基于人工智能的智慧社区管理系统技术方案

本发明专利技术涉及电子数字数据处理技术领域，具体涉及基于人工智能的智慧社区管理系统，包括：对获取的数据进行离群因子检测，根据数据点的离群因子值以及在时序数据中的斜率对数据点进行第一次优化，另外，根据数据点与相邻数据点的局部时间区间内所包含数据之间的相似性，对数据点进行第二次优化，获得优化后的历史监测时序数据，根据优化后的历史检测时序数据，进行隐马尔可夫模型构建以实现数据预测。本发明专利技术通过对历史数据进行处理，避免了历史监测时序数据中噪声数据对预测结果的影响，使得隐马尔可夫模型在进行数据预测时，可以准确获取数据对应的隐藏状态，提高了预测结果的准确性和鲁棒性。准确性和鲁棒性。准确性和鲁棒性。

【技术实现步骤摘要】
基于人工智能的智慧社区管理系统


[0001]本专利技术涉及电子数字数据处理
，具体涉及基于人工智能的智慧社区管理系统。

技术介绍

[0002]在基于人工智能的智慧社区管理系统中，包括了安防监控模块、门禁控制模块、车辆管理模块、能源管理模块与环境监测模块等，其中对于环境监测模块，可以通过监测空气质量、噪音、温度和湿度等环境因素进行预防和应对环境风险，提高居民生活质量。其中对于PM2.5的实时监测与预警可以保障居民健康，通过提醒居民PM2.5的情况并促使居民佩戴口罩可以避免居民呼吸道疾病的发生，并且可以有效保障居民健康，减少污染源排放，提高社区管理效率，合理利用资源，例如合理安排户外活动时间、调整公共设施使用时间等以降低居民接触PM2.5的风险。
[0003]现有的根据社区内的环境监测数据进行预警的方法为，对环境监测历史数据建立隐马尔可夫模型，并通过维特此算法根据实时监测数据获取到最有可能的隐藏状态序列，在当前场景中所述的隐藏状态序列即为社区内的环境状态，可以根据所需预测的需求将社区内PM2.5的污染情况划分为：优，良，一般，轻度污染，中度污染，重度污染六个状态，在社区内的PM2.5监测历史时序数据中根据上述六个状态进行标注，并以此获取状态之间的转移概率。
[0004]在现有的对社区内环境历史监测时序数据中的数据点进行状态标注时，因为监测到的历史时序数据中包含了噪声数据点，并且在根据监测数据点的数值进行标注时，在隐马尔可夫模型中就仅能通过历史数据中的数值变化进行预测。而在实际情况中，数据点在变化过程中出现了剧烈的上升趋势时，也需要根据历史数据中的信息对该上升趋势的异常或是噪声进行判断，准确的获取到其对于后续数据点的状态预测结果。
[0005]本专利技术通过在对社区空气PM2.5历史监测时序数据进行数据点状态标注时，根据数据点的局部变化状态进行噪声数据点的筛选，并对筛选后的数据点进行趋势变化分析，使得每个数据点的状态中包含了其当前的数值信息与当前的变化趋势信息，并以此建立隐马尔可夫模型对后续的隐藏状态序列进行预测，根据预测结果可实现对社区内空气质量的预测，并为社区居民提供更好的出行建议。

技术实现思路

[0006]本专利技术提供基于人工智能的智慧社区管理系统，以解决现有的问题。
[0007]本专利技术的基于人工智能的智慧社区管理系统采用如下技术方案：本专利技术提供了基于人工智能的智慧社区管理系统，该系统包括以下模块：数据采集模块：获取社区内PM2.5浓度的历史监测时序数据；数据趋势分析模块：将COF离群因子值作为数据点的噪声程度，将每一个数据点对应的SBN路径中所有数据点组成的序列记为路径序列，根据路径序列中数据点在历史监测
时序数据内的斜率获得趋势优化系数，根据趋势优化系数对任意数据点两侧数据的斜率的调节结果获得新趋势优化因子；数据第一次优化模块：根据噪声程度以及新趋势优化因子对数据点进行调节，获得数据点所对应数值的第一次优化结果；数据相似分析模块：将任意数据点记为目标数据点，将目标数据点的路径序列在历史监测时序数据中所对应的时间区间，记为数据点的局部时间区间，分别获取以目标数据点的局部时间区间所对应的左端点为右端点、以右端点为左端点的局部时间区间所对应的数据点，分别记为左数据点和右数据点，获取左数据点和右数据点对应的路径序列，根据目标数据点分别与左数据点、右数据点之间的趋势优化系数的差异获得目标数据点的整体趋势变化相似程度；数据第二次优化模块：根据整体趋势变化相似程度对数据点的第一次优化结果进行调节，获得历史监测时序数据中数据点的第二次优化结果；社区管理模块：根据第二次优化获得的优化后的历史监测时序数据，构建隐马尔可夫模型获取对空气质量预测结果，对社区居民进行广播和预警。
[0008]进一步的，所述新趋势优化因子，获取方法如下：利用基于连通性的离群因子检测算法获取历史监测时序数据中，所有数据点的COF离群因子值，并进行线性归一化，将第i个数据点的COF离群因子值归一化结果，记为，表示第i个数据点的噪声程度；获取在路径序列中所有数据点在历史监测时序数据中的斜率，获取所有斜率的正负方向在时序连续上连续相同的数据点的数量，记为第一数量，将第一数量在路径序列中数据点的数量上的占比记为趋势特征系数，将任意数据点所对应路径序列按照时序进行排列后的序列中的归一化斜率作为数据点的趋势优化系数，利用任意数据点左右相邻两侧数据点的趋势优化系数对目标数据点在左右两侧的数据点斜率的平均值进行调节，记为数据点的第一均值，根据趋势特征系数对数据点的第一均值进行乘积，获得新趋势优化因子。
[0009]进一步的，所述第一次优化结果，获取方法如下：将噪声程度和新趋势优化因子对数据点的数值进行连续乘积，获得数据点的第一次优化结果。
[0010]进一步的，所述左数据点和右数据点，获取方法如下：将任意数据点记为目标数据点，以目标数据点为起点，分别向历史监测时序数据中左右时序两侧所对应数据点逐个遍历，获取遍历过程中每个数据点的局部时间区间，将在遍历过程中第一次局部时间区间的右端点，与目标数据点的局部时间区间[t,T]的左端点t相同时的数据点，记为目标数据点的左数据点；同时，将在遍历过程中第一次局部时间区间的左端点，与目标数据点的局部时间区间[t,T]的右端点T相同时的数据点，记为目标数据点的右数据点。
[0011]进一步的，所述整体趋势变化相似程度，获取方法如下：首先，根据趋势优化系数获取的方法，获取第i个数据点、左数据点Zb
i
以及右数据点Yb
i
所对应路径序列中，任意数据点的趋势优化系数，分别记为ξ
i
、ξ(Zb
i
)和ξ(Yb
i
)，将第i个数据点分别与左数据点Zb
i
、右数据点Yb
i
所对应路径序列中第j个数据点的趋势优化系数之间的差值绝对值，分别记为左趋势差异ΔZξ
ij
和右趋势差异ΔYξ
ij
；获取第i个数据点分
别与左数据点Zb
i
、右数据点Yb
i
所对应路径序列中第j个数据点之间的斜率正负差异，记为η
ij
和，斜率的正负符号相同时η
ij
和和为1，不相同时η
ij
和为0；然后，获取第i个数据点的整体趋势变化相似程度：;其中，ΔZξ
ij
表示第i个数据点与左数据点Zb
i
所对应路径序列中第j个数据点的趋势优化系数之间的差值绝对值，ΔYξ
ij
表示第i个数据点与右数据点Yb
i
所对应路径序列中第j个数据点的趋势优化系数之间的差值绝对值；η
ij
和分别表示第i个数据点分别与左数据点Zb
i
、右数据点Yb
i
所对应路径序列中第j个数据点之间的斜率正负差异；NK表示K距离邻域中的数据点数量。
[0012]进一步的，所述第二次优本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人工智能的智慧社区管理系统，其特征在于，该系统包括以下模块：数据采集模块：获取社区内PM2.5浓度的历史监测时序数据；数据趋势分析模块：将COF离群因子值作为数据点的噪声程度，将每一个数据点对应的SBN路径中所有数据点组成的序列记为路径序列，根据路径序列中数据点在历史监测时序数据内的斜率获得趋势优化系数，根据趋势优化系数对任意数据点两侧数据的斜率的调节结果获得新趋势优化因子；数据第一次优化模块：根据噪声程度以及新趋势优化因子对数据点进行调节，获得数据点所对应数值的第一次优化结果；数据相似分析模块：将任意数据点记为目标数据点，将目标数据点的路径序列在历史监测时序数据中所对应的时间区间，记为目标数据点的局部时间区间，根据目标数据点的局部时间区间获取左数据点和右数据点，获取左数据点和右数据点对应的路径序列，根据目标数据点分别与左数据点、右数据点之间的趋势优化系数的差异获得目标数据点的整体趋势变化相似程度；数据第二次优化模块：根据整体趋势变化相似程度对数据点的第一次优化结果进行调节，获得历史监测时序数据中数据点的第二次优化结果；社区管理模块：根据第二次优化获得的优化后的历史监测时序数据，构建隐马尔可夫模型获取对空气质量预测结果，对社区居民进行广播和预警。2.根据权利要求1所述基于人工智能的智慧社区管理系统，其特征在于，所述新趋势优化因子，获取方法如下：利用基于连通性的离群因子检测算法获取历史监测时序数据中，所有数据点的COF离群因子值，并进行线性归一化，将第i个数据点的COF离群因子值归一化结果，记为，表示第i个数据点的噪声程度；获取在路径序列中所有数据点在历史监测时序数据中的斜率，获取所有斜率的正负方向在时序上连续且相同的数据点的数量，记为第一数量，将第一数量在路径序列中数据点的数量上的占比记为趋势特征系数，将任意数据点所对应路径序列按照时序进行排列后的序列中的归一化斜率作为数据点的趋势优化系数，利用任意数据点左右相邻两侧数据点的趋势优化系数对目标数据点在左右两侧的数据点斜率的平均值进行调节，记为数据点的第一均值，根据趋势特征系数对数据点的第一均值进行乘积，获得新趋势优化因子。3.根据权利要求1所述基于人工智能的智慧社区管理系统，其特征在于，所述第一次优化结果，获取方法如下：将噪声程度和新趋势优化因子对数据点的数值进行连续乘积，获得数据点的第一次优化结果。4.根据权利要求1所述基于人工智能的智慧社区管理系统，其特征在于，所述左数据点和右数据点，获取方法如下：将任意数据点记为目标数据点，以目标数据点为起点，分别向历史监测时序数据中左右时序两侧所对应数据点逐个遍历，获取遍历过程中每个数据点的局部时间区间，将在遍历过程中第一次出现局部时间区间的右端点，与目标数据点的局部时间区间[t,T]的左端点t相同时的数据点，记为目标数据点的左数据点；同时，将在遍历过程中第一次出现局部时间区间的左端点，与目标数据点的局部时间
区间[t,T]的右端点T相同时的数据点，记为目标数据点的右数据点。5.根据权利要求1所述基于人工智能的智慧社区管理系统，其特征在于，所述整体趋势变化相似程度，获取方法如下：首先，根据趋势优化系数获取的方法，获取第i个数据点、左数据点Zb
i
以及右数据点Yb
i

【专利技术属性】
技术研发人员：袁志成，崔焦，鲁萌，袁满，刘一诺，
申请(专利权)人：苏州绿华科技有限公司，
类型：发明
国别省市：