本申请提供的燃气数据的异常检测方法及装置，通过获取待检测燃气数据，并将燃气数据构建为时空特征矩阵，时空特征矩阵可以提高预测燃气数据异常的准确性，然后通过时空特征矩阵和预设预测评估模型，获取到该待检测燃气数据对应的预测结果，最后通过预测结果与预设预测结果之间的差值与自适应阈值，确定待检测燃气数据为异常数据，本申请通过时空特征矩阵和预设预测评估模型消除噪声和缺失值对预测结果的影响，从而可以获取到准确的预测结果，以此可以更加准确的判断待检测燃气数据异常的准确性。准确性。准确性。
【技术实现步骤摘要】
一种燃气数据的异常检测方法及装置
[0001]本申请涉及燃气数据处理
，具体涉及一种燃气数据的异常检测方法及装置。
技术介绍
[0002]随着宏观经济增速回升和工业制造的稳步发展，燃气用量实现高速增长。在剧烈波动的国际形势下，勘探开采、管道气进口、基础设施建设等相关行业持续发力，发挥了保供稳价的积极作用，同时新一批重大技术装备和关键工具的自主研发进一步促进了城市燃气普及率上升与燃气用量市场需求增长，推动了我国燃气产业的高质量发展。燃气是重要的战略资源，主要供应于民用燃气用具和燃气工业炉，作为一种低成本高热值的的清洁燃料，已成为公众生活的必需品，例如，烹调、取暖、织物干燥和供应热水等，保证可靠供气与用气安全是城市燃气正确规划和运营的重要任务。
[0003]随着城市管网和燃气输配系统的不断建设，日常输配调度、气源调度、抢险与应急调度、超压控制等问题亟需优化，在每个决策过程中，异常检测是最主要的方法。异常检测燃气消耗量并调节供气压力，能够在服务社区居民的同时，保证管道压力不会太大，使燃气流量更加均匀、更加符合实际的需求，以保障整个管网的安全性、提高用户体验。此外，对燃气消耗做一定的研判，更好地拟合实际燃气的用量，准确地在燃气低峰期降低压力，高峰期升高压力，促进节约能源。
[0004]燃气用量异常检测方法一般都是建立在对历史数据序列分析的基础上,不同的是数据处理方式和应用特点。常用的燃气用量数据异常检测方法包括基于统计学的方法和基于机器学习的方法。基于统计学的方法包括3σ法、箱线图法等，这些方法可以有效地检测离群点，但是对于检测周期性异常和连续性异常效果较差。例如，在燃气用量数据中，存在着周期性的日/月/季节性高峰，这类数据可能被误判为异常值。基于机器学习的方法包括基于神经网络的方法、基于聚类的方法和基于异常检测的方法等。这些方法可以有效地检测周期性异常和连续性异常，但是对缺失值和噪声较为敏感。例如，在燃气用量数据中，若存在缺失值，则机器学习模型可能无法正确地检测异常；若存在噪声，则模型可能会将噪声误判为异常值。同时数据量较大时，训练模型所需时间和资源较多。对于燃气用量数据，由于数据量较大，训练模型可能需要较长的时间和较多的计算资源。
技术实现思路
[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种燃气数据的异常检测方法及装置，解决了现有技术中因缺失值和噪声值的干扰无法准确确定燃气数据是否异常的问题。
[0006]根据本申请的一个方面，提供了一种燃气数据的异常检测方法，包括：获取待检测燃气数据；其中，所述待检测燃气数据包括待检测住宅用户、待检测目标时间点以及所述待检测目标时间点对应的待检测目标燃气消耗量；
根据所述待检测住宅用户、所述待检测目标时间点以及所述待检测目标时间点对应的待检测目标燃气消耗量，构建待检测时空特征矩阵；根据所述待检测时空特征矩阵和预设预测评估模型，获取预测结果；若所述预测结果与预设预测结果之间的差值大于自适应阈值，则确定所述待检测燃气数据为异常数据。
[0007]在一实施例中，所述预测评估模型的建立方法包括：获取多个燃气数据；根据所述多个燃气数据，构建多个时空特征矩阵；采用深层特征处理层对所述多个时空特征矩阵进行处理，以得到多个处理后的时空特征矩阵；根据所述多个处理后的时空特征矩阵以及第一校准参数，获取多个第一校准权重；根据所述多个第一校准权重以及第二校准参数，获取多个第二校准权重；根据所述多个第二校准参数进行特征还原，以获取得到多个预测值；根据所述多个预测值和所述多个燃气数据，构建所述预测评估模型。
[0008]在一实施例中，所述根据所述多个燃气数据，构建多个时空特征矩阵包括：根据所述多个燃气数据，构建多个时空特征矩阵；其中，每个所述时空特征矩阵的公式为：，其中，N为住宅用户、P为目标时间点以及F是目标时间点上的目标燃气消耗量。
[0009]在一实施例中，所述采用深层特征处理层对所述多个时空特征矩阵进行处理，以得到多个处理后的时空特征矩阵包括：采用深层特征处理层对所述多个时空特征矩阵进行处理，以得到多个处理后的时空特征矩阵；其中，每个所述处理后的时空特征矩阵的计算公式为：，其中，，标识递归运算的顺序，和是结构相同的卷积残差块，和是激活函数，，，是两个张量的乘积，为本层的输入。
[0010]在一实施例中，所述根据所述多个处理后的时空特征矩阵以及时间校准权重，获取多个第一校准权重包括：根据所述多个处理后的时空特征矩阵以及第一校准参数，获取多个第一校准权重；其中，每个所述第一校准权重的计算公式为：，是动态时间卷积的输入，是卷积算子，核权重为,是激活函数,是时间校准权重。
[0011]在一实施例中，所述根据所述多个第一校准权重以及空间校准参数，获取多个第二校准权重包括：
根据所述多个第一校准权重以及空间校准参数，获取多个第二校准权重；其中，每个所述第二校准权重的计算公式为：，是的阶数，，是的参数；是先验矩阵，即预定义的空间结构，是通过随机初始化两个节点嵌入字典生成自适应邻接矩阵，是空间校准权重。在一实施例中，所述自适应阈值的计算方式为：，其中，为损失函数，为所述预测值，Y为预设预测结果，为所述自适应阈值。
[0012]根据本申请的另一个方面，提供了一种燃气数据的异常检测装置，包括：燃气数据获取模块，用于获取待检测燃气数据；其中，所述待检测燃气数据包括待检测住宅用户、待检测目标时间点以及所述待检测目标时间点对应的待检测目标燃气消耗量；构建模块，用于根据所述待检测住宅用户、所述待检测目标时间点以及所述待检测目标时间点对应的待检测目标燃气消耗量，构建待检测时空特征矩阵；结果获取模块，用于根据所述待检测时空特征矩阵和预设预测评估模型，获取预测结果；确定模块，用于若所述预测结果与预设预测结果之间的差值大于自适应阈值，则确定所述燃气数据为异常数据。
[0013]根据本申请的另一个方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述任一所述的燃气数据的异常检测方法。
[0014]根据本申请的另一个方面，提供了一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于执行上述任一所述的燃气数据的异常检测方法。
[0015]本申请提供的燃气数据的异常检测方法及装置，该方法包括：获取待检测燃气数据，其中，待检测燃气数据包括待检测住宅用户、待检测目标时间点以及待检测目标时间点对应的待检测目标燃气消耗量，根据待检测住宅用户、待检测目标时间点以及待检测目标时间点对应的待检测目标燃气消耗量，构建待检测时空特征矩阵，根据待检测时空特征矩阵和预设预测评估模型，获取预测结果，若预测结果与预设预测结果之间的差值大于自适应阈值，则确定待检测燃气数据为异常数据。通过获取待检测燃气数据，并将燃气数据构建为时空特征矩阵，时空特征矩阵可以提高预测燃气数据异常的准确性，然后通过时空特征矩阵和预设预测评估模型，获取到该待检测燃气数据对应的预测结果，最后通过预测结本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种燃气数据的异常检测方法，其特征在于，包括：获取待检测燃气数据；其中，所述待检测燃气数据包括待检测住宅用户、待检测目标时间点以及所述待检测目标时间点对应的待检测目标燃气消耗量；根据所述待检测住宅用户、所述待检测目标时间点以及所述待检测目标时间点对应的待检测目标燃气消耗量，构建待检测时空特征矩阵；根据所述待检测时空特征矩阵和预设预测评估模型，获取预测结果；若所述预测结果与预设预测结果之间的差值大于自适应阈值，则确定所述待检测燃气数据为异常数据。2.根据权利要求1所述的燃气数据的异常检测方法，其特征在于，所述预测评估模型的建立方法包括：获取多个燃气数据；根据所述多个燃气数据，构建多个时空特征矩阵；采用深层特征处理层对所述多个时空特征矩阵进行处理，以得到多个处理后的时空特征矩阵；根据所述多个处理后的时空特征矩阵以及第一校准参数，获取多个第一校准权重；根据所述多个第一校准权重以及第二校准参数，获取多个第二校准权重；根据所述多个第二校准参数进行特征还原，以获取得到多个预测值；根据所述多个预测值和所述多个燃气数据，构建所述预测评估模型。3.根据权利要求2所述的燃气数据的异常检测方法，其特征在于，所述根据所述多个燃气数据，构建多个时空特征矩阵包括：根据所述多个燃气数据，构建多个时空特征矩阵；其中，每个所述时空特征矩阵的公式为：,其中，N为住宅用户、P为目标时间点以及F是目标时间点上的目标燃气消耗量。4.根据权利要求2所述的燃气数据的异常检测方法，其特征在于，所述采用深层特征处理层对所述多个时空特征矩阵进行处理，以得到多个处理后的时空特征矩阵包括：采用深层特征处理层对所述多个时空特征矩阵进行处理，以得到多个处理后的时空特征矩阵；其中，每个所述处理后的时空特征矩阵的计算公式为：，其中，，标识递归运算的顺序，和是结构相同的卷积残差块，和是激活函数，，，是两个张量的乘积，为本层的输入。5.根据权利要求4所述的燃气数据的异常检测方法，其特征在于，所述根据...
【专利技术属性】
技术研发人员：王磊，程守松，袁玥，高旭，周晓波，范臻，
申请(专利权)人：天津生联智慧科技发展有限公司，
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。