(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211429943.7 (22)申请日 2022.11.16 (71)申请人 智联信通科技股份有限公司 地址 272000 山东省济宁市任城区税务 街8 号(济阳街道办事处综合楼二楼) (72)发明人 寻广岩　周志远　赵立勋　郑福慧　 田常立　岳阳　田艳艳　王忠贵　 颜明　许崇芳　 (74)专利代理 机构 济宁仁礼信知识产权代理事 务所(普通 合伙) 37383 专利代理师 李琼 (51)Int.Cl. G06F 11/30(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于大数据的通信机房防护的监测管 理系统 (57)摘要 本发明涉及数据处理技术领域， 具体涉及一 种基于大数据的通信机房防护的监测管理系统； 该系统包括： 数据采集模块、 预测数据获取模块、 误差程度获取模块、 预测数据确定模块以及分析 预警模块， 数据采集模块用于采集所有低功耗传 感器的数据， 并获取数据对应的异常度进行唤醒 调控； 预测数据获取模块用于通过训练完成的神 经网络输 出预测数据； 误差程度获取模块用于将 预测数据划分为第一数据和第二数据， 并获取其 中各位置 数据的误差程度； 预测数据确定模块用 于根据连续预测的预测数据中各位置的置信度， 根据置信度得到未来预测数据； 分析预警模块用 于对未来预测数据进行传输数据调整并进行分 析预警， 提高传输效率且保证了监测结果的准确 性。 权利要求书3页 说明书13页 附图3页 CN 115495320 A 2022.12.20 CN 115495320 A 1.一种基于大数据的通信机房防护的监测管理系统， 其特征在于， 该系统包括以下模 块： 数据采集模块， 用于采集所有低功耗传感器的数据， 获取每个数据的异常度， 基于所述 异常度进行唤醒调控； 预测数据获取模块， 用于采集唤醒调控后每个传感器对应的时序数据， 将所述时序数 据输入训练完成的神经网络 输出预测数据； 误差程度获取模块， 用于将所述预测数据划分为第一数据和第二数据， 获取所述第一 数据中每个位置数据的误差程度， 并基于所述第一数据得到神经网络中的固有误差程度， 根据所述固有误差程度获取 所述第二数据中每 个位置数据的误差程度； 预测数据确定模块， 用于根据连续预测得到的预测数据中每个位置数据的误差程度获 取对应每个位置的置信度； 根据连续预测得到的预测数据以及每个位置的所述置信度得到 未来预测数据； 分析预警模块， 用于获取未来预测数据中每个位置数据的预测异常度， 基于所述预测 异常度与所述置信度调整传输数据， 由云端服 务器对接收的所述传输数据进行分析 预警。 2.根据权利要求1所述的一种基于大数据的通信机房防护的监测管理系统， 其特征在 于， 所述误差程度获取模块中将所述预测数据划分为第一数据和第二数据的步骤， 包括： 所述预测数据中存在实际采集值的位置数据为第 一数据， 所述预测数据中不存在实际 采集值的位置数据为第二数据。 3.根据权利要求2所述的一种基于大数据的通信机房防护的监测管理系统， 其特征在 于， 所述误差程度获取模块中获取 所述第一数据中每 个位置数据的误差程度的步骤， 包括： 获取所述第一数据中每个位置数据对应的实际采集值与所述位置数据的预测数据值 之间的差值， 所述差值的平方为所述 位置数据的误差程度。 4.根据权利要求1所述的一种基于大数据的通信机房防护的监测管理系统， 其特征在 于， 所述误差程度获取模块中基于所述第一数据得到神经网络中的固有误差程度的步骤， 包括： 所述神经网络包括至少两个解码器， 每 个所述解码器对应一个损失函数； 获取所述第 一数据中所有位置数据对应的误差程度的平均值， 所述平均值与每个所述 解码器的损失函数值的求和的均值 为神经网络中对应所述 解码器的固有误差程度。 5.根据权利要求4所述的一种基于大数据的通信机房防护的监测管理系统， 其特征在 于， 所述误差程度获取模块中根据所述固有误差程度获取所述第二数据中每个位置数据的 误差程度的步骤， 包括： 每个所述解码器对应一组预测数据， 所述预测数据中包括第二数据； 获取当前时刻数 据的至少两个延时数据； 对于任意一个解码器对应预测数据中的第二数据： 若所述第二数据中存在延时数据， 以所述延时数据对应的实际采集值与预测数据值之 间的差值的平方， 作为所述延时数据所 对应的位置数据的误差程度； 获取所述预测数据中第二数据的数量， 计算所述数量与对应 所述解码 器的固有误差程度的乘积作为总误差程度， 计算所述第二数据中所有延时数据的 误差程度的和作为累计误差程度， 将所述总误差程度与所述累计误差程度的差值记为累加 误差程度； 获取所述第二数据中除了延时数据之外其他位置数据的总 数量， 所述累加 误差权　利　要　求　书 1/3 页 2 CN 115495320 A 2程度与所述总数量的比值为所述第二数据中除了延时数据之外其他各位置数据的误差程 度； 若所述第二数据中不存在延时数据， 计算当前所述解码器的固有误差程度与其他每个 所述解码器的固有误差程度之间的比值， 获取其他每个所述解码 器的优化误差程度； 其中， 所述优化误差程度与对应所述解码器的固有误差程度呈正相关关系； 计算每个所述比值及 其对应所述解码 器的优化误差程度的乘积结果， 所有乘积结果的平均值为当前所述解码 器 的第二数据中各位置数据的误差程度。 6.根据权利要求4所述的一种基于大数据的通信机房防护的监测管理系统， 其特征在 于， 所述预测数据确定模块中根据连续预测得到的预测数据中每个位置数据的误差程度获 取对应每个位置的置信度的步骤， 包括： 获取每次预测得到的预测数据中每个位置对应的位置数据的误差程度； 计算连续预测 的预测数据中各位置的误差程度的平均值作为对应位置的位置误差程度； 获取所有预测下每个位置的位置误差程度的求和结果； 设定误差超限系数， 将所述误 差超限系数与当前解码器对应的损失函数值的乘积作为单位 误差； 计算所述求和结果与 所述单位误差的第 一比值， 根据所述第 一比值得到对应位置的置 信度， 所述置信度与所述第一比值呈负相关 关系。 7.根据权利要求1所述的一种基于大数据的通信机房防护的监测管理系统， 其特征在 于， 所述预测数据确定模块中根据连续预测得到的预测数据以及每个位置的所述置信度得 到未来预测数据的步骤， 包括： 连续预测得到的预测数据中存在不同位置对应相同时刻的数据， 选取置信度最大时的 位置作为该 数据的位置， 以得到未来预测数据。 8.根据权利要求1所述的一种基于大数据的通信机房防护的监测管理系统， 其特征在 于， 所述数据采集模块中获取每个数据的异常度， 基于所述异常度进 行唤醒调控的步骤， 包 括： 设定唤醒阈值并获取数据的类型， 数据的类型包括数据越小越正常和数据越大越正 常； 对于数据越小越正常的类型的数据， 计算此类型数据的最大异常值与 所述唤醒阈值的 差值作为分母， 以当前数据与所述 唤醒阈值的差值作为分子， 所述分子和分母的比值为当 前数据的异常度； 对于数据越大越正常的类型的数据， 计算所述唤醒阈值与 此类型数据的最小异常值的 差值作为分母， 以所述 唤醒阈值和当前数据的差值作为分子， 所述分子和分母的比值为当 前数据的异常度； 构建每个低功耗传感器对应的高功耗设备集合， 基于低功耗传感器的当前数据的异常 度与预设基础阈值的求和作为唤醒比例， 所述唤醒比例与低功 耗传感器对应的高功 耗设备 集合中所有高功耗传感器的数量的乘积为唤醒 数量； 根据所述唤醒 数量在对应的高功耗设备集 合中进行设备唤醒。 9.根据权利要求8所述的一种基于大数据的通信机房防护的监测管理系统， 其特征在 于， 所述基于所述预测异常度与所述置信度调整传输数据的步骤， 包括： 选取未来预测数据中的预测 异常度的最大值和置信度的最大值； 根据 预测异常度的最权　利　要　求　书 2/3 页 3 CN 115495320 A 3