【技术实现步骤摘要】
本专利技术属于园区智能预警的，具体涉及一种用于园区管理的实时预警方法、系统及存储介质。
技术介绍
1、随着科技的快速发展和智能化园区的建设，园区管理的数据处理与实时预警成为了一个重要课题。在园区运行过程中，会产生大量的数据，包括安防监控数据、环境监测数据、人员流动数据等，这些数据需要进行高效、准确、及时的处理和预警，以提高园区的安全性和管理效率。
2、现有技术中，预设阈值的监控或警报系统是现有解决方案中常见的一种方式，这些系统通常由监控工具和自动化工具组成，用于实时监控特定的指标，并在超过预设阈值时触发警报。例如，在it领域，网络管理员可能会使用像zabbix或grafana这样的监控工具来实时监控网络流量。当网络流量超过某个预设的阈值时，这些工具就会触发一个警报，通知管理员网络可能出现了问题。管理员则可以根据这个警报采取相应的措施，如调整网络配置、升级网络设备或调查网络攻击等。然而，这些系统通常需要预设的阈值，对于动态变化的环境可能无法有效地发挥作用。同时，这些系统往往无法对未知的或新的威胁进行预警，因为它们只能对已经预设的威胁进行报警。其次，阈值设定困难：在预设阈值的监控或警报系统中，正确设定阈值是一个重要的问题。如果阈值设定得过于严格，可能会导致一些重要的警报被忽略；如果阈值设定得过于宽松，则可能会导致过多的误报，影响系统的正常运行。对异常情况的误报和漏报：基于阈值的监控或警报系统通常只能对特定类型的异常情况进行检测。如果异常情况的表现形式与设定的阈值不完全匹配，系统可能会误报或漏报。
3、在其他领
4、综上所述，预设阈值的监控或警报系统具体包括以下缺陷：
5、(1)实时性不足：预设阈值的监控或警报系统通常只能在数据达到预设阈值时才触发警报，这意味着在异常情况刚刚出现时，系统可能无法立即检测到。
6、(2)需要定期维护和更新：由于环境和条件的变化，预设阈值可能需要进行定期的维护和更新。如果阈值未能及时调整，可能会导致系统的误报和漏报。
7、(3)对数据质量要求高：预设阈值的监控或警报系统通常需要高质量、准确的数据作为输入。如果数据存在噪声、缺失值或其他问题，可能会影响系统的性能。
8、(4)缺乏自适应性：预设阈值的监控或警报系统不能自适应地根据数据的动态变化调整阈值。因此，对于一些动态变化的情况，可能需要更复杂的算法或模型来处理。
技术实现思路
1、本专利技术的目的在于提供一种用于园区管理的实时预警方法、系统及存储介质，旨在解决上述的问题。本专利技术基于动态阈值进行实时预警，实现对未知威胁的预警，提高预警的准确性和实时性。我们还将使我们的系统能够自适应地调整阈值和处理策略，以适应园区环境和威胁的变化。总的来说，我们的专利技术将提供一种更有效、更智能的园区管理解决方案，可以通过学习和理解数据的动态变化，自动检测和预警异常情况，从而避免预设阈值可能带来的问题。
2、本专利技术主要通过以下技术方案实现：
3、一种用于园区管理的实时预警方法，包括以下步骤：
4、步骤s1：数据采集：获取园区内的历史时序数据，所述时序数据包括电参量监控数据、环境监测数据和采集时间；
5、步骤s2：数据预处理：对收集的数据进行清洗、去噪和填充处理，通过k-means方法将相似的数据点聚类在一起，将数据根据模态特征分为多组模态数据，将多组模态数据分别拟合得到时序曲线图，针对各个时序曲线图进行平滑处理，并得到处理后的各模态的一维时序数据；
6、步骤s3：构建预警模型，并采用处理后的一维时序数据训练预警模型：
7、步骤s31：将处理后的各模态的一维时序数据转换为二维数据；
8、步骤s32：特征提取：提取各模态的二维数据的特征；
9、步骤s33：将各个模态的的二维数据的特征分别输入动态阈值模型，并输出影响因素的动态特征；将各个模态的动态特征输入数据融合模块，基于注意力机理融合多个模态的动态特征并计算出对应时间点的阈值，实时计算并更新指标的上下限约束范围，并输出阈值信息；
10、步骤s34：采用测试样本对预警模型进行测试；
11、步骤s4：采用训练后的预警模型得到当前阈值；对比各个节点实时的监控指标数据与计算出的当前阈值上下限约束，若超出当前阈值上下限约束的范围，则进行预警。
12、优选地，所述模数特征包括高斯分布特征、偏度特征等。
13、为了更好地实现本专利技术，进一步地，所述步骤s2中，在聚类时，以欧氏距离作为数据对象间相似性度量的标准，欧氏距离的公式如下：
14、dist(xi,xj)＝[(xi-xj)*(xi-xj)t]1/2
15、其中，x代表据具有m个属性的行向量；
16、在聚类过程中，每次迭代，对应的类簇中心需要重新计算：簇中所有数据对象的均值，即为更新后该簇的中心；定义第k个簇的中心为centerk：
17、
18、其中，ck表示第k个类簇；
19、∣ck∣表示第k个类簇中数据对象的个数；
20、公式中的求和是指类簇ck中所有元素在每列属性上的和，因此centerk也是一个含有m个属性的行向量；
21、通过不断地迭代来重新划分类簇，并更新簇中心；簇中心的变化幅度如下：
22、δj＝centerknew-centerkold
23、其中，k表示簇的个数，
24、当相邻两次迭代的差值δj小于设定阈值时，则终止迭代，此时所得簇即为最终聚类结果。
25、为了更好地实现本专利技术，进一步地，所述步骤s2中，采用savitzky-golay滤波器实现曲线平滑。
26、为了更好地实现本专利技术，进一步地，所述步骤s31中，首先将一维时序数据归一化处理，然后基于马尔可夫转移场构造马尔可夫转移矩阵：
27、将时间序列分成q个分位箱，每个分位箱内的数据量相同；
28、将时间序列中每一个数据更改为其对应的分位箱的序号；
29、构造转移矩阵：
30、
31、其中，ωij表示分位箱i转移到分位箱j的频率，且
32、构造马尔可夫转移矩阵：
33、
34、为了更好地实现本专利技术，进一步地，所述步骤s33中，所述动态阈值本文档来自技高网...
【技术保护点】
1.一种用于园区管理的实时预警方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种用于园区管理的实时预警方法，其特征在于，所述步骤S2中，在聚类时，以欧氏距离作为数据对象间相似性度量的标准，欧氏距离的公式如下：
3.根据权利要求2所述的一种用于园区管理的实时预警方法，其特征在于，所述步骤S2中，采用Savitzky-Golay滤波器实现曲线平滑。
4.根据权利要求1所述的一种用于园区管理的实时预警方法，其特征在于，所述步骤S31中，首先将一维时序数据归一化处理，然后基于马尔可夫转移场构造马尔可夫转移矩阵：将时间序列分成Q个分位箱，每个分位箱内的数据量相同；
5.根据权利要求1所述的一种用于园区管理的实时预警方法，其特征在于，所述步骤S33中，所述动态阈值模型基于峰值超过临界值定理和极大似然估计拟合尾端分布建立动态阈值模型并实时更新。
6.根据权利要求5所述的一种用于园区管理的实时预警方法，其特征在于，所述步骤S33中，采用全局均值pooling来提取通道特征，采用全连接层来生成权重，每一个通道的权重计算都包含了
7.一种用于园区管理的实时预警系统，采用权利要求1-6任一项所述的方法进行，其特征在于，包括数据采集模块、数据预处理模块、模型训练模块和实时预警模块；所述数据采集模块用于采集时序数据，所述数据预处理模块用于预处理时序数据并形成各模态的一维时序数据；所述模型训练模块用于采用各模态的一维时序数据训练预警模型，所述实时预警模块用于基于训练后的预警模型预测动态阈值信息，并对比得出预警结果。
8.根据权利要求7所述的一种用于园区管理的实时预警系统，其特征在于，所述预警模型包括特征提取层、动态阈值模型、注意力层和数据融合层，所述特征提取层用于提取二维数据的特征，所述动态阈值模型用于输出动态特征，所述注意力层用于基于注意力机制实现信息的交互，所述数据融合层用于将多模态的动态特征融合并输出阈值信息。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-6任一项所述的方法。
...【技术特征摘要】
1.一种用于园区管理的实时预警方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种用于园区管理的实时预警方法，其特征在于，所述步骤s2中，在聚类时，以欧氏距离作为数据对象间相似性度量的标准，欧氏距离的公式如下：
3.根据权利要求2所述的一种用于园区管理的实时预警方法，其特征在于，所述步骤s2中，采用savitzky-golay滤波器实现曲线平滑。
4.根据权利要求1所述的一种用于园区管理的实时预警方法，其特征在于，所述步骤s31中，首先将一维时序数据归一化处理，然后基于马尔可夫转移场构造马尔可夫转移矩阵：将时间序列分成q个分位箱，每个分位箱内的数据量相同；
5.根据权利要求1所述的一种用于园区管理的实时预警方法，其特征在于，所述步骤s33中，所述动态阈值模型基于峰值超过临界值定理和极大似然估计拟合尾端分布建立动态阈值模型并实时更新。
6.根据权利要求5所述的一种用于园区管理的实时预警方法，其特征在于，所述步骤s33中，采用全局均值pooling来提取...
【专利技术属性】
技术研发人员：罗顺辉，程树英，詹超，郭志平，刘建芳，吴德铿，陈晓杉，陈彪，叶瀚，李榕桂，王妍，
申请(专利权)人：福建网能科技开发有限责任公司，
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。