[发明专利]事件发现方法及装置、存储介质、终端

说明书

一种事件发现方法及装置、存储介质、终端，所述方法包括：获取历史分布序列，历史分布序列包括多个历史分布，每一历史分布表示监测数据序列中的多个历史监测数据在相邻预设时间窗口内的数据分布的差异度；将历史分布序列中的至少一部分历史分布输入预设LSTM模型，以得到预测分布，预测分布为按照至少一部分历史分布随时间的变化趋势预测得到的，待处理监测数据与历史监测数据在相邻预设时间窗口内的数据分布的差异度的预测值；计算实际分布；当所述实际分布与所述预测分布之间的偏差大于预设阈值时，确定发现事件并提示。通过本发明提供的方案能够自动调整传感器进行时间发现的阈值，从而更好的发现事件，提高事件发现的查准率和查全率。

技术领域

本发明涉及大数据处理技术领域，具体地涉及一种事件发现方法及装置、存储介质、终端。

背景技术

目前智慧城市和人工智能的概念十分火热，智慧城市的发展也十分迅速，为人们的生活和工作提供了很多的便利。智慧城市的发展离不开传感器网络，通过部署在城市各处的传感器网络，能够实时的获取到城市各处的数据以进行各种事件的发现。

通常，大部分事件的发现是基于传感器返回的数值以及人为设置的阈值实现的。例如，养老院中老人佩戴的智能设备(如智能手环)能够获取老人的心率以及呼吸数据，现有较常用的做法是根据医学研究人工设定固定阈值来判断老人是否出现呼吸异常、心率异常的情形。这样的事件发现方式能够捕获一定的异常事件，但是，这种方式也存在一些问题。

首先，基于固定阈值的事件发现模式的鲁棒性很差，在实际应用中，同一传感器的阈值是固定不变的，但是，其所监测的事件是处于持续变化状态的，而现有模式下无法根据传感器当时的情况及时调整阈值，导致事件的发现结果偏离预期。例如，人在静态时和动态时的心率和呼吸频率都是不同的，如果拿静息心率的阈值去检测动态时的心率，那么必然会出现一些问题。

其次，对于一些事件的发现，例如楼道中的烟雾传感感和温感传感器，现有技术完全依靠人工进行的阈值设定模式无法兼顾事件发现的查准率和查全率，无法满足既能够发现真正的事件又能够不误报的用户预期。

最后，在智慧城市场景中，设置在城市中的传感器有很多，若人为的对每一处的传感器设置不同的阈值，人工成本极高，费时费力。

发明内容

本发明解决的技术问题是如何更好的发现事件，提高事件发现的查准率和查全率。

为解决上述技术问题，本发明实施例提供一种事件发现方法，包括：获取历史分布序列，所述历史分布序列包括多个历史分布，每一历史分布表示监测数据序列中的多个历史监测数据在相邻预设时间窗口内的数据分布的差异度，所述历史监测数据为产生时间早于所述监测数据序列中的待处理监测数据的产生事件的监测数据；将所述历史分布序列中的至少一部分历史分布输入预设LSTM模型，以得到预测分布，所述预测分布为按照所述至少一部分历史分布随时间的变化趋势预测得到的，所述待处理监测数据与所述历史监测数据在相邻预设时间窗口内的数据分布的差异度的预测值；计算实际分布，所述实际分布为所述待处理监测数据与所述历史监测数据在相邻预设时间窗口内的数据分布的差异度的计算值；当所述实际分布与所述预测分布之间的偏差大于预设阈值时，确定发现事件并提示。

可选的，所述获取历史分布序列包括：接收所述监测数据序列；以单个历史监测数据为间隔移动所述预设时间窗口，以得到多个历史监测数据在多个预设时间窗口内的数据分布；计算相邻预设时间窗口内的历史监测数据的历史分布。

可选的，所述预设时间窗口的长度为其中，n为所述监测数据序列的长度。

可选的，所述计算相邻预设时间窗口内的历史监测数据的历史分布包括：计算相邻预设时间窗口内的数据分布的KL距离，并将所述KL距离作为所述历史分布。