CN116311829A - 一种数据机房远程报警方法及装置 - Google Patents
一种数据机房远程报警方法及装置 Download PDFInfo
- Publication number
- CN116311829A CN116311829A CN202310571838.5A CN202310571838A CN116311829A CN 116311829 A CN116311829 A CN 116311829A CN 202310571838 A CN202310571838 A CN 202310571838A CN 116311829 A CN116311829 A CN 116311829A
- Authority
- CN
- China
- Prior art keywords
- humidity
- data
- time sequence
- sequence data
- determining
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000007613 environmental effect Effects 0.000 claims abstract description 72
- 238000012937 correction Methods 0.000 claims abstract description 45
- 230000006870 function Effects 0.000 claims description 42
- 238000007781 pre-processing Methods 0.000 claims description 25
- 238000013112 stability test Methods 0.000 claims description 22
- 238000012360 testing method Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 6
- 230000008030 elimination Effects 0.000 abstract description 9
- 238000003379 elimination reaction Methods 0.000 abstract description 9
- 238000007689 inspection Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000002203 pretreatment Methods 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 239000000779 smoke Substances 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/20—Status alarms responsive to moisture
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Emergency Management (AREA)
- Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本申请公开一种数据机房远程报警方法及装置，获取数据机房的环境温度值和环境相对湿度值，根据环境温度值和环境相对湿度值拟合湿度修正函数，由湿度修正函数确定数据机房修正后的相对湿度值，根据数据机房修正后的相对湿度值确定数据机房的湿度时序数据，对湿度时序数据进行平稳性检验，得到平稳湿度时序数据，根据平稳湿度时序数据确定消凹系数，由消凹系数和平稳湿度时序数据确定预处理湿度时序数据，根据湿度时序数据的特性确定预测模型，通过预测模型对预处理湿度时序数据进行预测，判断预测结果是否在数据机房的环境参数范围内，并在判断结果为预测结果不在数据机房的环境参数范围内时向远程控制中心发送报警信息，提高远程报警准确性。
Description
技术领域
本发明涉及数据机房远程报警技术领域，尤其涉及一种数据机房远程报警方法及装置。
背景技术
数据机房是一种专门用于存放计算机和网络设备的场所，通常具备防火、防盗、防水等安全保障措施，通过报警等方式来保护设备和数据的安全。
数据机房在报警方面通常采用多种技术手段，以保证设备和数据的安全，常见的报警技术手段包括：门禁报警、视频监控报警和环境监测报警，其中门禁报警即通过安装门禁系统，监控数据机房的进出口，一旦检测到未授权人员进入数据机房，系统会立即发出警报并进行记录，视频监控报警是通过安装摄像头，对数据机房进行实时监控，一旦发现可疑行为或异常情况，系统会自动报警并进行录像，以便事后审查，而环境监测报警是通过安装温度、湿度、烟雾、水浸等环境监测设备，一旦出现异常情况，比如温度过高、湿度过低、烟雾报警等，系统会向远程监控中心自动报警，但现有的环境监测报警技术中，对数据机房的温度和烟雾比较敏感，远程报警准确率高，但对数据机房的湿度预测敏感度低，进而导致远程报警准确性不高。
发明内容
本申请实施例提供一种数据机房远程报警方法及装置，以解决现有对数据机房的湿度预测敏感度低，导致远程报警准确性不高的技术问题。
为解决上述技术问题，本申请采用如下技术方案：
第一方面，本申请提供一种数据机房远程报警方法，包括如下步骤：
采集数据机房的环境数据，得到数据机房的环境温度值和环境相对湿度值，根据所述环境温度值和所述环境相对湿度值拟合湿度修正函数，根据所述湿度修正函数确定数据机房修正后的相对湿度值；
根据所述数据机房修正后的相对湿度值确定数据机房的湿度时序数据，对所述湿度时序数据进行平稳性检验，若检验结果为所述湿度时序数据平稳，则得到平稳湿度时序数据，若检验结果为湿度时序数据不平稳，则得到非平稳湿度时序数据，将所述非平稳湿度时序数据转化为平稳湿度时序数据；
根据所述平稳湿度时序数据确定消凹系数，根据所述消凹系数和所述平稳湿度时序数据确定预处理湿度时序数据；
根据数据机房的湿度时序数据的特性确定湿度时序数据的预测模型，通过所述预测模型对所述预处理湿度时序数据进行预测，得到预处理湿度时序数据的预测结果；
判断所述预测结果是否在数据机房的环境参数范围内，并在判断结果为所述预测结果不在数据机房的环境参数范围内时向远程控制中心发送报警信息。
在一些实施例中，根据所述环境温度值和所述环境相对湿度值拟合湿度修正函数具体包括：
根据最小二乘法对环境温度值和环境相对湿度值进行拟合，得到湿度修正函数的系数；
根据所述湿度修正函数的系数确定湿度修正函数。
在一些实施例中，通过将湿度修正函数的值减去环境相对湿度值得到所述数据机房修正后的相对湿度值。
在一些实施例中，所述对所述湿度时序数据进行平稳性检验具体包括：
若湿度时序数据存在单位根，则根据湿度时序数据确定平稳性检验模型，平稳性检验模型采用下述的表达式：
其中，
表示湿度时序数据，/>
表示常数，/>
表示白噪声；
若湿度时序数据不存在单位根，则根据湿度时序数据确定平稳性检验模型，平稳性检验模型采用下述的表达式：
其中，
表示湿度时序数据，/>
表示常数，/>
表示湿度时序数据长度，/>
表示系数，满足/>
，/>
表示白噪声；
根据上述确定的平稳性检验模型确定湿度时序数据的平稳性。
在一些实施例中，将所述非平稳湿度时序数据通过一阶差分处理转化为平稳湿度时序数据。
在一些实施例中，所述根据所述消凹系数和所述平稳湿度时序数据确定预处理湿度时序数据具体包括：
根据平稳湿度时序数据确定消凹初始值；
根据所述消凹初始值和所述平稳湿度时序数据确定消凹公式，所述消凹公式表达式如下：
其中，
表示平稳湿度时序数据的第t个数据点的消凹值，/>
表示消凹系数，
表示平稳湿度时序数据的第t个数据点的原始值，/>
表示平稳湿度时序数据的第t-1个数据点的消凹值；
根据所述消凹公式确定所述平稳湿度时序数据的所有数据点的消凹值；
根据所述所有数据点的消凹值确定预处理湿度时序数据。
在一些实施例中，根据数据机房的湿度时序数据的特性确定湿度时序数据的预测模型具体包括：
根据数据机房的湿度时序数据的特性确定模型历史相关系数和模型误差相关系数；
根据所述模型历史相关系数和所述模型误差相关系数确定湿度时序数据的预测模型。
第二方面，本申请提供一种数据机房远程报警装置，包括有：
相对湿度修正模块，主要用于采集数据机房的环境数据，得到数据机房的环境温度值和环境相对湿度值，根据所述环境温度值和所述环境相对湿度值拟合湿度修正函数，根据所述湿度修正函数确定数据机房修正后的相对湿度值；
平稳湿度时序数据确定模块，主要用于根据所述数据机房修正后的相对湿度值确定数据机房的湿度时序数据，对所述湿度时序数据进行平稳性检验，若检验结果为所述湿度时序数据平稳，则得到平稳湿度时序数据，若检验结果为湿度时序数据不平稳，则得到非平稳湿度时序数据，将所述非平稳湿度时序数据转化为平稳湿度时序数据；
湿度时序数据预处理模块，主要用于根据所述平稳湿度时序数据确定消凹系数，根据所述消凹系数和所述平稳湿度时序数据确定预处理湿度时序数据；
预测报警模块，主要用于根据数据机房的湿度时序数据的特性确定湿度时序数据的预测模型，通过所述预测模型对所述预处理湿度时序数据进行预测，得到预处理湿度时序数据的预测结果，判断所述预测结果是否在数据机房的环境参数范围内，并在判断结果为所述预测结果不在数据机房的环境参数范围内时向远程控制中心发送报警信息。
第三方面，本申请提供一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器存储有代码，所述处理器被配置为获取所述代码，并执行上述的数据机房远程报警方法。
第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的数据机房远程报警方法。
本申请实施例提供的技术方案具有以下有益效果：
本申请公开的一种数据机房远程报警方法及装置中，采集数据机房的环境数据，得到环境温度值和环境相对湿度值，通过对环境温度值和相对湿度值的拟合修正，可以消除温度和湿度之间的相互影响，得到更加准确的环境相对湿度值，由湿度修正函数确定数据机房修正后的相对湿度值，根据数据机房修正后的相对湿度值确定数据机房的湿度时序数据，对湿度时序数据进行平稳性检验，得到平稳湿度时序数据，根据平稳湿度时序数据确定消凹系数，通过消凹系数的确定和预处理湿度时序数据的预测，可以得到更加敏感、准确和可靠的预测结果，提高了预测敏感度、精度和可靠性，对预测结果进行判断，若预测结果在数据机房的环境参数范围内，则不进行处理，若预测结果不在数据机房的环境参数范围内，则进行报警，从而提高现有对数据机房的湿度预测敏感度，进而提高远程报警准确性。
附图说明
图1是根据本申请一些实施例所示的数据机房远程报警方法的示例性流程图；
图2是根据本申请一些实施例所示的数据机房远程报警装置的示例性硬件和/或软件的示意图；
图3是本申请施例提供的数据机房远程报警方法的计算机设备的示例性结构示意图。
具体实施方式
本申请实例提供一种数据机房远程报警方法及装置，其核心是采集数据机房的环境数据，得到数据机房的环境温度值和环境相对湿度值，根据环境温度值与环境相对湿度值拟合湿度修正函数，由湿度修正函数确定数据机房修正后的相对湿度值，根据数据机房修正后的相对湿度值确定数据机房的湿度时序数据，对湿度时序数据进行平稳性检验，得到平稳湿度时序数据，根据平稳湿度时序数据确定消凹系数，由消凹系数和平稳湿度时序数据确定预处理湿度时序数据，根据湿度时序数据的特性确定预测模型，通过预测模型对预处理湿度时序数据进行预测，得到预测结果，判断所述预测结果是否在数据机房的环境参数范围内，并在判断结果为所述预测结果不在数据机房的环境参数范围内时向远程控制中心发送报警信息。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。参考图1，该图是根据本申请一些实施例所示的数据机房远程报警方法的示例性流程图，该数据机房远程报警方法主要包括如下步骤：
在步骤101，采集数据机房的环境数据，得到数据机房的环境温度值和环境相对湿度值，根据所述环境温度值和所述环境相对湿度值拟合湿度修正函数，根据所述湿度修正函数确定数据机房修正后的相对湿度值。
在一些实施例中，采集数据机房的环境数据，得到数据机房的环境温度值和环境相对湿度值，例如，采集数据机房的环境数据，得到的数据机房的环境温度值和环境相对湿度值数据为：
其中，
表示第1次采集时的温度值，/>
表示第2次采集时的温度值，/>
表示第n次采集时的温度值，/>
表示第1次采集时的相对湿度值，/>
表示第2次采集时的相对湿度值，
表示第n次采集时的相对湿度值。
在一些实施例中，根据环境温度值与环境相对湿度值拟合湿度修正函数采用如下方式，即：根据最小二乘法对环境温度值与环境相对湿度值进行拟合，得到湿度修正函数的系数，根据所述湿度修正函数的系数确定湿度修正函数。例如，首先构建矩阵X和向量Y
然后，求解湿度修正函数的系数向量V，求解表达式如下：
其中，X表示矩阵，Y表示向量，
表示矩阵X的转置，/>
表示矩阵的逆运算。
在一些实施例中，假设求得湿度修正函数的系数向量
，最后，根据求得的湿度修正函数的系数向量确定湿度修正函数，湿度修正函数表达式如下：
其中，x表示当前温度值，y表示湿度修正函数的值，
分别表示湿度修正函数的系数向量的元素。
在一些实施例中，数据机房修正后的相对湿度值可以通过将湿度修正函数的值减去环境相对湿度值得到。
在步骤102，根据所述数据机房修正后的相对湿度值确定数据机房的湿度时序数据，对所述湿度时序数据进行平稳性检验，若检验结果为所述湿度时序数据平稳，则得到平稳湿度时序数据，若检验结果为湿度时序数据不平稳，则得到非平稳湿度时序数据，将所述非平稳湿度时序数据转化为平稳湿度时序数据。
在一些实施例中，将得到的相对湿度值按照时间顺序记录，即可确定数据机房的湿度时序数据。
在一些实施例中，所述对所述湿度时序数据进行平稳性检验具体包括：
若湿度时序数据存在单位根，则根据湿度时序数据确定平稳性检验模型，平稳性检验模型采用下述的表达式：
其中，
表示湿度时序数据，/>
表示常数，/>
表示白噪声；
若湿度时序数据不存在单位根，则根据湿度时序数据确定平稳性检验模型，平稳性检验模型采用下述的表达式：
其中，
表示湿度时序数据，/>
表示常数，/>
表示湿度时序数据长度，/>
表示系数，满足/>
，/>
表示白噪声；
根据上述确定的平稳性检验模型确定湿度时序数据的平稳性。
在一些实施例中，计算平稳性检验模型的统计量，根据平稳性检验模型的统计量的值，查找相应的临界值，如果平稳性检验模型统计量的值小于临界值，认为湿度时序数据平稳，如果平稳性检验模型统计量的值大于临界值，认为湿度时序数据非平稳，平稳性检验模型的统计量由下式确定：
其中，
表示平稳性检验模型的统计量，/>
表示湿度时序数据的前i个值之和，T表示湿度时序数据长度，/>
表示白噪声的方差。
在一些实施例中，将所述非平稳湿度时序数据通过一阶差分处理转化为平稳湿度时序数据，通过一阶差分操作，可以消除湿度时序数据中的线性趋势，将非平稳湿度时序数据转化为平稳湿度时序数据，一阶差分可以表示为：
其中，
表示平稳湿度时序数据，/>
表示非平稳湿度时序数据，/>
表示上一个时间点的非平稳湿度时序数据。
在步骤103，根据所述平稳湿度时序数据确定消凹系数，根据所述消凹系数和所述平稳湿度时序数据确定预处理湿度时序数据。
本实施例中消凹是对湿度时序数据消除异常突出的值，以保证数据的稳定性和连续性，在一些实施例中，需根据平稳湿度时序数据确定消凹系数，数据机房的相对湿度值数据变化较为平稳，并且湿度时序数据呈现平稳性，则可以使用较小的消凹系数，如0.1或0.3，在实际实现中，还可以比较消凹后湿度时序数据的均方误差或者均方根误差来选择消凹系数，这里不再赘述。
需要说明的，本实施例中消凹系数用于控制历史湿度时序数据对消凹值的影响，消凹系数越大，对当前湿度时序数据的响应就越灵敏，消凹值更加贴近湿度时序数据，但是对噪声和随机变化的响应也就越强，消凹系数越小，对噪声和随机变化的响应就越弱，但如果消凹系数太小，消凹值可能会偏离湿度时序数据，因此，在选择消凹系数时，需要权衡消凹效果和对噪声和随机变化的响应。
在一些实施例中，可根据平稳湿度时序数据确定消凹初始值，例如，选择湿度时序数据的第一个值或者多个值的平均值作为消凹初始值，在实际实现中，还可以使用其他方法来选择消凹系数，这里不再赘述。
在一些实施例中，所述根据所述消凹系数和所述平稳湿度时序数据确定预处理湿度时序数据具体包括：
根据平稳湿度时序数据确定消凹初始值；
根据所述消凹初始值和所述平稳湿度时序数据确定消凹公式，所述消凹公式表达式如下：
其中，
表示平稳湿度时序数据的第t个数据点的消凹值，/>
表示消凹系数，
表示平稳湿度时序数据的第t个数据点的原始值，/>
表示平稳湿度时序数据的第t-1个数据点的消凹值；
根据所述消凹公式确定所述平稳湿度时序数据的所有数据点的消凹值，根据所述所有数据点的消凹值确定预处理湿度时序数据，将湿度时序数据所有数据点的值都替换为对应的消凹值后，得到的序列为预处理湿度时序数据。
在步骤104，根据数据机房的湿度时序数据的特性确定湿度时序数据的预测模型，通过所述预测模型对所述预处理湿度时序数据进行预测，得到预处理湿度时序数据的预测结果。
在一些实施例中，根根据数据机房的湿度时序数据的特性确定模型历史相关系数和模型误差相关系数，模型历史相关系数的值越大，表示历史湿度时序数据对湿度时序数据值的影响越大，模型误差相关系数的值越大，表示历史湿度时序数据误差对湿度时序数据的影响越大。
在一些实例中，根据所述模型历史相关系数和所述模型误差相关系数确定湿度时序数据的预测模型，例如湿度时序数据经过一系列预处理后得到预处理湿度时序数据，因为预处理湿度时序数据繁杂庞大，为提高预测效率，采用如下公式表示湿度时序数据的预测模型：
其中，
表示预处理湿度时序数据在t时刻的值，/>
表示模型历史相关系数，/>
表示预处理湿度时序数据在t-1时刻的值，/>
表示模型误差相关系数，/>
表示白噪声误差项。
通过上述湿度时序数据的预测模型对预处理湿度时序数据进行预测，即可得到预测结果。
在步骤105，判断所述预测结果是否在数据机房的环境参数范围内，并在判断结果为所述预测结果不在数据机房的环境参数范围内时向远程控制中心发送报警信息。
在一些实施例中，正在监测数据机房的相对湿度，并且已经得到了一个湿度时序数据的预测模型来预测未来的相对湿度，该预测模型的输出是一个实数值，再将其转化为比值，表示未来某个时间点的相对湿度，在实际实现中，可以编写代码来判断预测结果是否在数据机房的环境参数范围内，并进行相应的处理。
在一些实施例中，首先定义数据机房的环境参数范围，假设数据机房的相对湿度范围为45%-65%，如果预测结果在这个范围内，则不进行处理，否则进行报警，例如，如果预测结果不在范围内，调用python中的send_alert_message() 函数来向远程控制中心发送报警信息，否则，不进行任何处理，直接通过 pass 语句跳过。
另外，在一些实施例中，参考图2，该图是根据本申请一些实施例所示的数据机房远程报警装置的示例性硬件和/或软件的示意图，本实施例基于数据机房远程报警装置200可包括：相对湿度修正模块201、平稳湿度时序数据确定模块202、湿度时序数据预处理模块203及预测报警模块204，分别说明如下：
相对湿度修正模块201，本申请中相对湿度修正模块201主要用于采集数据机房的环境数据，得到数据机房的环境温度值和环境相对湿度值，根据所述环境温度值和所述环境相对湿度值拟合湿度修正函数，根据所述湿度修正函数确定数据机房修正后的相对湿度值；
平稳湿度时序数据确定模块202，本申请中平稳湿度时序数据确定模块202主要用于根据所述数据机房修正后的相对湿度值确定数据机房的湿度时序数据，对所述湿度时序数据进行平稳性检验，若检验结果为所述湿度时序数据平稳，则得到平稳湿度时序数据，若检验结果为湿度时序数据不平稳，则得到非平稳湿度时序数据，将所述非平稳湿度时序数据转化为平稳湿度时序数据；
湿度时序数据预处理模块203，本申请中湿度时序数据预处理模块203主要用于根据所述平稳湿度时序数据确定消凹系数，根据所述消凹系数和所述平稳湿度时序数据确定预处理湿度时序数据；
预测报警模块204，本申请中预测报警模块204主要用于根据数据机房的湿度时序数据的特性确定湿度时序数据的预测模型，通过所述预测模型对所述预处理湿度时序数据进行预测，得到预处理湿度时序数据的预测结果，判断所述预测结果是否在数据机房的环境参数范围内，并在判断结果为所述预测结果不在数据机房的环境参数范围内时向远程控制中心发送报警信息。
在一些实施例中，本申请还提供一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器存储有代码，所述处理器被配置为获取所述代码，并执行上述的数据机房远程报警方法。
在一些实施例中，参考图3，该图是根据本申请施例提供的一种数据机房远程报警方法的计算机设备的结构示意图。上述实施例中的上述的数据机房远程报警方法可以通过图3所示的计算机设备来实现，该计算机设备300包括至少一个处理器301、通信总线302、存储器303以及至少一个通信接口304。
处理器301可以是一个通用中央处理器（central processing unit，CPU）、特定应用集成电路（application-specific integrated circuit，ASIC）或一个或多个用于控制本申请中的数据机房远程报警方法的执行。
通信总线302可包括一通路，在上述组件之间传送信息。
存储器303可以是只读存储器（read-only memory，ROM）或可存储静态信息和指令的其它类型的静态存储设备，随机存取存储器（random access memory，RAM）或者可存储信息和指令的其它类型的动态存储设备，也可以是电可擦可编程只读存储器（electricallyerasable programmable read-only memory，EEPROM）、只读光盘（compact disc read-only Memory，CD-ROM）或其它光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘或者其它磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其它介质，但不限于此。存储器303可以是独立存在，通过通信总线302与处理器301相连接。存储器303也可以和处理器301集成在一起。
其中，存储器303用于存储执行本申请方案的程序代码，并由处理器301来控制执行。处理器301用于执行存储器303中存储的程序代码。程序代码中可以包括一个或多个软件模块。上述实施例中数据机房远程报警方法可以通过处理器301以及存储器303中的程序代码中的一个或多个软件模块实现。
通信接口304，使用任何收发器一类的装置，用于与其它设备或通信网络通信，如以太网，无线接入网（radio access network，RAN)，无线局域网(wireless local areanetworks，WLAN)等。
在具体实现中，作为一种实施例，计算机设备可以包括多个处理器，这些处理器中的每一个可以是一个单核(single-CPU)处理器，也可以是一个多核(multi-CPU)处理器。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
上述的计算机设备可以是一个通用计算机设备或者是一个专用计算机设备。在具体实现中，计算机设备可以是台式机、便携式电脑、网络服务器、掌上电脑 (personaldigital assistant，PDA)、移动手机、平板电脑、无线终端设备、通信设备或者嵌入式设备。本申请实施例不限定计算机设备的类型。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
例如，在一些实施例中，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的数据机房远程报警方法。
本发明是根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
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 (10)
1.一种数据机房远程报警方法，其特征在于，包括如下步骤：
采集数据机房的环境数据，得到数据机房的环境温度值和环境相对湿度值，根据所述环境温度值和所述环境相对湿度值拟合湿度修正函数，根据所述湿度修正函数确定数据机房修正后的相对湿度值；
根据所述数据机房修正后的相对湿度值确定数据机房的湿度时序数据，对所述湿度时序数据进行平稳性检验，若检验结果为所述湿度时序数据平稳，则得到平稳湿度时序数据，若检验结果为湿度时序数据不平稳，则得到非平稳湿度时序数据，将所述非平稳湿度时序数据转化为平稳湿度时序数据；
根据所述平稳湿度时序数据确定消凹系数，根据所述消凹系数和所述平稳湿度时序数据确定预处理湿度时序数据；
根据数据机房的湿度时序数据的特性确定湿度时序数据的预测模型，通过所述预测模型对所述预处理湿度时序数据进行预测，得到预处理湿度时序数据的预测结果；
判断所述预测结果是否在数据机房的环境参数范围内，并在判断结果为所述预测结果不在数据机房的环境参数范围内时向远程控制中心发送报警信息。
2.如权利要求1所述的方法，其特征在于，根据所述环境温度值和所述环境相对湿度值拟合湿度修正函数具体包括：
根据最小二乘法对环境温度值和环境相对湿度值进行拟合，得到湿度修正函数的系数；
根据所述湿度修正函数的系数确定湿度修正函数。
3.如权利要求1所述的方法，其特征在于，通过将湿度修正函数的值减去环境相对湿度值得到所述数据机房修正后的相对湿度值。
4.如权利要求1所述的方法，其特征在于，所述对所述湿度时序数据进行平稳性检验具体包括：
若湿度时序数据存在单位根，则根据湿度时序数据确定平稳性检验模型，平稳性检验模型采用下述的表达式：
其中，
表示湿度时序数据，/>
表示常数，/>
表示白噪声；
若湿度时序数据不存在单位根，则根据湿度时序数据确定平稳性检验模型，平稳性检验模型采用下述的表达式：
其中，
表示湿度时序数据，/>
表示常数，/>
表示湿度时序数据长度，/>
表示系数，满足/>
，/>
表示白噪声；
根据上述确定的平稳性检验模型确定湿度时序数据的平稳性。
5.如权利要求1所述的方法，其特征在于，将所述非平稳湿度时序数据通过一阶差分处理转化为平稳湿度时序数据。
6.如权利要求1所述的方法，其特征在于，所述根据所述消凹系数和所述平稳湿度时序数据确定预处理湿度时序数据具体包括：
根据平稳湿度时序数据确定消凹初始值；
根据所述消凹初始值和所述平稳湿度时序数据确定消凹公式，所述消凹公式表达式如下：
其中，
表示平稳湿度时序数据的第t个数据点的消凹值，/>
表示消凹系数，/>
表示平稳湿度时序数据的第t个数据点的原始值，/>
表示平稳湿度时序数据的第t-1个数据点的消凹值；
根据所述消凹公式确定所述平稳湿度时序数据的所有数据点的消凹值；
根据所述所有数据点的消凹值确定预处理湿度时序数据。
7.如权利要求1所述的方法，其特征在于，根据数据机房的湿度时序数据的特性确定湿度时序数据的预测模型具体包括：
根据数据机房的湿度时序数据的特性确定模型历史相关系数和模型误差相关系数；
根据所述模型历史相关系数和所述模型误差相关系数确定湿度时序数据的预测模型。
8.一种数据机房远程报警装置，其特征在于，包括有：
相对湿度修正模块，用于采集数据机房的环境数据，得到数据机房的环境温度值和环境相对湿度值，根据所述环境温度值和所述环境相对湿度值拟合湿度修正函数，根据所述湿度修正函数确定数据机房修正后的相对湿度值；
平稳湿度时序数据确定模块，用于根据所述数据机房修正后的相对湿度值确定数据机房的湿度时序数据，对所述湿度时序数据进行平稳性检验，若检验结果为所述湿度时序数据平稳，则得到平稳湿度时序数据，若检验结果为湿度时序数据不平稳，则得到非平稳湿度时序数据，将所述非平稳湿度时序数据转化为平稳湿度时序数据；
湿度时序数据预处理模块，用于根据所述平稳湿度时序数据确定消凹系数，根据所述消凹系数和所述平稳湿度时序数据确定预处理湿度时序数据；
预测报警模块，用于根据数据机房的湿度时序数据的特性确定湿度时序数据的预测模型，通过所述预测模型对所述预处理湿度时序数据进行预测，得到预处理湿度时序数据的预测结果，判断所述预测结果是否在数据机房的环境参数范围内，并在判断结果为所述预测结果不在数据机房的环境参数范围内时向远程控制中心发送报警信息。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有代码，所述处理器被配置为获取所述代码，并执行如权利要求1至7任一项所述的数据机房远程报警方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的数据机房远程报警方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310571838.5A CN116311829B (zh) | 2023-05-22 | 2023-05-22 | 一种数据机房远程报警方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310571838.5A CN116311829B (zh) | 2023-05-22 | 2023-05-22 | 一种数据机房远程报警方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116311829A true CN116311829A (zh) | 2023-06-23 |
| CN116311829B CN116311829B (zh) | 2023-08-01 |
Family
ID=86781972
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310571838.5A Active CN116311829B (zh) | 2023-05-22 | 2023-05-22 | 一种数据机房远程报警方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116311829B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117311293A (zh) * | 2023-11-27 | 2023-12-29 | 深圳市凌壹科技有限公司 | 一种基于远程管理的工业主板及其控制方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108399248A (zh) * | 2018-03-02 | 2018-08-14 | 郑州云海信息技术有限公司 | 一种时序数据预测方法、装置及设备 |
| CN108518804A (zh) * | 2018-03-21 | 2018-09-11 | 武汉物联远科技有限公司 | 一种机房温湿度环境预测方法及系统 |
| CN112257947A (zh) * | 2020-10-30 | 2021-01-22 | 红云红河烟草(集团)有限责任公司 | 制烟环境温湿度预测方法、装置以及设备 |
| CN112697299A (zh) * | 2020-12-07 | 2021-04-23 | 无锡科晟光子科技有限公司 | 一种基于自回归模型的光纤测温系统警报风险预测方法 |
| CN114118606A (zh) * | 2021-12-03 | 2022-03-01 | 青岛科创信达科技有限公司 | 基于小波分解和lstm的鸡舍温度湿度预测方法、装置、产品及存储介质 |
| CN114967804A (zh) * | 2022-07-11 | 2022-08-30 | 国网江苏省电力有限公司泰州供电分公司 | 配电房温度和湿度调控方法 |
-
2023
- 2023-05-22 CN CN202310571838.5A patent/CN116311829B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108399248A (zh) * | 2018-03-02 | 2018-08-14 | 郑州云海信息技术有限公司 | 一种时序数据预测方法、装置及设备 |
| CN108518804A (zh) * | 2018-03-21 | 2018-09-11 | 武汉物联远科技有限公司 | 一种机房温湿度环境预测方法及系统 |
| CN112257947A (zh) * | 2020-10-30 | 2021-01-22 | 红云红河烟草(集团)有限责任公司 | 制烟环境温湿度预测方法、装置以及设备 |
| CN112697299A (zh) * | 2020-12-07 | 2021-04-23 | 无锡科晟光子科技有限公司 | 一种基于自回归模型的光纤测温系统警报风险预测方法 |
| CN114118606A (zh) * | 2021-12-03 | 2022-03-01 | 青岛科创信达科技有限公司 | 基于小波分解和lstm的鸡舍温度湿度预测方法、装置、产品及存储介质 |
| CN114967804A (zh) * | 2022-07-11 | 2022-08-30 | 国网江苏省电力有限公司泰州供电分公司 | 配电房温度和湿度调控方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘鹤等: "物联网监控下农业温室湿度数据信号提取仿真", 计算机仿真, vol. 34, no. 10, pages 261 - 264 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117311293A (zh) * | 2023-11-27 | 2023-12-29 | 深圳市凌壹科技有限公司 | 一种基于远程管理的工业主板及其控制方法 |
| CN117311293B (zh) * | 2023-11-27 | 2024-04-02 | 深圳市凌壹科技有限公司 | 一种基于远程管理的工业主板及其控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116311829B (zh) | 2023-08-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10956632B2 (en) | Scalable system and engine for forecasting wind turbine failure | |
| CN112884199B (zh) | 水电站设备故障预测方法、装置、计算机设备和存储介质 | |
| CN113518011A (zh) | 异常检测方法和装置、电子设备及计算机可读存储介质 | |
| CN115059634B (zh) | 鼓风设备的故障诊断方法及装置、电子设备 | |
| CN111767957B (zh) | 一种日志异常的检测方法、装置、存储介质及电子设备 | |
| US11620539B2 (en) | Method and device for monitoring a process of generating metric data for predicting anomalies | |
| CN116311829B (zh) | 一种数据机房远程报警方法及装置 | |
| CN117391459B (zh) | 基于深度学习的电力运行风险预警方法及系统 | |
| CN117131457B (zh) | 基于ai模型的电力大数据采集处理方法及系统 | |
| CN110646229B (zh) | 空气预热器故障诊断方法、装置及电子设备、存储介质 | |
| CN116560794A (zh) | 虚拟机的异常处理方法和装置、介质和计算机设备 | |
| CN111800807A (zh) | 一种基站用户数量告警的方法及装置 | |
| CN113123955B (zh) | 柱塞泵异常检测方法、装置、存储介质及电子设备 | |
| CN116089891A (zh) | 一种诊断桩基结构的安全状况的方法及系统 | |
| CN117077854A (zh) | 基于传感器网络的楼宇能耗监控方法及系统 | |
| CN113691310B (zh) | 光纤链路的故障监测方法、装置、设备和存储介质 | |
| CN115222278A (zh) | 一种机器人智慧巡检的方法和系统 | |
| CN117873838B (zh) | 一种电信设备环境温度监控方法及系统 | |
| CN117992762B (zh) | 一种水冷式汽轮发电机定子绕组过热预警方法及装置 | |
| CN114708557B (zh) | 一种基于空地通信的电力施工监控方法及系统 | |
| US11682213B2 (en) | Method and device for training image analysis neural network model and intelligent image capturing apparatus employing the same | |
| KR102728828B1 (ko) | 선박용 진동 모니터링 시스템 | |
| CN118445170B (zh) | 一种基于物联网的智能防误系统 | |
| CN116910110A (zh) | 访问量预测方法、装置、设备及计算机可读存储介质 | |
| CN118764382A (zh) | 基于物联网的智能网联装备运维方法、系统、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 |