[发明专利]基于边缘计算的物联网数据联动方法、装置、设备及介质

权利要求书

1.一种基于边缘计算的物联网数据联动方法，其特征在于，所述方法用于边缘计算节点设备，所述方法包括：

向物联网设备发送所述边缘计算节点设备的IP信息；

接收所述物联网设备根据所述IP信息发送的监测对象的监测数据；

根据用户需求信息对所述监测数据进行过滤，得到有效监测数据；

向云平台发送所述有效监测数据，所述有效监测数据用于所述云平台生成预测数据；

接收所述云平台发送的所述预测数据；

根据所述预测数据更新所述监测数据。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当所述监测数据超出预设阈值时，向所述用户发送告警信息，所述告警信息用于提示预设监测范围内所述监测对象出现异常。

3.根据权利要求1所述的方法，其特征在于，在所述根据用户需求对所述监测数据进行过滤，得到有效监测数据之前，所述方法还包括：

所述边缘计算节点设备包括多个边缘计算节点，所述边缘计算节点设备根据性能信息，确定出多个可通信的边缘计算节点；

所述边缘计算节点设备对所述监测数据进行自适应数据分流，将分流后的监测数据分配到所述多个可通信的边缘计算节点。

4.一种基于边缘计算的物联网数据联动方法，其特征在于，所述方法用于物联网设备，所述方法包括：

收集预设监测范围内监测对象的实时数据，得到监测数据；

接收边缘计算节点设备发送的IP信息；

根据所述IP信息向所述边缘计算节点设备发送所述监测数据。

5.一种基于边缘计算的物联网数据联动方法，其特征在于，所述方法用于云平台，所述方法包括：

接收边缘计算节点设备发送的有效监测数据；

根据所述有效监测数据的数据特征确定小波函数；

根据所述小波函数和误差反向传播算法BP神经网络确定所述有效监测数据的预测数据；

向所述边缘计算节点设备发送所述预测数据。

6.根据权利要求5所述的方法，其特征在于，所述根据所述小波函数和BP神经网络确定所述有效监测数据的预测数据，包括：

根据均方误差MSE确定所述小波函数的最优分解尺度；

根据马拉特算法和所述最优分解尺度分别对预设样本集和预测集进行分解，得到所述预设样本集的低频序列和高频序列，以及所述预测集的低频序列和高频序列，所述预测集用于存放所述有效监测数据；

根据所述马拉特算法对每个低频序列和高频序列进行重构，得到若干个序列长度与原序列长度相等的子序列；

对所述子序列进行归一化处理，得到零一区间数据；

将所述零一区间数据作为所述BP神经网络的输入层并进行神经网络训练，当训练误差小于预设误差时，输出预测数据。

7.根据权利要求6所述的方法，其特征在于，在所述将所述零一区间数据作为所述BP神经网络的输入层并进行神经网络训练，当训练误差小于预设误差时，输出预测数据之前，所述方法还包括：

初始化所述BP神经网络，根据学习参数确定所述预设误差。

8.根据权利要求6所述的方法，其特征在于，所述方法还包括：

调节所述BP网络的权值和阈值。

9.一种基于边缘计算的物联网数据联动装置，其特征在于，所述装置用于边缘计算节点设备，所述装置包括：

发送模块，用于向物联网设备发送所述边缘计算节点设备的IP信息；

接收模块，用于接收所述物联网设备根据所述IP信息发送的监测对象的监测数据；

过滤模块，用于根据用户需求信息对所述监测数据进行过滤，得到有效监测数据；

所述发送模块，还用于向云平台发送所述有效监测数据，所述有效监测数据用于所述云平台生成预测数据；

所述接收模块，还用于接收所述云平台发送的所述预测数据；

更新模块，用于根据所述预测数据更新所述监测数据。