CN116186017B - 一种大数据协同监管方法及平台 - Google Patents
一种大数据协同监管方法及平台 Download PDFInfo
- Publication number
- CN116186017B CN116186017B CN202310450512.7A CN202310450512A CN116186017B CN 116186017 B CN116186017 B CN 116186017B CN 202310450512 A CN202310450512 A CN 202310450512A CN 116186017 B CN116186017 B CN 116186017B
- Authority
- CN
- China
- Prior art keywords
- data
- supervision
- collaborative
- monitoring
- target
- 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
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
- G06F16/21—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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
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)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及大数据管理技术领域,具体公开了一种大数据协同监管方法及平台,通过从分布式系统的各数据源采集目标监管项目的当前监测数据、纵向协同监测数据集、横向协同监测数据集和关联协同监测数据集,来确定纵向数据比较结果、横向数据比较结果和关联数据比较结果,然后基于设定的项目监管规则计算得到协同监管调整系数,利用协同监管调整系数计算目标监管项目的监测调节数据,根据监测调节数据判定目标监管项目是否需要进行异常提示,在需要进行异常提示时,发出相应的协同监管提示信息。本发明可以实现基于纵向比较、横向比较和关联关系比较的多维度大数据协同监管,提高对于目标监管项目的监管效率和监管质量。
Description
技术领域
本发明属于大数据管理技术领域,具体涉及一种大数据协同监管方法及平台。
背景技术
大数据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。随着互联网产业的飞速发展,各行各业的业务数据量呈指数增长,如何利用大数据分析手段实现对相应业务/项目的数据监管,以保证业务的正常运转,正成为各产业大数据管理亟需解决的问题。
现有的大数据监管方案通常只从采集相应业务/项目的单一维度监管数据来进行简单的阈值比较,从而根据阈值比较结果判定数据是否异常,这种方式没有充分考虑到监管业务/项目数据与其他相关维度数据的关联性,无法实现基于多元化数据的协同式监管,所达到的监管质量和效果都还有待提升。
发明内容
本发明的目的是提供一种大数据协同监管方法及平台,用以解决现有技术中存在的上述问题。
为了实现上述目的,本发明采用以下技术方案:
第一方面,提供一种大数据协同监管方法,包括:
获取对于目标监管项目的数据协同监管任务指令集,所述数据协同监管任务指令集包含目标监管项目对应的项目标识信息、项目监管规则以及监管数据参照区间;
根据目标监管项目的项目标识信息从分布式系统中采集目标监管项目的当前监测数据、纵向协同监测数据集、横向协同监测数据集和关联协同监测数据集,所述分布式系统由若干分散的计算机通过互联网络连接组成,分布式系统中存储有各项目标识信息关联的当前监测数据、纵向协同监测数据集、横向协同监测数据集和关联协同监测数据集;
根据当前监测数据和纵向协同监测数据集确定目标监管项目的纵向数据比较结果,根据当前监测数据和横向协同监测数据集确定目标监管项目的横向数据比较结果,根据当前监测数据和关联协同监测数据集确定目标监管项目的关联数据比较结果;
根据纵向数据比较结果计算纵向变动参量,根据横向数据比较结果计算横向变动参量,根据关联数据比较结果计算关联变动参量;
根据纵向变动参量、横向变动参量、关联变动参量以及项目监管规则,确定协同监管调整系数;
根据协同监管调整系数及目标监管项目的当前监测数据计算监测调节数据;
将监测调节数据与监管数据参照区间进行比对,根据比对结果判定目标监管项目是否需要进行异常提示,并在判定目标监管项目需要进行异常提示时,根据项目标识信息发出相应的协同监管提示信息。
在一个可能的设计中,所述纵向协同监测数据集包括目标监管项目在分布式系统中各历史监测时间点的历史监测数据,所述横向协同监测数据集包括目标监管项目在分布式系统中当前监测时间点各同类监管项目的同类监测数据,所述关联协同监测数据集包括目标监管项目在分布式系统中当前监测时间点各关联监管项目的关联监测数据。
在一个可能的设计中,所述根据当前监测数据和纵向协同监测数据集确定目标监管项目的纵向数据比较结果,包括:确定当前监测数据与纵向协同监测数据集中各历史监测数据的差值,并利用各差值组成第一差值组,将第一差值组作为目标监管项目的纵向数据比较结果。
在一个可能的设计中,所述根据当前监测数据和横向协同监测数据集确定目标监管项目的横向数据比较结果,包括:确定当前监测数据与横向协同监测数据集中各同类监测数据的差值,并利用各差值组成第二差值组,将第二差值组作为目标监管项目的横向数据比较结果。
在一个可能的设计中,所述根据当前监测数据和关联协同监测数据集确定目标监管项目的关联数据比较结果,包括:确定目标监管项目与相应关联监管项目的关联类型,根据关联类型从数据库中匹配调取对应的关联运算式,所述数据库中存有若干预先配置的关联运算式,各关联运算式分别关联对应相应的关联类型;根据关联运算式、当前监测数据以及相应关联监管项目的关联监测数据计算得到对应的运算值;根据运算值及关联类型确定目标监管项目与相应关联监管项目的关联值,并利用各关联值组成关联值组,将关联值组作为目标监管项目的关联数据比较结果。
在一个可能的设计中,所述根据纵向数据比较结果计算纵向变动参量,根据横向数据比较结果计算横向变动参量,根据关联数据比较结果计算关联变动参量,包括:利用纵向数据比较结果计算第一标准差,将第一标准差作为纵向变动参量;利用横向数据比较结果计算第二标准差,将第二标准差作为横向变动参量;利用关联数据比较结果计算第三标准差,将第三标准差作为关联变动参量。
在一个可能的设计中,所述项目监管规则包含设定的参量计算模型,所述根据纵向变动参量、横向变动参量、关联变动参量以及项目监管规则,确定协同监管调整系数,包括:调取项目监管规则中的参量计算模型,将纵向变动参量、横向变动参量和关联变动参量代入参量计算模型进行计算,得到协同监管调整系数。
在一个可能的设计中,所述监测调节数据包括上限监测调节数据和下限监测调节数据,所述根据协同监管调整系数及目标监管项目的当前监测数据计算监测调节数据,包括:将协同监管调整系数分别取正和取负,用取正的协同监管调整系数加上一后乘以当前监测数据得到上限监测调节数据,用取负的协同监管调整系数加上一后乘以当前监测数据得到下限监测调节数据。
在一个可能的设计中,所述将监测调节数据与监管数据参照区间进行比对,根据比对结果判定目标监管项目是否需要进行异常提示,包括:分别用上限监测调节数据和下限监测调节数据来与监管数据参照区间进行比对,若上限监测调节数据和下限监测调节数据均不在监管数据参照区间内,则判定目标监管项目需要进行异常提示,否则判定目标监管项目不需要进行异常提示。
第二方面,提供一种大数据协同监管平台,包括获取单元、采集单元、第一确定单元、第一计算单元、第二确定单元、第二计算单元、比对单元和提示单元,其中:
获取单元,用于获取对于目标监管项目的数据协同监管任务指令集,所述数据协同监管任务指令集包含目标监管项目对应的项目标识信息、项目监管规则以及监管数据参照区间;
采集单元,用于根据目标监管项目的项目标识信息从分布式系统中采集目标监管项目的当前监测数据、纵向协同监测数据集、横向协同监测数据集和关联协同监测数据集;
第一确定单元,用于根据当前监测数据和纵向协同监测数据集确定目标监管项目的纵向数据比较结果,根据当前监测数据和横向协同监测数据集确定目标监管项目的横向数据比较结果,根据当前监测数据和关联协同监测数据集确定目标监管项目的关联数据比较结果;
第一计算单元,用于根据纵向数据比较结果计算纵向变动参量,根据横向数据比较结果计算横向变动参量,根据关联数据比较结果计算关联变动参量;
第二确定单元,用于根据纵向变动参量、横向变动参量、关联变动参量以及项目监管规则,确定协同监管调整系数;
第二计算单元,用于根据协同监管调整系数及目标监管项目的当前监测数据计算监测调节数据;
比对单元,用于将监测调节数据与监管数据参照区间进行比对,根据比对结果判定目标监管项目是否需要进行异常提示;
提示单元,用于在判定目标监管项目需要进行异常提示时,根据项目标识信息发出相应的协同监管提示信息。
第三方面,提供一种计算机设备,包括:
存储器,用于存储指令;
处理器,用于读取所述存储器中存储的指令,并根据指令执行上述第一方面中任意一种所述的方法。
第四方面,提供一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,使得所述计算机执行第一方面中任意一种所述的方法。同时,还提供一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行第一方面中任意一种所述的方法。
有益效果:本发明通过相应的协同监管任务指令从分布式系统的各数据源采集目标监管项目的当前监测数据、纵向协同监测数据集、横向协同监测数据集和关联协同监测数据集来进行分析比较,确定纵向数据比较结果、横向数据比较结果和关联数据比较结果,然后基于各比较结果利用设定的项目监管规则计算得到协同监管调整系数,利用协同监管调整系数计算目标监管项目的监测调节数据,根据监测调节数据判定目标监管项目是否需要进行异常提示,在需要进行异常提示时,发出相应的协同监管提示信息,以实现对于目标监管项目的分布式数据协同监管,提升对目标监管项目监管的全面性和准确性。本发明可以实现基于纵向比较、横向比较和关联关系比较的多维度大数据协同监管,提高对于目标监管项目的监管效率和监管监管质量。
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为本发明实施例1中方法的步骤示意图;
图2为本发明实施例2中平台的构成示意图;
图3为本发明实施例3中计算机设备的构成示意图。
具体实施方式
在此需要说明的是,对于这些实施例方式的说明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,术语第一、第二等仅用于区分描述,而不能理解为指示或暗示相对重要性。尽管本文可以使用术语第一、第二等来描述各种特征,这些特征不应当受到这些术语的限制。例如,可以将第一单元称作第二单元,并且类似地可以将第二单元称作第一单元,同时不脱离本发明的示例实施例的范围。
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平台,以避免用不必要的细节来使得示例不清楚。在其他实施例中,可以不以非必要的细节来示出众所周知的过程、结构和技术,以避免使得实施例不清楚。
实施例1:
本实施例提供一种大数据协同监管方法,可应用于相应的大数据协同监管平台,如图1所示,方法包括以下步骤:
S1.获取对于目标监管项目的数据协同监管任务指令集,所述数据协同监管任务指令集包含目标监管项目对应的项目标识信息、项目监管规则以及监管数据参照区间。
具体实施时,平台先获取对于目标监管项目的数据协同监管任务指令集,所述数据协同监管任务指令集为针对目标监管项目预先构建好的指令集,所述数据协同监管任务指令集包含目标监管项目对应的项目标识信息、项目监管规则以及监管数据参照区间。
S2.根据目标监管项目的项目标识信息从分布式系统中采集目标监管项目的当前监测数据、纵向协同监测数据集、横向协同监测数据集和关联协同监测数据集。
具体实施时,在得到数据协同监管任务指令集后,即可利用指令集所包含的项目标识信息从分布式系统中的各数据源端采集目标监管项目的当前监测数据、纵向协同监测数据集、横向协同监测数据集和关联协同监测数据集。所述分布式系统为由若干数据源端即若干分散计算机通过互联网络连接组成的交互协作系统,可实现多源数据的安全共享,分布式系统中的各数据源端即各计算机存储有相应项目标识信息关联的当前监测数据、纵向协同监测数据集、横向协同监测数据集和关联协同监测数据集。
所述项目标识信息可以为目标监管项目的唯一项目编号。所述纵向协同监测数据集包括目标监管项目在分布式系统中各历史监测时间点的历史监测数据,所述横向协同监测数据集包括目标监管项目在分布式系统中当前监测时间点各同类监管项目的同类监测数据,所述关联协同监测数据集包括目标监管项目在分布式系统中当前监测时间点各关联监管项目的关联监测数据。
S3.根据当前监测数据和纵向协同监测数据集确定目标监管项目的纵向数据比较结果,根据当前监测数据和横向协同监测数据集确定目标监管项目的横向数据比较结果,根据当前监测数据和关联协同监测数据集确定目标监管项目的关联数据比较结果。
具体实施时,在得到目标监管项目的当前监测数据、纵向协同监测数据集、横向协同监测数据集和关联协同监测数据集后:1、确定当前监测数据与纵向协同监测数据集中各历史监测数据的差值,并利用各差值组成第一差值组,将第一差值组作为目标监管项目的纵向数据比较结果。2、确定当前监测数据与横向协同监测数据集中各同类监测数据的差值,并利用各差值组成第二差值组,将第二差值组作为目标监管项目的横向数据比较结果。3、确定目标监管项目与相应关联监管项目的关联类型,根据关联类型从数据库中匹配调取对应的关联运算式,所述数据库中存有若干预先配置的关联运算式,各关联运算式分别关联对应相应的关联类型,示例性地,如关联类型为正相关,则数据库中预先配置的对应该关联类型的关联运算式为数值相比运算式S=A/B,S表示运算值,A表示当前监测数据,B表示相应关联监管项目的关联监测数据,以此类推,数据库中的关联运算式可根据实际情况进行配置和更新;然后根据关联运算式、当前监测数据以及相应关联监管项目的关联监测数据计算得到对应的运算值;再根据运算值及关联类型确定目标监管项目与相应关联监管项目的关联值,示例性地,可根据关联类型将运算值导入相应关联取值区间表中匹配得到相应的关联值;最后利用各关联值组成关联值组,将关联值组作为目标监管项目的关联数据比较结果。
S4.根据纵向数据比较结果计算纵向变动参量,根据横向数据比较结果计算横向变动参量,根据关联数据比较结果计算关联变动参量。
具体实施时,在得到纵向数据比较结果、横向数据比较结果和关联数据比较结果后,可利用纵向数据比较结果计算第一标准差,将第一标准差作为纵向变动参量;利用横向数据比较结果计算第二标准差,将第二标准差作为横向变动参量;利用关联数据比较结果计算第三标准差,将第三标准差作为关联变动参量。
S5.根据纵向变动参量、横向变动参量、关联变动参量以及项目监管规则,确定协同监管调整系数。
具体实施时,所述项目监管规则包含预先设定好的参量计算模型,根据项目监管规则可直接调取参量计算模型,在得到纵向变动参量、横向变动参量和关联变动参量后,即可将纵向变动参量、横向变动参量和关联变动参量代入参量计算模型进行计算,得到协同监管调整系数。所述参量计算模型可根据实际项目监管需求进行具体的设计构建,在此不作限定,所述协同监管调整系数为0-1区间的系数。
S6.根据协同监管调整系数及目标监管项目的当前监测数据计算监测调节数据。
具体实施时,在计算得到相应的协同监管调整系数后,可将协同监管调整系数分别取正和取负,用取正的协同监管调整系数加上一后乘以当前监测数据得到上限监测调节数据,用取负的协同监管调整系数加上一后乘以当前监测数据得到下限监测调节数据,监测调节数据即包括上限监测调节数据和下限监测调节数据。
S7.将监测调节数据与监管数据参照区间进行比对,根据比对结果判定目标监管项目是否需要进行异常提示,并在判定目标监管项目需要进行异常提示时,根据项目标识信息发出相应的协同监管提示信息。
具体实施时,确定好上限监测调节数据和下限监测调节数据后,分别用上限监测调节数据和下限监测调节数据来与监管数据参照区间进行比对,若上限监测调节数据和下限监测调节数据均不在监管数据参照区间内,则判定目标监管项目需要进行异常提示,若上限监测调节数据和下限监测调节数据有一个或者两个都在监管数据参照区间内,则判定目标监管项目不需要进行异常提示,通过上下限的区间对比,以保证协调监管的准确性和可靠性。在判定目标监管项目需要进行异常提示时,平台即可根据项目标识信息,生成针对的目标监管项目的协同监管提示信息,然后将协同监管提示信息发送给对应的监管端,以便监管人员进行相应的应对处理。
通过本实施例的方法可以实现基于纵向比较、横向比较和关联关系比较的多维度大数据协同监管,提高对于目标监管项目的监管效率和监管监管质量。
实施例2:
本实施例提供一种大数据协同监管平台,如图2所示,包括获取单元、采集单元、第一确定单元、第一计算单元、第二确定单元、第二计算单元、比对单元和提示单元,其中:
获取单元,用于获取对于目标监管项目的数据协同监管任务指令集,所述数据协同监管任务指令集包含目标监管项目对应的项目标识信息、项目监管规则以及监管数据参照区间;
采集单元,用于根据目标监管项目的项目标识信息从分布式系统中采集目标监管项目的当前监测数据、纵向协同监测数据集、横向协同监测数据集和关联协同监测数据集;
第一确定单元,用于根据当前监测数据和纵向协同监测数据集确定目标监管项目的纵向数据比较结果,根据当前监测数据和横向协同监测数据集确定目标监管项目的横向数据比较结果,根据当前监测数据和关联协同监测数据集确定目标监管项目的关联数据比较结果;
第一计算单元,用于根据纵向数据比较结果计算纵向变动参量,根据横向数据比较结果计算横向变动参量,根据关联数据比较结果计算关联变动参量;
第二确定单元,用于根据纵向变动参量、横向变动参量、关联变动参量以及项目监管规则,确定协同监管调整系数;
第二计算单元,用于利用协同监管调整系数对目标监管项目的当前监测数据进行调节计算,得到监测调节数据;
比对单元,用于将监测调节数据与监管数据参照区间进行比对,根据比对结果判定目标监管项目是否需要进行异常提示;
提示单元,用于在判定目标监管项目需要进行异常提示时,根据项目标识信息发出相应的协同监管提示信息。
实施例3:
本实施例提供一种计算机设备,如图3所示,在硬件层面,包括:
数据接口,用于建立处理器与分布式系统的数据对接;
存储器,用于存储指令;
处理器,用于读取所述存储器中存储的指令,并根据指令执行实施例1中的大数据协同监管方法。
可选地,该设备还包括内部总线,处理器与存储器和数据接口可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(Extended Industry Standard Architecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。
所述存储器可以但不限于包括随机存取存储器(Random Access Memory,RAM)、只读存储器(Read Only Memory,ROM)、闪存(Flash Memory)、先进先出存储器(First InputFirst Output,FIFO)和/或先进后出存储器(First In Last Out,FILO)等。所述处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(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。
实施例4:
本实施例提供一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,使得所述计算机执行实施例1中的大数据协同监管方法。其中,所述计算机可读存储介质是指存储数据的载体,可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(Memory Stick)等,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平台。
本实施例还提供一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行实施例1中的大数据协同监管方法。其中,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平台。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种大数据协同监管方法,其特征在于,包括:
获取对于目标监管项目的数据协同监管任务指令集,所述数据协同监管任务指令集包含目标监管项目对应的项目标识信息、项目监管规则以及监管数据参照区间;
根据目标监管项目的项目标识信息从分布式系统中采集目标监管项目的当前监测数据、纵向协同监测数据集、横向协同监测数据集和关联协同监测数据集,所述分布式系统由若干分散的计算机通过互联网络连接组成,分布式系统中存储有各项目标识信息关联的当前监测数据、纵向协同监测数据集、横向协同监测数据集和关联协同监测数据集;
根据当前监测数据和纵向协同监测数据集确定目标监管项目的纵向数据比较结果,根据当前监测数据和横向协同监测数据集确定目标监管项目的横向数据比较结果,根据当前监测数据和关联协同监测数据集确定目标监管项目的关联数据比较结果;
根据纵向数据比较结果计算纵向变动参量,根据横向数据比较结果计算横向变动参量,根据关联数据比较结果计算关联变动参量;
根据纵向变动参量、横向变动参量、关联变动参量以及项目监管规则,确定协同监管调整系数;
根据协同监管调整系数及目标监管项目的当前监测数据计算监测调节数据;
将监测调节数据与监管数据参照区间进行比对,根据比对结果判定目标监管项目是否需要进行异常提示,并在判定目标监管项目需要进行异常提示时,根据项目标识信息发出相应的协同监管提示信息;
所述纵向协同监测数据集包括目标监管项目在分布式系统中各历史监测时间点的历史监测数据,所述横向协同监测数据集包括目标监管项目在分布式系统中当前监测时间点各同类监管项目的同类监测数据,所述关联协同监测数据集包括目标监管项目在分布式系统中当前监测时间点各关联监管项目的关联监测数据;
所述根据当前监测数据和纵向协同监测数据集确定目标监管项目的纵向数据比较结果,包括:确定当前监测数据与纵向协同监测数据集中各历史监测数据的差值,并利用各差值组成第一差值组,将第一差值组作为目标监管项目的纵向数据比较结果;
所述根据当前监测数据和横向协同监测数据集确定目标监管项目的横向数据比较结果,包括:确定当前监测数据与横向协同监测数据集中各同类监测数据的差值,并利用各差值组成第二差值组,将第二差值组作为目标监管项目的横向数据比较结果;
所述根据当前监测数据和关联协同监测数据集确定目标监管项目的关联数据比较结果,包括:确定目标监管项目与相应关联监管项目的关联类型,根据关联类型从数据库中匹配调取对应的关联运算式,所述数据库中存有若干预先配置的关联运算式,各关联运算式分别关联对应相应的关联类型;根据关联运算式、当前监测数据以及相应关联监管项目的关联监测数据计算得到对应的运算值;根据运算值及关联类型确定目标监管项目与相应关联监管项目的关联值,并利用各关联值组成关联值组,将关联值组作为目标监管项目的关联数据比较结果;
所述根据纵向数据比较结果计算纵向变动参量,根据横向数据比较结果计算横向变动参量,根据关联数据比较结果计算关联变动参量,包括:利用纵向数据比较结果计算第一标准差,将第一标准差作为纵向变动参量;利用横向数据比较结果计算第二标准差,将第二标准差作为横向变动参量;利用关联数据比较结果计算第三标准差,将第三标准差作为关联变动参量;
所述项目监管规则包含设定的参量计算模型,所述根据纵向变动参量、横向变动参量、关联变动参量以及项目监管规则,确定协同监管调整系数,包括:调取项目监管规则中的参量计算模型,将纵向变动参量、横向变动参量和关联变动参量代入参量计算模型进行计算,得到协同监管调整系数;
所述监测调节数据包括上限监测调节数据和下限监测调节数据,所述根据协同监管调整系数及目标监管项目的当前监测数据计算监测调节数据,包括:将协同监管调整系数分别取正和取负,用取正的协同监管调整系数加上一后乘以当前监测数据得到上限监测调节数据,用取负的协同监管调整系数加上一后乘以当前监测数据得到下限监测调节数据;
所述将监测调节数据与监管数据参照区间进行比对,根据比对结果判定目标监管项目是否需要进行异常提示,包括:分别用上限监测调节数据和下限监测调节数据来与监管数据参照区间进行比对,若上限监测调节数据和下限监测调节数据均不在监管数据参照区间内,则判定目标监管项目需要进行异常提示,否则判定目标监管项目不需要进行异常提示。
2.一种大数据协同监管平台,其特征在于,包括获取单元、采集单元、第一确定单元、第一计算单元、第二确定单元、第二计算单元、比对单元和提示单元,其中:
获取单元,用于获取对于目标监管项目的数据协同监管任务指令集,所述数据协同监管任务指令集包含目标监管项目对应的项目标识信息、项目监管规则以及监管数据参照区间;
采集单元,用于根据目标监管项目的项目标识信息从分布式系统中采集目标监管项目的当前监测数据、纵向协同监测数据集、横向协同监测数据集和关联协同监测数据集,所述纵向协同监测数据集包括目标监管项目在分布式系统中各历史监测时间点的历史监测数据,所述横向协同监测数据集包括目标监管项目在分布式系统中当前监测时间点各同类监管项目的同类监测数据,所述关联协同监测数据集包括目标监管项目在分布式系统中当前监测时间点各关联监管项目的关联监测数据;
第一确定单元,用于根据当前监测数据和纵向协同监测数据集确定目标监管项目的纵向数据比较结果,包括确定当前监测数据与纵向协同监测数据集中各历史监测数据的差值,并利用各差值组成第一差值组,将第一差值组作为目标监管项目的纵向数据比较结果;根据当前监测数据和横向协同监测数据集确定目标监管项目的横向数据比较结果,包括确定当前监测数据与横向协同监测数据集中各同类监测数据的差值,并利用各差值组成第二差值组,将第二差值组作为目标监管项目的横向数据比较结果;根据当前监测数据和关联协同监测数据集确定目标监管项目的关联数据比较结果,包括确定目标监管项目与相应关联监管项目的关联类型,根据关联类型从数据库中匹配调取对应的关联运算式,所述数据库中存有若干预先配置的关联运算式,各关联运算式分别关联对应相应的关联类型;根据关联运算式、当前监测数据以及相应关联监管项目的关联监测数据计算得到对应的运算值;根据运算值及关联类型确定目标监管项目与相应关联监管项目的关联值,并利用各关联值组成关联值组,将关联值组作为目标监管项目的关联数据比较结果;
第一计算单元,用于根据纵向数据比较结果计算纵向变动参量,根据横向数据比较结果计算横向变动参量,根据关联数据比较结果计算关联变动参量,包括利用纵向数据比较结果计算第一标准差,将第一标准差作为纵向变动参量;利用横向数据比较结果计算第二标准差,将第二标准差作为横向变动参量;利用关联数据比较结果计算第三标准差,将第三标准差作为关联变动参量;
第二确定单元,用于根据纵向变动参量、横向变动参量、关联变动参量以及项目监管规则,确定协同监管调整系数,包括调取项目监管规则中的参量计算模型,将纵向变动参量、横向变动参量和关联变动参量代入参量计算模型进行计算,得到协同监管调整系数;
第二计算单元,用于根据协同监管调整系数及目标监管项目的当前监测数据计算监测调节数据,包括将协同监管调整系数分别取正和取负,用取正的协同监管调整系数加上一后乘以当前监测数据得到上限监测调节数据,用取负的协同监管调整系数加上一后乘以当前监测数据得到下限监测调节数据;
比对单元,用于将监测调节数据与监管数据参照区间进行比对,根据比对结果判定目标监管项目是否需要进行异常提示,包括分别用上限监测调节数据和下限监测调节数据来与监管数据参照区间进行比对,若上限监测调节数据和下限监测调节数据均不在监管数据参照区间内,则判定目标监管项目需要进行异常提示,否则判定目标监管项目不需要进行异常提示;
提示单元,用于在判定目标监管项目需要进行异常提示时,根据项目标识信息发出相应的协同监管提示信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310450512.7A CN116186017B (zh) | 2023-04-25 | 2023-04-25 | 一种大数据协同监管方法及平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310450512.7A CN116186017B (zh) | 2023-04-25 | 2023-04-25 | 一种大数据协同监管方法及平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116186017A CN116186017A (zh) | 2023-05-30 |
CN116186017B true CN116186017B (zh) | 2023-07-28 |
Family
ID=86450914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310450512.7A Active CN116186017B (zh) | 2023-04-25 | 2023-04-25 | 一种大数据协同监管方法及平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116186017B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117593120A (zh) * | 2024-01-19 | 2024-02-23 | 蓝色火焰科技成都有限公司 | 基于大数据的物流金融监管方法、装置、系统及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108073551A (zh) * | 2017-12-14 | 2018-05-25 | 国网辽宁省电力有限公司大连供电公司 | 一种基于多Agent协同的高压开关柜在线故障诊断方法 |
CN109615160A (zh) * | 2018-10-22 | 2019-04-12 | 国家电网有限公司 | Cvt电压异常数据分析方法 |
CN115085368A (zh) * | 2022-05-31 | 2022-09-20 | 特变电工衡阳变压器有限公司 | 变压器健康状态监测方法、装置、计算机设备和存储介质 |
CN115567572A (zh) * | 2022-09-15 | 2023-01-03 | 北京百度网讯科技有限公司 | 确定对象异常度的方法、装置、设备以及存储介质 |
CN115587670A (zh) * | 2022-11-09 | 2023-01-10 | 中车青岛四方机车车辆股份有限公司 | 一种基于指标图谱的产品质量诊断方法及装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104010029B (zh) * | 2014-05-12 | 2017-09-08 | 上海交通大学 | 基于横向纵向信息集成的分布式计算环境性能预测方法 |
CN104462794A (zh) * | 2014-11-26 | 2015-03-25 | 北京金水永利科技有限公司 | 一种基于对比统计分析发现环境监测异常数据的算法 |
CN105046344B (zh) * | 2015-05-15 | 2020-02-18 | 北京科东电力控制系统有限责任公司 | 面向智能电网调度技术支持系统的主站数据质量优化方法 |
CN105354614B (zh) * | 2015-10-21 | 2019-03-26 | 国家电网公司 | 一种基于大数据的电网信息运维主动预警方法 |
CN105956734B (zh) * | 2016-04-15 | 2020-01-21 | 广东轩辕网络科技股份有限公司 | 动态设置it设备的性能的指标阈值的方法及系统 |
TWI727213B (zh) * | 2018-10-08 | 2021-05-11 | 安碁資訊股份有限公司 | 偵測作業系統的異常操作的異常偵測的方法及裝置 |
CN111931860B (zh) * | 2020-09-01 | 2021-02-09 | 腾讯科技(深圳)有限公司 | 异常数据检测方法、装置、设备及存储介质 |
CN113722328B (zh) * | 2021-09-03 | 2023-12-12 | 国网甘肃省电力公司庆阳供电公司 | 高压开关设备故障的多源时空分析算法 |
CN115757073A (zh) * | 2022-11-24 | 2023-03-07 | 中国建设银行股份有限公司 | 一种系统风险识别方法及装置、电子设备、存储介质 |
-
2023
- 2023-04-25 CN CN202310450512.7A patent/CN116186017B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108073551A (zh) * | 2017-12-14 | 2018-05-25 | 国网辽宁省电力有限公司大连供电公司 | 一种基于多Agent协同的高压开关柜在线故障诊断方法 |
CN109615160A (zh) * | 2018-10-22 | 2019-04-12 | 国家电网有限公司 | Cvt电压异常数据分析方法 |
CN115085368A (zh) * | 2022-05-31 | 2022-09-20 | 特变电工衡阳变压器有限公司 | 变压器健康状态监测方法、装置、计算机设备和存储介质 |
CN115567572A (zh) * | 2022-09-15 | 2023-01-03 | 北京百度网讯科技有限公司 | 确定对象异常度的方法、装置、设备以及存储介质 |
CN115587670A (zh) * | 2022-11-09 | 2023-01-10 | 中车青岛四方机车车辆股份有限公司 | 一种基于指标图谱的产品质量诊断方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116186017A (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104811344B (zh) | 网络动态业务监控方法及装置 | |
CN116186017B (zh) | 一种大数据协同监管方法及平台 | |
CN108572905B (zh) | 一种基于分布式计算的监控方法及系统 | |
CN111489026A (zh) | 一种排队时间预估方法、系统及装置 | |
CN105871634A (zh) | 检测集群异常的方法及应用、管理集群的系统 | |
CN108932217A (zh) | 能耗统计的方法及装置 | |
CN106445938A (zh) | 一种数据检测方法及装置 | |
JP2009253362A (ja) | ネットワーク性能予測システム、ネットワーク性能予測方法およびプログラム | |
CN111461925A (zh) | 一种配电网故障分析方法、装置、设备及存储介质 | |
CN111062642A (zh) | 对象的行业风险程度识别方法、装置以及电子设备 | |
CN114138601A (zh) | 一种业务告警方法、装置、设备及存储介质 | |
CN110717653B (zh) | 风险识别方法及装置和电子设备 | |
CN110909129B (zh) | 异常投诉事件的识别方法及装置 | |
CN116668264A (zh) | 一种告警聚类的根因分析方法、装置、设备及存储介质 | |
CN115564410A (zh) | 一种继电保护设备的状态监测方法及装置 | |
CN113946566B (zh) | Web系统指纹库的构建方法、装置和电子设备 | |
CN115358336A (zh) | 用电异常检测方法、装置及电子设备 | |
CN109086207B (zh) | 页面响应故障分析方法、计算机可读存储介质及终端设备 | |
CN110968547B (zh) | 一种信息筛选方法及系统 | |
CN113835918A (zh) | 一种服务器故障分析方法及装置 | |
CN112948469A (zh) | 数据挖掘方法、装置、计算机设备及存储介质 | |
EP3460732B1 (en) | Dispatching method and system based on multiple levels of steady state production rate in working benches | |
CN117056663B (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
CN113837424A (zh) | 基于滤波的数据预测方法、装置、设备及存储介质 | |
Teggi et al. | AIOPS Prediction for Server Stability Based on ARIMA Model |
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 |