智慧燃气数据时效性管理方法、物联网系统、装置及介质

技术领域

本说明书涉及物联网技术领域，特别涉及一种智慧燃气数据时效性管理方法、物联网系统、装置及介质。

背景技术

随着城市燃气行业快速发展，燃气运营公司通常会配置智慧燃气数据中心，以接收或发送大量燃气数据，以及对燃气数据进行分析处理。但是，不同燃气数据的时效性不同，其处理优先级也有差异。如果不对这些大量广泛的燃气数据进行时效性分析，可能影响智慧燃气数据中心的处理效率，进而影响后续燃气工单派发、燃气异常通知等行为的及时性，导致燃气用户体验度降低，甚至影响燃气紧急事件的及时处理，造成严重后果。

针对以上问题，CN111125787B提出一种基于区块链的燃气巡检数据上链系统及其使用方法。该申请通过形成区块链网络，将燃气巡检数据通过智能合约存储到区块链分布式账本中，以实时同步各个相关部门的数据，避免巡检数据被篡改。但是，其没有涉及燃气数据的处理效率问题，也无法保证燃气数据处理的及时性。

因此，有必要提供一种智慧燃气数据时效性管理方法、物联网系统、装置及介质。确定智慧燃气数据中心的执行特征，从而有助于提高智慧燃气数据中心的数据处理效率。

发明内容

发明内容包括一种智慧燃气数据时效性管理方法，方法由智慧燃气数据中心执行，包括：周期性地获取智慧燃气数据中心的至少一个燃气数据；对于至少一个燃气数据中的任意一个燃气数据：根据燃气数据的历史波动情况确定燃气数据的数据类型，并基于数据类型对燃气数据进行分类存储，数据类型包括静态燃气数据以及动态燃气数据；基于燃气数据的数据类型、信息特征，确定燃气数据的时效特征，时效特征描述燃气数据在不同时间点的重要程度；基于燃气数据的分布特征，确定燃气数据的分析需求评分，分布特征至少包括燃气数据的离散程度、集中程度；基于至少一个燃气数据的时效特征、至少一个燃气数据的分析需求评分，确定智慧燃气数据中心的执行特征，执行特征包括智慧燃气数据中心向至少一个燃气平台传输的预估传输数据及其预估传输时间，至少一个燃气平台包括智慧燃气服务平台、智慧燃气传感网络平台和/或智慧燃气管理平台。

发明内容包括一种智慧燃气数据时效性管理物联网系统，系统包括依次交互的智慧燃气用户平台、智慧燃气服务平台、智慧燃气管理平台、智慧燃气传感网络平台和智慧燃气对象平台，智慧燃气管理平台包括智慧燃气数据中心，智慧燃气数据中心被配置为执行以下操作：周期性地获取智慧燃气数据中心的至少一个燃气数据；对于至少一个燃气数据中的任意一个燃气数据：根据燃气数据的历史波动情况确定燃气数据的数据类型，并基于数据类型对燃气数据进行分类存储，数据类型包括静态燃气数据以及动态燃气数据；基于燃气数据的数据类型、信息特征，确定燃气数据的时效特征，时效特征描述燃气数据在不同时间点的重要程度；基于燃气数据的分布特征，确定燃气数据的分析需求评分，分布特征至少包括燃气数据的离散程度、集中程度；基于至少一个燃气数据的时效特征、至少一个燃气数据的分析需求评分，确定智慧燃气数据中心的执行特征，执行特征包括智慧燃气数据中心向至少一个燃气平台传输的预估传输数据及其预估传输时间，至少一个燃气平台包括智慧燃气服务平台、智慧燃气传感网络平台和/或智慧燃气管理平台。

发明内容包括一种智慧燃气数据时效性管理装置，所述装置包括至少一个处理器以及至少一个存储器；所述至少一个存储器用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如上所述任一项智慧燃气数据时效性管理方法。

发明内容包括一种计算机可读存储介质，存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行上述智慧燃气数据时效性管理方法。

本发明为了解决如何提高智慧燃气数据中心的数据处理效率的问题，基于燃气数据的时效特征和分析需求评分，确定智慧燃气数据中心的执行特征，可以更好地根据燃气数据在不同时间点的重要程度，控制数据传输的时间，从而提高智慧燃气数据中心的数据处理效率。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的智慧燃气数据时效性管理物联网系统的平台结构图；

图2是根据本说明书一些实施例所示的智慧燃气数据时效性管理方法的示例性流程图；

图3是根据本说明书一些实施例所示的基于时效特征确定模型生成时效特征的示例性示意图；

图4是根据本说明书一些实施例所示的基于执行特征确定模型生成执行特征的示例性示意图；

图中，310-1为数据类型，310-2为信息特征，310-3为关联燃气平台，310-4检修计划数据，320为时效特征确定模型，330为时效特征，340为第一训练样本，350为初始时效特征确定模型，410为交互情况，420-1为交互负载情况，420-2为传输计划数据，420-3为数据处理效率，430为执行特征确定模型，430-1为未来负载预测层，430-2为确定层，440为未来负载情况，450-1为至少一个燃气数据的时效特征，450-2为至少一个燃气数据的分析需求评分，460为执行特征。

具体实施方式

下面将对实施例描述中所需要使用的附图作简单的介绍。附图并不代表全部的实施方式。

除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

图1是根据本说明书一些实施例所示的智慧燃气数据时效性管理物联网系统的平台结构图。以下将对本说明书实施例所涉及的智慧燃气数据时效性管理物联网系统进行详细说明。需要注意的是，以下实施例仅用于解释本说明书，并不构成对本说明书的限定。

智慧燃气用户平台可以是用于与用户进行交互的平台。在一些实施例中，智慧燃气用户平台可以被配置为终端设备。

智慧燃气服务平台可以是用于将用户的需求与控制信息传达出去的平台。智慧燃气服务平台可以从智慧燃气管理平台（例如，智慧燃气数据中心）获取燃气数据等，并发送至智慧燃气用户平台。

智慧燃气管理平台可以是统筹、协调各功能平台之间的联系和协作，并汇聚着物联网全部的信息，为物联网运行体系提供感知管理和控制管理功能的平台。

智慧燃气管理平台包括燃气业务管理平台、非燃气业务管理平台和智慧燃气数据中心。其中，燃气业务管理平台用于燃气安全管理、燃气设备管理以及燃气运营管理；非燃气业务管理平台用于产品业务管理、数据业务管理以及渠道业务管理。

在一些实施例中，智慧燃气管理平台可以通过智慧燃气数据中心分别与智慧燃气服务平台、智慧燃气传感网络平台进行信息交互。例如，智慧燃气数据中心可以将燃气运行数据和/或燃气管理数据发送至智慧燃气服务平台。又例如，智慧燃气数据中心可以发送获取燃气数据的指令至智慧燃气传感网络平台，以获取静态燃气数据和/或动态燃气数据。

智慧燃气数据中心包括服务信息数据库、管理信息数据库和传感信息数据库。服务信息数据库与智慧燃气服务平台双向交互，管理信息数据库与燃气业务管理分平台双向交互，管理信息数据库与非燃气管理分平台相互交互，传感信息数据库与智慧燃气传感网络平台双向交互。其中，服务信息数据库包括燃气用户服务数据、政府用户服务数据、监管用户服务数据和非燃气用户服务数据；管理信息数据库包括燃气设备管理数据、燃气安全管理数据、燃气运营管理数据和非燃气业务管理数据；传感信息数据库包括燃气设备传感数据、燃气安全传感数据、燃气运营传感数据以及非燃气业务传感数据。

智慧燃气传感网络平台可以是对传感通信进行管理的功能平台。在一些实施例中，智慧燃气传感网络平台可以实现感知信息传感通信和控制信息传感通信的功能。

在一些实施例中，智慧燃气传感网络平台可以用于与智慧燃气数据中心和智慧燃气对象平台进行交互。

智慧燃气对象平台可以是感知信息生成和控制信息执行的功能平台。在一些实施例中，智慧燃气对象平台可以被配置为各类燃气和监测设备。监测设备可以包括燃气流量装置、图像获取装置、温湿度传感器、压力传感器、燃气泄漏报警器等。

在一些实施例中，智慧燃气对象平台可以用于周期性地获取至少一个燃气数据。

本说明书一些实施例，智慧燃气数据时效性管理物联网系统，可以在智慧燃气对象平台与智慧燃气用户平台之间形成信息运行闭环，并在智慧燃气管理平台的智慧燃气数据中心的统一管理下协调、规律运行，实现燃气数据时效性管理的信息化、智慧化。

需要注意的是，以上对于智慧燃气数据时效性管理物联网系统及其组成部分的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个组成部分进行任意组合，或者构成子系统与其他组成部分连接。

图2是根据本说明书一些实施例所示的智慧燃气数据时效性管理方法的示例性流程图。在一些实施例中，流程200可以由智慧燃气数据中心执行。如图2所示，流程200包括下述步骤：

步骤210，周期性地获取智慧燃气数据中心的至少一个燃气数据。

关于智慧燃气中心的更多说明，参见图1及其相关描述。

燃气数据是指智慧燃气数据时效性管理物联网系统中与燃气相关的数据。例如，燃气数据可以包括智慧燃气用户平台获取的用户报修信息、智慧燃气对象平台获取的燃气流量等。

在一些实施例中，智慧燃气数据中心可以周期性地获取其中的燃气数据。

步骤220，对于至少一个燃气数据中的任意一个燃气数据，确定该燃气数据的时效特征和分析需求评分。其中，确定任意一个燃气数据的时效特征和分析需求评分可以包括以下步骤：

步骤221，根据燃气数据的历史波动情况确定燃气数据的数据类型，并基于数据类型对燃气数据进行分类存储。

历史波动情况是指燃气数据波动变化的程度。在一些实施例中，历史波动情况可以使用该燃气数据的历史数据的方差表示。

数据类型是指燃气数据的类别。数据类型包括静态燃气数据以及动态燃气数据。静态燃气数据为波动变化较小的燃气数据。例如，静态燃气数据可以包括管道维修清理周期、位置、管道管径材质等。动态燃气数据为波动变化较大的数据。例如，动态燃气数据可以包括燃气流量、燃气成分、燃气压力、客户投诉、用户报修等。

在一些实施例中，智慧燃气数据中心可以将历史波动情况大于波动阈值的燃气数据确定为动态燃气数据，反之确定为静态数据。其中，波动阈值可以人为设定。

在一些实施例中，智慧燃气数据中心可以将静态燃气数据和动态燃气数据分别存储在智慧燃气数据中心数据库中不同的区域。

步骤222，基于燃气数据的数据类型、信息特征，确定燃气数据的时效特征。

信息特征是指燃气数据所包含的信息的特征。信息特征至少可以包括所述燃气数据的数据量、采集时间、数据输入路径中至少一种。在一些实施例中，当燃气数据来源于工单分配中心时，信息特征还包括工单执行情况。

数据输入路径是指燃气数据输入的来源。数据输入路径可以包括采集设备和来源对象。采集设备是指采集燃气数据的设备。来源对象是指燃气数据来源的人或设备。例如，燃气数据1是由采集设备1采集的设备1的数据。

工单执行情况是指工单完成的情况。工单执行情况可以使用数字表示，例如1-5，数字越大表示工单完成效果越好。

时效特征是指可以反映燃气数据在不同时间点的重要程度的数值或字母等。

智慧燃气数据中心可以通过多种方式确定燃气数据的时效特征。在一些实施例中，智慧燃气数据中心可以通过查表等方式确定时效特征。一般来说动态燃气数据更具备时效特征，可以在计算资源紧张的时候优先计算动态燃气数据的时效特征。

在一些实施例中，智慧燃气数据中心可以通过时效特征确定模型确定时效特征。关于时效特征确定模型的更多说明，参见图3及其相关描述。

步骤223，基于燃气数据的分布特征，确定燃气数据的分析需求评分。

分布特征是指燃气数据分布上的统计特征。分布特征可以至少包括燃气数据的离散程度、集中程度。离散程度是指燃气数据间的离散和差异状况。集中程度是指燃气数据向其中心值靠拢的倾向和程度。

分析需求评分是指可以反映燃气数据需要被分析的迫切程度的数值。

智慧燃气数据中心可以通过多种方式确定分析需求评分。在一些实施例中，分析需求评分相关于燃气数据的集中程度。例如，分析需求评分负相关于集中程度。因为异常往往伴随数据的突变，数据越集中说明数据的波动性和突变性越小，说明该数据在历史上出现异常的概率越小，进而被分析的需求越小。

在一些实施例中，智慧燃气数据中心可以基于燃气数据，以及与燃气数据对应的历史燃气数据，确定分布特征；基于分布特征，确定分析需求评分。

与燃气数据对应的历史燃气数据是指相同数据输入路径下的历史时间段的燃气数据。

在一些实施例中，智慧燃气数据中心使用燃气数据以及与该燃气数据对应的历史燃气数据的离散系数描述燃气数据的离散程度。离散系数为标准差与平均值之比。因为确定分布特征涉及到比较量纲不同或均值不同的数据的离散程度，所以使用不需要参照平均值且无量纲量的离散系数，可以更好的反映离散程度。

在一些实施例中，智慧燃气数据中心将经过标准化处理的燃气数据以及与该燃气数据对应的历史燃气数据的方差的倒数作为燃气数据的集中程度。燃气数据包含了不同种类的数据，每种数据在性质、量纲、数量级等方面，均存在一定的差异。标准化处理是指为了消除不同指标之间因属性不同而带来的影响，将原始数据转化为无量纲、无数量级差异的标准化数值的操作。例如，标准化处理可以为极差标准化法、线性比例标准化法等。

在一些实施例中，分析需求评分可以为燃气数据的离散程度和集中程度的加权求和。

本说明书一些实施例，基于燃气数据以及对应的历史燃气数据，确定分布特征，进而确定分析需求评分。差异大的燃气数据分析需求更大，可以提高评估燃气数据分析需求评分的准确度。

在一些实施例中，分析需求评分还相关于燃气数据的历史使用情况。

历史使用情况是指燃气数据被调用的总次数。在一些实施例中，智慧燃气数据中心可以基于历史访问数据，统计燃气数据被调用的总次数，以获得燃气数据的历史使用情况。

历史使用情况大于使用阈值且越大，则被分析的可能性越高。在一些实施例中，燃气数据的分析需求评分为离散程度、集中程度和历史使用情况的加权求和。

本说明书一些实施例，分析需求评分还相关于燃气数据的历史使用情况，可以更好地了解燃气数据中心对燃气数据的需求，提高评估燃气数据分析需求评分的准确度。

在一些实施例中，分析需求评分还相关于燃气数据的异常程度。

异常程度是指燃气数据存在异常的概率。燃气数据与历史燃气数据均值越接近异常程度越小。在一些实施例中，当燃气数据大于历史燃气数据均值时，异常程度为燃气数据与历史燃气数据均值之比；当燃气数据小于历史燃气数据均值时，异常程度为1减去燃气数据与历史燃气数据均值之比。其中，若燃气数据为多个时，需将燃气数据的均值作为燃气数据。

异常的燃气数据，因为需要及时分析是否发生燃气故障，所以分析需求较高。在一些实施例中，分析需求评分为离散程度、集中程度、历史使用情况和异常程度的加权求和。

本说明书一些实施例，分析需求评分还相关于燃气数据的异常程度，可以更好地识别异常的燃气数据的分析需求，提高评估燃气数据分析需求评分的准确度。

在一些实施例中，响应于燃气数据相关于燃气用户，分析需求评分还相关于燃气用户的个人数据。

个人数据是指与燃气用户身份相关的数据。个人数据可以包括用户重要等级和报修指数。

智慧燃气数据中心可以通过多种方式确定用户重要等级。在一些实施例中，智慧燃气数据中心可以预先设定不同燃气用户的用户重要等级。例如，监管用户的用户重要等级大于普通燃气用户。

在一些实施例中，用户重要等级还可以相关于用户近期燃气使用量和缴费数据。例如，用户重要等级可以为燃气使用量、用户通气时间和按时缴费频率的加权求和。用户通气时间是指用户开始使用燃气的时间。燃气使用量、用户通气时间和按时缴费频率可以基于智慧燃气用户平台获取。

在一些实施例中，报修指数相关于发起者近期内发起报修的次数和报修可靠度。例如，报修指数可以为报修次数和报修可靠度的加权求和。为防止用户的恶意报修对时效特征计算的影响，报修可靠度为报修之后实际检修发现确实存在问题的次数与报修次数之比。

在一些实施例中，当燃气数据相关于燃气用户时，分析需求评分正相关于用户重要等级和报修指数。

本说明书一些实施例，响应于燃气数据相关于燃气用户，分析需求评分还相关于燃气用户的个人数据，可以更好地识别重要燃气用户，提高评估燃气数据分析需求评分的准确度。

步骤230，基于至少一个燃气数据的时效特征、至少一个燃气数据的分析需求评分，确定智慧燃气数据中心的执行特征。

执行特征是指传输数据的具体执行方案。执行特征包括智慧燃气数据中心向至少一个燃气平台传输的预估传输数据及其预估传输时间。例如，执行特征包括多组预估传输数据及其对应的预估传输时间，即在对应的预估传输时间传输预估传输数据。至少一个燃气平台包括智慧燃气服务平台、智慧燃气传感网络平台和/或智慧燃气管理平台。关于智慧燃气服务平台、智慧燃气传感网络平台和智慧燃气管理平台的更多说明参见图1及其相关描述。

预估传输数据是指预估的需要向至少一个燃气平台进行传输的数据。

预估传输时间是指向至少一个燃气平台传输预估传输数据的具体时间。

智慧燃气数据中心可以通过多种方式确定执行特征。在一些实施例中，智慧燃气数据中心可以通过查表等方式确定至少一个燃气数据的优先等级数值，并基于至少一个燃气数据的优先等级数值进行排序，确定至少一个燃气数据的预估传输时间，即执行特征。

在一些实施例中，智慧燃气数据中心可以通过执行特征确定模型确定执行特征。关于执行特征确定模型的更多说明参见图4及其相关内容。

本说明书一些实施例，基于燃气数据的时效特征和分析需求评分，确定智慧燃气数据中心的执行特征，可以更好地根据燃气数据在不同时间点的重要程度，控制数据传输的时间，从而提高智慧燃气数据中心的数据处理效率。

应当注意的是，上述有关流程的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。

图3是根据本说明书一些实施例所示的基于时效特征确定模型生成时效特征的示例性示意图。

在一些实施例中，智慧燃气数据中心可以先确定燃气数据的关联燃气平台310-3，然后基于数据类型310-1、信息特征310-2、关联燃气平台310-3，通过时效特征确定模型320，确定时效特征330。

关联燃气平台是指智慧燃气数据中心的数据传输上游和/或下游平台。在一些实施例中，关联燃气平台可以包括来源平台和传出平台。关联燃气平台可以根据燃气数据传输流程确定。比如，燃气数据通过智慧燃气传感网络平台（来源平台）传输到智慧燃气数据中心，经过分析处理后又传输到智慧燃气服务平台（传出平台），则智慧燃气传感网络平台和智慧燃气服务平台为关联燃气平台。

关于数据类型和信息特征的更多说明，参见图2相关描述。

时效特征确定模型320为机器学习模型或神经网络模型。例如，循环神经网络（Recurrent Neural Networks，RNN）等。

在一些实施例中，时效特征确定模型320的输入可以为数据类型310-1、信息特征310-2、关联燃气平台310-3，输出可以为时效特征330。

在一些实施例中，时效特征确定模型320的输入还包括检修计划数据310-4。

检修计划数据是指对燃气设备检修做出的计划。检修计划数据310-4可以包括常规燃气检修数据、反馈燃气检修数据中至少一种。在一些实施例中，检修方式可以包括：修理、检查、清理等方式。

常规燃气检修数据指常规的燃气设备检修数据，例如，周期性的维修检查数据等。常规燃气检修数据可以包括但不限于预计检修时间（例如，开始+预计结束时间）、预计检修区域、预计派遣人员（例如，参与检修的人员有哪些）等。

反馈燃气检修数据指由燃气用户、监管人员和/或维修人员发起的维修检查数据。例如，经过用户发起报修请求后，维修人员做出的检修反馈数据。在一些实施例中，反馈燃气检修数据可以包括但不限于预定检修时间（由发起人预定）、预定检修区域、预计派遣人员、检修请求发起者和/或预计紧急程度等。

在一些实施例中，反馈燃气检修数据还包括燃气用户的个人数据。

关于个人数据的更多说明，参见图2及其相关描述。

在本说明书一些实施例中，通过考虑将燃气用户的个人数据作为时效特征确定模型的部分输入，可以进一步提高模型的数据分析处理能力。

在本说明书一些实施例中，通过将检修计划数据作为时效特征确定模型的输入数据，可以使模型输出更符合实际，更能反映数据时效特征。

在一些实施例中，时效特征确定模型320可以通过使用多个带有第一标签的第一训练样本340，对初始时效特征确定模型350进行训练得到。

在一些实施例中，第一训练样本340可以包括样本燃气数据的样本数据类型、样本信息特征以及样本关联燃气平台。第一标签可以是第一训练样本对应的时效特征，第一标签可以基于历史实际数据由人工标注获取。

时效特征用于描述燃气数据在不同时间点的重要程度。在一些实施例中，第一标签可以基于样本燃气数据在不同时间点被使用的次数确定。使用次数越多，则第一训练样本越重要，第一标签的值越大。例如，可以将样本燃气数据在不同时间点被使用的次数，作为第一标签。又例如，还可以基于样本燃气数据在不同时间点被使用的次数和使用该样本燃气数据的平台，通过查表，确定第一标签。

智慧燃气数据中心可以基于第一标签和初始时效特征确定模型的输出结果构建损失函数，基于损失函数通过梯度下降或其他方法迭代更新初始时效特征确定模型的参数。当满足预设条件时模型训练完成，得到训练好的时效特征确定模型。其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。

在一些实施例中，第一训练样本340还可以包括样本检修计划数据。

本说明书的一些实施例，通过训练好的时效特征确定模型获取燃气数据对应的时效特征，可以确定不同燃气数据对应的合理可靠的重要程度大小，进而为后续燃气数据分析处理提供支撑。

图4是根据本说明书一些实施例所示的基于执行特征确定模型生成执行特征的示例性示意图。

在一些实施例中，智慧燃气数据中心可以根据其与至少一个燃气平台的交互情况410，确定智慧燃气数据中心与至少一个燃气平台数据的交互负载情况420-1。

交互情况410是指智慧燃气数据中心与其他燃气平台进行燃气数据传输的情况。交互情况410可以根据智慧燃气管理平台统计的数据传输情况确定。例如，智慧燃气管理平台可以对智慧燃气数据中心与其他燃气平台之间数据传输量、数据传输频率等进行统计，进而确定交互情况410。

交互负载情况420-1是指智慧燃气数据中心与其他燃气平台之间进行数据传输的负荷大小，一般来说，负荷越大表明交互负载情况越严重。交互负载情况可以基于交互情况410，以及智慧燃气数据中心与其他燃气平台之间的数据传输带宽确定。例如，可以基于交互情况410，确定单位时间内数据传输量达到数据传输带宽的比例，进而基于比例大小确定交互负载情况420-1。

在一些实施例中，智慧燃气数据中心可以基于交互负载情况、至少一个燃气数据的时效特征、至少一个燃气数据的分析需求评分，通过执行特征确定模型，确定执行特征。关于时效特征、分析需求评分以及执行特征的更多说明，参见图2及其相关描述。

在一些实施例中，执行特征确定模型可以为机器学习模型，例如，循环神经网络（RNN）模型。

在一些实施例中，执行特征确定模型可以通过多个带有第二标签的第二训练样本进行训练得到。训练方法可以包括但不限于梯度下降法等。

在一些实施例中，第二训练样本包括样本燃气数据的样本交互负载情况、至少一个样本燃气数据的样本时效特征和至少一个样本燃气数据的样本分析需求评分。第二标签可以是第二训练样本对应的执行特征。第二标签可以在进行多次数据传输后，将执行效果较好的执行特征作为第二训练样本对应的第二标签。其中，执行效果好可以指传输总时间段内总传输价值高，且无不良反馈（比如没有平台反馈数据传输不及时）和/或实际无传输负载超负荷。

总传输价值可以基于以下公式（1）获取：

其中，T表示总传输价值，Ai和Bi分别表示第i个传输数据的系数1和系数2，Si表示第i个传输数据的时效特征的值，Fi表示第i个传输数据的分析需求评分；关于传输数据在传输时间点的重要程度以及分析需求评分的更多说明，参见图2及其相关描述。

如图4所示，执行特征确定模型430可以包括未来负载预测层430-1和确定层430-2。其中，未来负载预测层430-1和确定层430-2可以为机器学习模型。比如，未来负载预测层430-1可以为长短期记忆（Long short-term memory，LSTM）模型，确定层430-2可以为循环神经网络（RNN）模型。

在一些实施例中，未来负载预测层430-1的输入可以包括交互负载情况420-1，其输出可以包括未来负载情况440。

在一些实施例中，确定层430-2的输入可以包括未来负载预测层430-1输出的未来负载情况440、交互负载情况420-1、至少一个燃气数据的时效特征450-1以及至少一个燃气数据的分析需求评分450-2，其输出可以包括执行特征460。

在一些实施例中，未来负载预测层430-1的输入还可以包括传输计划数据420-2。

传输计划数据420-2是指智慧燃气数据中心与其他燃气平台之间未来关于数据传输的安排计划。在一些实施例中，智慧燃气数据中心可以调取已有的未来数据传入和/或传出的安排计划，以确定传输计划数据420-2。

在本说明书一些实施例中，通过考虑将传输计划数据作为未来负载预测层的输入，可以提高未来负载预测层预测结果的准确程度。

在一些实施例中，未来负载预测层430-1的输入还可以包括数据处理效率420-3。

数据处理效率420-3是指反映数据中心的处理速度是否可以跟上传入数据的速度的数值。在一些实施例中，数据处理效率420-3可以基于公式（2）确定：

其中，k1、k2、...kn为权重系数，权重系数可以相关于相应燃气平台的输入价值评分，输入价值评分越高，权重系数越大；S表示数据处理效率，T表示数据中心处理数据的速率，T可以基于智慧燃气管理平台统计的单位时间内数据中心处理完成的数据量平均值确定；V1~Vn分别表示第1个燃气平台~第n个燃气平台的数据生成速度，V1~Vn可以基于智慧燃气管理平台统计的不同燃气平台单位时间内传输的数据量平均值确定。

输入价值评分是指反映燃气平台传输燃气数据总异常程度的分数，分数越高，则表明燃气平台一定时间内传入的燃气数据的总异常程度越高。其中，总异常程度可以为一定时间内传输的燃气数据异常程度的和。

一般来说，传入数据中心的数据传入速度和数据处理效率成正比。当数据处理效率小于数据处理效率阈值时，燃气平台应该减缓向数据中心传入数据。当数据处理效率大于效率阈值时，燃气平台可以增加向数据中心传输数据的速度。

可以理解的是，各个平台生成的燃气数据并非全部用于智慧燃气数据中心的计算，并且各平台传入燃气数据的处理偏好也不同，在总处理数据有限的情况下，处理某个燃气平台的燃气数据越多，这个燃气平台的权重系数就越大。

在本说明书一些实施例中，通过将数据处理效率作为模型的一个输入，可以进一步提高模型输出结果的可靠程度。

在一些实施例中，执行特征确定模型可以通过多个带有第三标签的第三训练样本进行训练得到。训练方法可以包括但不限于梯度下降法等。

在一些实施例中，未来负载预测层的输出可以为确定层的输入，未来负载预测层和确定层可以通过多个有第三标签的第三训练样本联合训练得到。

在一些实施例中，联合训练的第三训练样本可以包括样本燃气数据的样本交互负载情况、至少一个样本燃气数据的样本时效特征、至少一个样本燃气数据的样本分析需求评分。第三标签可以为第三训练样本对应的执行特征。关于第三标签的获取类似第二标签。

将样本交互负载情况输入未来负载预测层，得到未来负载预测层输出的未来负载情况；将未来负载情况作为样本训练数据，和样本交互负载情况、至少一个样本燃气数据的样本时效特征以及至少一个样本燃气数据的样本分析需求评分输入确定层，得到确定层输出的执行特征。基于第三标签和确定层输出的执行特征构建损失函数，同步更新未来负载预测层和确定层的参数。通过参数更新，得到训练好的未来负载预测层430-1和确定层430-2。

在一些实施例中，第三训练样本还可以包括样本传输计划数据和/或样本数据处理效率。

在本说明书一些实施例中，联合训练未来负载预测层和确定层不仅可以减少需要的样本数量，还可以提高训练效率。智慧燃气数据中心基于训练好的执行特征确定模型，可以快速地确定比较符合实际和满足时效性优先级分析的执行特征，以便智慧燃气数据中心能够分级别分层次地处理不同的燃气数据，进一步提高燃气数据处理效率，满足需求。

在一些实施例中，智慧燃气数据时效性管理装置包括处理器以及存储器；所述存储器用于存储指令，所述指令被所述处理器执行时，导致所述装置实现所述智慧燃气数据时效性管理方法。

本说明书一些实施例提供了一种计算机可读存储介质，存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行智慧燃气数据时效性管理方法。

本说明书中的实施例仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以进行的各种修正和改变仍在本说明书的范围之内。

本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。