CN117129036A - 一种云端环境监控方法及装置 - Google Patents
一种云端环境监控方法及装置 Download PDFInfo
- Publication number
- CN117129036A CN117129036A CN202311092151.XA CN202311092151A CN117129036A CN 117129036 A CN117129036 A CN 117129036A CN 202311092151 A CN202311092151 A CN 202311092151A CN 117129036 A CN117129036 A CN 117129036A
- Authority
- CN
- China
- Prior art keywords
- sensor
- data
- internet
- cloud
- interface
- 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 49
- 238000012544 monitoring process Methods 0.000 title claims abstract description 29
- 230000007613 environmental effect Effects 0.000 claims abstract description 55
- 238000012545 processing Methods 0.000 claims abstract description 35
- 230000005540 biological transmission Effects 0.000 claims abstract description 28
- 238000004891 communication Methods 0.000 claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000013500 data storage Methods 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 10
- 230000002159 abnormal effect Effects 0.000 claims abstract description 9
- 230000001413 cellular effect Effects 0.000 claims abstract description 6
- 238000004590 computer program Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000012731 temporal analysis Methods 0.000 claims description 5
- 238000000700 time series analysis Methods 0.000 claims description 5
- 238000012300 Sequence Analysis Methods 0.000 claims description 3
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 238000010224 classification analysis Methods 0.000 claims description 3
- 238000007621 cluster analysis Methods 0.000 claims description 3
- 238000013079 data visualisation Methods 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000000611 regression analysis Methods 0.000 claims description 3
- 230000001932 seasonal effect Effects 0.000 claims description 3
- 238000013179 statistical model Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
- G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2123/00—Data types
- G06F2123/02—Data types in the time domain, e.g. time-series data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明提供了一种云端环境监控方法,包括:选择传感器:根据需要监测的环境参数,选择所述传感器,所述传感器包括温度传感器、湿度传感器、空气质量传感器;连接传感器到物联网设备:将所述传感器连接到所述物联网设备,所述物联网设备包括物联网网关或嵌入式设备;数据采集与传输:所述物联网设备通过无线通信方式将所述传感器采集到的数据传输到云端平台,所述无线通信方式包括无线网络、蜂窝网络或LoRaWAN;云端数据存储:所述云端平台接收并存储所述传感器数据;数据处理与分析:所述云端平台对接收到的环境数据进行处理和分析。报警与通知:根据处理和分析的结果,所述云端平台在异常情况下发送报警信号。
Description
技术领域
本发明涉及监控技术领域,尤其涉及一种云端环境监控方法及装置。
背景技术
环境监控方法是通过使用各种技术手段来实时监测和评估环境参数,以提供环境质量的情况和变化趋势。相关技术中的环境监控方法,通过人工对环境进行分析,效率较为低下。
发明内容
本发明实施例提供一种云端环境监控方法及装置,旨在解决或者部分解决上述背景技术中存在的问题。
为了解决上述技术问题,本发明是这样实现的:
第一方面,本发明实施例提供了一种云端环境监控方法,包括:选择传感器:根据需要监测的环境参数,选择所述传感器,所述传感器包括温度传感器、湿度传感器、空气质量传感器;连接传感器到物联网设备:将所述传感器连接到所述物联网设备,所述物联网设备包括物联网网关或嵌入式设备;数据采集与传输:所述物联网设备通过无线通信方式将所述传感器采集到的数据传输到云端平台,所述无线通信方式包括无线网络、蜂窝网络或LoRaWAN;云端数据存储:所述云端平台接收并存储所述传感器数据;数据处理与分析:所述云端平台对接收到的环境数据进行处理和分析。报警与通知:根据处理和分析的结果,所述云端平台在异常情况下发送报警信号。
在一些实施方式中,步骤选择传感器包括:
确定监测参数:获取需要监测的所述环境参数,所述环境参数包括温度、湿度、压力;确定数据传输方式:获取所述传感器的数据传输方式并选择,所述数据传输方式包括有线方式、无线方式以及模拟信号方式;确定传感器:根据需要监测的所述环境参数以及所述数据传输方式确定所述传感器。
在一些实施方式中,步骤连接传感器到物联网设备,包括:
确认所述传感器接口:获取传感器的接口类型,所述接口类型包括数字接口、模拟接口或通用输入输出接口;确定所述物联网设备接口:获取所述物联网设备支持的接口类型,包括以太网、Wi-Fi、蓝牙、Zigbee;连接所述传感器到所述物联网设备:根据所述传感器接口和所述物联网设备接口,将所述传感器与所述物联网设备进行连接;数据传输和处理:将所述传感器数据传输到所述云端平台或本地服务器进行处理和存储。
在一些实施方式中,步骤数据处理与分析,包括:数据存储:将接收到的所述环境数据存储到云端数据库中;数据清洗和预处理:对接收到的所述环境数据进行清洗和预处理,以去除噪声、异常值和缺失值;数据聚合和汇总:根据需要,将所述环境数据进行聚合和汇总,以提供更高层次的信息;数据可视化:将处理后的所述环境数据可视化,以便用户可以直观地理解和分析数据;预测和决策支持:基于历史数据和分析结果,使用机器学习和统计模型来进行环境数据的预测和决策支持。
在一些实施方式中,步骤预测和决策支持,包括:时间序列分析:对历史所述环境数据进行时间序列分析;回归分析:使用回归模型来建立所述环境数据与其他相关变量之间的关系;分类和聚类分析:使用分类和聚类算法将所述环境数据分为不同的类别或群组;神经网络:使用神经网络模型来学习所述环境数据之间的复杂关系,并进行预测;深度学习:利用深度学习算法和神经网络结构,处理大规模所述环境数据,并进行预测和决策支持。
在一些实施方式中,步骤时间序列分析包括:
拆分时间序列:将时间序列分解为趋势、季节性和残差三个部分。
在一些实施方式中,步骤拆分时间序列中,拆分方法为分解时间序列模型法。
在一些实施方式中,数据存储步骤中,所述云端数据库为关系型数据库或非关系型数据库。
第二方面,本申请提出了一种云端环境监控装置,所述装置包括:
选择单元,所述选择单元用于选择传感器;
连接单元,所述连接单元用于连接传感器到物联网设备;
采集单元,所述采集单元用于数据采集与传输;
存储单元,所述存储单元用于云端数据存储;
处理单元,所述处理单元用于数据处理与分析;
报警单元,所述报警单元用于报警与通知。
本发明实施例第三方面提出一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现本发明实施例第一方面提出方法步骤。
本发明实施例第四方面提出一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例第一方面提出方法。
本发明实施例包括以下优点:
首先选择传感器:根据需要监测的环境参数,选择所述传感器,所述传感器包括温度传感器、湿度传感器、空气质量传感器,然后,连接传感器到物联网设备:将所述传感器连接到所述物联网设备,所述物联网设备包括物联网网关或嵌入式设备,然后,数据采集与传输:所述物联网设备通过无线通信方式将所述传感器采集到的数据传输到云端平台,所述无线通信方式包括无线网络、蜂窝网络或LoRaWAN;然后,云端数据存储:所述云端平台接收并存储所述传感器数据;数据处理与分析:所述云端平台对接收到的环境数据进行处理和分析。最后,报警与通知:根据处理和分析的结果,所述云端平台在异常情况下发送报警信号。通过结合了云计算、物联网、数据采集与传输技术、大数据分析与挖掘以及机器学习与人工智能等背景技术,可以实现对环境参数的实时监测、数据分析和预测,为环境管理和决策提供有力支持。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例中一种云端环境监控方法流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
本申请提出了一种云端环境监控方法,请参阅图1,包括:
S1、选择传感器:根据需要监测的环境参数,选择所述传感器,所述传感器包括温度传感器、湿度传感器、空气质量传感器。
具体的,本步骤包括以下步骤:
确定监测参数:获取需要监测的所述环境参数,所述环境参数包括温度、湿度、压力;
确定数据传输方式:获取所述传感器的数据传输方式并选择,所述数据传输方式包括有线方式、无线方式以及模拟信号方式;
确定传感器:根据需要监测的所述环境参数以及所述数据传输方式确定所述传感器。
选择合适的传感器是云端环境监控方法中的重要步骤。根据需要监测的环境参数来选择传感器可以确保监测数据的准确性和可靠性。
S2、连接传感器到物联网设备:将所述传感器连接到所述物联网设备,所述物联网设备包括物联网网关或嵌入式设备。
具体的,在步骤中,包括以下步骤:
确认所述传感器接口:获取传感器的接口类型,所述接口类型包括数字接口、模拟接口或通用输入输出接口。
确定所述物联网设备接口:获取所述物联网设备支持的接口类型,包括以太网、Wi-Fi、蓝牙、Zigbee。
连接所述传感器到所述物联网设备:根据所述传感器接口和所述物联网设备接口,将所述传感器与所述物联网设备进行连接。
数据传输和处理:将所述传感器数据传输到所述云端平台或本地服务器进行处理和存储。
通过以上步骤,可以将传感器成功连接到物联网设备,实现数据采集和传输,为后续的云端环境监控提供数据基础。
S3、数据采集与传输:所述物联网设备通过无线通信方式将所述传感器采集到的数据传输到云端平台,所述无线通信方式包括无线网络、蜂窝网络或LoRaWAN。
可以理解的,可以使用物联网协议(如MQTT、CoAP)或自定义协议进行数据传输。除了物联网协议,还可以根据实际需求设计和使用自定义协议进行数据传输。自定义协议可以根据具体应用场景和要求进行定制,以满足数据传输的特定需求。
传输到云端或本地服务器后,数据可以进行进一步的处理和存储。云端平台可以对数据进行实时监测、分析和可视化展示,提供更高层次的数据处理和应用服务。本地服务器则可以提供本地存储和实时处理的功能,适用于一些对数据安全性和本地计算要求较高的场景。
S4、云端数据存储:所述云端平台接收并存储所述传感器数据。
云端平台可以接收并存储传感器数据。一旦传感器数据到达云端,云端平台会将数据存储在云端的数据库或者数据存储***中。
可以理解的,数据存储于云端具有以下优势:高可靠性:云端平台通常有冗余和备份机制,以确保数据的安全性和可靠性。可扩展性:云端存储解决方案可以根据数据量和需求进行扩展,以适应不断增长的传感器数据。全局访问:云端存储可以实现全球范围的数据访问,使得数据可以随时随地进行查看和分析。数据集成:云端平台可以集成多个传感器数据源,进行数据的聚合和分析,提供更全面的视图和洞察。
S5、数据处理与分析:所述云端平台对接收到的环境数据进行处理和分析。
具体的,本步骤包括以下步骤:
数据存储:将接收到的所述环境数据存储到云端数据库中。
数据清洗和预处理:对接收到的所述环境数据进行清洗和预处理,以去除噪声、异常值和缺失值;
数据聚合和汇总:根据需要,将所述环境数据进行聚合和汇总,以提供更高层次的信息;
数据可视化:将处理后的所述环境数据可视化,以便用户可以直观地理解和分析数据;
预测和决策支持:基于历史数据和分析结果,使用机器学习和统计模型来进行环境数据的预测和决策支持。
具体的,步骤预测和决策支持包括以下步骤:
时间序列分析:对历史所述环境数据进行时间序列分析。
具体的,在本步骤中,将时间序列分解为趋势、季节性和残差三个部分。
回归分析:使用回归模型来建立所述环境数据与其他相关变量之间的关系;
分类和聚类分析:使用分类和聚类算法将所述环境数据分为不同的类别或群组;
神经网络:使用神经网络模型来学习所述环境数据之间的复杂关系,并进行预测;
深度学习:利用深度学习算法和神经网络结构,处理大规模所述环境数据,并进行预测和决策支持。
S6、报警与通知:根据处理和分析的结果,所述云端平台在异常情况下发送报警信号。
通过这种云端环境监控方法,用户可以实时监测环境参数,并及时采取相应的措施,提高环境质量和安全性。
本发明首先选择传感器:根据需要监测的环境参数,选择所述传感器,所述传感器包括温度传感器、湿度传感器、空气质量传感器,然后,连接传感器到物联网设备:将所述传感器连接到所述物联网设备,所述物联网设备包括物联网网关或嵌入式设备,然后,数据采集与传输:所述物联网设备通过无线通信方式将所述传感器采集到的数据传输到云端平台,所述无线通信方式包括无线网络、蜂窝网络或LoRaWAN;然后,云端数据存储:所述云端平台接收并存储所述传感器数据;数据处理与分析:所述云端平台对接收到的环境数据进行处理和分析。最后,报警与通知:根据处理和分析的结果,所述云端平台在异常情况下发送报警信号。通过结合了云计算、物联网、数据采集与传输技术、大数据分析与挖掘以及机器学习与人工智能等背景技术,可以实现对环境参数的实时监测、数据分析和预测,为环境管理和决策提供有力支持。
基于同一发明构思,本申请还提出了一种云端环境监控装置,,所述装置包括:
选择单元,所述选择单元用于选择传感器;
连接单元,所述连接单元用于连接传感器到物联网设备;
采集单元,所述采集单元用于数据采集与传输;
存储单元,所述存储单元用于云端数据存储;
处理单元,所述处理单元用于数据处理与分析;
报警单元,所述报警单元用于报警与通知。
基于同一发明构思,本申请的实施例还提出了一种电子设备,电子设备包括:
至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本申请实施例的云端环境监控方法。
此外,为实现上述目的,本申请的实施例还提出了一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时实现本申请实施例的云端环境监控方法。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用储存介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。“和/或”表示可以选择两者之中的任意一个,也可以两者都选择。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括哪些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种云端环境监控方法以及***,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种云端环境监控方法,其特征在于,包括:
选择传感器:根据需要监测的环境参数,选择所述传感器,所述传感器包括温度传感器、湿度传感器、空气质量传感器;
连接传感器到物联网设备:将所述传感器连接到所述物联网设备,所述物联网设备包括物联网网关或嵌入式设备;
数据采集与传输:所述物联网设备通过无线通信方式将所述传感器采集到的数据传输到云端平台,所述无线通信方式包括无线网络、蜂窝网络或LoRaWAN;
云端数据存储:所述云端平台接收并存储所述传感器数据;
数据处理与分析:所述云端平台对接收到的环境数据进行处理和分析;
报警与通知:根据处理和分析的结果,所述云端平台在异常情况下发送报警信号。
2.根据权利要求1所述的云端环境监控方法,其特征在于,步骤选择传感器包括:
确定监测参数:获取需要监测的所述环境参数,所述环境参数包括温度、湿度、压力;
确定数据传输方式:获取所述传感器的数据传输方式并选择,所述数据传输方式包括有线方式、无线方式以及模拟信号方式;
确定传感器:根据需要监测的所述环境参数以及所述数据传输方式确定所述传感器。
3.根据权利要求2所述的云端环境监控方法,其特征在于,步骤连接传感器到物联网设备,包括:
确认所述传感器接口:获取传感器的接口类型,所述接口类型包括数字接口、模拟接口或通用输入输出接口;
确定所述物联网设备接口:获取所述物联网设备支持的接口类型,包括以太网、Wi-Fi、蓝牙、Zigbee;
连接所述传感器到所述物联网设备:根据所述传感器接口和所述物联网设备接口,将所述传感器与所述物联网设备进行连接;
数据传输和处理:将所述传感器数据传输到所述云端平台或本地服务器进行处理和存储。
4.根据权利要求3所述的云端环境监控方法,其特征在于,步骤数据处理与分析,包括:
数据存储:将接收到的所述环境数据存储到云端数据库中;
数据清洗和预处理:对接收到的所述环境数据进行清洗和预处理,以去除噪声、异常值和缺失值;
数据聚合和汇总:根据需要,将所述环境数据进行聚合和汇总,以提供更高层次的信息;
数据可视化:将处理后的所述环境数据可视化,以便用户可以直观地理解和分析数据;
预测和决策支持:基于历史数据和分析结果,使用机器学习和统计模型来进行环境数据的预测和决策支持。
5.根据权利要求4所述的云端环境监控方法,其特征在于,步骤预测和决策支持,包括:
时间序列分析:对历史所述环境数据进行时间序列分析;
回归分析:使用回归模型来建立所述环境数据与其他相关变量之间的关系;
分类和聚类分析:使用分类和聚类算法将所述环境数据分为不同的类别或群组;
神经网络:使用神经网络模型来学习所述环境数据之间的复杂关系,并进行预测;
深度学习:利用深度学习算法和神经网络结构,处理大规模所述环境数据,并进行预测和决策支持。
6.根据权利要求5所述的云端环境监控方法,其特征在于,步骤时间序列分析包括:
拆分时间序列:将时间序列分解为趋势、季节性和残差三个部分。
7.根据权利要求6所述的云端环境监控方法,其特征在于,步骤拆分时间序列中,拆分方法为分解时间序列模型法。
8.根据权利要求4所述的方法,其特征在于,数据存储步骤中,所述云端数据库为关系型数据库或非关系型数据库。
9.一种云端环境监控装置,其特征在于,所述装置包括:
选择单元,所述选择单元用于选择传感器;
连接单元,所述连接单元用于连接传感器到物联网设备;
采集单元,所述采集单元用于数据采集与传输;
存储单元,所述存储单元用于云端数据存储;
处理单元,所述处理单元用于数据处理与分析;
报警单元,所述报警单元用于报警与通知。
10.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,所述处理器,所述通信接口与所述存储器通过所述通信总线完成相互间的通信;
所述存储器用于存放计算机程序;
所述处理器用于执行存储器上所存放的程序时,实现如权利要求1~8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311092151.XA CN117129036A (zh) | 2023-08-28 | 2023-08-28 | 一种云端环境监控方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311092151.XA CN117129036A (zh) | 2023-08-28 | 2023-08-28 | 一种云端环境监控方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117129036A true CN117129036A (zh) | 2023-11-28 |
Family
ID=88859455
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311092151.XA Pending CN117129036A (zh) | 2023-08-28 | 2023-08-28 | 一种云端环境监控方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117129036A (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN206339539U (zh) * | 2016-11-18 | 2017-07-18 | 重庆及中生智科技有限公司 | 一种基于云端的空气质量检测设备及*** |
CN107102103A (zh) * | 2017-05-16 | 2017-08-29 | 摩瑞尔电器(昆山)有限公司 | 环境监测*** |
CN110073301A (zh) * | 2017-08-02 | 2019-07-30 | 强力物联网投资组合2016有限公司 | 工业物联网中具有大数据集的数据收集环境下的检测方法和*** |
CN112711912A (zh) * | 2020-12-30 | 2021-04-27 | 许昌学院 | 基于云计算和机器学习算法的空气质量监测与告警方法、***、装置和介质 |
CN113138865A (zh) * | 2020-08-10 | 2021-07-20 | 西安天和防务技术股份有限公司 | 环境监测方法、***、平台以及存储介质 |
CN113240170A (zh) * | 2021-05-10 | 2021-08-10 | 中国地质大学(武汉) | 一种基于季节性循环神经网络的空气质量预测方法 |
CN114594202A (zh) * | 2020-12-07 | 2022-06-07 | 大金工业株式会社 | 室内空气质量的预测方法及室内空气质量检测*** |
CN115454778A (zh) * | 2022-09-27 | 2022-12-09 | 浙江大学 | 大规模云网络环境下的时序指标异常智能监控*** |
CN115983455A (zh) * | 2022-12-22 | 2023-04-18 | 杭州电子科技大学 | 一种室内环境质量预测方法 |
CN219105371U (zh) * | 2023-04-23 | 2023-05-30 | 成都物芯科技有限公司 | 一种物联网多模环境监测*** |
CN116625327A (zh) * | 2023-07-24 | 2023-08-22 | 海南智慧海事科技有限公司 | 一种大数据驱动的海洋环境监测与预警方法 |
-
2023
- 2023-08-28 CN CN202311092151.XA patent/CN117129036A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN206339539U (zh) * | 2016-11-18 | 2017-07-18 | 重庆及中生智科技有限公司 | 一种基于云端的空气质量检测设备及*** |
CN107102103A (zh) * | 2017-05-16 | 2017-08-29 | 摩瑞尔电器(昆山)有限公司 | 环境监测*** |
CN110073301A (zh) * | 2017-08-02 | 2019-07-30 | 强力物联网投资组合2016有限公司 | 工业物联网中具有大数据集的数据收集环境下的检测方法和*** |
CN113138865A (zh) * | 2020-08-10 | 2021-07-20 | 西安天和防务技术股份有限公司 | 环境监测方法、***、平台以及存储介质 |
CN114594202A (zh) * | 2020-12-07 | 2022-06-07 | 大金工业株式会社 | 室内空气质量的预测方法及室内空气质量检测*** |
CN112711912A (zh) * | 2020-12-30 | 2021-04-27 | 许昌学院 | 基于云计算和机器学习算法的空气质量监测与告警方法、***、装置和介质 |
CN113240170A (zh) * | 2021-05-10 | 2021-08-10 | 中国地质大学(武汉) | 一种基于季节性循环神经网络的空气质量预测方法 |
CN115454778A (zh) * | 2022-09-27 | 2022-12-09 | 浙江大学 | 大规模云网络环境下的时序指标异常智能监控*** |
CN115983455A (zh) * | 2022-12-22 | 2023-04-18 | 杭州电子科技大学 | 一种室内环境质量预测方法 |
CN219105371U (zh) * | 2023-04-23 | 2023-05-30 | 成都物芯科技有限公司 | 一种物联网多模环境监测*** |
CN116625327A (zh) * | 2023-07-24 | 2023-08-22 | 海南智慧海事科技有限公司 | 一种大数据驱动的海洋环境监测与预警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111047082B (zh) | 设备的预警方法及装置、存储介质和电子装置 | |
CN108199795B (zh) | 一种设备状态的监测方法和装置 | |
US11403164B2 (en) | Method and device for determining a performance indicator value for predicting anomalies in a computing infrastructure from values of performance indicators | |
CN114282434A (zh) | 一种工业设备健康管理***及方法 | |
CN112187514A (zh) | 一种数据中心网络设备智能运维***、方法及终端 | |
CN111241154A (zh) | 一种基于大数据的蓄电池故障预警方法及*** | |
CN112926257A (zh) | 往复式天然气压缩机故障诊断***以及诊断方法 | |
CN113935497A (zh) | 智能运维故障处理方法、装置、设备及其存储介质 | |
US20210081501A1 (en) | System and method for automated insight curation and alerting | |
CN114640581B (zh) | 一种基于数字孪生的算力网络处理方法及装置 | |
CN115640915B (zh) | 一种智慧燃气管网压缩机安全管理方法和物联网*** | |
CN113516244B (zh) | 一种智能运维方法、装置、电子设备及存储介质 | |
CN113313280B (zh) | 云平台的巡检方法、电子设备及非易失性存储介质 | |
CN112270429A (zh) | 基于云边协同的动力电池极片制造设备维护方法和*** | |
CN110244686A (zh) | 智能设备的故障处理方法和装置 | |
US20230034061A1 (en) | Method for managing proper operation of base station and system applying the method | |
CN113887749A (zh) | 基于云边协同的电力物联网多维度监控处置方法、设备及平台 | |
CN116244765A (zh) | 一种基于工业互联网的设备维护管理方法 | |
CN114341873A (zh) | 用于电气设备用户社区的人工智能/机器学习驱动型评估*** | |
CN116089218A (zh) | 基于Kubernetes的历史数据和趋势分析的动态基线告警方法及*** | |
CN114138601A (zh) | 一种业务告警方法、装置、设备及存储介质 | |
CN108039971A (zh) | 一种告警方法及装置 | |
CN108664696B (zh) | 一种冷水机组运行状态的测评方法及装置 | |
JP7062505B2 (ja) | 設備管理支援システム | |
CN117129036A (zh) | 一种云端环境监控方法及装置 |
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 |