【技术实现步骤摘要】
远程抄表数据处理方法、装置、燃气表系统及燃气云平台
本申请涉及物联网及机器学习
，具体而言，涉及一种远程抄表数据处理方法、装置、燃气表系统及燃气云平台。
技术介绍
随着物联网技术的快速发展，传统的燃气表已经逐渐被物联网燃气表所代替，采用物联网技术的燃气物联网系统在给用户提供基本的燃气数据记录和燃气供给外，还可以提供额外的物联网服务。传统方案中，燃气表系统通常是由用户人为进行操作，以控制燃气的流量、开关、持续时间等。然而，在实际使用过程中，燃气用户往往需要频繁地进行控制操作，但是实际上针对单个的燃气用户，其燃气使用习惯通常是比较稳定的，繁琐重复的控制操作会给燃气用户带来较大的操作量，并且也可能由于某次过失操作难免导致本次使用过程出现意外，影响日常使用效果。
技术实现思路
有鉴于此，本申请的目的在于提供一种远程抄表数据处理方法、装置、燃气表系统及燃气云平台，通过机器学习燃气用户在每个已标记的燃气使用区间内的燃气表数据以及每个燃气使用行为节点所对应的预设燃气使用标签，能够很好地学习到燃气用户的燃气控制习惯，以便于后续为用户提供符合自身习惯的控制策略模式进行自动控制，从而有效减少燃气用户繁琐重复的控制操作带来的操作量，同时减少由于某次过失操作难免导致本次使用过程出现意外的情况。第一方面，本申请提供一种远程抄表数据处理方法，应用于燃气云平台，所述燃气云平台与多个不同燃气用户的燃气物联网系统通信连接，所述燃气物联网系统包括燃气表以及与所述燃气表通信连接的燃气控制物联网装置，所述方法包括：...
【技术保护点】
1.一种远程抄表数据处理方法，其特征在于，应用于燃气云平台，所述燃气云平台与多个不同燃气用户的燃气物联网系统通信连接，所述燃气物联网系统包括燃气表以及与所述燃气表通信连接的燃气控制物联网装置，所述方法包括：/n获取燃气用户在每个已标记的燃气使用区间内的燃气表数据，其中，所述燃气表数据通过所述燃气用户的燃气物联网系统中的所述燃气控制物联网装置对所述燃气表进行实时数据采集得到，所述燃气表数据包括燃气使用行为节点以及每个燃气使用行为节点所对应的燃气使用数据序列，所述燃气使用行为节点用于表征燃气使用过程中每次产生的燃气控制行为，所述燃气使用数据序列用于记录相应的燃气使用行为节点下的燃气使用数据；/n根据所述燃气用户在每个已标记的燃气使用区间内的燃气表数据以及每个燃气使用行为节点所对应的预设燃气使用标签，训练得到对应的燃气表数据分析模型；/n根据所述燃气表数据分析模型对所述燃气用户在预设时间段内的各个燃气使用行为节点下的燃气表数据进行数据分析，得到所述燃气用户在所述预设时间段内各个燃气使用行为节点所对应的燃气使用数据序列的燃气预测标签；/n根据所述各个燃气使用行为节点所对应的燃气使用数据序列的燃...
【技术特征摘要】
1.一种远程抄表数据处理方法，其特征在于，应用于燃气云平台，所述燃气云平台与多个不同燃气用户的燃气物联网系统通信连接，所述燃气物联网系统包括燃气表以及与所述燃气表通信连接的燃气控制物联网装置，所述方法包括：
获取燃气用户在每个已标记的燃气使用区间内的燃气表数据，其中，所述燃气表数据通过所述燃气用户的燃气物联网系统中的所述燃气控制物联网装置对所述燃气表进行实时数据采集得到，所述燃气表数据包括燃气使用行为节点以及每个燃气使用行为节点所对应的燃气使用数据序列，所述燃气使用行为节点用于表征燃气使用过程中每次产生的燃气控制行为，所述燃气使用数据序列用于记录相应的燃气使用行为节点下的燃气使用数据；
根据所述燃气用户在每个已标记的燃气使用区间内的燃气表数据以及每个燃气使用行为节点所对应的预设燃气使用标签，训练得到对应的燃气表数据分析模型；
根据所述燃气表数据分析模型对所述燃气用户在预设时间段内的各个燃气使用行为节点下的燃气表数据进行数据分析，得到所述燃气用户在所述预设时间段内各个燃气使用行为节点所对应的燃气使用数据序列的燃气预测标签；
根据所述各个燃气使用行为节点所对应的燃气使用数据序列的燃气预测标签，生成至少一个控制策略模式以及每个控制策略模式所对应的燃气控制指令序列，所述燃气控制指令序列包括至少一个控制节点以及每个控制节点所对应的指令集合。
2.根据权利要求1所述的远程抄表数据处理方法，其特征在于，所述根据所述燃气用户在每个已标记的燃气使用区间内的燃气表数据以及每个燃气使用行为节点所对应的预设燃气使用标签，训练得到对应的燃气表数据分析模型的步骤，包括：
提取每个所述燃气使用行为节点所对应的燃气使用数据序列的燃气数据特征；
以所述燃气数据特征作为待训练燃气表数据分析模型的输入特征，将所述燃气数据特征输入到所述待训练燃气表数据分析模型中，通过所述待训练燃气表数据分析模型解析所述燃气数据特征在标记数据项目内的待训练特征，所述待训练特征包括待训练特征区间段集合；
按照预设标识符对所述待训练特征区间段集合进行分割，得到多个训练标记节点；
根据所述待训练特征所对应的特征向量确定多个第一模型参数，所述多个第一模型参数分别为所述多个训练标记节点在所述待训练燃气表数据分析模型中训练的模型参数，所述待训练燃气表数据分析模型用于学习多个待训练特征区间段集合进行分割处理之后的训练标记节点，以及分割处理后的各个训练标记节点在所述待训练燃气表数据分析模型中映射的模型参数，所述多个待训练特征区间段集合为在所述标记数据项目内获取到的多个待训练特征所包括的待训练特征区间段集合，其中，所述第一模型参数根据所述特征向量所表征的特征参数类型以及不同特征参数类型所对应的预设模型参数得到；
按照所述多个第一模型参数中的每个第一模型参数从高收敛度到低收敛度的顺序，对所述多个第一模型参数进行排序，得到模型参数序列；
基于预设相似比例阈值和所述模型参数序列，确定所述多个训练标记节点中的训练标记节点在所述待训练燃气表数据分析模型中映射的模型参数，所述预设相似比例阈值用于指示所述待训练特征区间段集合与标记数据项目内获取的待训练特征区间段集合相似部分在所述待训练特征区间段集合中所占的比例；
当所述训练标记节点在所述待训练燃气表数据分析模型中映射的模型参数匹配预设模型参数时，确定所述待训练特征为目标待训练特征，当确定该待训练特征为目标待训练特征时，对于所述多个第一模型参数中的每个第一模型参数，根据所述第一模型参数控制所述待训练燃气表数据分析模型学习在所述标记数据项目内获得的多个待训练特征区间段集合进行分割处理之后的训练标记节点，以及分割处理后的各个训练标记节点在所述待训练燃气表数据分析模型中映射的模型参数，并在训练之后生成对应的预测标签；
根据所述每个燃气使用行为节点的预测标签和所述每个燃气使用行为节点所对应的预设燃气使用标签更新所述待训练燃气表数据分析模型的模型参数。
3.根据权利要求2所述的远程抄表数据处理方法，其特征在于，所述提取每个所述燃气使用行为节点所对应的燃气使用数据序列的燃气数据特征的步骤，包括：
在所述燃气使用数据序列的每个数据项目的燃气使用数据中，确定与所述燃气使用行为节点相对应的燃气使用标签所关联的标签特征；
针对每个燃气使用数据中标签特征上的每个标签节点的类型信息，根据所述每个标签节点的类型信息，确定每个燃气使用数据的标签特征关联度，并根据每个燃气使用数据的标签特征关联度，确定每个燃气使用数据的置信标签特征关联度，其中所述标签节点的类型信息包括标签节点的数量、顺序位和特征值中的至少一种；
按照置信标签特征关联度从高到低的顺序，对燃气使用数据进行排序，根据预先设定的特征数量，选取排位在前的所述特征数量的燃气使用数据作为所述燃气使用数据序列的燃气数据特征；
其中，如果所述标签节点的类型信息包括标签节点的数量，所述针对每个燃气使用数据中标签特征上的每个标签节点的类型信息，根据所述每个标签节点的类型信息，确定每个燃气使用数据的标签特征关联度的步骤，包括：
针对每个燃气使用数据，根据该燃气使用数据中的关联的各个标签特征上的标签节点的数量之和，确定关联的各个标签特征对应的第一标签特征关联度，并根据关联的各个标签特征对应的第一标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，所述数量之和越大，所述第一标签特征关联度越大；
或者，如果所述标签节点的类型信息包括标签节点的顺序位，所述针对每个燃气使用数据中标签特征上的每个标签节点的类型信息，根据所述每个标签节点的类型信息，确定每个燃气使用数据的标签特征关联度的步骤，包括：
针对每个燃气使用数据，根据该燃气使用数据中的每个标签特征上的标签节点的顺序位，确定每个标签特征上的由相邻两个标签节点确定的最大标签范围和最小标签范围，根据每个标签特征上的最大标签范围与最小标签范围的比值是否小于预设的阈值，确定每个标签特征对应的第二标签特征关联度，根据每个标签特征对应的第二标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，比值小于预设的阈值时对应的第二标签特征关联度较比值大于设定的阈值时对应的第二标签特征关联度大；
针对每个燃气使用数据中的每个标签特征，根据该标签特征上的标签节点的顺序位，确定该标签特征上的标签节点的平均顺序位点；
根据关联的各个标签特征上的平均顺序位点的关系，确定关联的各个标签特征对应的位点构成序列，根据该位点构成序列和所述燃气使用数据的数据所对应时间的序列的顺序关联度，确定关联的各个标签特征对应的第三标签特征关联度，并根据关联的各个标签特征对应的第三标签特征关联度的和，确定所述燃气使用数据的标签特征关联度，其中，所述顺序关联度越大，所述第三标签特征关联度越大，所述燃气使用数据的数据所对应时间的序列为燃气使用数据沿正向时间轴构成的序列；
针对每个燃气使用数据中的每个标签特征，根据该标签特征上的标签节点的顺序位，确定该标签特征上的标签节点的平均顺序位点，并确定每相邻三个标签特征中任意两个标签特征上的平均顺序位点的中间顺序位点，同时确定剩余一个标签特征上的平均顺序位点与该中间顺序位点的匹配程度；
根据所述匹配程度，确定每相邻三个标签特征的重合度，其中，匹配程度越大重合度越高，或确定每相邻三个标签特征中相邻两个标签特征上的平均顺序位点的中间顺序位点，根据两个中间顺序位点的顺序关联度，确定每相邻三个标签特征的重合度以确定每相邻三个标签特征对应的第四标签特征关联度，其中，顺序关联度越大重合度越高；
根据每相邻三个标签特征对应的第四标签特征关联度的和，确定所述燃气使用数据的标签特征关联度，其中，重合度越高，第四标签特征关联度越大；
或者，如果所述标签节点的类型信息包括标签节点的特征值，所述针对每个燃气使用数据中标签特征上的每个标签节点的类型信息，根据所述每个标签节点的类型信息，确定每个燃气使用数据的标签特征关联度的步骤，包括：
针对每个燃气使用数据，根据该燃气使用数据中的每个标签特征上的标签节点的特征值，确定每个标签特征上的第一个标签节点和最后一个标签节点的特征值变化特征，根据特征值变化特征是否满足预设的特征变化规则，确定每个标签特征对应的第五标签特征关联度，根据每个标签特征对应的第五标签特征关联度的和，确定燃气使用数据的标签特征关联度，其中，满足预设的特征变化规则时对应的第五标签特征关联度较不满足所述预设的特征变化规则时对应的第五标签特征关联度大；
针对每个燃气使用数据，根据该燃气使用数据中的每个标签特征上的标签节点的特征值，确定每个标签特征上的标签节点的梯度值，根据每个标签特征上的标签节点的梯度值的绝对值的平均值，确定每个标签特征对应的第六标签特征关联度，...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。