[发明专利]一种基于物联传感器的告警检测方法和装置

说明书

本发明公开了一种基于物联传感器的告警检测方法和装置，涉及物联网领域。该方法的一具体实施方式包括：获取目标机构下物联传感器采集到的实时数据；确定目标阈值，结合聚类算法对所述实时数据进行聚类检测，得到检测结果；获取所述目标机构针对所述物联传感器预设的期望范围，若所述检测结果超出所述期望范围，则进行告警提醒。该实施方式利用二分、中心点、聚类等数据指标进行物联传感器的智能报警，充分考虑物联传感器数据分布情况，具备计算速度快、鲁棒性强的优点，能够提升告警效率和准确性。

技术领域

本发明涉及物联网领域，尤其涉及一种基于物联传感器的告警检测方法和装置。

背景技术

传感器是物联网中十分重要的一种设备，其采集的数据是否正常将影响到企业的日常办公。目前，在传感器告警方面主要以人工观察为主、算法检测为辅，但这些方式大都聚焦于统计异常数据的数量是否超过所设定的阈值，无法满足物联传感器数据的实时分析需求。

例如，K-Means聚类算法需设置K值，现实生活中K值往往不确定；Meanshift是一种基于密度的非参数聚类算法，考虑到物联传感器的数据量庞大，在实时性上无法保证；AGNES、DBSCAN分别是基于层次、基于密度的聚类算法，对于传感器采集数据的分布情况来说并不适用。因此，找到一种适合于物联传感器数据分析的聚类算法显得尤为重要。

发明内容

有鉴于此，本发明实施例提供一种基于物联传感器的告警检测方法和装置，至少能够解决现有技术中的现象。

为实现上述目的，根据本发明实施例的一个方面，提供了一种基于物联传感器的告警检测方法，包括：

获取目标机构下物联传感器采集到的实时数据；

确定目标阈值，结合聚类算法对所述实时数据进行聚类检测，得到检测结果；

获取所述目标机构针对所述物联传感器预设的期望范围，若所述检测结果超出所述期望范围，则进行告警提醒。

可选的，所述确定目标阈值，包括：

获取所述目标机构下所述物联传感器采集到的历史数据，确定预设阈值，结合聚类算法对各历史数据进行分类；

确定每个类的平均值，计算每个类中各历史数据与平均值的绝对距离值，统计所有类的绝对距离值之和，得到分类误差；

调整所述预设阈值，重复执行上述分类、计算分类误差操作，直至训练次数达到上限为止，得到多个分类误差，将与最小分类误差对应的阈值作为目标阈值。

可选的，所述确定预设阈值，结合聚类算法对各历史数据进行分类，包括：

将各历史数据分布在一个水平轴上，求得所述水平轴上所有历史数据的平均值；

计算各历史数据与平均值的绝对距离值，确定所述预设阈值，将绝对距离值小于或等于所述预设阈值的历史数据归为第一类；

将属于所述第一类的历史数据从所述水平轴上剔除，继续求得剩余历史数据的平均值，重复上述取值和去值操作，直至所有历史数据分类完毕。

可选的，所述继续求得剩余历史数据的平均值，重复上述取值和去值操作，包括：

将剩余历史数据分为两部分，分别对每个部分中的剩余历史数据进行上述取平均、取值和去值操作。

可选的，所述物联传感器的数量仅为一个。

可选的，所述物联传感器的数量为多个，且型号相同。

可选的，所述获取所述目标机构下所述物联传感器采集到的历史数据，包括：

调用所述目标机构的供数系统接口，以获取所述目标机构下所述物联传感器采集到的历史数据，并将所述历史数据存储至数据库内的传感器历史数据表中。