为本发明提供的计算机人工智能信息筛选方法的流程示意图。
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他实施例，都属于本发明保护的范围。
参阅图1，为本发明实施例提供的计算机人工智能信息筛选方法的流程示意图。该计算机人工智能信息筛选方法包括如下步骤：
步骤S1，获取地下管道网络监测设备采集得到的地下管道运行状态参数，将该地下管道运行状态参数转换为参数信息数据包；并将该参数信息数据包上传至通信网关设备；
步骤S2，根据地下管道运行状态参数的类型和采集时间，对通信网关设备的参数信息数据包进行第一次信息筛选处理，从而获得关于特定参数类型和参数采集时间的若干地下管网运行状态数据队列；
步骤S3，根据来自计算机终端设备的数据获取请求，指示通信网关设备向计算机终端设备上传相应的地下管网运行状态数据队列；再指示计算机终端设备对上传的地下管网运行状态数据队列进行第二次信息筛选处理，确定其中存在的异常运行状态数据，从而判断地下管道的实际运行状态情况。
上述技术方案的有益效果为：该计算机人工智能信息筛选方法利用地下管道网络监测设备采集地下管道运行状态参数，并向通信网关设备上传相应的参数信息数据包，以及对参数信息数据包进行第一次信息筛选处理，生成满足特定参数类型和参数采集时间条件的若干地下管网运行状态数据队列；最后利用计算机终端设备对通信网关设备上传的地下管网运行状态数据队列进行第二次信息筛选处理，确定其中存在的异常运行状态数据，判断地下管道的实际运行状态情况，其通过地下管道网络监测设备对地下管道进行自动化的监测，以及对监测得到的地下管道运行状态参数进行信息筛选处理，实现对运行状态参数的数据分析以及快速确定地下管道的实际运行状态，从而提高地下管道网络的监测智能化程度和监测数据信息筛选精确性。
优选地，在该步骤S1中，获取地下管道网络监测设备采集得到的地下管道运行状态参数包括：
向地下管道网络监测设备发送监测触发指令，从该监测触发指令中提取当前需要进行监测操作的地下管道网络区域位置信息；
根据该地下管道网络区域位置信息，指示地下管道网络监测设备分布于对应地下管道网络区域的传感器进入数据采集工作状态，从而采集得到地下管道运行状态参数。
上述技术方案的有益效果为：地下管道网络监测设备可包括若干以分布式形式安装在地下管道网络不同区域位置的数据采集终端，每个数据采集终端可包括但不限于温度传感器、湿度传感器、水浸传感器、天然气传感器和蓄电池；其中，蓄电池与温度传感器、湿度传感器、水浸传感器和天然气传感器供电连接。温度传感器用于采集对应地下管道网络区域的温度，以确定是否发生供暖管道破裂。湿度传感器用于采集对应地下管道网络区域的湿度，以确定是否发生排污管道破裂。水浸传感器用于采集对应地下管道网络区域的水位高度，以确定是否发生供水管道破裂。天然气传感器用于采集对应地下管道网络区域的天然气浓度，以确定是否发生天然气泄漏。当向地下管道网路监测设备发送监测触发指令时，根据检测触发指令中的地下管道网络区域位置信息，指示相应位置的数据采集终端的传感器从休眠状态切换至工作状态，并采集得到地下管道运行状态参数，这样能够根据实际需要对地下管道网络的整个区域或者部分区域进行监测，从而实现对地下管道网络的监测自动化程度。
优选地，在该步骤S1中，指示地下管道网络监测设备分布于对应地下管道网络区域的传感器进入数据采集工作状态之前还包括：
获取与该传感器供电连接的蓄电池的实时剩余电量，将该实时剩余电量与预设电量阈值进行比对；
若该实时剩余电量大于或等于预设电量阈值，则按照第一预设数据采集频率指示该传感器对地下管道网络区域进行地下管道运行状态参数的采集
若该实时剩余电量小于预设电量阈值，则按照第二预设数据采集频率指示该传感器对地下管道网络区域进行地下管道运行状态参数的采集；其中，该第一预设数据采集频率大于该第二预设数据采集频率。
上述技术方案的有益效果为：每个数据采集终端的蓄电池对温度传感器、湿度传感器、水浸传感器和天然气传感器进行供电。通过获取蓄电池的实时剩余电量，以此判断蓄电池的剩余电量是否充足。当蓄电池的实时剩余电量大于或等于预设电量阈值，表明蓄电池的剩余电量充足，指示相应的传感器以较高的第一预设数据采集频率工作，这样可保证传感器采集足够多的数据样本；当蓄电池的实时剩余电量小于预设电量阈值，表明蓄电池的剩余电量不足，指示相应的传感器以较低的第二预设数据采集频率工作，这样可避免传感器频繁采集数据样本而快速消耗蓄电池的电量，增大蓄电池的续航时间。
优选地，在该步骤S1中，将该地下管道运行状态参数转换为参数信息数据包包括：
将该传感器进行参数采集的地下管道网络区域的地下管道位置信息作为该地下管道运行状态参数的索引标识子信息，从而转换得到参数信息数据包；
以及，在该步骤S1中，将该参数信息数据包上传至通信网关设备包括：
获取通信网关设备中所有网关终端的实时数据上传速率，若该实时数据上传速率大于或等于预设数据上传速率阈值，则将对应的网关终端标识为繁忙网关终端；若该实时数据上传速率小于预设数据上传速率阈值，则将对应的网关终端标识为空闲网关终端；
将该参数信息数据包上传至通信网关设备的空闲网关终端。
上述技术方案的有益效果为：将地下管道位置信息作为地下管道运行状态参数的索引标识子信息，并转换得到参数信息数据包，这样通过对参数信息数据包的头部索引信息进行识别，即可准确确定地下管道运行状态参数实际对应的地下管道位置区域，便于后续快速对相应的位置区域进行管道维护。此外，利用通信网关设备中当前数据上传速率较小的网关终端作为地下管道网络监测设备与计算机终端设备之间的数据传输中介，这样可避免地下管道运行状态参数发生传输拥堵以及提高地下管道运行状态参数的上传速率。
优选地，在该步骤S2中，根据地下管道运行状态参数的类型和采集时间，对通信网关设备的参数信息数据包进行第一次信息筛选处理，从而获得关于特定参数类型和参数采集时间的若干地下管网运行状态数据队列包括：
从来自计算机终端设备的数据获取请求中提取得到计算终端设备需要获取的地下管道运行状态参数所针对的地下管道类型和传感器采集得到地下管道运行状态参数的时间范围；
根据该地下管道类型和该时间范围，从通信网关设备的空闲网关终端内筛选出对应类型管道在该时间范围内所属的地下管道运行状态参数；
再按照筛选得到的地下管道运行状态参数的采集时间先后顺序，生成若干地下管网运行状态数据队列，并对每个地下管网运行状态数据队列存在的乱码数据进行剔除。
上述技术方案的有益效果为：从数据获取请求中提取需要获取的地下管道运行状态参数所针对的地下管道类型和传感器采集得到地下管道运行状态参数的时间范围，即需要获取的地下管道运行状态参数究竟是属于供水管道、供暖管道、排污管道还是天然气管道，以及传感器采集得到地下管道运行状态参数的时间区间范围，这样可便于快速从海量的地下管道运行状态参数中摘选处符合相应条件的参数部分，并生成相应的地下管网运行状态数据队列，从而提高地下管道运行状态参数的摘选效率和准确性。
优选地，在该步骤S2中，按照筛选得到的地下管道运行状态参数的采集时间先后顺序，生成若干地下管网运行状态数据队列，并对每个地下管网运行状态数据队列存在的乱码数据进行剔除具体包括
按照筛选得到的地下管道运行状态参数的采集时间由早到晚的顺序，生成若干地下管网运行状态数据队列；其中，每个地下管网运行状态数据队列包含不同时间段采集的地下管道运行状态参数，不同地下管网运行状态数据队列对应的时间段相互衔接；
再根据每个地下管网运行状态数据队列中所有数据项各自的数据格式，确定对应数据项是否属于乱码数据，并将属于乱码数据的数据项删除。
上述技术方案的有益效果为：按照筛选得到的地下管道运行状态参数的采集时间由早到晚的顺序，生成若干地下管网运行状态数据队列，并且不同地下管网运行状态数据队列对应的时间段相互衔接，这样能够将预定时间区间内采集得到的地下管道运行状态参数，细分为属于不同时间子区间的地下管网运行状态数据队列，并且每个时间子区间在时间顺序上是依次衔接的；随后根据每个地下管网运行状态数据队列包含的数据项的数据格式进行识别，若对应的数据格式不属于预设的若干数据格式，则将对应的数据项确定为乱码数据并进行删除，这样可降低地下管网运行状态数据队列的数据噪声。
优选地，在该步骤S2中，根据每个地下管网运行状态数据队列中所有数据项各自的数据格式，确定对应数据项是否属于乱码数据，并将属于乱码数据的数据项删除具体包括：
步骤S201，利用下面公式(1)，根据所有数据项各自的数据帧头的帧头数据长度进行一次筛选乱码并删除其中相应的乱码，
Figure BDA0003540801760000111
在上述公式(1)中，P(i)表示数据队列中的第i个数据项的删除控制值；[D(i)]2表示数据队列中的第i个数据项的二进制形式；len{}表示求取括号内的数据位数；
若P(i)＝1，表示数据队列中的第i个数据项属于乱码数据，需要将第i个数据项删除；
若P(i)＝0，表示数据队列中的第i个数据项不属于乱码数据，不需要将第i个数据项删除，以及将第i个数据项保留；
按照上述过程对数据队列中所有数据项进行乱码数据的筛选删除，以及保留得到一次筛选后的数据并记做D(a)，D(a)为一次筛选后得到的数据队列中的第a个数据项；
步骤S202，利用下面公式(2)，根据一次筛选后的所有数据项各自的数据帧头，确定每个数据项各自的理论数据长度，
Figure BDA0003540801760000121
在上述公式(2)中，L(a)表示一次筛选后得到的数据队列中的第a个数据项的理论数据长度；[S(a)]2表示一次筛选后得到的数据队列中的第a个数据项转换为二进制形式后的前64为数据，由于一次筛选后得到的数据队列中的第a个数据项D(a)不属于乱码数据，则D(a)的前64为表示帧头，帧头后的32位表示数据项D(a)的数据长度，机整个数据项D(a)的数据位数；&&表示按位与运算；
Figure BDA0003540801760000122
表示前32为全部为0以及后32位全部为1所组成的二进制数据；{}10表示将括号内的数值转换为十进制数；
步骤S203，利用下面公式(3)，根据每个数据项D(a)各自的理论数据长度，判断数据项D(a)中是否存在乱码数据，
Figure BDA0003540801760000123
在上述公式(3)中，E表示一次筛选后得到的数据队列中是否存在乱码数据是否存在乱码数据的验证值；[D(a)]2表示数据项D(a)的二进制形式；||表示求取绝对值运算；n表示一次筛选后保留的数据项个数；
若E＝1，则表示一次筛选后得到的数据队列中存在乱码数据，并将满足len{[D(a)]2}-L(a)＝0的所有数据项删除；
若E＝0，则表示一次筛选后得到的数据队列中不存在乱码数据，并将一次筛选后得到的数据队列整体保留。
上述技术方案的有益效果为：利用上述公式(1)根据数据项各自的数据帧头的帧头数据长度进行一次筛选乱码并删除乱码，进而将好筛选的乱码优先进行删除从而提高后续的计算和判断效率；然后利用上述公式(2)根据一次筛选后的所有数据项各自的数据帧头确定各自数据的理论数据长度，进而通过数据长度来进行进一步的筛选，并且帧头中表示数据长度的位数为32位，可以极大的避免乱码被误判的情况，使得误判乱码的概率降到极低，确保乱码识别的准确率；最后利用上述公式(3)根据各自数据的数据长度判断所述数据队列中所有数据项的是否存在乱码数据，从而可以快速的二次识别出乱码进行删除，保证了系统的可靠性。
优选地，在该步骤S3中，根据来自计算机终端设备的数据获取请求，指示通信网关设备向计算机终端设备上传相应的地下管网运行状态数据队列包括：
从来自计算机终端设备的数据获取请求中提取得到计算机终端设备需要获取的地下管网运行状态参数的监测时间，并指示通信网关设备从所有地下管网运行状态数据队列中摘选具有与该监测时间相同的采集时间的地下管网运行状态参数；
再将摘选得到的地下管网运行状态参数以物联网制式数据的形式上传至计算机终端设备。
上述技术方案的有益效果为：从数据获取请求中提取得到需要获取的地下管网运行状态参数的监测时间，并以该监测时间为基准，从所有地下管网运行状态数据队列中摘选具有与该监测时间相一致的采集时间的地下管网运行状态参数，进一步通过物联网上传至计算机终端设备，从而提高通信网关设备与计算机终端设备的数据交互效率。
优选地，在该步骤S3中，指示计算机终端设备对上传的地下管网运行状态数据队列进行第二次信息筛选处理，确定其中存在的异常运行状态数据，从而判断地下管道的实际运行状态情况包括：
指示计算机终端设备获取通信网关终端上传的地下管网运行状态参数的参数值，并根据该参数值，确定地下管网运行状态的变化趋势；
根据该地下管网运行状态的变化趋势，筛选出地下管网中处于运行异常状态的地下管道；再确定处于运行异常状态的地下管道的地理位置信息。
上述技术方案的有益效果为：利用计算机终端设备对上传的地下管网运行状态参数的参数值进行处理，得到预设时间区间的地下管网运行状态的变化趋势，其中该变化趋势可为但不限于是在预设时间区间内特定类型的管道的温度、湿度、水位高度或天然气浓度等物理量的变化曲线；接着根据该地下管网运行状态的变化趋势，筛选出特定类型的管道的温度、湿度、水位高度或天然气浓度等物理量存在异常的情况，最后处于运行异常状态的地下管道的地理位置信息，从而快速地和准确地筛选出异常的地下管道以及提高地下管道网络的监测智能化程度。
从上述实施例的内容可知，该计算机人工智能信息筛选方法利用地下管道网络监测设备采集地下管道运行状态参数，并向通信网关设备上传相应的参数信息数据包，以及对参数信息数据包进行第一次信息筛选处理，生成满足特定参数类型和参数采集时间条件的若干地下管网运行状态数据队列；最后利用计算机终端设备对通信网关设备上传的地下管网运行状态数据队列进行第二次信息筛选处理，确定其中存在的异常运行状态数据，判断地下管道的实际运行状态情况，其通过地下管道网络监测设备对地下管道进行自动化的监测，以及对监测得到的地下管道运行状态参数进行信息筛选处理，实现对运行状态参数的数据分析以及快速确定地下管道的实际运行状态，从而提高地下管道网络的监测智能化程度和监测数据信息筛选精确性。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.计算机人工智能信息筛选方法，其特征在于，其包括如下步骤：
步骤S1，获取地下管道网络监测设备采集得到的地下管道运行状态参数，将所述地下管道运行状态参数转换为参数信息数据包；并将所述参数信息数据包上传至通信网关设备；
步骤S2，根据地下管道运行状态参数的类型和采集时间，对通信网关设备的参数信息数据包进行第一次信息筛选处理，从而获得关于特定参数类型和参数采集时间的若干地下管网运行状态数据队列；
步骤S3，根据来自计算机终端设备的数据获取请求，指示通信网关设备向计算机终端设备上传相应的地下管网运行状态数据队列；再指示计算机终端设备对上传的地下管网运行状态数据队列进行第二次信息筛选处理，确定其中存在的异常运行状态数据，从而判断地下管道的实际运行状态情况。
2.如权利要求1所述的计算机人工智能信息筛选方法，其特征在于：
在所述步骤S1中，获取地下管道网络监测设备采集得到的地下管道运行状态参数包括：
向地下管道网络监测设备发送监测触发指令，从所述监测触发指令中提取当前需要进行监测操作的地下管道网络区域位置信息；
根据所述地下管道网络区域位置信息，指示地下管道网络监测设备分布于对应地下管道网络区域的传感器进入数据采集工作状态，从而采集得到地下管道运行状态参数。
3.如权利要求2所述的计算机人工智能信息筛选方法，其特征在于：
在所述步骤S1中，指示地下管道网络监测设备分布于对应地下管道网络区域的传感器进入数据采集工作状态之前还包括：
获取与所述传感器供电连接的蓄电池的实时剩余电量，将所述实时剩余电量与预设电量阈值进行比对；
若所述实时剩余电量大于或等于预设电量阈值，则按照第一预设数据采集频率指示所述传感器对地下管道网络区域进行地下管道运行状态参数的采集；
若所述实时剩余电量小于预设电量阈值，则按照第二预设数据采集频率指示所述传感器对地下管道网络区域进行地下管道运行状态参数的采集；其中，所述第一预设数据采集频率大于所述第二预设数据采集频率。
4.如权利要求3所述的计算机人工智能信息筛选方法，其特征在于：
在所述步骤S1中，将所述地下管道运行状态参数转换为参数信息数据包包括：
将所述传感器进行参数采集的地下管道网络区域的地下管道位置信息作为所述地下管道运行状态参数的索引标识子信息，从而转换得到参数信息数据包；
以及，
在所述步骤S1中，将所述参数信息数据包上传至通信网关设备包括：获取通信网关设备中所有网关终端的实时数据上传速率，若所述实时数据上传速率大于或等于预设数据上传速率阈值，则将对应的网关终端标识为繁忙网关终端；若所述实时数据上传速率小于预设数据上传速率阈值，则将对应的网关终端标识为空闲网关终端；
将所述参数信息数据包上传至通信网关设备的空闲网关终端。
5.如权利要求4所述的计算机人工智能信息筛选方法，其特征在于：
在所述步骤S2中，根据地下管道运行状态参数的类型和采集时间，对通信网关设备的参数信息数据包进行第一次信息筛选处理，从而获得关于特定参数类型和参数采集时间的若干地下管网运行状态数据队列包括：
从来自计算机终端设备的数据获取请求中提取得到计算终端设备需要获取的地下管道运行状态参数所针对的地下管道类型和传感器采集得到地下管道运行状态参数的时间范围；
根据所述地下管道类型和所述时间范围，从通信网关设备的空闲网关终端内筛选出对应类型管道在所述时间范围内所属的地下管道运行状态参数；
再按照筛选得到的地下管道运行状态参数的采集时间先后顺序，生成若干地下管网运行状态数据队列，并对每个地下管网运行状态数据队列存在的乱码数据进行剔除。
6.如权利要求5所述的计算机人工智能信息筛选方法，其特征在于：
在所述步骤S2中，按照筛选得到的地下管道运行状态参数的采集时间先后顺序，生成若干地下管网运行状态数据队列，并对每个地下管网运行状态数据队列存在的乱码数据进行剔除具体包括：
按照筛选得到的地下管道运行状态参数的采集时间由早到晚的顺序，生成若干地下管网运行状态数据队列；其中，每个地下管网运行状态数据队列包含不同时间段采集的地下管道运行状态参数，不同地下管网运行状态数据队列对应的时间段相互衔接；
再根据每个地下管网运行状态数据队列中所有数据项各自的数据格式，确定对应数据项是否属于乱码数据，并将属于乱码数据的数据项删除。
7.如权利要求6所述的计算机人工智能信息筛选方法，其特征在于：
在所述步骤S2中，根据每个地下管网运行状态数据队列中所有数据项各自的数据格式，确定对应数据项是否属于乱码数据，并将属于乱码数据的数据项删除具体包括：
步骤S201，利用下面公式(1)，根据所有数据项各自的数据帧头的帧头数据长度进行一次筛选乱码并删除其中相应的乱码，
Figure FDA0003540801750000031
在上述公式(1)中，P(i)表示数据队列中的第i个数据项的删除控制值；[D(i)]2表示数据队列中的第i个数据项的二进制形式；len{}表示求取括号内的数据位数；
若P(i)＝1，表示数据队列中的第i个数据项属于乱码数据，需要将第i个数据项删除；
若P(i)＝0，表示数据队列中的第i个数据项不属于乱码数据，不需要将第i个数据项删除，以及将第i个数据项保留；
按照上述过程对数据队列中所有数据项进行乱码数据的筛选删除，以及保留得到一次筛选后的数据并记做D(a)，D(a)为一次筛选后得到的数据队列中的第a个数据项；
步骤S202，利用下面公式(2)，根据一次筛选后的所有数据项各自的数据帧头，确定每个数据项各自的理论数据长度，
Figure FDA0003540801750000041
在上述公式(2)中，L(a)表示一次筛选后得到的数据队列中的第a个数据项的理论数据长度；[S(a)]2表示一次筛选后得到的数据队列中的第a个数据项转换为二进制形式后的前64为数据，由于一次筛选后得到的数据队列中的第a个数据项D(a)不属于乱码数据，则D(a)的前64为表示帧头，帧头后的32位表示数据项D(a)的数据长度，机整个数据项D(a)的数据位数；&&表示按位与运算；
Figure FDA0003540801750000042
表示前32为全部为0以及后32位全部为1所组成的二进制数据；{}10表示将括号内的数值转换为十进制数；
步骤S203，利用下面公式(3)，根据每个数据项D(a)各自的理论数据长度，判断数据项D(a)中是否存在乱码数据，
Figure FDA0003540801750000043
在上述公式(3)中，E表示一次筛选后得到的数据队列中是否存在乱码数据是否存在乱码数据的验证值；[D(a)]2表示数据项D(a)的二进制形式；| |表示求取绝对值运算；n表示一次筛选后保留的数据项个数；若E＝1，则表示一次筛选后得到的数据队列中存在乱码数据，并将满足len{[D(a)]2}-L(a)＝0的所有数据项删除；
若E＝0，则表示一次筛选后得到的数据队列中不存在乱码数据，并将一次筛选后得到的数据队列整体保留。
8.如权利要求1所述的计算机人工智能信息筛选方法，其特征在于：
在所述步骤S3中，根据来自计算机终端设备的数据获取请求，指示通信网关设备向计算机终端设备上传相应的地下管网运行状态数据队列包括：
从来自计算机终端设备的数据获取请求中提取得到计算机终端设备需要获取的地下管网运行状态参数的监测时间，并指示通信网关设备从所有地下管网运行状态数据队列中摘选具有与所述监测时间相同的采集时间的地下管网运行状态参数；
再将摘选得到的地下管网运行状态参数以物联网制式数据的形式上传至计算机终端设备。
9.如权利要求7所述的计算机人工智能信息筛选方法，其特征在于：
在所述步骤S3中，指示计算机终端设备对上传的地下管网运行状态数据队列进行第二次信息筛选处理，确定其中存在的异常运行状态数据，从而判断地下管道的实际运行状态情况包括：
指示计算机终端设备获取通信网关终端上传的地下管网运行状态参数的参数值，并根据所述参数值，确定地下管网运行状态的变化趋势；根据所述地下管网运行状态的变化趋势，筛选出地下管网中处于运行异常状态的地下管道；再确定处于运行异常状态的地下管道的地理位置信息。
CN202210231777.3A 2022-03-10 2022-03-10 计算机人工智能信息筛选方法 Withdrawn CN114579639A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210231777.3A CN114579639A (zh) 2022-03-10 2022-03-10 计算机人工智能信息筛选方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210231777.3A CN114579639A (zh) 2022-03-10 2022-03-10 计算机人工智能信息筛选方法

Publications (1)

Publication Number Publication Date
CN114579639A true CN114579639A (zh) 2022-06-03

Family

ID=81772739

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210231777.3A Withdrawn CN114579639A (zh) 2022-03-10 2022-03-10 计算机人工智能信息筛选方法

Country Status (1)

Country Link
CN (1) CN114579639A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117061239A (zh) * 2023-10-10 2023-11-14 国网四川省电力公司信息通信公司 物联终端运行数据安全上传与存储方法和系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117061239A (zh) * 2023-10-10 2023-11-14 国网四川省电力公司信息通信公司 物联终端运行数据安全上传与存储方法和系统
CN117061239B (zh) * 2023-10-10 2023-12-22 国网四川省电力公司信息通信公司 物联终端运行数据安全上传与存储方法和系统

Similar Documents

Publication Publication Date Title
WO2020134867A1 (zh) 一种用于电力终端的异常数据的检测方法及装置
CN111191767B (zh) 一种基于向量化的恶意流量攻击类型的判断方法
CN112327100B (zh) 基于物联网的电力故障检测方法及其系统
CN111176953B (zh) 一种异常检测及其模型训练方法、计算机设备和存储介质
CN115375522A (zh) 智慧城市碳中和数据分析系统
CN114579639A (zh) 计算机人工智能信息筛选方法
CN112836720B (zh) 建筑运维设备异常诊断方法、系统及计算机可读存储介质
CN108289125A (zh) 基于流式处理的tcp会话重组与统计数据提取方法
CN115272027A (zh) 一种用于双碳管理的低碳排放数据监测系统
CN111666652A (zh) 蒸汽热网疏水器巡检排放操作调度方法及操作调度系统
CN113315777B (zh) 一种基于电力规约操作智能运维监控系统
CN117061239B (zh) 物联终端运行数据安全上传与存储方法和系统
CN116862081B (zh) 一种污染治理设备运维方法及系统
CN113379005A (zh) 一种电网电力设备能源智能管理系统及方法
CN117411703A (zh) 一种面向Modbus协议的工业控制网络异常流量检测方法
CN115842847B (zh) 一种基于物联网的水表智能控制方法、系统及介质
CN114726892B (zh) 基于人工智能大数据的边缘数据收集方法
CN116488852A (zh) 一种基于aigc的网络安全伺服系统
CN112907111A (zh) 一种基于物联网技术的监控数据智能采集及分析方法
CN112884170A (zh) 一种综合管廊预测性智能运维系统及方法
CN115811722B (zh) 基于物联网的远程无线防汛水位信号传输系统
CN116418674B (zh) 智能物联网vpn路由器系统自动低延迟管理的方法、装置
CN117347791B (zh) 基于大数据的电力电网故障在线识别系统及方法
CN117610322B (zh) 基于数字孪生的智慧水务动态监测系统及监测方法
CN111314170B (zh) 一种基于连接统计规律分析的特征模糊p2p协议识别方法

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20220603

WW01 Invention patent application withdrawn after publication