一种基于低功耗超声波测量的物联网AI智慧水务系统

专利主权项内容

1.一种基于低功耗超声波测量的物联网AI智慧水务系统，其特征在于，包括云服务器、数据统计模块、状态识别模块、优先级别模块、有序总结模块、出示结果模块、动态调整模块：云服务器用于存储和收发各种模块所需调取和处理过的数据；数据统计模块通过计量设备收集历史用水数据，将历史用水数据发送至云服务器；状态识别模块通过云服务器调取经过数据统计模块收集到的历史用水数据，计算得到Z分数，识别出历史用水数据中的异常数据和正常数据，并进行分类保存，将异常数据和正常数据分别发送至云服务器；优先级别模块通过云服务器调取经过状态识别模块计算得到的Z分数，进一步计算得到异常程度系数，基于异常程度系数获得检查优先级；有序总结模块通过云服务器调取经过状态识别模块处理的正常数据和异常数据，对正常数据和异常数据分别计算得到对应的熵，将各自对应的熵加权求和，得出整体无序度系数，将整体无序度系数发送至出示结果模块；出示结果模块对整体无序度系数进一步分析得出不可预测信号或可预测信号，将可预测信号发送至动态调整模块；动态调整模块基于同一历史时期的历史用水数据以及整体无序度系数，建立预测模型，预测用水量；状态识别模块的运行过程如下：通过云服务器的API数据查询方式，获取用户单位周期的历史用水数据，历史用水数据包含用户标识符、单位周期的总用水量以及对应的日期或周次；将用户的历史用水数据按单位周期进行分组并对每个单位周期的历史用水数据求平均，得到基线表示正常的单位周期用水量；将每个用户在单位周期内的历史用水量相加，然后除以用户数量，得到单位周期的平均用水量；对每个用户，计算其实际历史用水量与单位周期平均用水量之间的差异值；将每个用户的差异值进行平方操作；将所有用户的平方差异值相加，然后除以用户数量，得到平方差异值的平均值；对平均平方差异值取平方根，得到单位周期基线的标准偏差；对于每个用户，使用用户的用水量减去当前单位周期的基线再除以当前单位周期的基线的标准偏差得到标准化的Z分数；使用得到的Z分数与区分阈值进行比较，如果Z分数大于等于区分阈值，则将历史用水数据标记为异常数据，否则，标记为正常数据；动态调整模块的运行过程如下：在获得可预测信号后，通过历史同一周期用水数据以及整体无序度系数构建预测模型，得到预测用水量，可以通过以下公式计算得到：式中，Y表示预测用水量，X是时间t的用水量，c是常数项，是自回归系数，θ是移动平均系数，ε是白噪声误差项，p是自回归阶数，q是移动平均阶数，Overall DisorderCoeffcient是整体无序度系数，Disorder Threshold是无序阈值，/>是整体无序度系数与无序阈值比值的修正量；tjt通过拟合历史同一周期的历史用水数据，并且使用整体无序度系数进行修正，确定参数值，预测未来的用水量。