CN114613120A - 一种远程抄表异常识别方法及装置 - Google Patents
一种远程抄表异常识别方法及装置 Download PDFInfo
- Publication number
- CN114613120A CN114613120A CN202210318237.9A CN202210318237A CN114613120A CN 114613120 A CN114613120 A CN 114613120A CN 202210318237 A CN202210318237 A CN 202210318237A CN 114613120 A CN114613120 A CN 114613120A
- Authority
- CN
- China
- Prior art keywords
- meter reading
- remote meter
- reason
- judging whether
- identification model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000002159 abnormal effect Effects 0.000 claims abstract description 65
- 230000005856 abnormality Effects 0.000 claims description 86
- 239000004973 liquid crystal related substance Substances 0.000 claims description 81
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 claims description 32
- 239000010931 gold Substances 0.000 claims description 32
- 229910052737 gold Inorganic materials 0.000 claims description 32
- 230000008859 change Effects 0.000 claims description 17
- 230000005540 biological transmission Effects 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 13
- 230000009467 reduction Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 230000008030 elimination Effects 0.000 claims description 2
- 238000003379 elimination reaction Methods 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明提供一种远程抄表异常识别方法,所述远程抄表异常识别方法包括:建立多种远程抄表异常识别模型;根据所述多种远程抄表异常识别模型,对待识别的远程抄表进行故障判断,确定对应的远程抄表异常原因;对属于同种远程抄表异常原因的远程抄表进行数据去重;对去重后的远程抄表进行分类统计,并输出分类统计结果。
Description
技术领域
本发明涉及人工智能技术领域,特别涉及一种远程抄表异常识别方法及装置。
背景技术
民用表中,物联表的占比快速提升,计费采用远传抄表的数据结算,但因为表计故障、通讯中断、***间数据不一致、人工等原因,会有各种各样的表超,而且不易察觉表超用户。时间长了,公司损失较大,等发现后也容易和客户产生纠纷。
因此亟待建立对远程抄表异常识别模型,以对有效对磁卡表、三种物联表的异常进行有效识别。
发明内容
本发明提供一种远程抄表异常识别方法及装置,以提高异常检测的精准度。
本发明实施例提供了一种远程抄表异常识别方法,包括:建立多种远程抄表异常识别模型;根据所述多种远程抄表异常识别模型,对待识别的远程抄表进行故障判断,确定对应的远程抄表异常原因;对属于同种远程抄表异常原因的远程抄表进行数据去重;对去重后的远程抄表进行分类统计,并输出分类统计结果。
进一步地,所述建立多种远程抄表异常识别模型的步骤包括:
建立用于判断远程抄表异常原因是否为表不走字的第一识别模型;第一识别模型用于根据最后两次的安检基表读数以及液晶使用量读数判断远程抄表异常原因是否为表不走字;
建立用于判断远程抄表异常原因是否为液晶不减字,字轮正常使用的第二识别模型;第二识别模型用于根据读表日期、购气日期、最后两次的安检基表读数、液晶使用量读数、最后两次安检读表时间之间的购气量判断远程抄表异常原因是否为液晶不减字,字轮正常使用;
建立用于判断远程抄表异常原因是否为液晶减字慢,字轮正常使用的第三识别模型;第三识别模型用于根据读表日期、购气日期、最后两次的安检基表读数、液晶使用量读数、最后两次安检读表时间之间的购气量判断远程抄表异常原因是否为液晶减字慢,字轮正常使用;
建立用于判断远程抄表异常原因是否为液晶负数,不关阀门,字轮正常计数的第四识别模型;第四识别模型用于根据读表日期、最后两次的安检基表读数、液晶使用量读数判断远程抄表异常原因是否为液晶负数,不关阀门;
建立用于判断远程抄表异常原因是否为液晶有数据,字轮超用的第五识别模型;第五识别模型用于根据读表日期、最后两次的安检基表读数判断远程抄表异常原因是否为液晶有数据,字轮超用;
建立用于判断远程抄表异常原因是否为其它累计用大于累计购的第六识别模型;第六识别模型用于根据其它磁卡表满足累计购气量、基表读数、最后一次购气量判断远程抄表异常原因是否为其它累计用大于累计购;
建立用于判断远程抄表异常原因是否为余额指令失败的第七识别模型;第七识别模型用于根据iot指令中的余额下发指令判断远程抄表异常原因是否为余额指令失败;
建立用于判断远程抄表异常原因是否为关阀指令失败的第八识别模型;第八识别模型用于根据iot指令中的关阀指令判断远程抄表异常原因是否为关阀指令失败;
建立用于判断远程抄表异常原因是否为欠费不关阀门的第九识别模型;第九识别模型用于根据表状态、余额、开阀状态判断远程抄表异常原因是否为欠费不关阀门;
建立用于判断远程抄表异常原因是否为sap往物联充值重复的第十识别模型;第十识别模型用于根据sap中的成功充值次数以及目标***的成功充值次数判断远程抄表异常原因是否为sap往物联充值重复;目标***包括e城***、金卡***、以及二代***;
建立用于判断远程抄表异常原因是否为sap往物联往表端充值失败的第十一识别模型;用于根据sap中的成功充值次数以及目标***的成功充值次数判断远程抄表异常原因是否为物联往表端充值失败;
建立用于判断远程抄表异常原因是否为物联往表端充值重复的第十二识别模型;第十二识别模型用于根据目标***抄表的余额变化以及e城***的充值金额判断远程抄表异常原因是否为物联往表端充值重复;目标***包括e城***、金卡***、以及二代***;
建立用于判断远程抄表异常原因是否为物联往表端充值失败的第十三识别模型;第十三识别模型用于根据目标***抄表的余额变化以及e城***的充值金额判断远程抄表异常原因是否为物联往表端充值失败;目标***包括e城***、金卡***、以及二代***;
建立用于判断远程抄表异常原因是否为通讯后***不结算不扣费的第十四识别模型;第十四识别模型用于根据目标***抄表数据判断远程抄表异常原因是否为通讯后***不结算不扣费;
建立用于判断远程抄表异常原因是否为关阀但是走气数据的第十五识别模型;第十五识别模型用于根据目标***的表状态、关阀状态以及用气量数据判断远程抄表异常原因是否为关阀但是走气数据;
建立用于判断远程抄表异常原因是否为手抄及远传不一致的第十六识别模型;第十六识别模型用于根据e城***人工抄表和2个小时内的远传抄表判断远程抄表异常原因是否为手抄及远传不一致;
建立用于判断远程抄表异常原因是否为不在线预设天数的表超风险表的第十七识别模型;第十七识别模型用于根据iot***不在线天数、账单之间的差额、日均账单、合同余额、不在线后sap充值金额判断远程抄表异常原因是否为不在线预设天数的表超风险表。
进一步地,对去重后的远程抄表进行分类统计的步骤包括:
对去重后的远程抄表按照对应远程抄表异常原因关联的表计类型进行分类,所述表计类型包括:磁卡表类型、iot表类型、金卡表类型以及二代表类型。
进一步地,在所述根据所述多种远程抄表异常识别模型,对待识别的远程抄表进行故障判断,确定对应的远程抄表异常原因的步骤之前包括:将各个***中的数据抽数到hive贴源层中,得到待识别的远程抄表。
进一步地,所述输出分类统计结果的步骤包括:利用sense报表,以看板的形式输出分类统计结果。
本发明还提供一种远程抄表异常识别装置,包括:建模单元,用于建立多种远程抄表异常识别模型;识别单元,用于根据所述多种远程抄表异常识别模型,对待识别的远程抄表进行故障判断,确定对应的远程抄表异常原因;去重单元,用于对属于同种远程抄表异常原因的远程抄表进行数据去重;输出单元,用于对去重后的远程抄表进行分类统计,并输出分类统计结果。
进一步地,所述建模单元包括:第一建模子单元,用于建立用于判断远程抄表异常原因是否为表不走字的第一识别模型;第一识别模型用于根据最后两次的安检基表读数以及液晶使用量读数判断远程抄表异常原因是否为表不走字;
第二建模子单元,用于建立用于判断远程抄表异常原因是否为液晶不减字,字轮正常使用的第二识别模型;第二识别模型用于根据读表日期、购气日期、最后两次的安检基表读数、液晶使用量读数、最后两次安检读表时间之间的购气量判断远程抄表异常原因是否为液晶不减字,字轮正常使用;
第三建模子单元,用于建立用于判断远程抄表异常原因是否为液晶减字慢,字轮正常使用的第三识别模型;第三识别模型用于根据读表日期、购气日期、最后两次的安检基表读数、液晶使用量读数、最后两次安检读表时间之间的购气量判断远程抄表异常原因是否为液晶减字慢,字轮正常使用;
第四建模子单元,用于建立用于判断远程抄表异常原因是否为液晶负数,不关阀门,字轮正常计数的第四识别模型;第四识别模型用于根据读表日期、最后两次的安检基表读数、液晶使用量读数判断远程抄表异常原因是否为液晶负数,不关阀门;
第五建模子单元,用于建立用于判断远程抄表异常原因是否为液晶有数据,字轮超用的第五识别模型;第五识别模型用于根据读表日期、最后两次的安检基表读数判断远程抄表异常原因是否为液晶有数据,字轮超用;
第六建模子单元,用于建立用于判断远程抄表异常原因是否为其它累计用大于累计购的第六识别模型;第六识别模型用于根据其它磁卡表满足累计购气量、基表读数、最后一次购气量判断远程抄表异常原因是否为其它累计用大于累计购;
第七建模子单元,用于建立用于判断远程抄表异常原因是否为余额指令失败的第七识别模型;第七识别模型用于根据iot指令中的余额下发指令判断远程抄表异常原因是否为余额指令失败;
第八建模子单元,用于建立用于判断远程抄表异常原因是否为关阀指令失败的第八识别模型;第八识别模型用于根据iot指令中的关阀指令判断远程抄表异常原因是否为关阀指令失败;
第九建模子单元,用于建立用于判断远程抄表异常原因是否为欠费不关阀门的第九识别模型;第九识别模型用于根据表状态、余额、开阀状态判断远程抄表异常原因是否为欠费不关阀门;
第十建模子单元,用于建立用于判断远程抄表异常原因是否为sap往物联充值重复的第十识别模型;第十识别模型用于根据sap中的成功充值次数以及目标***的成功充值次数判断远程抄表异常原因是否为sap往物联充值重复;目标***包括e城***、金卡***、以及二代***;
第十一建模子单元,用于建立用于判断远程抄表异常原因是否为sap往物联往表端充值失败的第十一识别模型;用于根据sap中的成功充值次数以及目标***的成功充值次数判断远程抄表异常原因是否为物联往表端充值失败;
第十二建模子单元,用于建立用于判断远程抄表异常原因是否为物联往表端充值重复的第十二识别模型;第十二识别模型用于根据目标***抄表的余额变化以及e城***的充值金额判断远程抄表异常原因是否为物联往表端充值重复;目标***包括e城***、金卡***、以及二代***;
第十三建模子单元,用于建立用于判断远程抄表异常原因是否为物联往表端充值失败的第十三识别模型;第十三识别模型用于根据目标***抄表的余额变化以及e城***的充值金额判断远程抄表异常原因是否为物联往表端充值失败;目标***包括e城***、金卡***、以及二代***;
第十四建模子单元,用于建立用于判断远程抄表异常原因是否为通讯后***不结算不扣费的第十四识别模型;第十四识别模型用于根据目标***抄表数据判断远程抄表异常原因是否为通讯后***不结算不扣费;
第十五建模子单元,用于建立用于判断远程抄表异常原因是否为关阀但是走气数据的第十五识别模型;第十五识别模型用于根据目标***的表状态、关阀状态以及用气量数据判断远程抄表异常原因是否为关阀但是走气数据;
第十六建模子单元,用于建立用于判断远程抄表异常原因是否为手抄及远传不一致的第十六识别模型;第十六识别模型用于根据e城***人工抄表和2个小时内的远传抄表判断远程抄表异常原因是否为手抄及远传不一致;
第十七建模子单元,用于建立用于判断远程抄表异常原因是否为不在线预设天数的表超风险表的第十七识别模型;第十七识别模型用于根据iot***不在线天数、账单之间的差额、日均账单、合同余额、不在线后sap充值金额判断远程抄表异常原因是否为不在线预设天数的表超风险表。
进一步地,所述去重单元具体用于,对去重后的远程抄表按照对应远程抄表异常原因关联的表计类型进行分类,所述表计类型包括:磁卡表类型、iot表类型、金卡表类型以及二代表类型。
本发明实施例还提供了一种计算机设备,包括:存储器,用于存储计算机程序;处理器,用于执行所述计算机程序时实现所述的远程抄表异常识别方法的步骤。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现所述远程抄表异常识别方法的步骤。
本发明的远程抄表异常识别方法及装置通过在对磁卡表、三种物联表的基本数据规律做了大量的研究,并且和企业多次校验,形成了识别表超的几十种逻辑,根据多种识别逻辑形成多种远程抄表异常识别模型,从而快速的识别出表超用户,挽回公司损失,降低企业工作量。
附图说明
图1为本申请实施例一提供的一种远程抄表异常识别方法的流程图。
图2为本申请实施例二提供的一种远程抄表异常识别方法多种远程抄表异常识别模型对应判断逻辑表格。
图3为本申请实施例三提供的一种远程抄表异常识别装置的结构框图。
图4为本申请实施例三提供的一种计算机设备的结构图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合;并且,基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
如图1所示,本发明实施例提供了一种远程抄表异常识别方法,该方法可以包括以下步骤:
步骤101:建立多种远程抄表异常识别模型;
步骤102:根据所述多种远程抄表异常识别模型,对待识别的远程抄表进行故障判断,确定对应的远程抄表异常原因;
步骤103:对属于同种远程抄表异常原因的远程抄表进行数据去重;
步骤104:对去重后的远程抄表进行分类统计,并输出分类统计结果。
本实施例通过在对磁卡表、三种物联表的基本数据规律做了大量的研究,并且和企业多次校验,形成了识别表超的几十种逻辑,根据多种识别逻辑形成多种远程抄表异常识别模型,从而快速的识别出表超用户,挽回公司损失,降低企业工作量。
如图2所示的实施例提供了一种远程抄表异常识别方法的优选实施方式,具体而言,本发明提出了多种远程抄表异常识别模型对应判断逻辑表格。
如图2所示,所述建立多种远程抄表异常识别模型的步骤包括:
建立用于判断远程抄表异常原因是否为表不走字的第一识别模型;该识别模型对应的判断逻辑为:取最后一次和倒数第二次安检基表读数、液晶使用量读数,末次安检基表读数-倒数第二次安检基表读数=0、末次安检液晶使用量读数-(倒数第二次安检液晶使用量读数)=0,则判定为‘表不走字’;
建立用于判断远程抄表异常原因是否为液晶不减字,字轮正常使用的第二识别模型;该识别模型对应的判断逻辑为:根据读表日期、购气日期,取最后一次和倒数第二次安检基表读数、液晶使用量读数,最后两次安检读表时间之间的购气量。末次安检基表读数-倒数第二次安检基表读数>0,末次安检液晶使用量读数-(倒数第二次安检液晶使用量读数+两次安检读表时间内的购气量)=0,则判定为‘液晶不减字,字轮正常使用’;
建立用于判断远程抄表异常原因是否为液晶减字慢,字轮正常使用的第三识别模型;该识别模型对应的判断逻辑为:根据读表日期、购气日期,取最后一次和倒数第二次安检基表读数、液晶使用量读数,最后两次安检读表时间之间的购气量。末次安检基表读数-倒数第二次安检基表读数>0,(倒数第二次安检液晶读数+两次安检读表时间内的购气量)-末次安检液晶读数>0,(末次安检基表读数-倒数第二次安检基表读数)>((倒数第二次安检液晶使用量读数+两次安检读表时间内的购气量)-末次安检液晶使用量读数),则判定为‘液晶减字慢,字轮正常使用’;
建立用于判断远程抄表异常原因是否为液晶负数,不关阀门,字轮正常计数的第四识别模型;该识别模型对应的判断逻辑为:根据读表日期,取最后一次和倒数第二次安检基表读数、液晶使用量读数。末次安检液晶使用量读数<0,末次安检基表读数-倒数第二次安检基表读数>0,则判定为‘液晶负数,不关阀门,字轮正常计数’;
建立用于判断远程抄表异常原因是否为液晶有数据,字轮超用的第五识别模型;该识别模型对应的判断逻辑为:根据读表日期,取最后一次和倒数第二次安检基表读数,末次安检基表读数<倒数第二次安检基表读数,则判定为“液晶有数据,字轮超用”;
建立用于判断远程抄表异常原因是否为其它累计用大于累计购的第六识别模型;该识别模型对应的判断逻辑为:其它磁卡表满足累计购气量-(基表读数+最后一次购气量)<3方的数据;
建立用于判断远程抄表异常原因是否为余额指令失败的第七识别模型;该识别模型对应的判断逻辑为:iot指令中,这一天有未成功的余额下发指令,且这天和前1天,都没有成功的余额下发指令;
建立用于判断远程抄表异常原因是否为关阀指令失败的第八识别模型;iot指令中,这一天有未成功的关阀指令,且这天和前1天,都没有成功的关阀指令;
建立用于判断远程抄表异常原因是否为欠费不关阀门的第九识别模型;该识别模型对应的判断逻辑包括多种:
第一种:e城***中,表状态正常+余额为负+阀门为开阀状态;
第二种:e城***中,表状态正常+余额为负+阀门为开阀状态;
第三种:金卡***中,表状态正常+余额为负+阀门为开阀状态;
第四种:二代***中,表状态正常+余额为负+阀门为开阀状态;
建立用于判断远程抄表异常原因是否为sap往物联充值重复的第十识别模型;该识别模型对应的判断逻辑包括多种:
第一种:sap中的成功充值次数<e城***的成功充值次数
第二种:sap中的成功充值次数<金卡***的成功充值次数
第三种:sap中的成功充值次数<二代***的成功充值次数
第四种:sap中的成功充值次数>e城***的成功充值次数
第五种:sap中的成功充值次数>金卡***的成功充值次数,因为金卡抽数不实时,所以,sap充值时间做限制,,因为金卡抽数不实时,所以,sap充值时间做限制;
第六种:sap中的成功充值次数>二代***的成功充值次数
建立用于判断远程抄表异常原因是否为物联往表端充值重复的第十二识别模型;该识别模型对应的判断逻辑包括多种:
第一种:iot***抄表的余额变化>e城***的充值金额;
第二种:金卡***抄表的余额变化>e城***的充值金额;
第三种:iot表端抄表的余额变化>e城***的充值金额;
建立用于判断远程抄表异常原因是否为物联往表端充值失败的第十三识别模型;该识别模型对应的判断逻辑包括多种:
第一种:iot***抄表的余额变化<e城***的充值金额
第二种:金卡***抄表的余额变化<e城***的充值金额
第三种:iot表端抄表的余额变化<e城***的充值金额
建立用于判断远程抄表异常原因是否为通讯后***不结算不扣费的第十四识别模型;该识别模型对应的判断逻辑包括:
第一种:e城抄表数据昨天有用气量,但是剩余金额或者剩余气量没有变动(暂时不做)
第二种:金卡***昨天表底数有变化,但是剩余金额和充值金额没有变动,且表底数>2方
第三种:二代***抄表数据昨天有用气量,但是剩余金额或者剩余气量没有变动(暂时不做)
建立用于判断远程抄表异常原因是否为关阀但是走气数据的第十五识别模型;该识别模型对应的判断逻辑包括:
第一种:e城***表状态正常+阀门为关阀状态,但是昨天有用气量;
第二种:金卡***,表状态正常+阀门为关阀状态,但是昨天有用气量。(备注,金卡***阀门状态不实时,暂时取消);
第三种:二代***表状态正常+阀门为关阀状态,但是昨天有用气量;
建立用于判断远程抄表异常原因是否为手抄及远传不一致的第十六识别模型;e城***人工抄表和2个小时内的远传抄表,表底数相差1方以上;
建立用于判断远程抄表异常原因是否为不在线预设天数的表超风险表的第十七识别模型;该识别模型对应的判断逻辑为:iot***10天以上不在线以上,最近2个较大账单大于10方,同时满足不在线天数*日均账单>合同余额+不在线后sap充值金额。
进一步地,对去重后的远程抄表进行分类统计的步骤包括:
对去重后的远程抄表按照对应远程抄表异常原因关联的表计类型进行分类,所述表计类型包括:磁卡表类型、iot表类型、金卡表类型以及二代表类型。
进一步地,在所述根据所述多种远程抄表异常识别模型,对待识别的远程抄表进行故障判断,确定对应的远程抄表异常原因的步骤之前包括:将各个***中的数据抽数到hive贴源层中,得到待识别的远程抄表。
进一步地,所述输出分类统计结果的步骤包括:利用sense报表,以看板的形式输出分类统计结果。
本实施例通过识别磁卡表、物联表(二代、金卡、iot***)中因为表计故障、表计和后台通讯不一致、***间数据传输故障、***内数据联动故障、人工等问题。随着推广,可以识别出更多的表超。
图3为本申请实施例六提供的一种远程抄表异常识别装置的结构框图。
如图3所示,一种远程抄表异常识别装置包括:
建模单元301,用于建立多种远程抄表异常识别模型;
识别单元302,用于根据所述多种远程抄表异常识别模型,对待识别的远程抄表进行故障判断,确定对应的远程抄表异常原因;
去重单元303,用于对属于同种远程抄表异常原因的远程抄表进行数据去重;
输出单元304,用于对去重后的远程抄表进行分类统计,并输出分类统计结果。
进一步地,所述建模单元301包括:第一建模子单元,用于建立用于判断远程抄表异常原因是否为表不走字的第一识别模型;第一识别模型用于根据最后两次的安检基表读数以及液晶使用量读数判断远程抄表异常原因是否为表不走字;
第二建模子单元,用于建立用于判断远程抄表异常原因是否为液晶不减字,字轮正常使用的第二识别模型;第二识别模型用于根据读表日期、购气日期、最后两次的安检基表读数、液晶使用量读数、最后两次安检读表时间之间的购气量判断远程抄表异常原因是否为液晶不减字,字轮正常使用;
第三建模子单元,用于建立用于判断远程抄表异常原因是否为液晶减字慢,字轮正常使用的第三识别模型;第三识别模型用于根据读表日期、购气日期、最后两次的安检基表读数、液晶使用量读数、最后两次安检读表时间之间的购气量判断远程抄表异常原因是否为液晶减字慢,字轮正常使用;
第四建模子单元,用于建立用于判断远程抄表异常原因是否为液晶负数,不关阀门,字轮正常计数的第四识别模型;第四识别模型用于根据读表日期、最后两次的安检基表读数、液晶使用量读数判断远程抄表异常原因是否为液晶负数,不关阀门;
第五建模子单元,用于建立用于判断远程抄表异常原因是否为液晶有数据,字轮超用的第五识别模型;第五识别模型用于根据读表日期、最后两次的安检基表读数判断远程抄表异常原因是否为液晶有数据,字轮超用;
第六建模子单元,用于建立用于判断远程抄表异常原因是否为其它累计用大于累计购的第六识别模型;第六识别模型用于根据其它磁卡表满足累计购气量、基表读数、最后一次购气量判断远程抄表异常原因是否为其它累计用大于累计购;
第七建模子单元,用于建立用于判断远程抄表异常原因是否为余额指令失败的第七识别模型;第七识别模型用于根据iot指令中的余额下发指令判断远程抄表异常原因是否为余额指令失败;
第八建模子单元,用于建立用于判断远程抄表异常原因是否为关阀指令失败的第八识别模型;第八识别模型用于根据iot指令中的关阀指令判断远程抄表异常原因是否为关阀指令失败;
第九建模子单元,用于建立用于判断远程抄表异常原因是否为欠费不关阀门的第九识别模型;第九识别模型用于根据表状态、余额、开阀状态判断远程抄表异常原因是否为欠费不关阀门;
第十建模子单元,用于建立用于判断远程抄表异常原因是否为sap往物联充值重复的第十识别模型;第十识别模型用于根据sap中的成功充值次数以及目标***的成功充值次数判断远程抄表异常原因是否为sap往物联充值重复;目标***包括e城***、金卡***、以及二代***;
第十一建模子单元,用于建立用于判断远程抄表异常原因是否为sap往物联往表端充值失败的第十一识别模型;用于根据sap中的成功充值次数以及目标***的成功充值次数判断远程抄表异常原因是否为物联往表端充值失败;
第十二建模子单元,用于建立用于判断远程抄表异常原因是否为物联往表端充值重复的第十二识别模型;第十二识别模型用于根据目标***抄表的余额变化以及e城***的充值金额判断远程抄表异常原因是否为物联往表端充值重复;目标***包括e城***、金卡***、以及二代***;
第十三建模子单元,用于建立用于判断远程抄表异常原因是否为物联往表端充值失败的第十三识别模型;第十三识别模型用于根据目标***抄表的余额变化以及e城***的充值金额判断远程抄表异常原因是否为物联往表端充值失败;目标***包括e城***、金卡***、以及二代***;
第十四建模子单元,用于建立用于判断远程抄表异常原因是否为通讯后***不结算不扣费的第十四识别模型;第十四识别模型用于根据目标***抄表数据判断远程抄表异常原因是否为通讯后***不结算不扣费;
第十五建模子单元,用于建立用于判断远程抄表异常原因是否为关阀但是走气数据的第十五识别模型;第十五识别模型用于根据目标***的表状态、关阀状态以及用气量数据判断远程抄表异常原因是否为关阀但是走气数据;
第十六建模子单元,用于建立用于判断远程抄表异常原因是否为手抄及远传不一致的第十六识别模型;第十六识别模型用于根据e城***人工抄表和2个小时内的远传抄表判断远程抄表异常原因是否为手抄及远传不一致;
第十七建模子单元,用于建立用于判断远程抄表异常原因是否为不在线预设天数的表超风险表的第十七识别模型;第十七识别模型用于根据iot***不在线天数、账单之间的差额、日均账单、合同余额、不在线后sap充值金额判断远程抄表异常原因是否为不在线预设天数的表超风险表。
进一步地,所述去重单元303具体用于,对去重后的远程抄表按照对应远程抄表异常原因关联的表计类型进行分类,所述表计类型包括:磁卡表类型、iot表类型、金卡表类型以及二代表类型。
本发明实施例还提供了一种计算机设备,包括:存储器,用于存储计算机程序;处理器,用于执行所述计算机程序时实现所述的远程抄表异常识别方法的步骤。
如图4所示,本发明实施例提供了一种计算机设备。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。从硬件层面而言,如图4所示,为本发明实施例计算机设备的一种硬件结构图,除了图4所示的CPU(处理器)、内存、网络接口、以及非易失性存储器之外,实施例中装置所在的设备通常还可以包括其他硬件,如负责处理报文的转发芯片等等。
本发明还提供一种计算机可读存储介质(图中未示出),所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如所述远程抄表异常识别方法的步骤。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (10)
1.一种远程抄表异常识别方法,其特征在于,所述远程抄表异常识别方法包括:
建立多种远程抄表异常识别模型;
根据所述多种远程抄表异常识别模型,对待识别的远程抄表进行故障判断,确定对应的远程抄表异常原因;
对属于同种远程抄表异常原因的远程抄表进行数据去重;
对去重后的远程抄表进行分类统计,并输出分类统计结果。
2.根据权利要求1所述的远程抄表异常识别方法,其特征在于,所述建立多种远程抄表异常识别模型的步骤包括:
建立用于判断远程抄表异常原因是否为表不走字的第一识别模型;第一识别模型用于根据最后两次的安检基表读数以及液晶使用量读数判断远程抄表异常原因是否为表不走字;
建立用于判断远程抄表异常原因是否为液晶不减字,字轮正常使用的第二识别模型;第二识别模型用于根据读表日期、购气日期、最后两次的安检基表读数、液晶使用量读数、最后两次安检读表时间之间的购气量判断远程抄表异常原因是否为液晶不减字,字轮正常使用;
建立用于判断远程抄表异常原因是否为液晶减字慢,字轮正常使用的第三识别模型;第三识别模型用于根据读表日期、购气日期、最后两次的安检基表读数、液晶使用量读数、最后两次安检读表时间之间的购气量判断远程抄表异常原因是否为液晶减字慢,字轮正常使用;
建立用于判断远程抄表异常原因是否为液晶负数,不关阀门,字轮正常计数的第四识别模型;第四识别模型用于根据读表日期、最后两次的安检基表读数、液晶使用量读数判断远程抄表异常原因是否为液晶负数,不关阀门;
建立用于判断远程抄表异常原因是否为液晶有数据,字轮超用的第五识别模型;第五识别模型用于根据读表日期、最后两次的安检基表读数判断远程抄表异常原因是否为液晶有数据,字轮超用;
建立用于判断远程抄表异常原因是否为其它累计用大于累计购的第六识别模型;第六识别模型用于根据其它磁卡表满足累计购气量、基表读数、最后一次购气量判断远程抄表异常原因是否为其它累计用大于累计购;
建立用于判断远程抄表异常原因是否为余额指令失败的第七识别模型;第七识别模型用于根据i ot指令中的余额下发指令判断远程抄表异常原因是否为余额指令失败;
建立用于判断远程抄表异常原因是否为关阀指令失败的第八识别模型;第八识别模型用于根据i ot指令中的关阀指令判断远程抄表异常原因是否为关阀指令失败;
建立用于判断远程抄表异常原因是否为欠费不关阀门的第九识别模型;第九识别模型用于根据表状态、余额、开阀状态判断远程抄表异常原因是否为欠费不关阀门;
建立用于判断远程抄表异常原因是否为sap往物联充值重复的第十识别模型;第十识别模型用于根据sap中的成功充值次数以及目标***的成功充值次数判断远程抄表异常原因是否为sap往物联充值重复;目标***包括e城***、金卡***、以及二代***;
建立用于判断远程抄表异常原因是否为sap往物联往表端充值失败的第十一识别模型;用于根据sap中的成功充值次数以及目标***的成功充值次数判断远程抄表异常原因是否为物联往表端充值失败;
建立用于判断远程抄表异常原因是否为物联往表端充值重复的第十二识别模型;第十二识别模型用于根据目标***抄表的余额变化以及e城***的充值金额判断远程抄表异常原因是否为物联往表端充值重复;目标***包括e城***、金卡***、以及二代***;
建立用于判断远程抄表异常原因是否为物联往表端充值失败的第十三识别模型;第十三识别模型用于根据目标***抄表的余额变化以及e城***的充值金额判断远程抄表异常原因是否为物联往表端充值失败;目标***包括e城***、金卡***、以及二代***;
建立用于判断远程抄表异常原因是否为通讯后***不结算不扣费的第十四识别模型;第十四识别模型用于根据目标***抄表数据判断远程抄表异常原因是否为通讯后***不结算不扣费;
建立用于判断远程抄表异常原因是否为关阀但是走气数据的第十五识别模型;第十五识别模型用于根据目标***的表状态、关阀状态以及用气量数据判断远程抄表异常原因是否为关阀但是走气数据;
建立用于判断远程抄表异常原因是否为手抄及远传不一致的第十六识别模型;第十六识别模型用于根据e城***人工抄表和2个小时内的远传抄表判断远程抄表异常原因是否为手抄及远传不一致;
建立用于判断远程抄表异常原因是否为不在线预设天数的表超风险表的第十七识别模型;第十七识别模型用于根据i ot***不在线天数、账单之间的差额、日均账单、合同余额、不在线后sap充值金额判断远程抄表异常原因是否为不在线预设天数的表超风险表。
3.根据权利要求2所述的远程抄表异常识别方法,其特征在于,对去重后的远程抄表进行分类统计的步骤包括:
对去重后的远程抄表按照对应远程抄表异常原因关联的表计类型进行分类,所述表计类型包括:磁卡表类型、i ot表类型、金卡表类型以及二代表类型。
4.根据权利要求1-3中任一项所述的远程抄表异常识别方法,其特征在于,在所述根据所述多种远程抄表异常识别模型,对待识别的远程抄表进行故障判断,确定对应的远程抄表异常原因的步骤之前包括:
将各个***中的数据抽数到h i ve贴源层中,得到待识别的远程抄表。
5.根据权利要求4所述的远程抄表异常识别方法,其特征在于,所述输出分类统计结果的步骤包括:
利用sense报表,以看板的形式输出分类统计结果。
6.一种远程抄表异常识别装置,其特征在于,包括:
建模单元,用于建立多种远程抄表异常识别模型;
识别单元,用于根据所述多种远程抄表异常识别模型,对待识别的远程抄表进行故障判断,确定对应的远程抄表异常原因;
去重单元,用于对属于同种远程抄表异常原因的远程抄表进行数据去重;
输出单元,用于对去重后的远程抄表进行分类统计,并输出分类统计结果。
7.根据权利要求6所述的远程抄表异常识别装置,其特征在于,所述建模单元包括:
第一建模子单元,用于建立用于判断远程抄表异常原因是否为表不走字的第一识别模型;第一识别模型用于根据最后两次的安检基表读数以及液晶使用量读数判断远程抄表异常原因是否为表不走字;
第二建模子单元,用于建立用于判断远程抄表异常原因是否为液晶不减字,字轮正常使用的第二识别模型;第二识别模型用于根据读表日期、购气日期、最后两次的安检基表读数、液晶使用量读数、最后两次安检读表时间之间的购气量判断远程抄表异常原因是否为液晶不减字,字轮正常使用;
第三建模子单元,用于建立用于判断远程抄表异常原因是否为液晶减字慢,字轮正常使用的第三识别模型;第三识别模型用于根据读表日期、购气日期、最后两次的安检基表读数、液晶使用量读数、最后两次安检读表时间之间的购气量判断远程抄表异常原因是否为液晶减字慢,字轮正常使用;
第四建模子单元,用于建立用于判断远程抄表异常原因是否为液晶负数,不关阀门,字轮正常计数的第四识别模型;第四识别模型用于根据读表日期、最后两次的安检基表读数、液晶使用量读数判断远程抄表异常原因是否为液晶负数,不关阀门;
第五建模子单元,用于建立用于判断远程抄表异常原因是否为液晶有数据,字轮超用的第五识别模型;第五识别模型用于根据读表日期、最后两次的安检基表读数判断远程抄表异常原因是否为液晶有数据,字轮超用;
第六建模子单元,用于建立用于判断远程抄表异常原因是否为其它累计用大于累计购的第六识别模型;第六识别模型用于根据其它磁卡表满足累计购气量、基表读数、最后一次购气量判断远程抄表异常原因是否为其它累计用大于累计购;
第七建模子单元,用于建立用于判断远程抄表异常原因是否为余额指令失败的第七识别模型;第七识别模型用于根据i ot指令中的余额下发指令判断远程抄表异常原因是否为余额指令失败;
第八建模子单元,用于建立用于判断远程抄表异常原因是否为关阀指令失败的第八识别模型;第八识别模型用于根据i ot指令中的关阀指令判断远程抄表异常原因是否为关阀指令失败;
第九建模子单元,用于建立用于判断远程抄表异常原因是否为欠费不关阀门的第九识别模型;第九识别模型用于根据表状态、余额、开阀状态判断远程抄表异常原因是否为欠费不关阀门;
第十建模子单元,用于建立用于判断远程抄表异常原因是否为sap往物联充值重复的第十识别模型;第十识别模型用于根据sap中的成功充值次数以及目标***的成功充值次数判断远程抄表异常原因是否为sap往物联充值重复;目标***包括e城***、金卡***、以及二代***;
第十一建模子单元,用于建立用于判断远程抄表异常原因是否为sap往物联往表端充值失败的第十一识别模型;用于根据sap中的成功充值次数以及目标***的成功充值次数判断远程抄表异常原因是否为物联往表端充值失败;
第十二建模子单元,用于建立用于判断远程抄表异常原因是否为物联往表端充值重复的第十二识别模型;第十二识别模型用于根据目标***抄表的余额变化以及e城***的充值金额判断远程抄表异常原因是否为物联往表端充值重复;目标***包括e城***、金卡***、以及二代***;
第十三建模子单元,用于建立用于判断远程抄表异常原因是否为物联往表端充值失败的第十三识别模型;第十三识别模型用于根据目标***抄表的余额变化以及e城***的充值金额判断远程抄表异常原因是否为物联往表端充值失败;目标***包括e城***、金卡***、以及二代***;
第十四建模子单元,用于建立用于判断远程抄表异常原因是否为通讯后***不结算不扣费的第十四识别模型;第十四识别模型用于根据目标***抄表数据判断远程抄表异常原因是否为通讯后***不结算不扣费;
第十五建模子单元,用于建立用于判断远程抄表异常原因是否为关阀但是走气数据的第十五识别模型;第十五识别模型用于根据目标***的表状态、关阀状态以及用气量数据判断远程抄表异常原因是否为关阀但是走气数据;
第十六建模子单元,用于建立用于判断远程抄表异常原因是否为手抄及远传不一致的第十六识别模型;第十六识别模型用于根据e城***人工抄表和2个小时内的远传抄表判断远程抄表异常原因是否为手抄及远传不一致;
第十七建模子单元,用于建立用于判断远程抄表异常原因是否为不在线预设天数的表超风险表的第十七识别模型;第十七识别模型用于根据i ot***不在线天数、账单之间的差额、日均账单、合同余额、不在线后sap充值金额判断远程抄表异常原因是否为不在线预设天数的表超风险表。
8.根据权利要求7所述的远程抄表异常识别装置,其特征在于,所述去重单元具体用于,对去重后的远程抄表按照对应远程抄表异常原因关联的表计类型进行分类,所述表计类型包括:磁卡表类型、i ot表类型、金卡表类型以及二代表类型。
9.一种计算机设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至5任一项所述远程抄表异常识别方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述远程抄表异常识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210318237.9A CN114613120A (zh) | 2022-03-29 | 2022-03-29 | 一种远程抄表异常识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210318237.9A CN114613120A (zh) | 2022-03-29 | 2022-03-29 | 一种远程抄表异常识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114613120A true CN114613120A (zh) | 2022-06-10 |
Family
ID=81867678
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210318237.9A Pending CN114613120A (zh) | 2022-03-29 | 2022-03-29 | 一种远程抄表异常识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114613120A (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011036809A1 (ja) * | 2009-09-28 | 2011-03-31 | 株式会社 東芝 | 異常判定システムおよびその方法 |
CN108470193A (zh) * | 2018-03-27 | 2018-08-31 | 国网河北省电力有限公司电力科学研究院 | 电能表故障诊断方法、***及终端设备 |
CN108877059A (zh) * | 2018-06-08 | 2018-11-23 | 廊坊新奥燃气设备有限公司 | 物联网燃气表结算方法、物联网燃气表以及抄表平台服务器 |
CN109243162A (zh) * | 2018-11-21 | 2019-01-18 | 杭州中自沣泰环境技术有限公司 | 基于智能仪表的抄表方法、装置及*** |
CN109975007A (zh) * | 2017-12-26 | 2019-07-05 | 新智数字科技有限公司 | 阀门检测方法及*** |
US20190222595A1 (en) * | 2018-01-18 | 2019-07-18 | General Electric Company | Decision system and method for separating faults from attacks |
CN110728836A (zh) * | 2019-10-22 | 2020-01-24 | 深圳供电局有限公司 | 一种集中器抄表异常分析方法及其*** |
CN111210034A (zh) * | 2020-01-07 | 2020-05-29 | 南京天溯自动化控制***有限公司 | 智能电表的异常信息处理方法、计算机设备和存储介质 |
CN111652570A (zh) * | 2020-05-12 | 2020-09-11 | 国网福建省电力有限公司 | 一种自动审核***及方法 |
CN111650549A (zh) * | 2020-06-13 | 2020-09-11 | 国网宁夏电力有限公司营销服务中心(国网宁夏电力有限公司计量中心) | 现场电表故障识别方法及移动设备可读储存介质 |
CN211978016U (zh) * | 2020-05-15 | 2020-11-20 | 浙江松川仪表科技股份有限公司 | 一种LoRa通讯的膜式燃气表 |
CN112291348A (zh) * | 2020-03-04 | 2021-01-29 | 潘从平 | 远程抄表异常监测方法及燃气表*** |
CN112504356A (zh) * | 2019-11-01 | 2021-03-16 | 金卡智能集团股份有限公司 | 燃气异常检测方法、装置、设备及存储介质 |
CN112986894A (zh) * | 2019-12-16 | 2021-06-18 | 浙江正泰仪器仪表有限责任公司 | 多芯智能电表软件分离的测试方法 |
CN113011530A (zh) * | 2021-04-29 | 2021-06-22 | 国网新疆电力有限公司营销服务中心(资金集约中心、计量中心) | 一种基于多分类器融合的智能电表故障预测方法 |
US20210216423A1 (en) * | 2020-01-10 | 2021-07-15 | International Business Machines Corporation | Identifying anomalies in data during data outage |
-
2022
- 2022-03-29 CN CN202210318237.9A patent/CN114613120A/zh active Pending
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011036809A1 (ja) * | 2009-09-28 | 2011-03-31 | 株式会社 東芝 | 異常判定システムおよびその方法 |
CN109975007A (zh) * | 2017-12-26 | 2019-07-05 | 新智数字科技有限公司 | 阀门检测方法及*** |
US20190222595A1 (en) * | 2018-01-18 | 2019-07-18 | General Electric Company | Decision system and method for separating faults from attacks |
CN108470193A (zh) * | 2018-03-27 | 2018-08-31 | 国网河北省电力有限公司电力科学研究院 | 电能表故障诊断方法、***及终端设备 |
CN108877059A (zh) * | 2018-06-08 | 2018-11-23 | 廊坊新奥燃气设备有限公司 | 物联网燃气表结算方法、物联网燃气表以及抄表平台服务器 |
CN109243162A (zh) * | 2018-11-21 | 2019-01-18 | 杭州中自沣泰环境技术有限公司 | 基于智能仪表的抄表方法、装置及*** |
CN110728836A (zh) * | 2019-10-22 | 2020-01-24 | 深圳供电局有限公司 | 一种集中器抄表异常分析方法及其*** |
CN112504356A (zh) * | 2019-11-01 | 2021-03-16 | 金卡智能集团股份有限公司 | 燃气异常检测方法、装置、设备及存储介质 |
CN112986894A (zh) * | 2019-12-16 | 2021-06-18 | 浙江正泰仪器仪表有限责任公司 | 多芯智能电表软件分离的测试方法 |
CN111210034A (zh) * | 2020-01-07 | 2020-05-29 | 南京天溯自动化控制***有限公司 | 智能电表的异常信息处理方法、计算机设备和存储介质 |
US20210216423A1 (en) * | 2020-01-10 | 2021-07-15 | International Business Machines Corporation | Identifying anomalies in data during data outage |
CN112291348A (zh) * | 2020-03-04 | 2021-01-29 | 潘从平 | 远程抄表异常监测方法及燃气表*** |
CN111652570A (zh) * | 2020-05-12 | 2020-09-11 | 国网福建省电力有限公司 | 一种自动审核***及方法 |
CN211978016U (zh) * | 2020-05-15 | 2020-11-20 | 浙江松川仪表科技股份有限公司 | 一种LoRa通讯的膜式燃气表 |
CN111650549A (zh) * | 2020-06-13 | 2020-09-11 | 国网宁夏电力有限公司营销服务中心(国网宁夏电力有限公司计量中心) | 现场电表故障识别方法及移动设备可读储存介质 |
CN113011530A (zh) * | 2021-04-29 | 2021-06-22 | 国网新疆电力有限公司营销服务中心(资金集约中心、计量中心) | 一种基于多分类器融合的智能电表故障预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103426070B (zh) | 一种集团合并财务报表的编制方法及装置 | |
CN110852856B (zh) | 一种基于动态网络表征的***虚开识别方法 | |
CN110209826A (zh) | 一种面向银行风险控制的金融图谱构建与分析方法 | |
CN104915879A (zh) | 基于金融数据的社会关系挖掘的方法及装置 | |
CN110503136A (zh) | 台区线损异常分析方法、计算机可读存储介质及终端设备 | |
CN111428599A (zh) | 票据识别方法、装置和设备 | |
CN108416580A (zh) | 对账方法、对账装置及电子设备 | |
CN102262664A (zh) | 一种质量评价的方法和装置 | |
CN106384280B (zh) | 一种人工智能记账***及其计算方法 | |
CN109711801A (zh) | 一种网银对账方法及装置 | |
CN113379530A (zh) | 用户风险的确定方法、装置和服务器 | |
CN110532301A (zh) | 审计方法、***和可读存储介质 | |
CN109409933A (zh) | 智能计费方法、计算机可读存储介质和终端设备 | |
CN106095972A (zh) | 一种信息分类方法及装置 | |
CN110689417A (zh) | 一种基于账务体系的结算方法及***、存储介质及终端 | |
CN111932366A (zh) | 单证业务处理装置及方法 | |
CN113935818A (zh) | 一种订单结算方法、***和电子设备 | |
CN115564549A (zh) | 一种企业智能纳税计缴申报方法及*** | |
CN116091071A (zh) | 订单出款的校验方法、装置、设备及存储介质 | |
CN113240259B (zh) | 规则策略组的生成方法、***及电子设备 | |
CN106803815A (zh) | 一种流量控制方法和装置 | |
CN114613120A (zh) | 一种远程抄表异常识别方法及装置 | |
CN116228225B (zh) | 一种在线充值自动匹配钱包的匹配方法和*** | |
CN203414995U (zh) | 一种土地使用税缴纳排查管理*** | |
CN116091258A (zh) | 用于对账管理的数据处理方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220610 |