CN116386287A - 用于智慧燃气的燃气泄漏智能预警方法和物联网系统 - Google Patents

Abstract

本说明书实施例提供一种用于智慧燃气的燃气泄漏智能预警方法和物联网系统，该方法由智慧燃气户内安全管理分平台执行，包括：获取监测信息以及用户描述信息，其中，所述监测信息包括报警信息和燃气终端监测数据，所述用户描述信息包括用户上传的自定义报警信息；基于所述监测信息和所述用户描述信息，确定燃气泄漏原因；基于所述燃气泄漏原因确定候选解决方案；基于有效解决率确定模型对所述燃气泄漏原因和所述候选解决方案，确定所述候选解决方案的有效解决率，根据所述有效解决率在所述候选解决方案中确定所述目标解决方案，其中，所述有效解决率确定模型为机器学习模型。

Description

用于智慧燃气的燃气泄漏智能预警方法和物联网系统

分案说明

本申请是针对申请日为2022年10月20日、申请号为202211283273.2发明名称为“实现户内安全的智慧燃气终端联动处置方法和物联网系统”的中国申请提出的分案申请。

技术领域

本说明书涉及智慧燃气领域，特别涉及一种用于智慧燃气的燃气泄漏智能预警方法和物联网系统。

背景技术

燃气系统是室内常用的供能系统，例如向热水器、炉灶等提供燃料。然而，伴随燃气系统的广泛应用，燃气事故的数量也呈递增趋势，尤其是燃气泄漏引发的事故。由于燃气具有易燃、易爆、易流动和易扩散的特点，一旦发生泄漏，遇明火或电火花则极易发生爆炸和火灾。

有鉴于此，希望提供一种用于智慧燃气的燃气泄漏智能预警方法和物联网系统，能够自动确定燃气泄漏原因，并且在提高燃气泄漏原因的排查效率的同时，给出解决方案。

发明内容

本说明书一个或多个实施例提供一种用于智慧燃气的燃气泄漏智能预警方法。所述方法由智慧燃气户内安全管理分平台执行，包括：获取监测信息以及用户描述信息，其中，所述监测信息包括报警信息和燃气终端监测数据，所述用户描述信息包括用户上传的自定义报警信息；基于所述监测信息和所述用户描述信息，确定燃气泄漏原因；基于所述燃气泄漏原因确定候选解决方案；基于有效解决率确定模型对所述燃气泄漏原因和所述候选解决方案，确定所述候选解决方案的有效解决率，根据所述有效解决率在所述候选解决方案中确定所述目标解决方案，其中，所述有效解决率确定模型为机器学习模型。

本说明书一个或多个实施例提供一种用于智慧燃气的燃气泄漏智能预警物联网系统，所述物联网系统包括智慧燃气用户平台、智慧燃气服务平台、智慧燃气安全管理平台、智慧燃气传感网络平台和智慧燃气对象平台，所述智慧燃气安全管理平台包括智慧燃气户内安全管理分平台和智慧燃气数据中心，所述智慧燃气户内安全管理分平台被配置为执行以下操作：

获取监测信息以及用户描述信息，其中，所述监测信息包括报警信息和燃气终端监测数据，所述用户描述信息包括用户上传的自定义报警信息；基于所述监测信息和所述用户描述信息，确定燃气泄漏原因；基于所述燃气泄漏原因确定候选解决方案；基于有效解决率确定模型对所述燃气泄漏原因和所述候选解决方案，确定所述候选解决方案的有效解决率，根据所述有效解决率在所述候选解决方案中确定所述目标解决方案，其中，所述有效解决率确定模型为机器学习模型。

本说明书一个或多个实施例提供一种用于智慧燃气的燃气泄漏智能预警装置，包括处理器，所述处理器用于执行上述用于智慧燃气的燃气泄漏智能预警方法。

本说明书一个或多个实施例提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行上述用于智慧燃气的燃气泄漏智能预警方法。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的智慧燃气终端联动处置系统的物联网结构的示例性结构图；

图2是根据本说明书一些实施例所示的智慧燃气终端联动处置方法的示例性流程图；

图3是根据本说明书一些实施例所示的燃气泄漏原因预测模型的示意图；

图4是根据本说明书一些实施例所示的燃气泄漏原因预测模型的结构示意图；

图5是根据本说明书一些实施例所示的确定目标解决方案的方法的示例性流程图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是根据本说明书一些实施例所示的智慧城市燃气终端联动处置系统的物联网结构的示例性结构图。

应当理解，智慧城市燃气终端联动处置系统100可以利用各种方式来实现。如图1所示，智慧城市燃气终端联动处置系统可以包括智慧燃气用户平台110、智慧燃气服务平台120、智慧燃气安全管理平台130、智慧燃气传感网络平台140和智慧燃气对象平台150。

智慧燃气用户平台110可以是以用户为主导，与用户进行交互的平台，可以被配置为终端设备，用于将燃气异常信息以及对应的解决方案反馈给用户。其中，燃气异常信息至少可以包括针对燃气系统的监测信息以及用户上传的自定义报警信息。

在一些实施例中，智慧燃气用户平台110可以包括燃气用户分平台和监管用户分平台。燃气用户分平台是针对燃气用户的分平台，可以与智慧用气服务分平台对应并进行数据交互，用于为燃气用户提供燃气相关数据以及燃气问题解决方案等。监管用户分平台可以是针对监管用户得分平台，通过监管用户分平台，监管用户可以实现对整个物联网系统的运行进行监管。

在一些实施例中，智慧燃气用户平台可以与智慧燃气服务平台120的用气服务分平台进行数据交互。例如，智慧燃气用户平台110可以下发户内燃气安全信息查询指令至智慧燃气服务平台120。又例如，智慧燃气用户平台110可以接收智慧燃气服务平台120上传的户内燃气安全信息。其中，户内燃气安全信息可以包括燃气异常信息(例如，燃气泄漏等)以及对应的解决方案。具体的，监管用户可以通过监管用户分平台可以向智慧监管服务分平台下发查询指令，获取智慧监管服务分平台相关辖区的燃气安全情况；燃气用户可以通过燃气用户分平台从智慧用气服务分平台获取安全提醒信息。

智慧燃气服务平台120可以是为用户提供安全用气和安全监管服务的平台。

在一些实施例中，智慧燃气服务平台120可以包括智慧用气服务分平台和智慧监管服务分平台。智慧用气服务分平台可以与燃气用户分平台对应，用于为燃气用户提供安全用气服务。智慧监管服务分平台与监管用户分平台对应，用于为监管用户提供安全监管的服务。

在一些实施例中，智慧燃气服务平台120可以与智慧燃气用户平台110和智慧燃气安全管理平台130进行数据交互。例如，智慧燃气服务平台120可以下发户内燃气安全信息查询指令至智慧燃气安全管理平台130，接收智慧燃气安全管理平台130上传的户内燃气安全信息。又例如，智慧燃气服务平台可以接收智慧燃气用户平台110下发的户内燃气安全信息查询指令，上传来自智慧燃气安全管理平台130的户内燃气安全信息。

智慧燃气安全管理平台130可以指统筹、协调各功能平台之间的联系和协作，汇聚着智慧城市燃气终端联动处置系统100全部的数据和信息。管理平台可以为智慧城市燃气终端联动处置系统100的运行提供数据管理、控制管理和数据分析等功能。

在一些实施例中，管理平台可以是由管理人员、人工智能、或由预设规则操控的远程平台。

在一些实施例中，智慧燃气安全管理平台130可以包括智慧燃气数据中心和至少一个智慧燃气户内安全管理分平台。每个智慧燃气户内安全管理分平台可以对应一个用户所使用的燃气系统。其中，智慧燃气户内安全管理分平台与智慧燃气数据中心双向交互，智慧燃气户内安全管理分平台从智慧燃气数据中心获取并返回户内燃气终端设备的安全管理数据，数据中心可以汇总、存储智慧城市燃气终端联动处置系统100的所有运行数据。

在一些实施例中，智慧燃气户内安全管理分平台可以包括至少一个安全管理模块。其中，至少一个安全管理模块可以包括本质安全监测管理模块、信息安全监测管理模块和功能监测管理模块。本质安全监测管理模块可以对机械泄漏、电气功耗(智能控制功耗、通信功耗)、阀控等防爆安全方面的数据进行监控；信息安全监测管理模块可以对数据异常、非法设备信息、非法访问等监测，功能监测管理包括长期未使用、持续流量超时、流量过载、异常大流量、异常小流量、气压过低、强磁干扰、电压过低等功能性安全进行监测；功能监测管理模块可以对长期未使用、持续流量超时、流量过载、异常大流量、异常小流量、气压过低、强磁干扰、电压过低等功能性安全进行监测。

在一些实施例中，智慧燃气数据中心通过识别安全参数类别，将获取到的安全数据发送至对应的安全管理模块，各安全管理模块预设有安全阈值，当安全数据超出安全阈值时，智慧燃气安全管理平台可以自动发出警报，并可以选择将报警信息自动推送给燃气用户和/或监管用户。

在一些实施例中，智慧燃气安全管理平台130可以与智慧燃气传感网络平台140以及智慧燃气服务平台120进行数据交互。例如，智慧燃气安全管理平台130下发户内燃气安全相关数据指令至智慧燃气传感网络平台140，接收智慧燃气传感网络平台140上传的户内燃气安全相关数据。又例如，智慧燃气安全管理平台130接收智慧燃气服务平台120下发的户内燃气安全相关数据查询指令，上传户内燃气安全相关数据至智慧燃气服务平台120。

在一些实施例中，智慧燃气安全管理平台130与智慧燃气服务平台120和智慧燃气传感网络平台140的数据交互均通过智慧燃气数据中心进行。例如，智慧燃气数据中心接收智慧燃气服务平台120下发的户内燃气异常信息查询指令；智慧燃气数据中心下发获取户内燃气异常相关数据的指令至智慧燃气传感网络平台140；智慧燃气数据中心将来自智慧燃气传感网络平台140户内燃气异常相关数据发送到智慧燃气安全管理分平台进行分析和处理，智慧燃气户内安全管理分平台将处理后的数据发送至智慧燃气数据中心；智慧燃气数据中心将汇总、处理后的数据(例如，燃气异常原因及对应解决方案等)发送至智慧燃气服务平台120。

在一些实施例中，智慧燃气安全管理平台130可以用于基于燃气系统的监测信息和用户描述信息，确定燃气泄漏原因，并进一步基于燃气泄漏原因，确定目标解决方案。关于确定燃气泄漏原因和目标解决方案的更多内容，可以参见本说明书图2至图5及其相关描述。

智慧燃气传感网络平台140可以是对传感通信进行管理的功能平台，可以被配置为通信网络和网关。

在一些实施例中，智慧燃气传感网络平台140可以包括至少一个传感网络分平台。其中，至少一个传感网络分平台可以包括网络管理、协议管理、指令管理和数据解析等不同分平台，用于对网络、协议和指令进行管理，并对相关数据进行解析。一个传感网络分平台可以对应一个用户所使用的燃气系统及一个智慧燃气安全管理平台130的管理分平台。例如，传感网络分平台可以将通过智慧燃气对象平台150获取到的对应的用户的户内燃气系统监测数据，传输至对应的管理分平台。

在一些实施例中，智慧燃气传感网络平台140可以与智慧燃气安全管理平台130和智慧燃气对象平台150进行数据交互，实现感知信息传感通信和控制信息传感通信的功能。例如，智慧燃气传感网络平台140可以下发获取户内燃气系统监测数据指令至智慧燃气对象平台150，并接收智慧燃气对象平台150上传的户内燃气系统监测数据。又例如，智慧燃气传感网络平台140可以接收智慧燃气安全管理平台130的智慧燃气数据中心下发的获取户内燃气系统监测数据的指令，并上传户内燃气系统监测数据至智慧燃气数据中心。

智慧燃气对象平台150可以是感知信息生成的功能平台，可以被配置为各类设备，例如户内燃气设备、安全检测设备等。在一些实施例中，对象平台可以获取信息。例如，获取用户的燃气系统的监测信息等。

在一些实施例中，智慧燃气对象平台150可以通过至少一个分平台获取燃气安全相关信息。其中，至少一个分平台可以包括公平计量设备对象分平台、安全监测设备对象分平台和安全阀控设备对象分平台。其中，安全监测设备对象分平台可以被配置为燃气浓度检测装置，可以用于检测是否存在燃气泄漏。

在一些实施例中，智慧燃气对象平台150可以与智慧燃气传感网络平台140进行数据交互。例如，智慧燃气对象平台150可以接收智慧燃气传感网络平台140下发的获取燃气安全相关数据的指令，上传户内燃气安全相关数据至智慧燃气传感网络平台140。

需要注意的是，以上对于智慧城市燃气终端联动处置系统及其不同平台的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。例如，图1中披露的智慧燃气安全管理平台、智慧燃气用户平台、智慧燃气服务平台、智慧燃气传感网络平台和智慧燃气对象平台可以是一个系统中的不同平台，也可以是一个系统中的相同平台。

图2是根据本说明书一些实施例所示的智慧城市燃气终端联动处置方法的示例性流程图。如图2所示，流程200包括下述步骤。在一些实施例中，流程200可以由智慧燃气安全管理平台130执行。

步骤210，获取监测信息以及用户描述信息。

监测信息指燃气系统的监测信息，可以包括燃气系统实时监测并记录的与燃气系统状态相关的信息。在一些实施例中，燃气系统的监测信息可以包括报警信息和燃气终端监测数据等。

报警信息指与燃气系统异常情况相关的报警信息。例如，报警信息可以包括燃气浓度过高(例如，燃气浓度高于爆炸下限浓度的25％)、在短时间内用户多次点火失败等(例如，1min内点火失败3次及以上)。

燃气终端监测数据指从当前时刻起，预设时间段内(例如，最近3分钟内)的各项监测指标数据。在一些实施例中，监测指标数据可以包括燃气浓度、打开或关闭灶台的次数、打开或关闭热水器阀门的次数、是否点火成功、火力大小等。

在一些实施例中，燃气终端监测数据可以由智慧燃气对象平台150的传感器获得。传感器可以安装在燃气系统内或室内的各个位置，例如管道内、天花板等。传感器的数量可以为多个，用于对多个位置进行监测。

在一些实施例中，报警信息可以由智慧燃气户内安全管理分平台确定，例如，智慧燃气户内安全管理分平台可以基于燃气浓度传感器获取燃气浓度信息，并判断燃气浓度是否高于预设浓度阈值(例如，燃气浓度高于爆炸下限浓度的25％)，若是，则智慧燃气户内安全管理分平台发生成燃气浓度报警信息，并通过智慧燃气数据中心发送至智慧燃气服务平台，进而发送至智慧燃气用户平台110。

在一些实施例中，智慧燃气用户平台的监管用户分平台可以向智慧燃气服务平台下发监测信息获取指令，智慧燃气服务平台进一步将该指令下发至智慧燃气安全管理平台的智慧燃气数据中心，智慧燃气数据中心将其存储的检测信息通过智慧燃气服务平台上传至监管用户分平台。

在一些实施例中，智慧燃气数据中心通过智慧燃气传感网络平台从智慧燃气对象平台获取监测信息，并发送至智慧燃气户内安全管理分平台进行处理。

用户描述信息指用户输入的用于描述燃气系统状况的信息。例如，用户描述信息可以包括用户上传的自定义报警消息等。

用户上传的自定义报警信息指用户输入的用于描述当前燃气系统异常情况的信息。例如，自定义报警信息可以包括无法点火、火力不足或火力无法调节等。

在一些实施例中，自定义报警信息可以由用户通过用户终端基于文字或填表的方式进行输入，并由用户上传至智慧燃气用户平台110，再由智慧燃气用户平台110发送至智慧燃气服务平台120或智慧燃气安全管理平台130。

在一些实施例中，用户可以通过智慧燃气用户平台的燃气用户分平台上传用户描述信息至智慧燃气服务平台的智慧用气服务分平台，智慧用气服务分平台可以将用户描述信息上传至智慧燃气数据中心，智慧燃气数据中心将用户描述信息发送至智慧燃气户内安全管理分平台做进一步处理。

步骤220，基于监测信息和用户描述信息，确定燃气泄漏原因。

在一些实施例中，智慧燃气安全管理平台130可以基于监测信息和用户描述信息，确定燃气泄漏原因。在一些实施例中，燃气泄漏原因可以包括燃气表、灶具或热水器之间的连接处(例如，胶管等)松动，以及燃气表中的元件发生故障等。例如，燃气系统监测到燃气表连接处的压力值异常，则智慧燃气安全管理平台130可以确定燃气泄漏原因为燃气表接口处连接松动。

在一些实施例中，智慧燃气安全管理平台130可以将燃气系统的检测信息和用户描述信息输入至燃气泄漏原因预测模型，得到燃气泄漏原因，其中，燃气泄漏原因预测模型可以基于燃气系统的历史数据训练得到。关于燃气泄漏原因预测模型的更多内容，可以参见本说明书中图3和图4中的相关说明。

步骤230，基于燃气泄漏原因，确定目标解决方案。

目标解决方案可以指用于解决燃气系统故障的解决方案。例如，智慧燃气安全管理平台130确定燃气泄漏原因为燃气表连接处松动，则智慧燃气安全管理平台130可以将“更换燃气表胶管”确定为目标解决方案。又例如，智慧燃气安全管理平台130确定燃气泄漏原因为燃气表中元件故障，则可以将“更换燃气表”或“维修燃气表”确定为目标解决方案。又例如，智慧燃气安全管理平台130确定燃气泄漏原因为燃气管道腐蚀，则可以将“更换燃气管道”确定为目标解决方案。

在一些实施例中，智慧燃气安全管理平台130的智慧燃气户内安全管理分平台可以基于多种方式确定目标解决方案，例如，可以基于历史数据统计或模型预测的方式，确定目标解决方案。在一些实施例中，智慧燃气安全管理平台130可以统计历史数据中各个燃气泄漏原因的解决方案，并将使用最多或解决率最高的解决方案作为目标解决方案。

在一些实施例中，智慧燃气户内安全管理分平台可以将燃气泄漏原因以及对应的目标解决方案上传至智慧燃气数据中心，智慧燃气数据中心将燃气泄漏原因以及对应的目标解决方案发送至智慧燃气服务平台，智慧燃气服务平台将燃气泄漏原因以及对应的目标解决方案发送至智慧燃气用户平台，以提供给用户查看。

在一些实施例中，智慧燃气安全管理平台130可以根据历史数据构建历史特征向量，并根据燃气系统的监测信息以及用户描述信息构建燃气泄漏原因向量，根据历史特征向量与燃气泄漏原因向量的相似度(例如，相似度最高则认为有效解决率最高)，确定目标解决方案。

本说明书一些实施例提供的智慧城市燃气终端联动处置方法，能够基于燃气系统的监测信息和用户描述信息，自动确定燃气泄漏原因并给出相应的目标解决方案，避免了人工排查效率低、难度大的情况，提高了燃气泄漏问题的解决效率。

应当注意的是，上述有关流程200的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程200进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。

图3是根据本说明书一些实施例所示的燃气泄漏原因预测模型的示意图。如图3所示，通过燃气泄漏原因预测模型确定燃气泄漏原因的方法300包括以下内容。

在一些实施例中，智慧燃气安全管理平台130可以基于燃气系统的监测信息和用户描述信息，通过燃气泄漏原因预测模型确定燃气泄漏原因。其中，燃气泄漏原因模型可以是机器学习模型。

燃气泄漏原因预测模型340的输入可以包括监测信息310和用户描述信息320，输出可以包括燃气泄漏原因350。燃气系统的监测信息和用户描述信息的更多相关说明可参见图2步骤210及其对应描述，燃气泄漏原因的更多相关说明可参见图2步骤220及其对应描述。

在一些实施例中，燃气泄漏原因预测模型的输入还可以包括历史特征向量330。

历史特征向量330可以指基于历史数据生成的，可以反映燃气系统历史特征的向量形式的数据。历史特征向量可以为多种形式，例如，某历史特征向量可以是(H1，H2，H3)，其中，H1为历史报警信息，H2为历史燃气终端监测数据，H3为历史处置信息。

历史数据可以指历史时间段内反映燃气系统特征的数据，可以包括燃气系统的历史监测信息331-1和历史用户描述信息331-2。燃气系统的历史监测信息和历史用户描述信息可以分别指历史时间段内的燃气系统的监测信息和用户描述信息。历史时间段的时长可以人工预设，例如，一个月等。燃气系统的监测信息和用户描述信息的相关说明可参见图2及其对应描述。

在一些实施例中，历史数据可以包括燃气系统的历史监测信息和历史处置信息，其中，历史监测信息可以包括燃气系统的历史报警信息。历史报警信息可以指历史时间段内的燃气系统的报警信息。报警信息的相关说明可参见图2及其对应描述。

历史处置信息可以指历史时间段内用户对燃气系统零部件进行维修或更换等操作的记录信息。例如，历史处置信息的内容可以是“一个月前更换了电池”、“一周前更换了灶具管”、“两周前维修了点火装置”等。

本说明书一些实施例中，通过历史数据确定历史特征向量，可以使得获得的历史特征向量更好地体现燃气系统的历史特性，从而结合燃气系统的历史特性更准确地确定当前燃气泄漏原因。

在一些实施例中，历史特征向量330可以通过嵌入层331基于历史数据获取。嵌入层331可以是机器学习模型，其输入可以包括燃气系统的历史监测信息331-1和历史用户描述信息331-2，输出可以是对应的历史特征向量330。

在一些实施例中，嵌入层331可以通过多个有标签的训练样本训练得到。例如，可以将多个带有标签的训练样本输入初始嵌入层，通过标签和初始嵌入层的结果构建损失函数，基于损失函数迭代更新初始嵌入层的参数。当初始嵌入层的损失函数满足预设条件时模型训练完成，得到训练好的嵌入层。其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。

在一些实施例中，燃气泄漏原因预测模型340可以通过多个有标签的训练样本训练得到。例如，可以将多个带有标签的训练样本341-1输入初始燃气泄漏原因预测模型341，通过标签和初始燃气泄漏原因预测模型341的输出结果构建损失函数，基于损失函数的迭代更新初始燃气泄漏原因预测模型341的参数。当损失函数满足预设条件使训练完成，得到训练好的燃气泄漏原因预测模型340。

在一些实施例中，训练样本可以来自于燃气系统的历史监测信息和历史用户描述信息，标签可以由人工输入确定。

本说明书一些实施例中，通过引入历史特征向量作为燃气泄漏原因预测模型的输入，可以有效提高模型输出的燃气泄漏原因的准确性。

图4是根据本说明书一些实施例所示的燃气泄漏原因预测模型的结构示意图。如图4所示，另一通过燃气泄漏原因预测模型确定燃气泄漏原因的方法400包括以下内容。

在一些实施例中，燃气泄漏原因预测模型可以包括预处理层441和预测层442。

预处理层441的输入可以包括燃气系统的监测信息410和用户描述信息420，输出可以包括系统特征向量450和用户特征向量460。

预处理层441可以包括第一处理层441-1和第二处理层441-2。其中第一处理层441-1和第二处理层441-2可以是机器学习模型。

第一处理层441-1可以用于对燃气系统的监测信息410进行处理，获取系统特征向量450，其输入可以是燃气系统的监测信息410，输出可以是系统特征向量450。

系统特征向量450可以指基于燃气系统的监测信息410生成的，可以反映燃气系统特征的向量形式的数据。例如，某系统特征向量可以是(S1，S2，S3)，其中，S1为监测信息的获取时间，S2为报警信息，S3为燃气终端监测数据。

第二处理层441-2可以用于对用户描述信息420进行处理，获取用户特征向量460，其输入可以是用户描述信息420，输出可以是用户特征向量460。

用户特征向量460可以指基于用户描述信息420生成的，可以反映燃气系统特征的向量形式的数据。例如，某用户特征向量可以是(U1，U2)，其中，U1表示用户描述信息的获取时间，U2表示用户描述信息。

预测层442的输入可以包括对历史特征向量430、系统特征向量450和用户特征向量460，输出可以是燃气泄漏原因480。

在一些实施例中，预测层442可以包括第一预测层442-1和第二预测层442-2。其中，第一预测层442-1和第二预测层442-2可以是机器学习模型。

第一预测层442-1可以用于对可以用于对历史特征向量430、系统特征向量450和用户特征向量460进行处理，获取燃气泄漏原因向量470，其输入可以包括历史特征向量430、系统特征向量450和用户特征向量460，输出可以是燃气泄漏原因向量470。

历史特征向量430的相关说明可参见图3及其相关描述。

燃气泄漏原因向量470可以指根据历史特征向量430、系统特征向量450和用户特征向量460的内容生成的，可以反映燃气泄漏原因特征的向量形式的数据。燃气泄漏原因向量可以有多种形式。例如，某燃气泄漏原因向量的可以是(R1，R2，R3，R4，R5)，其中，R1为燃气发生泄漏的时间，R2为燃气发生泄漏时监测到的燃气浓度，R3为报警信息，R4为用户描述信息，R5为燃气泄漏原因。

第二预测层442-2可以用于对可以用于对燃气泄漏原因向量470进行处理，获取燃气泄漏原因480，其输入可以是燃气泄漏原因向量470，输出可以是燃气泄漏原因480。

在一些实施例中，第二预测层442-2的输入还可以包括误报概率。

误报可以指燃气系统的监测信息410和/或用户描述信息420与实际情况不相符的情形。例如，燃气系统的火力充足，而由于监测设备的故障等原因，使得对应生成的燃气系统的监测信息的内容为“燃气火力较小”，此种情形可被判定为误报。误报概率可以指出现误报情形的可能性，其大小可以通过百分数的形式进行表征。例如，误报概率为20％，代表燃气系统的监测信息410和/或用户描述信息420与实际情况不相符的可能性为20％。误报概率的确定方法可参见图5及其对应描述。

在一些实施例中，第一处理层可以包括补充数据模块，响应于误报概率大于阈值，智慧燃气安全管理平台通过补充数据模块对系统监测数据进行补充，基于补充后的系统监测数据确定新的系统特征向量。具体的，智慧燃气安全管理平台在通过嵌入层331基于燃气系统的历史监测信息331-1和历史用户描述信息331-2确定对应的历史特征向量330前，响应于误报概率大于概率阈值，可以对燃气系统的历史监测信息331-1和/或历史用户描述信息331-2进行数据补充。数据补充的方式可以是扩充数据种类或数量等。扩充数据种类可以指增加燃气系统的历史监测信息331-1和历史用户描述信息331-2所包含的数据类型，例如，原有燃气系统的历史监测信息331-1和历史用户描述信息331-2所包含的数据类型为数值类型的数据(例如燃气浓度)，那么补充的数据类型可以是燃气火力的图像形式的数据等。概率阈值的大小可人工预设。

数据补充过程所需补充的数据的种类和数量可以基于预设规则确定。例如，可以预设误报概率与需补充数据的种类和数量的对应关系表，根据表中的对应关系确定需补充数据的种类和数量。数据补充过程所需补充的数据的种类和数量还可以基于数据补充模型确定。数据补充模型可以是机器学习模型，其输入可以包括误报概率、燃气系统的历史监测信息331-1和历史用户描述信息331-2，其输出可以是需补充数据的种类和数量。

在一些情况下，考虑到节约能源的需求，并非所有的数据都需要进行实时监测，例如，燃气浓度等重要数据需要实时监测，而其它数据(例如，燃气系统现场画面)则不需要实时监测，或可以以较长时间周期进行监测。本说明书一些实施例中，通过数据补充的方式，当误报概率大于阈值时，获取没有实时监测的数据作为补充数据，可以达到修正燃气泄漏原因预测模型所输入的数据的目的，避免模型的输出严重偏离实际。

本说明书一些实施例中，通过引入误报概率，可以达到避免因燃气泄漏原因预测模型所输入的数据有误而导致获取的燃气泄漏原因有误的情形的目的。

本说明书一些实施例中，将燃气泄漏原因预测模型的预测层进一步划分为两层，分别对燃气系统的监测信息和用户描述信息进行处理，获得相应的系统特征向量和用户特征向量，可以规范数据的形式，便于后续处理，进而有利于提升燃气泄漏原因预测模型的预测准确度。

本说明书一些实施例中，将燃气泄漏原因预测模型划分为多层，先通过预处理层对燃气系统的监测信息和用户描述信息进行处理获得系统特征向量和用户特征向量，再通过预测层对系统特征向量、用户特征向量和历史特征向量进行处理，获得燃气泄漏原因，有利于燃气泄漏原因预测模型的预测准确度。

在一些实施例中，燃气泄漏原因预测模型的预处理层441的输出可以作为预测层442的输入，预处理层441和预测层442可以通过联合训练得到。

在一些实施例中，联合训练的样本数据包括样本燃气系统的监测信息、样本用户描述信息以及样本历史特征向量，标签为样本系统特征向量、样本用户特征向量以及样本燃气泄漏原因。联合训练的过程可以包括：将样本燃气系统的监测信息和样本用户描述信息输入预处理层441，得到预处理层441输出的系统特征向量和用户特征向量；将预处理层441输出的系统特征向量和用户特征向量作为训练样本数据，和样本历史特征向量输入预测层442，得到预测层442输出的燃气泄漏原因。基于样本燃气泄漏原因和预测层442输出的燃气泄漏原因构建损失函数，同步更新预处理层441和预测层442的参数。通过参数更新，得到训练好的预处理层441和预测层442。

本说明书一些实施例中，通过燃气泄漏原因预测模型来进行燃气泄漏原因预测，不仅可以准确地对燃气泄漏原因进行预测，同时也可节约人力和时间成本。

需要说明的是，本说明书一些实施例中，术语相同但编号不同的对象可以为同一内容。例如，监测信息310和监测信息410、用户描述信息320和用户描述信息420、历史特征向量330和历史特征向量430，以及燃气泄漏原因预测模型340和燃气泄漏原因预测模型440等。

图5是根据本说明书一些实施例所示的确定目标解决方案的方法的示例性流程图。如图5所示，流程500包括以下步骤。在一些实施例中，流程500可以由智慧燃气安全管理平台130执行。

步骤510，基于燃气泄漏原因确定候选解决方案。

候选解决方案指与燃气泄漏原因对应的一个或多个方案。在一些实施例中，候选解决方案可以为更换胶管、更换燃气表元件、更换管道部件等方案中的一种或多种，例如，当燃气泄漏原因为胶管磨损或老化时，候选解决方案可以为更换胶管或将胶管更换为或金属软管等。

在一些实施例中，智慧燃气安全管理平台130可以基于多种方式确定候选解决方案，例如，智慧燃气安全管理平台130可以采用模型或统计的方式，将燃气泄漏原因对应的多个解决方案进行排序(例如，基于解决方案的历史解决成功率进行排序等)，自动确定候选解决方案(例如，选取排序结果中的前N个解决方案)。

在一些实施例中，智慧燃气安全管理平台130可以基于特征向量，通过该特征向量与数据库中的参考向量的相似度确定候选解决方案。其中，数据库包含多个参考向量，多个参考向量中的每个参考向量存在对应的候选解决方案。

特征向量是指基于燃气系统中的燃气终端的相关信息构建的向量。基于燃气系统的相关信息构建特征向量的方式有多种。例如，基于燃气系统中某一燃气终端的信息(x，y，m，n)构建的特征向量p，其中，终端的信息(x，y，m，n)可以表示燃气终端的监测信息为x、用户描述信息为y，误报概率为m，燃气泄漏原因为n。其中燃气泄漏原因可以基于燃气泄漏原因预测模型中第一预测层的输出结果确定。

参考向量基于燃气系统的历史监测信息、历史用户描述信息、历史燃气泄漏原因构建，参考向量对应的候选解决方案为对应燃气泄漏原因的解决方案。待匹配向量基于当前监测信息、当前用户描述信息以及当前燃气泄漏原因的相关信息构建。参考向量和待匹配向量的构建方式可参见上述特征向量。

在一些实施例中，智慧燃气安全管理平台130可以分别计算参考向量与待匹配向量之间的距离，确定待匹配向量对应燃气泄漏原因的候选解决方案。例如，将与待匹配向量之间的距离满足预设条件的参考向量作为目标向量，将目标向量对应的燃气泄漏原因的解决方案作为待匹配向量对应的燃气泄漏原因的候选解决方案。预设条件可以根据情况设定。例如，预设条件可以是向量距离最小或向量距离小于距离阈值等。

在一些实施例中，误报概率可以基于误报概率确定模型确定。在一些实施例中，误报概率确定模型可以为机器学习模型，例如，误报概率确定模型可以是卷积神经网络模型。误报概率确定模型的输入可以包括系统特征向量、用户特征向量、历史特征向量、用户可靠度(根据历史误报频率、用户报警频率等来确定)，输出可以包括误报概率。

在一些实施例中，误报概率确定模型可以通过训练得到。例如，向初始误报概率确定模型输入训练样本，并基于标签和初始误报概率确定模型的输出结果建立损失函数，对初始误报概率确定模型的参数进行更新，当初始误报概率确定模型的损失函数满足预设条件时模型训练完成，其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。

在一些实施例中，训练样本可以为多个历史燃气泄漏原因和相应的解决方案，训练样本可以基于历史数据获取。训练样本的标签可以是燃气系统误报的监测信息或用户误报的描述信息等。标签可以人工标注。

本说明书的实施例基于向量相似度以及误报概率确定候选解决方案，充分考虑用户上报信息的可靠度，提高了候选解决方案的有效性。

步骤520，确定候选解决方案的有效解决率，根据有效解决率在候选解决方案中确定目标解决方案。

有效解决率指候选解决方案有效解决该燃气泄漏原因的概率，例如，有效解决率可以为70％、80％等。

在一些实施例中，有效解决率可以基于历史数据确定，例如，智慧燃气安全管理平台130可以基于历史数据中燃气泄漏原因及相应的候选解决方案，以及该解决方案是否解决问题，确定候选解决方案的有效解决率。

在一些实施例中，有效解决率可以基于有效解决率确定模型进行确定。

有效解决率确定模型可以为机器学习模型，例如，有效解决率确定模型可以是卷积神经网络模型。有效解决率确定模型的输入可以包括燃气泄漏原因、候选解决方案，输出可以包括有效解决率。

在一些实施例中，有效解决率确定模型可以基于带有标签的训练样本通过训练得到。例如，训练样本输入初始有效解决率确定模型，并基于标签和初始有效解决率确定模型的输出结果建立损失函数，对初始有效解决率确定模型的参数进行更新，当初始有效解决率确定模型的损失函数满足预设条件时模型训练完成，其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。

在一些实施例中，训练样本可以为多个历史燃气泄漏原因和相应的候选解决方案，训练样本可以基于历史数据获取。训练样本的标签可以是候选解决方案有效解决该燃气泄漏原因的概率，标签可以基于解决方案处理燃气泄漏的结果人工标注。

本说明书的实施例基于有效解决率确定模型，确定候选解决方案的有效解决率，使确定的有效解决率更具准确性，进而更好地从候选解决方案中确定目标解决方案。

本说明书的实施例通过有效解决率确定模型确定候选解决方案的有效解决率，并基于有效解决率从候选解决方案中确定目标解决方案，使得到的目标解决方案更具有效性，有利于用户获得更好的使用体验。

在一些实施例中，提供了一种智慧燃气终端联动处置装置，包括处理器，所述处理器用于执行本说明书任一实施例中的基于物联网的智慧燃气终端联动处置方法。

在一些实施例中，提供了一种计算机可读存储介质，存储介质存储计算机指令，当计算机读取计算机指令时，计算机执行本说明书任一实施例中的基于物联网的智慧燃气终端联动处置方法。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (10)

1.一种用于智慧燃气的燃气泄漏智能预警方法，其特征在于，所述方法由智慧燃气户内安全管理分平台执行，包括：

获取监测信息以及用户描述信息，其中，所述监测信息包括报警信息和燃气终端监测数据，所述用户描述信息包括用户上传的自定义报警信息；

基于所述监测信息和所述用户描述信息，确定燃气泄漏原因；

基于所述燃气泄漏原因确定候选解决方案；

基于有效解决率确定模型对所述燃气泄漏原因和所述候选解决方案，确定所述候选解决方案的有效解决率，根据所述有效解决率在所述候选解决方案中确定所述目标解决方案，其中，所述有效解决率确定模型为机器学习模型。

2.如权利要求1所述的方法，其特征在于，所述基于所述燃气泄漏原因确定候选解决方案包括：

确定特征向量与数据库中的参考向量的距离，将所述距离满足预设条件的所述参考向量对应的参考候选解决方案确定为所述候选解决方案，其中，

所述数据库中包括多个所述参考向量，以及每个所述参考向量对应的候选参考候选解决方案；

所述特征向量基于燃气系统中的燃气终端的相关信息构建，所述相关信息包括所述监测信息、所述用户描述信息、所述燃气泄漏原因以及误报概率，所述误报概率是指所述监测信息出现误报情形的可能性。

3.如权利要求1所述的方法，其特征在于，所述基于所述监测信息和所述用户描述信息，确定燃气泄漏原因，包括：

通过燃气泄漏原因预测模型确定所述燃气泄漏原因，所述燃气泄漏原因预测模型的输入包括所述监测信息、所述用户描述信息和历史特征向量，输出包括所述燃气泄漏原因，其中，

所述历史特征向量基于历史数据生成，所述历史数据包括所述燃气系统的历史报警信息和历史处置信息，所述历史处置信息指历史时间段内用户对所述燃气系统零部件进行维修或更换操作的记录信息。

4.如权利要求3所述的方法，其特征在于，所述历史特征向量通过嵌入层对所述历史数据处理获取。

5.如权利要求3所述的方法，其特征在于，所述燃气泄漏原因预测模型包括预处理层和预测层，其中，所述预处理层包括第一处理层和第二处理层；

所述第一处理层用于对所述监测信息进行处理，获取系统特征向量；

所述第二处理层用于对所述用户描述信息进行处理，获取用户特征向量；

所述预测层用于对所述系统特征向量、所述用户特征向量和所述历史特征向量进行处理，获取所述燃气泄漏原因。

6.如权利要求3所述的方法，其特征在于，所述预测层包括第一预测层和第二预测层，其中，

所述第一预测层用于对所述历史特征向量、所述系统特征向量和所述用户特征向量进行处理，获取燃气泄漏原因向量；

所述第二预测层用对所述燃气泄漏原因向量进行处理，获取所述燃气泄漏原因。

7.如权利要求1所述的方法，其特征在于，所述监测信息由智慧燃气数据中心通过智慧燃气传感网络平台从智慧燃气对象平台获取，所述用户描述信息由所述智慧燃气数据中心通过智慧燃气服务平台从智慧燃气用户平台获取。

8.如权利要求7所述的方法，其特征在于，还包括：

所述智慧燃气户内安全管理分平台将所述燃气泄漏原因及所述目标解决方案上传至所述智慧燃气数据中心；

所述智慧燃气数据中心将所述燃气泄漏原因及所述目标解决方案发送至智慧燃气服务平台；

所述智慧燃气服务平台将所述燃气泄漏原因及所述目标解决方案发送至智慧燃气用户平台。

9.一种用于智慧燃气的燃气泄漏智能预警物联网系统，其特征在于，所述物联网系统包括智慧燃气用户平台、智慧燃气服务平台、智慧燃气安全管理平台、智慧燃气传感网络平台和智慧燃气对象平台，所述智慧燃气安全管理平台包括智慧燃气户内安全管理分平台和智慧燃气数据中心，所述智慧燃气户内安全管理分平台被配置为执行以下操作：

获取监测信息以及用户描述信息，其中，所述监测信息包括报警信息和燃气终端监测数据，所述用户描述信息包括用户上传的自定义报警信息；

基于所述监测信息和所述用户描述信息，确定燃气泄漏原因；

基于所述燃气泄漏原因确定候选解决方案；

基于有效解决率确定模型对所述燃气泄漏原因和所述候选解决方案，确定所述候选解决方案的有效解决率，根据所述有效解决率在所述候选解决方案中确定所述目标解决方案，其中，所述有效解决率确定模型为机器学习模型。

10.一种用于智慧燃气的燃气泄漏智能预警装置，包括处理器，所述处理器用于执行权利要求1至8所述的方法。

Images