【技术实现步骤摘要】
本专利技术涉及物联网设备监测，尤其涉及一种物联网异常数据的自适应检测方法及系统。
技术介绍
1、近年来，物联网（iot）技术的快速发展促使大量传感器和智能设备广泛应用于各个行业和领域。这些设备通常通过物联网平台进行数据采集，并生成海量的监测数据。这些监测数据中既包含正常数据，也可能包含异常数据。异常数据通常预示着设备故障或监测指标出现问题，若不及时发现并处理，可能导致设备损坏或重大安全隐患。因此，异常数据的检测与分析成为物联网平台中极为重要的任务。
2、当前，物联网平台中常用的异常数据检测方法主要依赖于预设的固定阈值。这种方法需要根据不同设备的监测数据特点，分别设置不同的阈值，以适应大数值和小数值的监测数据。然而，由于物联网平台接入的设备种类繁多、数据规模庞大，阈值的设置过程往往非常繁琐，且这些固定阈值方法在应对复杂多变的数据环境时，检测准确性不够理想。此外，传统方法还存在普适性差的问题，即对于不同数据类型或数据分布的异常检测效果差异较大。
技术实现思路
1、为了解决上述问题，本专利技术旨在提供一种能够自适应分析物联网平台监测数据的异常检测方法及系统。本专利技术能够根据监测数据的实际情况动态调整检测标准，无需依赖固定阈值，具备更高的检测精度和适用性，从而更好地服务于物联网设备的安全运行和维护。
2、为了实现上述专利技术目的，本专利技术提供的技术方案包括：
3、一种物联网异常数据的自适应检测方法，包括步骤：
4、s1、从物联网平台获取设
5、s2、逐次计算后一监测数据值与前一监测数据值之差得到梯度差序列，分别计算所述梯度差在所有梯度差之和中的占比，得到梯度差占比序列；
6、s3、逐次计算所述梯度差的梯度方差及其在所有梯度方差之和中的占比，得到梯度方差占比序列；
7、s4、将所述监测数据值序列从第一项开始与所述梯度方差占比序列逐项相乘，得到起点对齐分界点阈值序列；将所述监测数据值序列从第二项开始与所述梯度方差占比序列逐项相乘，得到终点对齐分界点阈值序列；
8、s5、计算所述起点对齐分界点阈值序列之和与所述终点对齐分界点阈值序列之和的平均数，得到异常分界点阈值；
9、s6、通过比较所述异常分界点阈值与监测数据值得到异常数据序列。
10、优选的，所述无效数据包括空数据、重复数据、超界数据和指定时间段数据。
11、优选的，所述步骤s3计算梯度方差之前还包括步骤：
12、s301、设定数据梯度比例；
13、s302、计算所述梯度差序列中的最大值在所有梯度差之和中的占比，得到最大数据梯度占比；
14、s303、若所述数据梯度比例小于所述最大数据梯度占比，则继续后续步骤，否则中断流程。
15、优选的，所述步骤s6包括：
16、s601、将大于或等于所述异常分界点阈值的所述监测数据值作为第一分组序列；
17、s602、将小于所述异常分界点阈值的所述监测数据值作为第二分组序列；
18、s603、将元素数量较少的分组序列作为异常数据序列。
19、优选的，所述步骤s6包括：
20、s611、按时间流绘制所述监测数据值序列的二维折线图；
21、s612、绘制所述异常分界点阈值所在直线；
22、s613、比较所述直线两侧的数据点数量，将较少一侧的数据点作为异常数据。
23、本专利技术还提供了一种物联网异常数据的自适应检测系统，包括：
24、数据获取模块，用于从物联网平台获取设备的原始监测数据，清除无效数据后按监测数据值从小到大进行排序，得到监测数据值序列；
25、梯度差计算模块，与所述数据获取模块连接，用于逐次计算后一监测数据值与前一监测数据值之差得到梯度差序列，计算所述梯度差在所有梯度差之和中的占比，得到梯度差占比序列；
26、梯度方差计算模块，与所述梯度差计算模块连接，用于逐次计算所述梯度差的梯度方差及其在所有梯度方差之和中的占比，得到梯度方差占比序列；
27、分界点阈值计算模块，分别与所述数据获取模块和所述梯度方差计算模块连接，用于将所述监测数据值序列从第一项开始与所述梯度方差占比序列逐项相乘，得到起点对齐分界点阈值序列；将所述监测数据值序列从第二项开始与所述梯度方差占比序列逐项相乘，得到终点对齐分界点阈值序列；
28、异常分界点确定模块，与所述分界点阈值计算模块连接，用于计算所述起点对齐分界点阈值序列之和与所述终点对齐分界点阈值序列之和的平均数，得到异常分界点阈值；
29、异常数据检测模块，与所述异常分界点确定模块连接，用于通过比较所述异常分界点阈值与监测数据值得到异常数据序列。
30、优选的，所述数据获取模块清除的无效数据包括空数据、重复数据、超界数据和指定时间段数据。
31、优选的，还包括：
32、异常初步判断模块，内置有数据梯度比例，分别与所述梯度差计算模块和梯度方差计算模块连接，用于计算所述梯度差序列中的最大值在所有梯度差之和中的占比，得到最大数据梯度占比，判断所述数据梯度比例是否小于所述最大数据梯度占比，若是保持向梯度方差计算模块的数据传递；若否，则中断向梯度方差计算模块的数据传递。
33、优选的，异常数据检测模块包括：
34、数据分组单元，用于将大于或等于所述异常分界点阈值的所述监测数据值作为第一分组序列，将小于所述异常分界点阈值的所述监测数据值作为第二分组序列；
35、第一异常数据提取单元，与所述数据分组单元连接，用于提取元素数量较少的分组序列作为异常数据序列。
36、优选的，异常数据检测模块包括：
37、图示绘制单元，用于按时间流绘制所述监测数据值序列的二维折线图，并绘制所述异常分界点阈值所在直线；
38、第二异常数据提取单元，与图示绘制单元连接，用于比较所述直线两侧的数据点数量，提取较少一侧的数据点作为异常数据。
39、有益效果：1、自适应数据检测：本专利技术能够根据物联网平台中监测数据的实际情况，自适应地进行异常数据检测，无需依赖预设的固定阈值，通过动态计算数据梯度差及梯度方差，自动生成适配的异常分界点阈值，从而实现对不同数据范围、数据类型的通用异常检测。
40、2、提高检测精度：通过对监测数据的梯度差和梯度方差进行详细分析，本专利技术能够精确识别出异常数据。尤其是在数据分布复杂、多样化的情况下，本专利技术的检测方法相比传统的阈值法，具备更高的精度和可靠性，能够有效减少误报和漏报的发生。
41、3、增强普适性和通用性：本专利技术的异常数据分析方法适用于各种类型的监测数据，无论是大数值还是小数值，正数还是负数，都能够通过统一的算法进行有效处理。这使得该系统能够广泛应用于不同的物联网平台和本文档来自技高网...
【技术保护点】
1.一种物联网异常数据的自适应检测方法，其特征在于，包括步骤：
2.如权利要求1所述的物联网异常数据的自适应检测方法，其特征在于：所述无效数据包括空数据、重复数据、超界数据和指定时间段数据。
3.如权利要求1所述的物联网异常数据的自适应检测方法，其特征在于，所述步骤S3计算梯度方差之前还包括步骤：
4.如权利要求1所述的物联网异常数据的自适应检测方法，其特征在于，所述步骤S6包括：
5.如权利要求1所述的物联网异常数据的自适应检测方法，其特征在于，所述步骤S6包括：
6.一种物联网异常数据的自适应检测系统，其特征在于，包括：
7.如权利要求6所述的物联网异常数据的自适应检测系统，其特征在于：所述数据获取模块清除的无效数据包括空数据、重复数据、超界数据和指定时间段数据。
8.如权利要求6所述的物联网异常数据的自适应检测系统，其特征在于，还包括：
9.如权利要求6所述的物联网异常数据的自适应检测系统，其特征在于：异常数据检测模块包括：
10.如权利要求6所述的物联网异常数据的自
...【技术特征摘要】
1.一种物联网异常数据的自适应检测方法，其特征在于，包括步骤：
2.如权利要求1所述的物联网异常数据的自适应检测方法，其特征在于：所述无效数据包括空数据、重复数据、超界数据和指定时间段数据。
3.如权利要求1所述的物联网异常数据的自适应检测方法，其特征在于，所述步骤s3计算梯度方差之前还包括步骤：
4.如权利要求1所述的物联网异常数据的自适应检测方法，其特征在于，所述步骤s6包括：
5.如权利要求1所述的物联网异常数据的自适应检测方法，其特征在于，所述步骤s6包括：
【专利技术属性】
技术研发人员：胡洪祥，黄彦杰，李儒兵，叶培，唐柯，宋学超，缪超，童话，萧阳，曹杨，
申请(专利权)人：成都同飞科技有限责任公司，
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。