智慧公租房管理系统及其方法技术方案

公开了一种智慧公租房管理系统及其方法。其首先将多个预定时间点的用水量、用电量和用气量分别排列为输入向量后进行归一化处理以得到归一化用水输入向量、归一化用电输入向量和归一化用气输入向量，接着，将所述归一化用水输入向量、所述归一化用电输入向量和所述归一化用气输入向量分别通过多尺度邻域特征提取模块以得到用水特征向量、用电特征向量和用气特征向量，然后，对上述特征向量进行不确定性修正后基于高斯密度图来融合以得到融合特征矩阵，最后，将所述融合特征矩阵通过分类器以得到用于表示是否产生水电气异常使用预警的分类结果。这样，可以提升公租房管理效率和服务质量。服务质量。服务质量。

【技术实现步骤摘要】
智慧公租房管理系统及其方法


[0001]本申请涉及智能化管理领域，且更为具体地，涉及一种智慧公租房管理系统及其方法。

技术介绍

[0002]智慧公租房管理系统是一种利用云计算、物联网、人工智能等技术，实现公租房的数字化运营和监管的智能化管理平台，旨在提高公租房管理效率和服务质量。
[0003]智慧公租房管理主要包括租户管理、资产管理、服务管理、安全管理等方面。其中，在服务管理方面，就包括水电气预警。对于现有的水电气预警方法，存在以下一些问题：现有的水电气预警系统通常采用固定的算法和模型进行预测，难以考虑到各种环境和情况的变化，因此预测结果精度不高；现有的水电气预警系统通常是定期统计和分析数据，无法实时反馈和处理数据异常情况，因此时效性不够高；现有的水电气预警系统通常需要工作人员手动输入或导入大量数据，并进行复杂的设置和调整，操作复杂而繁琐。
[0004]由于存在上述一些现实问题，导致公租房管理效率和服务质量大打折扣，因此，期待一种优化的公租房管理方案。

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智慧公租房管理系统及其方法。其首先将多个预定时间点的用水量、用电量和用气量分别排列为输入向量后进行归一化处理以得到归一化用水输入向量、归一化用电输入向量和归一化用气输入向量，接着，将所述归一化用水输入向量、所述归一化用电输入向量和所述归一化用气输入向量分别通过多尺度邻域特征提取模块以得到用水特征向量、用电特征向量和用气特征向量，然后，对上述特征向量进行不确定性修正后基于高斯密度图来融合以得到融合特征矩阵，最后，将所述融合特征矩阵通过分类器以得到用于表示是否产生水电气异常使用预警的分类结果。这样，可以提升公租房管理效率和服务质量。
[0006]根据本申请的一个方面，提供了一种智慧公租房管理系统，其包括：
[0007]水电气采集模块，用于获取待检测租户预定时间段内多个预定时间点的用水量、用电量和用气量；
[0008]数据预处理模块，用于将所述多个预定时间点的用水量、用电量和用气量分别按照时间维度排列为用水量输入向量、用电输入向量和用气输入向量后，分别对所述用水量输入向量、所述用电输入向量和所述用气输入向量进行归一化处理以得到归一化用水输入向量、归一化用电输入向量和归一化用气输入向量；
[0009]多尺度特征提取模块，用于将所述归一化用水输入向量、所述归一化用电输入向量和所述归一化用气输入向量分别通过多尺度邻域特征提取模块以得到用水特征向量、用电特征向量和用气特征向量；
[0010]修正模块，用于基于高斯回归不确定性因数对所述用水特征向量、所述用电特征
向量和所述用气特征向量进行不确定性修正以得到修正后用水特征向量、修正后用电特征向量和修正后用气特征向量；
[0011]高斯融合模块，用于基于高斯密度图来融合所述修正后用水特征向量、所述修正后用电特征向量和所述修正后用气特征向量以得到融合特征矩阵；以及
[0012]检测结果生成模块，用于将所述融合特征矩阵通过分类器以得到分类结果，所述分类结果用于表示是否产生水电气异常使用预警。
[0013]在上述的智慧公租房管理系统中，所述多尺度邻域特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层和所述第二卷积层使用具有不同尺度的一维卷积核。
[0014]在上述的智慧公租房管理系统中，所述多尺度特征提取模块，用于：
[0015]使用所述多尺度邻域特征提取模块的第一卷积层以具有第一长度的一维卷积核分别对所述归一化用水输入向量、所述归一化用电输入向量和所述归一化用气输入向量进行一维卷积编码以得到第一尺度用水特征向量、第一尺度用电特征向量和第一尺度用气特征向量；
[0016]使用所述多尺度邻域特征提取模块的第二卷积层以具有第二长度的一维卷积核分别对所述第一尺度用水特征向量、所述第一尺度用电特征向量和所述第一尺度用气特征向量进行一维卷积编码以得到第二尺度用水特征向量、第二尺度用电特征向量和第二尺度用气特征向量，所述第二长度不同于所述第一长度；以及
[0017]将所述第一尺度用水特征向量和所述第二尺度用水特征向量进行级联以得到所述用水特征向量，将所述第一尺度用电特征向量和所述第二尺度用电特征向量进行级联以得到所述用电特征向量，以及，将所述第一尺度用气特征向量和所述第二尺度用气特征向量进行级联以得到所述用气特征向量。
[0018]在上述的智慧公租房管理系统中，所述修正模块，用于：
[0019]以如下因数计算公式基于高斯回归不确定性因数对所述用水特征向量、所述用电特征向量和所述用气特征向量进行不确定性修正以得到所述修正后用水特征向量、所述修正后用电特征向量和所述修正后用气特征向量；
[0020]其中，所述因数计算公式为：
[0021][0022][0023][0024]其中，v
1j
是所述用水特征向量的第j个位置的特征值，v
2j
是所述用电特征向量的第j个位置的特征值，v
3j
是所述用气特征向量的第j个位置的特征值，L是特征向量的长度，μ1和σ
12
分别是所述用水特征向量的特征集合的均值和方差，μ2和σ
22
分别是所述用电特征向
量的特征集合的均值和方差，μ3和σ
32
分别是所述用气特征向量的特征集合的均值和方差，log为以2为底的对数，w1是第一高斯回归不确定性因数，w2是第二高斯回归不确定性因数，w3是第三高斯回归不确定性因数；以及
[0025]以所述第一高斯回归不确定性因数、所述第二高斯回归不确定性因数和所述第三高斯回归不确定性因数分别对所述用水特征向量、所述用电特征向量和所述用气特征向量进行加权以得到所述修正后用水特征向量、所述修正后用电特征向量和所述修正后用气特征向量。
[0026]在上述的智慧公租房管理系统中，所述高斯融合模块，包括：
[0027]融合高斯密度图构造单元，用于使用高斯密度图以如下融合公式来融合所述修正后用水特征向量、所述修正后用电特征向量和所述修正后用气特征向量以得到融合高斯密度图；
[0028]其中，所述融合公式为：
[0029][0030]其中，μ表示所述修正后用水特征向量、所述修正后用电特征向量和所述修正后用气特征向量之间的按位置均值向量，且σ的每个位置的值表示所述修正后用水特征向量、所述修正后用电特征向量和所述修正后用气特征向量中各个位置的特征值之间的方差；以及
[0031]高斯离散化单元，用于对所述融合高斯密度图中各个位置的高斯分布进行离散化处理以得到所述融合特征矩阵。
[0032]在上述的智慧公租房管理系统中，所述检测结果生成模块，包括：
[0033]矩阵展开单元，用于将所述融合特征矩阵按照行向量或列向量展开为融合分类特征向量；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智慧公租房管理系统，其特征在于，包括：水电气采集模块，用于获取待检测租户预定时间段内多个预定时间点的用水量、用电量和用气量；数据预处理模块，用于将所述多个预定时间点的用水量、用电量和用气量分别按照时间维度排列为用水量输入向量、用电输入向量和用气输入向量后，分别对所述用水量输入向量、所述用电输入向量和所述用气输入向量进行归一化处理以得到归一化用水输入向量、归一化用电输入向量和归一化用气输入向量；多尺度特征提取模块，用于将所述归一化用水输入向量、所述归一化用电输入向量和所述归一化用气输入向量分别通过多尺度邻域特征提取模块以得到用水特征向量、用电特征向量和用气特征向量；修正模块，用于基于高斯回归不确定性因数对所述用水特征向量、所述用电特征向量和所述用气特征向量进行不确定性修正以得到修正后用水特征向量、修正后用电特征向量和修正后用气特征向量；高斯融合模块，用于基于高斯密度图来融合所述修正后用水特征向量、所述修正后用电特征向量和所述修正后用气特征向量以得到融合特征矩阵；以及检测结果生成模块，用于将所述融合特征矩阵通过分类器以得到分类结果，所述分类结果用于表示是否产生水电气异常使用预警。2.根据权利要求1所述的智慧公租房管理系统，其特征在于，所述多尺度邻域特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层，其中，所述第一卷积层和所述第二卷积层使用具有不同尺度的一维卷积核。3.根据权利要求2所述的智慧公租房管理系统，其特征在于，所述多尺度特征提取模块，用于：使用所述多尺度邻域特征提取模块的第一卷积层以具有第一长度的一维卷积核分别对所述归一化用水输入向量、所述归一化用电输入向量和所述归一化用气输入向量进行一维卷积编码以得到第一尺度用水特征向量、第一尺度用电特征向量和第一尺度用气特征向量；使用所述多尺度邻域特征提取模块的第二卷积层以具有第二长度的一维卷积核分别对所述第一尺度用水特征向量、所述第一尺度用电特征向量和所述第一尺度用气特征向量进行一维卷积编码以得到第二尺度用水特征向量、第二尺度用电特征向量和第二尺度用气特征向量，所述第二长度不同于所述第一长度；以及将所述第一尺度用水特征向量和所述第二尺度用水特征向量进行级联以得到所述用水特征向量，将所述第一尺度用电特征向量和所述第二尺度用电特征向量进行级联以得到所述用电特征向量，以及，将所述第一尺度用气特征向量和所述第二尺度用气特征向量进行级联以得到所述用气特征向量。4.根据权利要求3所述的智慧公租房管理系统，其特征在于，所述修正模块，用于：以如下因数计算公式基于高斯回归不确定性因数对所述用水特征向量、所述用电特征向量和所述用气特征向量进行不确定性修正以得到所述修正后用水特征向量、所述修正后用电特征向量和所述修正后用气特征向量；
其中，所述因数计算公式为：其中，所述因数计算公式为：其中，所述因数计算公式为：其中，v
1j
是所述用水特征向量的第j个位置的特征值，v
2j
是所述用电特征向量的第j个位置的特征值，v
3j
是所述用气特征向量的第j个位置的特征值，L是特征向量的长度，μ1和σ
12
分别是所述用水特征向量的特征集合的均值和方差，μ2和σ
22
分别是所述用电特征向量的特征集合的均值和方差，μ3和σ
32
分别是所述用气特征向量的特征集合的均值和方差，log为以2为底的对数，w1是第一高斯回归不确定性因数，w2是第二高斯回归不确定性因数，w3是第三高斯回归不确定性因数；以及以所述第一高斯回归不确定性因数、所述第二高斯回归不确定性因数和所述第三高斯回归不确定性因数分别对所述用水特征向量、所述用电特征向量和所述用气特征向量进行加权以得到所述修正后用水特征向量、所述修正后用电特征向量和所述修正后用气特征向量。5.根据权利要求4所述的智慧公租房管理系统，其特征在于，所述高斯融合模块，包括：融合高斯密度图构造单元，用于使用高斯密度图以如下融合公式来融合所述修正后用水特征向量、所述修正后用电特征向量和所述修正后用气特征向量以得到融合高斯密度图；其中，所述融合公式为：其中，μ表示所述修正后用水特征向量、所述修正后用电特征向量和所述修正后用气特征向量之间的按位置均值向量，且σ的每个位置的值表示所述修正后用水特征向量、所述修正后用电特征向量和所述修正后用气特征向量中各个位置的特征值之间的方差；以及高斯离散化单元，用于对所述融合高斯密度图中各个位置的高斯分布进行离散化处理以得到所...

【专利技术属性】
技术研发人员：曾彬，杨金欣，钟浩，邱小童，彭锏，
申请(专利权)人：科睿特软件集团股份有限公司，
类型：发明
国别省市：