[发明专利]一种基于边缘算法的预警方法、系统及存储介质

说明书

本发明涉及环境预警技术领域，尤其涉及一种基于边缘算法的预警方法、系统及存储介质，其中预警方法包括以下步骤：基于水文RS485传感器，获取异常传感数据，并集合为动态数据时间序列集；对动态数据时间序列集基于边缘算法进行监测；对获取的边缘水文异常数据采用Apriori算法进行关联度分析；将关联度A导入关联度预测数据库中进行差值计算；判断差值的误差值所处阈值范围；将差值判断结果导入云端数据存储模块；循环上述步骤。本发明通过引入边缘算法对水文数据进行监控预警，来最大程度实现数据监控的及时性，同时采用分析算法以及数据比对的处理逻辑，可以保证水文数据的判断准确以及处理结果准确。

技术领域

本发明涉及预警技术领域，尤其涉及一种基于边缘算法的预警方法，还涉及一种系统及存储介质。

背景技术

边缘算法使计算、数据存储和处理能力更接近于操作点或事件点，其通过在边缘位置实时处理数据，就能够从互连设备和系统中更为迅速地获得洞察，其应用环境以及目的已经遍布很多行业，其中在水文监测方面具有重要作用。

当前，水文监测逐步向着智能化、无人化转变，通过边缘数据的感知、传输和处理，打造全方面一体化的水文实时监测物联网系统，可以实现对河道、水库、湖泊等水域的监测，获取流速、流量、降雨等数据，优化监测手段单一、效率成本不足等问题，更加突出数字化优势。

基于此，本领域技术人员亟需提供可以有效进行水文数据监测的方法，同时结合边缘算法实现有效监控和及时预警。

发明内容

发明人通过研究发现：水文数据的变化以及获取时必须基于动态环境，也就是无法通过固定的点位监测来实现数据的掌控以及分析，那么水文数据分析就需要保证实时性，边缘算法的介入可以有效实现，同时可以进行水文数据异常情况下的传感器等预警判断。

本发明的目的在于提供一种基于边缘算法的预警方法，来解决现有技术无法针对动态水文数据进行实时监控以及预警判断的技术问题。

据本发明的一个方面，提供一种基于边缘算法的预警方法，包括以下步骤：

步骤1.基于水文RS485传感器，获取异常传感数据，并集合为动态数据时间序列集；步骤2.对动态数据时间序列集基于边缘算法进行监测，得到水压、雨量以及流速的边缘水文异常数据；步骤3.对获取的边缘水文异常数据采用Apriori算法进行关联度分析，得到关联度值A；步骤4.将关联度A导入关联度预测数据库中进行差值计算，得到差值B；步骤5.判断差值B的误差值所处阈值范围，当处于合格阈值范围时，无预警；当处于不合格阈值范围时，预警；步骤6.将差值B判断结果导入云端数据存储模块，备份记录；步骤7.循环上述步骤，直至完成水文RS485传感器的预警作业。

本发明的一些实施例中，步骤1中水文RS485传感器的异常数据获取为根据周围的水源的环境条件收集和生成的信息，收集到信息后将这些数据信息转换为多个动态数据点，多个动态数据点集合为动态数据时间序列集。

本发明的一些实施例中，步骤2中将对动态数据时间序列集采用边缘算法进行监测，得到水压、雨量以及流速的边缘水文异常数据，其中水压、雨量以及流速的数据获取点为数据变化异常点。

本发明的一些实施例中，步骤3中Apriori算法会将获取的水文异常数据点数据按照如下公式进行分析：其中S为关联度；为数据点之间的数据点合集，表示水压、雨量以及流速任意两数据之间的合集；表示数据获取时间段。

本发明的一些实施例中，获取到关联度S后，进行标准分析后，得到关联度值A，其中标准分析为关联度S与本地数据库测定的理论关联度数据比对的过程，具体为：将关联度S与本地关联度进行误差计算，当误差小于1时，记录关联度，大于1时，放弃记录。

本发明的一些实施例中，步骤4中将关联度A导入关联度预测数据库中进行差值计算，计算采用布尔运算进行，具体为将关联度值A与关联度预测数据库中的数据值相减，得到差值B，该差值B大于1，则记录，反之，放弃记录。