【技术实现步骤摘要】
一种基于大数据的通信机房防护的监测管理系统
[0001]本专利技术涉及数据处理
，具体涉及一种基于大数据的通信机房防护的监测管理系统。
技术介绍
[0002]通信机房站点的分布点较多且面积广泛，经常需要注意的安全防护问题包括：防火、防盗、防水等；若采用传统的人工巡检维护模式，无法有效保证设备维护工作质量和时效性；若要实现少人或者无人值守，则需要安装各类相关的传感器，通过传感器采集数据，从而检测、识别异常，并对异常进行警示。
[0003]通过传感器监测通信机房的状态是目前最常用的一种方法，通过云计算的方式来处理云端收到的通信机房的数据，但是由于通信机房的数量较多，每个通信机房配备的传感器也较多，所以每时每刻会有大量的数据流需要传输至云端服务器，这对于传输带宽能力和服务器的数据处理能力的要求很高，成本较大，并且大量正常状态的数据也被传输处理，会造成资源的浪费和不必要的冗余；在对所有的数据进行分析时，采用传统的预测方式来预测数据并判断异常时，往往默认为预测数据是可信的，缺乏对预测数据的置信程度的判定，因此预测数据的准...
【技术保护点】
【技术特征摘要】
1.一种基于大数据的通信机房防护的监测管理系统，其特征在于，该系统包括以下模块：数据采集模块，用于采集所有低功耗传感器的数据，获取每个数据的异常度，基于所述异常度进行唤醒调控；预测数据获取模块，用于采集唤醒调控后每个传感器对应的时序数据，将所述时序数据输入训练完成的神经网络输出预测数据；误差程度获取模块，用于将所述预测数据划分为第一数据和第二数据，获取所述第一数据中每个位置数据的误差程度，并基于所述第一数据得到神经网络中的固有误差程度，根据所述固有误差程度获取所述第二数据中每个位置数据的误差程度；预测数据确定模块，用于根据连续预测得到的预测数据中每个位置数据的误差程度获取对应每个位置的置信度；根据连续预测得到的预测数据以及每个位置的所述置信度得到未来预测数据；分析预警模块，用于获取未来预测数据中每个位置数据的预测异常度，基于所述预测异常度与所述置信度调整传输数据，由云端服务器对接收的所述传输数据进行分析预警。2.根据权利要求1所述的一种基于大数据的通信机房防护的监测管理系统，其特征在于，所述误差程度获取模块中将所述预测数据划分为第一数据和第二数据的步骤，包括：所述预测数据中存在实际采集值的位置数据为第一数据，所述预测数据中不存在实际采集值的位置数据为第二数据。3.根据权利要求2所述的一种基于大数据的通信机房防护的监测管理系统，其特征在于，所述误差程度获取模块中获取所述第一数据中每个位置数据的误差程度的步骤，包括：获取所述第一数据中每个位置数据对应的实际采集值与所述位置数据的预测数据值之间的差值，所述差值的平方为所述位置数据的误差程度。4.根据权利要求1所述的一种基于大数据的通信机房防护的监测管理系统，其特征在于，所述误差程度获取模块中基于所述第一数据得到神经网络中的固有误差程度的步骤，包括：所述神经网络包括至少两个解码器，每个所述解码器对应一个损失函数；获取所述第一数据中所有位置数据对应的误差程度的平均值，所述平均值与每个所述解码器的损失函数值的求和的均值为神经网络中对应所述解码器的固有误差程度。5.根据权利要求4所述的一种基于大数据的通信机房防护的监测管理系统，其特征在于，所述误差程度获取模块中根据所述固有误差程度获取所述第二数据中每个位置数据的误差程度的步骤，包括：每个所述解码器对应一组预测数据，所述预测数据中包括第二数据；获取当前时刻数据的至少两个延时数据；对于任意一个解码器对应预测数据中的第二数据：若所述第二数据中存在延时数据，以所述延时数据对应的实际采集值与预测数据值之间的差值的平方，作为所述延时数据所对应的位置数据的误差程度；获取所述预测数据中第二数据的数量，计算所述数量与对应所述解码器的固有误差程度的乘积作为总误差程度，计算所述第二数据中所有延时数据的误差程度的和作为累计误差程度，将所述总误差程度与所述累计误差程度的差值记为累加误差程度；获取所述第二数据中除了延时数据之外其他位置数据的总数量，所述累加误差
程度与所述总数量的比值为所述第二数据中除了延时数据之外其他各位置数据的误差程度；若所述第二数据中不存在延时数据，计算当前所述解码器的固有误差程度与其他每个所述解码器的固有误差程度之间的比值，获取其他每个所述解码器的优化误差程度；其中，所述优化误差程度与对应所述解码器的固有误差程度呈正相关关系；计算每个所述比值及其对应所述解码器的优化误差程度的乘积结果，所...
【专利技术属性】
技术研发人员：寻广岩，周志远，赵立勋，郑福慧，田常立，岳阳，田艳艳，王忠贵，颜明，许崇芳，
申请(专利权)人：智联信通科技股份有限公司，
类型：发明
国别省市：
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。