园区的异常预测方法技术

本公开实施例提供一种园区的异常预测方法

【技术实现步骤摘要】
园区的异常预测方法、装置、设备和存储介质


[0001]本公开涉及园区管理
，具体涉及一种园区的异常预测方法
、
装置
、
设备和存储介质
。

技术介绍

[0002]在现代城市化进程中，园区作为经济和科技发展的重要区域，越来越多地得到广泛应用
。
然而，园区管理面临着许多挑战，如安全管理
、
资源分配
、
设备维护等
。
传统的园区管理方式存在管理效率低下，无法对园区内存在的异常进行及时的判断，降低了园区的安全性
。

技术实现思路

[0003]本公开实施例提供一种园区的异常预测方法
、
装置
、
设备和存储介质，解决如何提高园区的安全性的问题
。
[0004]第一方面，本公开实施例提供一种园区的异常预测方法，方法包括：采集预设园区内各个区域的待处理数据，待处理数据为各个区域内的感应数据；对各个区域的待处理数据进行关联性分析，确定预设园区内是否存在异常；在确定预设园区内存在异常的情况下，基于时间序列分析方式对获取到的预设园区内的多个预警信息进行预测分析，确定异常的变化趋势，异常的变化趋势用于表征异常变化为故障的倾向程度
。
[0005]第二方面，本公开实施例提供一种园区的异常预测装置，其包括：采集模块，被配置为采集预设园区内各个区域的待处理数据，待处理数据为各个区域内的感应数据；分析模块，被配置为对各个区域的待处理数据进行关联性分析，确定预设园区内是否存在异常；预测模块，被配置为在确定预设园区内存在异常的情况下，基于时间序列分析方式对获取到的预设园区内的多个预警信息进行预测分析，确定异常的变化趋势，异常的变化趋势用于表征异常变化为故障的倾向程度
。
[0006]第三方面，本公开实施例提供一种电子设备，包括：一个或多个处理器；存储器，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现本公开实施例中的任意一种园区的异常预测方法
。
[0007]第四方面，本公开实施例提供了一种可读存储介质，该可读存储介质存储有计算机程序，计算机程序被处理器执行时实现本公开实施例中的任意一种园区的异常预测方法
。
[0008]本公开中的园区的异常预测方法
、
装置
、
设备和存储介质，通过采集预设园区内各个区域的待处理数据，待处理数据为各个区域内的感应数据，能够明确各个区域中的不同维度的感应数据，便于后续对这些数据进行分析；对各个区域的待处理数据进行关联性分析，确定预设园区内是否存在异常，使不同维度的待处理数据之间的关联性得以体现，实现对数据的综合分析，从而更准确的确定预设园区内是否存在异常；在确定预设园区内存在异常的情况下，基于时间序列分析方式对获取到的预设园区内的多个预警信息进行预测分
析，确定异常的变化趋势，通过该异常的变化趋势，能够更清晰的呈现该异常是否有变化为损害预设园区的财物的倾向，即该异常的变化趋势用于表征异常变化为故障的倾向程度，从而及时对该异常进行处理，提升预设园区的安全性
。
附图说明
[0009]附图用来提供对本公开实施例的进一步理解，并且构成说明书的一部分，与本公开的实施例一起用于解释本公开，并不构成对本公开的限制
。
通过参考附图对详细示例实施例进行描述，以上和其它特征和优点对本领域技术人员将变得更加显而易见，在附图中：
[0010]图1示出本公开实施例提供的一种园区的异常预测方法的流程示意图
。
[0011]图2示出本公开实施例提供的一种园区的异常预测装置的组成方框图
。
[0012]图3示出本公开实施例提供的一种园区的异常预测系统的组成方框图
。
[0013]图4示出本公开实施例提供的预设园区内各个区域的能耗概览示意图
。
[0014]图5示出本公开实施例提供的预设园区内各个区域的能耗总量统计示意图
。
[0015]图6示出本公开实施例提供的预设园区内各个区域的不同类别的能耗统计示意图
。
[0016]图7示出本公开实施例提供的一种电子设备的组成方框图
。
具体实施方式
[0017]以下结合附图对本公开的具体实施方式进行详细说明
。
应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开
。
对于本领域技术人员来说，本公开可以在不需要这些具体细节中的一些细节的情况下实施
。
下面对实施例的描述仅仅是为了通过示出本公开的示例来提供对本公开更好的理解
。
[0018]为使本公开的目的
、
技术方案和优点更加清楚，下面将结合附图对本公开实施方式作进一步地详细描述
。
[0019]图1示出本公开实施例提供的一种园区的异常预测方法的流程示意图
。
该方法可应用于园区的异常预测装置
。
如图1所示，该园区的异常预测方法包括但不限于如下步骤
。
[0020]步骤
S101
，采集预设园区内各个区域的待处理数据
。
[0021]其中，待处理数据为各个区域内的感应数据
。
[0022]步骤
S102
，对各个区域的待处理数据进行关联性分析，确定预设园区内是否存在异常
。
[0023]步骤
S103
，在确定预设园区内存在异常的情况下，基于时间序列分析方式对获取到的预设园区内的多个预警信息进行预测分析，确定异常的变化趋势
。
[0024]其中，异常的变化趋势用于表征异常变化为故障的倾向程度
。
[0025]在本实施例中，通过采集预设园区内各个区域的待处理数据，待处理数据为各个区域内的感应数据，能够明确各个区域中的不同维度的感应数据，便于后续对这些数据进行分析；对各个区域的待处理数据进行关联性分析，确定预设园区内是否存在异常，使不同维度的待处理数据之间的关联性得以体现，实现对数据的综合分析，从而更准确的确定预设园区内是否存在异常；在确定预设园区内存在异常的情况下，基于时间序列分析方式对获取到的预设园区内的多个预警信息进行预测分析，确定异常的变化趋势，通过该异常的
变化趋势，能够更清晰的呈现该异常是否有变化为损害预设园区的财物的倾向，即该异常的变化趋势用于表征异常变化为故障的倾向程度，从而及时对该异常进行处理，提升预设园区的安全性
。
[0026]本公开实施例提供了另一种可能的实现方式，在执行步骤
S103
中的在确定预设园区内存在异常的情况下，基于时间序列分析方式对获取到的预设园区内的多个预警信息进行预测分析，确定异常的变化趋势之后，方法还包括：基于地本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种园区的异常预测方法，其特征在于，所述方法包括：采集预设园区内各个区域的待处理数据，所述待处理数据为各个所述区域内的感应数据；对所述各个区域的待处理数据进行关联性分析，确定所述预设园区内是否存在异常；在确定所述预设园区内存在异常的情况下，基于时间序列分析方式对获取到的所述预设园区内的多个预警信息进行预测分析，确定异常的变化趋势，所述异常的变化趋势用于表征所述异常变化为故障的倾向程度
。2.
根据权利要求1所述的方法，其特征在于，所述在确定所述预设园区内存在异常的情况下，基于时间序列分析方式对获取到的所述预设园区内的多个预警信息进行预测分析，确定异常的变化趋势之后，所述方法还包括：基于地图分析的方式，展示所述异常的变化趋势
。3.
根据权利要求1所述的方法，其特征在于，所述采集预设园区内各个区域的待处理数据，包括：基于预设的传感器网络，对所述预设园区内的各个区域进行数据采集，获得所述各个区域的待处理数据，所述待处理数据包括温度数据
、
湿度数据
、
光照数据
、
烟雾浓度数据
、
人流密度数据中的至少一种
。4.
根据权利要求3所述的方法，其特征在于，所述对所述各个区域的待处理数据进行关联性分析，确定所述预设园区内是否存在异常，包括：分别对所述温度数据
、
所述湿度数据
、
所述光照数据
、
所述烟雾浓度数据和所述人流密度数据进行两两数据之间的关联性分析，确定各类所述数据之间的关联频度信息；将所述关联频度信息分别与预设支持度信息和预设可信度信息进行匹配，确定各类所述数据之间的关联性，其中，所述预设支持度信息用于表征两类数据同时出现的概率，所述预设可信度信息为所述两类数据同时出现的概率与仅出现其中一类数据的概率的比值；依据各类所述数据之间的关联性，确定所述预设园区内是否存在异常
。5.
根据权利要求1至4中任一项所述的方法，其特征在于，所述在确定所述预设园区内存在异常的情况下，基于时间序列分析方式对获取到的所述预设园区内的多个预警信息进行预测分析，确定异常的变化趋势，包括：基于移动平均算法和
/
或指数平滑算法对所述多个预警信息进行平滑处理，获得第一数据集，所述第一数据集包括多个第一数据，所述第一数据为对所...

【专利技术属性】
技术研发人员：罗静，敦建征，张培，王师北，
申请(专利权)人：通号智慧城市研究设计院有限公司，
类型：发明
国别省市：