CN117540240A - 一种用水异常检测方法、装置、电子设备及存储介质 - Google Patents
一种用水异常检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117540240A CN117540240A CN202311270650.3A CN202311270650A CN117540240A CN 117540240 A CN117540240 A CN 117540240A CN 202311270650 A CN202311270650 A CN 202311270650A CN 117540240 A CN117540240 A CN 117540240A
- Authority
- CN
- China
- Prior art keywords
- water
- water consumption
- user
- current
- learning period
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 513
- 230000005856 abnormality Effects 0.000 title claims abstract description 63
- 238000001514 detection method Methods 0.000 title claims abstract description 61
- 230000002159 abnormal effect Effects 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012790 confirmation Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Economics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Medical Informatics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Water Treatment By Sorption (AREA)
Abstract
本申请公开了一种用水异常检测方法、装置、电子设备及存储介质;该方法包括:当用户使用中央净水机时,记录用户在当前次使用中央净水机的时长;根据用户在当前次使用中央净水机的时长和在当前次之前每次使用中央净水机的时长,计算用户使用中央净水机的总时长;若用户使用中央净水机的总时长大于预设的学习周期,获取用户在当前学习周期内使用中央净水机的单次最高用水量和单次最高用水时长;根据单次最高用水量和单次最高用水时长以及当前学习周期对应的用水量最大值和当前学习周期对应的用水时长最大值,检测用户在当前次之前的学习周期内的用水是否异常。本申请实施例可以针对不同的用户进行自学习判定,从而可以提高用水异常提醒的准确度。
Description
技术领域
本申请实施例涉及净水机技术领域,尤其涉及一种用水异常检测方法、装置、电子设备及存储介质。
背景技术
净水机的用水异常检测主要是为了判断净水机是否正常工作,并及时发现和解决可能存在的问题。净水机的用水异常检测方法可以通过以下方式进行:1)压力检测:净水机通常工作时会产生一定的水压,如果水压异常高或异常低,可能表示净水机出现故障或者某些部件堵塞。可以通过安装压力传感器来监测净水机的水压情况,并进行异常检测和报警。2)流量检测:净水机工作时水的流入和流出量应保持平衡,如果流入量或流出量异常,可能表示净水机存在问题。可以通过安装流量传感器监测净水机的流量,并进行异常检测和报警。3)温度检测:净水机工作时水的温度通常应保持在一定范围内,如果温度异常高或异常低,可能表示净水机出现故障或者某些部件失效。可以通过安装温度传感器监测净水机的水温,并进行异常检测和报警。4)水质检测:净水机的主要功能是去除水中的污染物,如果净水机的出水水质不达标,可能表示净水机存在问题。可以通过安装水质传感器监测净水机的出水水质,并进行异常检测和报警。5)漏水检测:净水机在使用过程中可能会发生漏水现象,可能是管道连接松动、密封件老化等问题造成的。可以通过安装漏水传感器或者水浸传感器来监测净水机周围的水位变化,并进行异常检测和报警。
在实现本申请的过程中,申请人发现现有技术中至少存在如下问题:
现有技术通常采用设置阈值的方式进行用户异常检测,通过与预先设置的阈值进行对比,确定是否满足用水异常判断条件,该方法准确度较低,经常会出现误报警和不报警的情况。
发明内容
本申请提供一种用水异常检测方法、装置、电子设备及存储介质,可以针对不同的用户进行自学习判定,从而可以提高用水异常提醒的准确度。
第一方面,本申请实施例提供了一种用水异常检测方法,所述方法包括:
当用户使用中央净水机时,记录所述用户在当前次使用所述中央净水机的时长;
根据所述用户在当前次使用所述中央净水机的时长和预先存储的所述用户在当前次之前每次使用所述中央净水机的时长,计算所述用户使用所述中央净水机的总时长;
若所述用户使用所述中央净水机的总时长大于预先设定的学习周期,则获取所述用户在当前学习周期内使用所述中央净水机的单次最高用水量和单次最高用水时长;其中,所述当前学习周期的起始点为所述用户在当前次使用所述中央净水机的时刻;所述当前学习周期的终止点为所述用户在当前次使用所述中央净水机的时刻减去所述学习周期;
根据所述单次最高用水量和所述单次最高用水时长以及所述当前学习周期对应的用水量最大值和所述当前学习周期对应的用水时长最大值,检测所述用户在所述当前次之前的学习周期内的用水是否异常。
第二方面,本申请实施例还提供了一种用水异常检测装置,所述装置包括:记录模块、计算模块、获取模块和检测模块;其中,
所述记录模块,用于当用户使用中央净水机时,记录所述用户在当前次使用所述中央净水机的时长;
所述计算模块,用于根据所述用户在当前次使用所述中央净水机的时长和预先存储的所述用户在当前次之前每次使用所述中央净水机的时长,计算所述用户使用所述中央净水机的总时长;
所述获取模块,用于若所述用户使用所述中央净水机的总时长大于预先设定的学习周期,则获取所述用户在当前学习周期内使用所述中央净水机的单次最高用水量和单次最高用水时长;其中,所述当前学习周期的起始点为所述用户在当前次使用所述中央净水机的时刻;所述当前学习周期的终止点为所述用户在当前次使用所述中央净水机的时刻减去所述学习周期;
所述检测模块,用于根据所述单次最高用水量和所述单次最高用水时长以及所述当前学习周期对应的用水量最大值和所述当前学习周期对应的用水时长最大值,检测所述用户在所述当前次之前的学习周期内的用水是否异常。
第三方面,本申请实施例提供了一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本申请任意实施例所述的用水异常检测方法。
第四方面,本申请实施例提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现本申请任意实施例所述的用水异常检测方法。
本申请实施例提出了一种用水异常检测方法、装置、电子设备及存储介质,当用户使用中央净水机时,先记录用户在当前次使用中央净水机的时长;然后根据用户在当前次使用中央净水机的时长和预先存储的用户在当前次之前每次使用中央净水机的时长,计算用户使用中央净水机的总时长;若用户使用中央净水机的总时长大于预先设定的学习周期,则获取用户在当前学习周期内使用中央净水机的单次最高用水量和单次最高用水时长;然后根据单次最高用水量和单次最高用水时长以及当前学习周期对应的用水量最大值和当前学习周期对应的用水时长最大值,检测用户在当前次之前的学习周期内的用水是否异常。也就是说,在本申请的技术方案中,可以针对不同的用户,自动学习当前学习周期对应的用水量最大值和当前学习周期对应的用水时长最大值,并不是采用预先设置的固定的用水量最大值和用水时长最大值。而在现有技术中,采用预先设置的固定的用水量最大值和用水时长最大值进行检测。因此,和现有技术相比,本申请实施例提出的用水异常检测方法、装置、电子设备及存储介质,可以针对不同的用户进行自学习判定,从而可以提高用水异常提醒的准确度;并且,本申请实施例的技术方案实现简单方便、便于普及,适用范围更广。
附图说明
图1为本申请实施例提供的用水异常检测方法的第一流程示意图;
图2为本申请实施例提供的用水异常检测方法的第二流程示意图;
图3为本申请实施例提供的用水异常检测方法的第三流程示意图;
图4为本申请实施例提供的用水异常检测装置的结构示意图;
图5为本申请实施例提供的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本申请实施例提供的用水异常检测方法的第一流程示意图,该方法可以由用水异常检测装置或者电子设备来执行,该装置或者电子设备可以由软件和/或硬件的方式实现,该装置或者电子设备可以集成在任何具有网络通信功能的智能设备中。如图1所示,用水异常检测方法可以包括以下步骤:
S101、当用户使用中央净水机时,记录用户在当前次使用中央净水机的时长。
在本步骤中,当用户使用中央净水机时,电子设备可以记录用户在当前次使用中央净水机的时长。具体地,记录用户在当前次使用中央净水机的时长,可以采用以下方法:1)使用计时器:用户可以在中央净水机上安装一个计时器装置,它可以记录用户每次使用的时长。用户启动净水器时,计时器开始计时,当用户结束使用时,计时器停止计时。该计时器可以是一个单独的设备,也可以是中央净水机的一部分。2)使用智能手机应用程序:用户可以为中央净水机开发一个智能手机应用程序。该应用程序可以充当一个记录用户使用时长的工具。用户可以通过应用程序启动和停止计时来记录使用时长。该应用程序还可以提供其他功能,如水质监测等。3)使用传感器技术:用户可以在中央净水机上安装传感器,以检测用户的使用情况。传感器可以监测水流或其他指标,并根据用户的行为自动记录使用时长。
S102、根据用户在当前次使用中央净水机的时长和预先存储的用户在当前次之前每次使用中央净水机的时长,计算用户使用中央净水机的总时长。
在本步骤中,电子设备可以根据用户在当前次使用中央净水机的时长和预先存储的用户在当前次之前每次使用中央净水机的时长,计算用户使用中央净水机的总时长。具体地,电子设备可以将用户在当前次使用中央净水机的时长加上预先存储的用户在当前次之前每次使用中央净水机的时长,得到用户使用中央净水机的总时长。
S103、若用户使用中央净水机的总时长大于预先设定的学习周期,则获取用户在当前学习周期内使用中央净水机的单次最高用水量和单次最高用水时长;其中,当前学习周期的起始点为用户在当前次使用中央净水机的时刻;当前学习周期的终止点为用户在当前次使用中央净水机的时刻减去学习周期。
在本步骤中,若用户使用中央净水机的总时长大于预先设定的学习周期,则电子设备可以获取用户在当前学习周期内使用中央净水机的单次最高用水量和单次最高用水时长。具体地,电子设备可以将用户在当前学习周期内每次使用中央净水机的用水量和用水时长分别进行排序,从而可以得到用户在当前学习周期内使用中央净水机的单次最高用水量和单次最高用水时长。本申请实施例中的当前学习周期的起始点为用户在当前次使用中央净水机的时刻;当前学习周期的终止点为用户在当前次使用中央净水机的时刻减去学习周期。举例说明,本申请实施例以天为单位进行计算,假设预先设定的学习周期为14天,并假设用户第一次开启中央净水机的时刻为2023-9-1,如果用户当前次使用中央净水机的时刻为2023-9-20,那么当前学习周期的起始点为2023-9-20,当前学习周期的终止点为2023-9-6。
S104、根据单次最高用水量和单次最高用水时长以及当前学习周期对应的用水量最大值和当前学习周期对应的用水时长最大值,检测用户在当前次之前的学习周期内的用水是否异常。
在本步骤中,电子设备可以根据单次最高用水量和单次最高用水时长以及当前学习周期对应的用水量最大值和当前学习周期对应的用水时长最大值,检测用户在当前次之前的学习周期内的用水是否异常。具体地,若单次最高用水量大于当前学习周期对应的用水量最大值或者单次最高用水时长大于当前学习周期对应的用水时长最大值,则电子设备可以判定用户在当前次之前的学习周期内的用水异常;若单次最高用水量小于等于当前学习周期对应的用水量最大值并且单次最高用水时长小于等于当前学习周期对应的用水时长最大值,则电子设备可以判定用户在当前次之前的学习周期内的用水正常。
本申请实施例提出的用水异常检测方法,当用户使用中央净水机时,先记录用户在当前次使用中央净水机的时长;然后根据用户在当前次使用中央净水机的时长和预先存储的用户在当前次之前每次使用中央净水机的时长,计算用户使用中央净水机的总时长;若用户使用中央净水机的总时长大于预先设定的学习周期,则获取用户在当前学习周期内使用中央净水机的单次最高用水量和单次最高用水时长;然后根据单次最高用水量和单次最高用水时长以及当前学习周期对应的用水量最大值和当前学习周期对应的用水时长最大值,检测用户在当前次之前的学习周期内的用水是否异常。也就是说,在本申请的技术方案中,可以针对不同的用户,自动学习当前学习周期对应的用水量最大值和当前学习周期对应的用水时长最大值,并不是采用预先设置的固定的用水量最大值和用水时长最大值。而在现有技术中,采用预先设置的固定的用水量最大值和用水时长最大值进行检测。因此,和现有技术相比,本申请实施例提出的用水异常检测方法,可以针对不同的用户进行自学习判定,从而可以提高用水异常提醒的准确度;并且,本申请实施例的技术方案实现简单方便、便于普及,适用范围更广。
实施例二
图2为本申请实施例提供的用水异常检测方法的第二流程示意图。基于上述技术方案进一步优化与扩展,并可以与上述各个可选实施方式进行结合。如图2所示,用水异常检测方法可以包括以下步骤:
S201、当用户使用中央净水机时,记录用户在当前次使用中央净水机的时长。
S202、根据用户在当前次使用中央净水机的时长和预先存储的用户在当前次之前每次使用中央净水机的时长,计算用户使用中央净水机的总时长。
S203、若用户使用中央净水机的总时长大于预先设定的学习周期,则获取用户在当前学习周期内使用中央净水机的单次最高用水量和单次最高用水时长;其中,当前学习周期的起始点为用户在当前次使用中央净水机的时刻;当前学习周期的终止点为用户在当前次使用中央净水机的时刻减去学习周期。
S204、若单次最高用水量大于当前学习周期对应的用水量最大值或者单次最高用水时长大于当前学习周期对应的用水时长最大值,则向用户发送用水异常提醒消息。
在本步骤中,若单次最高用水量大于当前学习周期对应的用水量最大值或者单次最高用水时长大于当前学习周期对应的用水时长最大值,则电子设备可以向用户发送用水异常提醒消息。用水异常提醒消息可以通过手机应用程序、短信或电子邮件发送给用户,让用户了解异常情况并及时采取处理措施,以避免不必要的损失或危险。
S205、接收用户响应于用水异常提醒消息反馈的用水确认消息;其中,用水确认消息包括:用水正常确认消息和用水异常确认消息。
在本步骤中,电子设备可以接收用户响应于用水异常提醒消息反馈的用水确认消息;其中,用水确认消息包括:用水正常确认消息和用水异常确认消息。具体地,用户在接收到用水异常提醒消息之后,可以根据实际情况确认在当前次之前的学习周期内的用水是否异常;若确认在当前次之前的学习周期内的用水异常,则用户可以反馈用水异常确认消息;若确认在当前次之前的学习周期内的用水正常,则用户可以反馈用水正常确认消息。
S206、若用水确认消息为用水正常确认消息,则将当前学习周期对应的用水量最大值更新为单次最高用水量或者将当前学习周期对应的用水时长最大值更新为单次最高用水时长。
在本步骤中,若用水确认消息为用水正常确认消息,则电子设备可以将当前学习周期对应的用水量最大值更新为单次最高用水量或者将当前学习周期对应的用水时长最大值更新为单次最高用水时长。这样可以提高用水量最大值和用水时长最大值,从而可以提高用水异常提醒的准确度。
本申请实施例提出的用水异常检测方法,当用户使用中央净水机时,先记录用户在当前次使用中央净水机的时长;然后根据用户在当前次使用中央净水机的时长和预先存储的用户在当前次之前每次使用中央净水机的时长,计算用户使用中央净水机的总时长;若用户使用中央净水机的总时长大于预先设定的学习周期,则获取用户在当前学习周期内使用中央净水机的单次最高用水量和单次最高用水时长;然后根据单次最高用水量和单次最高用水时长以及当前学习周期对应的用水量最大值和当前学习周期对应的用水时长最大值,检测用户在当前次之前的学习周期内的用水是否异常。也就是说,在本申请的技术方案中,可以针对不同的用户,自动学习当前学习周期对应的用水量最大值和当前学习周期对应的用水时长最大值,并不是采用预先设置的固定的用水量最大值和用水时长最大值。而在现有技术中,采用预先设置的固定的用水量最大值和用水时长最大值进行检测。因此,和现有技术相比,本申请实施例提出的用水异常检测方法,可以针对不同的用户进行自学习判定,从而可以提高用水异常提醒的准确度;并且,本申请实施例的技术方案实现简单方便、便于普及,适用范围更广。
实施例三
图3为本申请实施例提供的用水异常检测方法的第三流程示意图。基于上述技术方案进一步优化与扩展,并可以与上述各个可选实施方式进行结合。如图3所示,用水异常检测方法可以包括以下步骤:
S301、当用户使用中央净水机时,记录用户在当前次使用中央净水机的时长。
S302、根据用户在当前次使用中央净水机的时长和预先存储的用户在当前次之前每次使用中央净水机的时长,计算用户使用中央净水机的总时长。
S303、若用户使用中央净水机的总时长小于等于预先设定的学习周期,则获取用户在当前时段内使用中央净水机的单次最高用水量和单次最高用水时长;其中,当前时段的起始点为用户在当前次使用中央净水机的时刻;当前时段的终止点为用户第一次开启中央净水机的时刻。
在本步骤中,若用户使用中央净水机的总时长小于等于预先设定的学习周期,则电子设备可以获取用户在当前时段内使用中央净水机的单次最高用水量和单次最高用水时长;其中,当前时段的起始点为用户在当前次使用中央净水机的时刻;当前时段的终止点为用户第一次开启中央净水机的时刻。举例说明,本申请实施例以天为单位进行计算,假设预先设定的学习周期为14天,并假设用户第一次开启中央净水机的时刻为2023-9-10,如果用户当前次使用中央净水机的时刻为2023-9-20,那么当前学习周期的起始点为2023-9-20,当前学习周期的终止点为2023-9-10。
S304、根据单次最高用水量和单次最高用水时长以及预先设定的用水量最大值和预先设定的用水时长最大值,检测用户在当前次之前的时间段内的用水是否异常。
在本步骤中,电子设备可以根据单次最高用水量和单次最高用水时长以及预先设定的用水量最大值和预先设定的用水时长最大值,检测用户在当前次之前的学习周期内的用水是否异常。具体地,若单次最高用水量大于预先设定的用水量最大值或者单次最高用水时长大于预先设定的用水时长最大值,则电子设备可以判定用户在当前次之前的时间段内的用水异常;若单次最高用水量小于等于预先设定的用水量最大值并且单次最高用水时长小于等于预先设定的用水时长最大值,则电子设备可以判定用户在当前次之前的时间段内的用水正常。
在本申请的具体实施例中,用户在使用中央净水机之前,电子设备还可以获取用户使用中央净水机的需求;其中,用户使用中央处理器的需求包括:大量用水需求和普通用水需求;然后根据用户使用中央处理器的需求确定用户在当次使用中央净水机的用水量系数和用水时长系数;再根据预先设定的初始的用水量最大值和用水量系数以及预先设定的初始的用水时长最大值和用水时长系数,分别计算出预先设定的用水量最大值和预先设定的用水时长最大值。具体地,电子设备可以将预先设定的初始的用水量最大值乘以用水量系数,得到预先设定的用水量最大值;将预先设定的初始的用水时长最大值乘以用水时长系数,得到预先设定的用水时长最大值。
本申请实施例提出的用水异常检测方法,当用户使用中央净水机时,先记录用户在当前次使用中央净水机的时长;然后根据用户在当前次使用中央净水机的时长和预先存储的用户在当前次之前每次使用中央净水机的时长,计算用户使用中央净水机的总时长;若用户使用中央净水机的总时长大于预先设定的学习周期,则获取用户在当前学习周期内使用中央净水机的单次最高用水量和单次最高用水时长;然后根据单次最高用水量和单次最高用水时长以及当前学习周期对应的用水量最大值和当前学习周期对应的用水时长最大值,检测用户在当前次之前的学习周期内的用水是否异常。也就是说,在本申请的技术方案中,可以针对不同的用户,自动学习当前学习周期对应的用水量最大值和当前学习周期对应的用水时长最大值,并不是采用预先设置的固定的用水量最大值和用水时长最大值。而在现有技术中,采用预先设置的固定的用水量最大值和用水时长最大值进行检测。因此,和现有技术相比,本申请实施例提出的用水异常检测方法,可以针对不同的用户进行自学习判定,从而可以提高用水异常提醒的准确度;并且,本申请实施例的技术方案实现简单方便、便于普及,适用范围更广。
实施例四
图4为本申请实施例提供的用水异常检测装置的结构示意图。如图4所示,所述用水异常检测装置包括:记录模块401、计算模块402、获取模块403和检测模块404;其中,
所述记录模块401,用于当用户使用中央净水机时,记录所述用户在当前次使用所述中央净水机的时长;
所述计算模块402,用于根据所述用户在当前次使用所述中央净水机的时长和预先存储的所述用户在当前次之前每次使用所述中央净水机的时长,计算所述用户使用所述中央净水机的总时长;
所述获取模块403,用于若所述用户使用所述中央净水机的总时长大于预先设定的学习周期,则获取所述用户在当前学习周期内使用所述中央净水机的单次最高用水量和单次最高用水时长;其中,所述当前学习周期的起始点为所述用户在当前次使用所述中央净水机的时刻;所述当前学习周期的终止点为所述用户在当前次使用所述中央净水机的时刻减去所述学习周期;
所述检测模块404,用于根据所述单次最高用水量和所述单次最高用水时长以及所述当前学习周期对应的用水量最大值和所述当前学习周期对应的用水时长最大值,检测所述用户在所述当前次之前的学习周期内的用水是否异常。
上述用水异常检测装置可执行本申请任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本申请任意实施例提供的用水异常检测方法。
实施例五
图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如用水异常检测方法。
在一些实施例中,用水异常检测方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的用水异常检测方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行用水异常检测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种用水异常检测方法,其特征在于,所述方法包括:
当用户使用中央净水机时,记录所述用户在当前次使用所述中央净水机的时长;
根据所述用户在当前次使用所述中央净水机的时长和预先存储的所述用户在当前次之前每次使用所述中央净水机的时长,计算所述用户使用所述中央净水机的总时长;
若所述用户使用所述中央净水机的总时长大于预先设定的学习周期,则获取所述用户在当前学习周期内使用所述中央净水机的单次最高用水量和单次最高用水时长;其中,所述当前学习周期的起始点为所述用户在当前次使用所述中央净水机的时刻;所述当前学习周期的终止点为所述用户在当前次使用所述中央净水机的时刻减去所述学习周期;
根据所述单次最高用水量和所述单次最高用水时长以及所述当前学习周期对应的用水量最大值和所述当前学习周期对应的用水时长最大值,检测所述用户在所述当前次之前的学习周期内的用水是否异常。
2.根据权利要求1所述的方法,其特征在于,根据所述单次最高用水量和所述单次最高用水时长以及所述当前学习周期对应的用水量最大值和所述当前学习周期对应的用水时长最大值,检测所述用户在所述当前次之前的学习周期内的用水是否异常,包括:
若所述单次最高用水量大于所述当前学习周期对应的用水量最大值或者所述单次最高用水时长大于所述当前学习周期对应的用水时长最大值,则判定所述用户在所述当前次之前的学习周期内的用水异常;
若所述单次最高用水量小于等于所述当前学习周期对应的用水量最大值并且所述单次最高用水时长小于等于所述当前学习周期对应的用水时长最大值,则判定所述用户在所述当前次之前的学习周期内的用水正常。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
若所述单次最高用水量大于所述当前学习周期对应的用水量最大值或者所述单次最高用水时长大于所述当前学习周期对应的用水时长最大值,则向所述用户发送用水异常提醒消息;
接收所述用户响应于用水异常提醒消息反馈的用水确认消息;其中,所述用水确认消息包括:用水正常确认消息和用水异常确认消息;
若所述用水确认消息为用水正常确认消息,则将所述当前学习周期对应的用水量最大值更新为所述单次最高用水量或者将所述当前学习周期对应的用水时长最大值更新为所述单次最高用水时长。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述用户使用所述中央净水机的总时长小于等于所述预先设定的学习周期,则获取所述用户在当前时段内使用所述中央净水机的单次最高用水量和单次最高用水时长;其中,所述当前时段的起始点为所述用户在当前次使用所述中央净水机的时刻;所述当前时段的终止点为所述用户第一次开启所述中央净水机的时刻;
根据所述单次最高用水量和所述单次最高用水时长以及预先设定的用水量最大值和预先设定的用水时长最大值,检测所述用户在所述当前次之前的时间段内的用水是否异常。
5.根据权利要求4所述的方法,其特征在于,根据所述单次最高用水量和所述单次最高用水时长以及预先设定的用水量最大值和预先设定的用水时长最大值,检测所述用户在所述当前次之前的时间段内的用水是否异常,包括:
若所述单次最高用水量大于所述预先设定的用水量最大值或者所述单次最高用水时长大于所述预先设定的用水时长最大值,则判定所述用户在所述当前次之前的时间段内的用水异常;
若所述单次最高用水量小于等于所述预先设定的用水量最大值并且所述单次最高用水时长小于等于所述预先设定的用水时长最大值,则判定所述用户在所述当前次之前的时间段内的用水正常。
6.根据权利要求4所述的方法,其特征在于,所述方法还包括:
获取所述用户使用所述中央净水机的需求;其中,所述用户使用所述中央处理器的需求包括:大量用水需求和普通用水需求;
根据所述用户使用所述中央处理器的需求确定所述用户在当次使用所述中央净水机的用水量系数和用水时长系数;
根据预先设定的初始的用水量最大值和所述用水量系数以及预先设定的初始的用水时长最大值和所述用水时长系数,分别计算出所述预先设定的用水量最大值和所述预先设定的用水时长最大值。
7.根据权利要求6所述的方法,其特征在于,根据预先设定的初始的用水量最大值和所述用水量系数以及预先设定的初始的用水时长最大值和所述用水时长系数,分别计算出所述预先设定的用水量最大值和所述预先设定的用水时长最大值,包括:
将所述预先设定的初始的用水量最大值乘以所述用水量系数,得到所述预先设定的用水量最大值;将所述预先设定的初始的用水时长最大值乘以所述用水时长系数,得到所述预先设定的用水时长最大值。
8.一种用水异常检测装置,其特征在于,所述装置包括:记录模块、计算模块、获取模块和检测模块;其中,
所述记录模块,用于当用户使用中央净水机时,记录所述用户在当前次使用所述中央净水机的时长;
所述计算模块,用于根据所述用户在当前次使用所述中央净水机的时长和预先存储的所述用户在当前次之前每次使用所述中央净水机的时长,计算所述用户使用所述中央净水机的总时长;
所述获取模块,用于若所述用户使用所述中央净水机的总时长大于预先设定的学习周期,则获取所述用户在当前学习周期内使用所述中央净水机的单次最高用水量和单次最高用水时长;其中,所述当前学习周期的起始点为所述用户在当前次使用所述中央净水机的时刻;所述当前学习周期的终止点为所述用户在当前次使用所述中央净水机的时刻减去所述学习周期;
所述检测模块,用于根据所述单次最高用水量和所述单次最高用水时长以及所述当前学习周期对应的用水量最大值和所述当前学习周期对应的用水时长最大值,检测所述用户在所述当前次之前的学习周期内的用水是否异常。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至7中任一项所述的用水异常检测方法。
10.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至7中任一项所述的用水异常检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311270650.3A CN117540240A (zh) | 2023-09-28 | 2023-09-28 | 一种用水异常检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311270650.3A CN117540240A (zh) | 2023-09-28 | 2023-09-28 | 一种用水异常检测方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117540240A true CN117540240A (zh) | 2024-02-09 |
Family
ID=89788739
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311270650.3A Pending CN117540240A (zh) | 2023-09-28 | 2023-09-28 | 一种用水异常检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117540240A (zh) |
-
2023
- 2023-09-28 CN CN202311270650.3A patent/CN117540240A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109088775B (zh) | 异常监控方法、装置以及服务器 | |
CN105450454A (zh) | 一种服务监控告警方法以及装置 | |
CN116049146B (zh) | 一种数据库故障处理方法、装置、设备及存储介质 | |
CN114978883B (zh) | 网络唤醒的管理方法、装置、电子设备及存储介质 | |
CN115904656A (zh) | 应用于芯片中的状态控制方法、装置、设备及存储介质 | |
CN113468021B (zh) | 监控性能数据的方法、装置、设备以及存储介质 | |
CN117540240A (zh) | 一种用水异常检测方法、装置、电子设备及存储介质 | |
CN115168154B (zh) | 一种基于动态基线的异常日志检测方法、装置及设备 | |
CN116226644A (zh) | 设备故障类型的确定方法、装置、电子设备及存储介质 | |
CN113220554B (zh) | 检测程序代码的性能的方法和设备 | |
CN117290179A (zh) | 一种事件超时状态的确定方法、装置、设备和存储介质 | |
CN115862276B (zh) | 应用于卷烟机组的水冷系统预警方法、装置、设备及介质 | |
CN117150325B (zh) | 一种异常残差数据的处理方法、装置、设备及介质 | |
CN116757679B (zh) | 检修策略的确定方法、装置、电子设备及存储介质 | |
CN116302370A (zh) | 一种返回码异常告警的生成方法、装置、设备及介质 | |
CN116990744B (zh) | 一种电能表检测方法、装置、设备及介质 | |
CN115914271A (zh) | 一种控制系统报警方法、装置、电子设备及存储介质 | |
CN115955189A (zh) | 一种发电异常的检测方法、装置、设备及介质 | |
CN117404816A (zh) | 一种水质洁净度的确定方法、装置、热水器及存储介质 | |
CN117631956A (zh) | 一种慢盘处理方法、装置、设备及存储介质 | |
CN115794475A (zh) | 一种容器异常检测方法、装置、设备及存储介质 | |
CN118298853A (zh) | 语音识别测试异常的反馈方法、装置 | |
CN117052575A (zh) | 空气滤清器异常检测方法、装置、设备及介质 | |
CN116877301A (zh) | 一种喷射阀故障检测方法、装置、电子设备及存储介质 | |
CN115328810A (zh) | 限速模块的性能验证方法、装置、电子设备及存储介质 |
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 |