校时方法、装置及仪表设备

技术领域

本申请涉及数据处理技术，尤其涉及一种校时方法、装置及仪表设备。

背景技术

目前，无线远传流量计作为工业使用，其瞬时流量较大，需要进行高频采集计费，计费时使用价格乘以使用量。

现有技术中，当计费的价格发生变化时，由上位机生成调价指令和生效时间向流量计下发，流量计接收到调价指令和生效时间时，调整自身的价格和时间并按照调整的价格和时间进行计费。

然而现有技术中，由于当前流量计校时普遍采用时间戳的方式进行，只到秒级，存在一定的时间误差，且校时过程中由于指令传播存在时差的问题，导致流量计的计费误差较大，进而导致计费异常。

发明内容

本申请提供一种校时方法、装置及仪表设备，用以解决仪表设备的计费结果准确度较低的技术问题。

第一方面，本申请提供一种校时方法，包括：

生成校时请求，并向上位机发送所述校时请求，以使所述上位机接收到所述校时请求时向发送校时请求方反馈校时回复指令，其中，所述校时回复指令包括上位机的预设精度的系统时间；

确定接收到所述校时回复指令的接收时间与所述系统时间的实际时差；其中，所述接收时间为预设精度；

根据预设的时差预测模型对下一时刻进行时差预测，确定下一时刻的预设精度的预测时差；其中，所述预设的时差预测模型是根据多个连续历史时间点中每一历史时间点的训练集数据训练得到的；

若确定所述实际时差与所述预测时差之间的差值满足预设的阈值，则确定所述预测时差为目标时差，并根据所述目标时差对仪表设备内的实际时间进行校准，以完成校时操作。

进一步地，所述根据预设的时差预测模型对下一时刻进行时差预测，确定下一时刻的预设精度的预测时差，包括：

确定当前时刻，并确定位于所述当前时刻之前的预设数量的训练集数据；

基于所述预设数量的训练集数据，根据预设的时差预测模型对下一时刻进行时差预测，确定下一时刻的预设精度的预测时差。

进一步地，所述根据所述目标时差对仪表设备内的实际时间进行校准，包括：

将所述目标时差与所述系统时间做求和处理，得到目标时间；

将所述仪表设备内的实际时间替换为所述目标时间。

进一步地，所述方法还包括：

获取多个连续历史时间点中每一历史时间点的训练集数据；其中，所述训练集数据包括训练集数据所在历史时间点的历史时差，所述历史时差为预设精度；

对所述每一历史时间点的训练集数据进行归一化处理，得到归一化的训练集数据；

根据归一化的训练集数据对初始预测模型进行预测训练，得到时差预测模型。

进一步地，所述根据归一化的训练集数据对初始预测模型进行预测训练，得到时差预测模型，包括：

依据预设的测试集划分标准信息，在所述归一化的训练集数据中确定预设数量的相邻历史时间点的训练集数据；

根据所述预设数量的相邻历史时间点的训练集数对初始预测模型进行预测训练，确定下一时刻的预设精度的初步时差；

基于下一时刻的预设精度的所述初步时差、以及与所述初步时差对应的历史时差，对所述初始预测模型进行修正，直至下一时刻为多个连续历史时间点的最后一个历史时间点时停止预测训练，生成时差预测模型。

进一步地，所述预设精度为毫秒。

第二方面，本申请提供一种校时装置，包括：

生成单元，用于生成校时请求，并向上位机发送所述校时请求，以使所述上位机接收到所述校时请求时向发送校时请求方反馈校时回复指令，其中，所述校时回复指令包括上位机的预设精度的系统时间；

第一确定单元，用于确定接收到所述校时回复指令的接收时间与所述系统时间的实际时差；其中，所述接收时间为预设精度；

第二确定单元，用于根据预设的时差预测模型对下一时刻进行时差预测，确定下一时刻的预设精度的预测时差；其中，所述预设的时差预测模型是根据多个连续历史时间点中每一历史时间点的训练集数据训练得到的；

第三确定单元，用于若确定所述实际时差与所述预测时差之间的差值满足预设的阈值，则确定所述预测时差为目标时差；

校准单元，用于根据所述目标时差对仪表设备内的实际时间进行校准，以完成校时操作。

进一步地，所述第二确定单元，包括：

第一确定模块，用于确定当前时刻，并确定位于所述当前时刻之前的预设数量的训练集数据；

第二确定模块，用于基于所述预设数量的训练集数据，根据预设的时差预测模型对下一时刻进行时差预测，确定下一时刻的预设精度的预测时差。

进一步地，所述校准单元，包括：

求和模块，用于将所述目标时差与所述系统时间做求和处理，得到目标时间；

替换模块，用于将所述仪表设备内的实际时间替换为所述目标时间。

进一步地，所述装置还包括：

获取单元，用于获取多个连续历史时间点中每一历史时间点的训练集数据；其中，所述训练集数据包括训练集数据所在历史时间点的历史时差，所述历史时差为预设精度；

归一化单元，用于对所述每一历史时间点的训练集数据进行归一化处理，得到归一化的训练集数据；

训练单元，用于根据归一化的训练集数据对初始预测模型进行预测训练，得到时差预测模型。

进一步地，所述训练单元，包括：

第三确定模块，用于依据预设的测试集划分标准信息，在所述归一化的训练集数据中确定预设数量的相邻历史时间点的训练集数据；

第四确定模块，用于根据所述预设数量的相邻历史时间点的训练集数对初始预测模型进行预测训练，确定下一时刻的预设精度的初步时差；

生成模块，用于基于下一时刻的预设精度的所述初步时差、以及与所述初步时差对应的历史时差，对所述初始预测模型进行修正，直至下一时刻为多个连续历史时间点的最后一个历史时间点时停止预测训练，生成时差预测模型。

进一步地，所述预设精度为毫秒。

第三方面，本申请提供一种仪表设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面所述的方法。

第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现第一方面所述的方法。

第五方面，本申请提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面所述的方法。

本申请提供的一种校时方法、装置及仪表设备，生成校时请求，并向上位机发送校时请求，以使上位机接收到校时请求时向发送校时请求方反馈校时回复指令，其中，校时回复指令包括上位机的预设精度的系统时间。确定接收到校时回复指令的接收时间与系统时间的实际时差；其中，接收时间为预设精度。根据预设的时差预测模型对下一时刻进行时差预测，确定下一时刻的预设精度的预测时差；其中，预设的时差预测模型是根据多个连续历史时间点中每一历史时间点的训练集数据训练得到的。若确定实际时差与预测时差之间的差值满足预设的阈值，则确定预测时差为目标时差，并根据目标时差对仪表设备内的实际时间进行校准，以完成校时操作。本方案中，生成并向上位机发送校时请求，上位机接收到校时请求，立刻获取上位机的精确到毫秒的系统时间，并将精确到毫秒的系统时间作为校时回复指令反馈给仪表设备。仪表设备接收到校时回复指令并确定校时回复指令中的系统时间。由于接收校时回复指令的接收时间与系统时间的预设精度是相同的，将系统时间与接收时间做差，得到预设精度的实际时差。然后，根据预设的时差预测模型对下一时刻进行时差预测，确定下一时刻的预设精度的预测时差，仪表设备先确定实际时差与预测时差之间的差值，并将差值与预设的阈值进行比较，如果确定实际时差与预测时差之间的差值满足预设的阈值，则确定预测时差为目标时差，根据目标时差对仪表设备内的实际时间进行校准，此时仪表设备内经过校准的时间已是精确到毫秒的目标时间，进而完成了校时操作。所以，本申请通过采用时差预测模型的校时方法，预测得到下一时刻的目标时差，并根据目标时差对仪表设备进行校时操作，能有效规避网络异常或因上传、下载传输时长不一致导致的校时偏差，实现时钟预设精度的自动校准，确保仪表设备的时间准确，提高仪表设备计费的准确性，解决了仪表设备的计费结果准确度较低的技术问题。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1为本申请实施例提供的一种校时方法的流程示意图；

图2为本申请实施例提供的另一种校时方法的流程示意图；

图3为本申请实施例提供的再一种校时方法的流程示意图；

图4为本申请实施例提供的又一种校时方法的流程示意图；

图5为本申请实施例提供的一种校时装置的结构示意图；

图6为本申请实施例提供的另一种校时装置的结构示意图；

图7为本申请实施例提供的一种仪表设备的结构示意图。

通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、使用和处理需要遵守相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。

目前，无线远传流量计作为工业使用，其瞬时流量较大，需要进行高频采集计费，计费时使用价格乘以使用量。当计费的价格发生变化时，由上位机生成调价指令和生效时间，通过服务器向流量计下发，流量计接收到调价指令和生效时间时，调整自身的价格和时间并按照调整的价格和时间进行计费。

一个示例中，由于当前流量计校时普遍采用时间戳的方式进行，只到秒级，存在一定的时间误差，导致流量计的计费误差较大，进而导致计费异常。

一个示例中，上位机和流量计之间通过服务器传输调价指令和生效时间，若服务器繁忙时，网络会产生一定的阻塞，或者，发生断电的情况导致无法传输。在这两种情况下，流量计无法及时接收到上位机发送的调价指令等，导致流量计和上位机之间存在时间误差，进而导致计费异常。

本申请提供的一种校时方法、装置及仪表设备，旨在解决现有技术的如上技术问题。

下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。

图1为本申请实施例提供的一种校时方法的流程示意图，如图1所示，该方法包括：

步骤101、生成校时请求，并向上位机发送校时请求，以使上位机接收到校时请求时向发送校时请求方反馈校时回复指令，其中，校时回复指令包括上位机的预设精度的系统时间。

示例性地，本实施例的执行主体可以为仪表设备，仪表设备在校时操作中需要和上位机进行信息交互，其中，上位机是指部署在云端的系统，上位机可以根据下发的指令对仪表设备进行控制、充值、调价、计费等操作；仪表设备是指具备和远端上位机通信的用于计数收费的设备，例如，仪表设备是智能燃气流量计等。

首先，仪表设备自动触发校时，生成校时请求，与上位机建立通讯连接，仪表设备与上位机之间的会话通道打开，仪表设备通过会话通道向上位机发送校时请求，并记录本次发送校时请求的发送时间，其中，发送时间精确到毫秒。上位机接收到校时请求，立刻获取上位机的精确到毫秒的系统时间，并根据校时指令规则，将精确到毫秒的系统时间作为校时回复指令反馈给发送校时请求方，发送校时请求方即为仪表设备。

步骤102、确定接收到校时回复指令的接收时间与系统时间的实际时差；其中，接收时间为预设精度。

示例性地，预设精度可以是毫秒等时间单位。仪表设备记录接收到校时回复指令的接收时间，接收时间也精确到毫秒。然后，对校时回复指令进行解析，获取上位机的精确到毫秒的系统时间，最后将系统时间与接收时间做差，得到实际时差。

步骤103、根据预设的时差预测模型对下一时刻进行时差预测，确定下一时刻的预设精度的预测时差；其中，预设的时差预测模型是根据多个连续历史时间点中每一历史时间点的训练集数据训练得到的。

示例性地，预设的时差预测模型是根据多个连续历史时间点中每一历史时间点的训练集数据训练得到的，训练集数据包括相应时间点的历史时差，时差预测模型可以根据当前时刻之前的多个训练数据集预测下一时刻的预测时差。可以先确定当前时刻，并确定位于当前时刻之前的预设数量的训练集数据。基于预设数量的训练集数据，根据预设的时差预测模型对下一时刻进行时差预测，确定下一时刻的预设精度的预测时差。

举例来说，确定位于当前时刻之前的3个训练集数据，确定3个训练集数据中每一训练集数据中的历史的系统时间、历史的接收时间、以及历史的系统时间与历史的接收时间之间的历史时差。结合该3个连续时间点的历史时差，计算并预测下一时刻的预设精度的预测时差。

步骤104、若确定实际时差与预测时差之间的差值满足预设的阈值，则确定预测时差为目标时差，并根据目标时差对仪表设备内的实际时间进行校准，以完成校时操作。

示例性地，仪表设备先确定实际时差与预测时差之间的差值，并将差值与预设的阈值进行比较，其中，预设的阈值为预先设置的临界值。如果确定实际时差与预测时差之间的差值满足预设的阈值，则确定预测时差为目标时差，将目标时差与系统时间做求和处理，得到目标时间，并将仪表设备内的实际时间替换为目标时间，此时仪表设备内的时间已是精确到毫秒的目标时间，进而完成了校时操作。

举例来说，预设的阈值为2％，如果确定差值小于2％，则将精确到毫秒的预测时差加在上位机的系统时间上，得到目标时间。

本申请实施例中，生成校时请求，并向上位机发送校时请求，以使上位机接收到校时请求时向发送校时请求方反馈校时回复指令，其中，校时回复指令包括上位机的预设精度的系统时间。确定接收到校时回复指令的接收时间与系统时间的实际时差；其中，接收时间为预设精度。根据预设的时差预测模型对下一时刻进行时差预测，确定下一时刻的预设精度的预测时差；其中，预设的时差预测模型是根据多个连续历史时间点中每一历史时间点的训练集数据训练得到的。若确定实际时差与预测时差之间的差值满足预设的阈值，则确定预测时差为目标时差，并根据目标时差对仪表设备内的实际时间进行校准，以完成校时操作。本方案中，生成并向上位机发送校时请求，上位机接收到校时请求，立刻获取上位机的精确到毫秒的系统时间，并将精确到毫秒的系统时间作为校时回复指令反馈给仪表设备。仪表设备接收到校时回复指令并确定校时回复指令中的系统时间。由于接收校时回复指令的接收时间与系统时间的预设精度是相同的，将系统时间与接收时间做差，得到预设精度的实际时差。然后，根据预设的时差预测模型对下一时刻进行时差预测，确定下一时刻的预设精度的预测时差，仪表设备先确定实际时差与预测时差之间的差值，并将差值与预设的阈值进行比较，如果确定实际时差与预测时差之间的差值满足预设的阈值，则确定预测时差为目标时差，根据目标时差对仪表设备内的实际时间进行校准，此时仪表设备内经过校准的时间已是精确到毫秒的目标时间，进而完成了校时操作。所以，本申请通过采用时差预测模型的校时方法，预测得到下一时刻的目标时差，并根据目标时差对仪表设备进行校时操作，能有效规避网络异常或因上传、下载传输时长不一致导致的校时偏差，实现时钟预设精度的自动校准，确保仪表设备的时间准确，提高仪表设备计费的准确性，解决了仪表设备的计费结果准确度较低的技术问题。

图2为本申请实施例提供的另一种校时方法的流程示意图，如图2所示，该方法包括：

步骤201、获取多个连续历史时间点中每一历史时间点的训练集数据；其中，训练集数据包括训练集数据所在历史时间点的历史时差，历史时差为预设精度。

一个示例中，预设精度为毫秒。

示例性地，在多个连续历史时间点中的每一历史时间点，仪表设备进行了校时操作并得到了训练数据集，所以，仪表设备可以获取多个连续历史时间点中每一历史时间点的训练集数据，其中，训练集数据包括训练集数据所在历史时间点的历史的系统时间、历史的接收时间、以及历史的系统时间与历史的接收时间之间的历史时差，历史时差是历史的系统时间与历史的接收时间之间的差值，历史时差的预设精度为毫秒。

具体的，仪表设备记录每次校时操作的历史时差时，使用历史的接收时间减历史的系统时间，要求历史时差小于5秒(S)，否则放弃该次校时操作的历史时差数据。

步骤202、对每一历史时间点的训练集数据进行归一化处理，得到归一化的训练集数据。

示例性地，仪表设备可以对每一历史时间点的历史时差进行最大值归一化处理，即每次历史时差除以其最大值，归一化公式(1)如下所示：

其中，Fit

步骤203、根据归一化的训练集数据对初始预测模型进行预测训练，得到时差预测模型。

一个示例中，步骤203包括：依据预设的测试集划分标准信息，在归一化的训练集数据中确定预设数量的相邻历史时间点的训练集数据；根据预设数量的相邻历史时间点的训练集数对初始预测模型进行预测训练，确定下一时刻的预设精度的初步时差；基于下一时刻的预设精度的初步时差、以及与初步时差对应的历史时差，对初始预测模型进行修正，直至下一时刻为多个连续历史时间点的最后一个历史时间点时停止预测训练，生成时差预测模型。

示例性地，首先仪表设备能够以长短期记忆人工神经网络(Long Short-TermMemory，LSTM)为基本回归算法建立预测机制，并根据预测机制构建初始预测模型。然后根据归一化的训练集数据对初始预测模型进行预测训练，得到时差预测模型(即LSTM预测模型)。

预设的测试集划分标准信息是预先设置的用于划分训练数据集的规则信息，例如，测试集划分标准信息指示根据预设的数据集选取间隔确定预设数量的训练集数据。以数据集选取间隔为1、预设数量为3为例，测试集划分标准信息是以距当前时刻最远的历史时间点为初始时间点，以距当前时刻最远的历史时间点为结束时间点，以初始时间点为起始点，确定3个相邻历史时间点的训练集数据，该3个相邻历史时间点的训练集数据为第一组训练集数据，以此类推，以初始时间点之后的历史时间点为起始点，确定3个相邻历史时间点的训练集数据，进而得到第二组训练集数据等。在预测训练过程中，依据预设的测试集划分标准信息，在归一化的训练集数据中确定第一组训练集数据，并根据第一组训练集数据对初始预测模型进行预测训练，确定下一时刻的预设精度的输出值，输出值乘以归一化所用的最大值得到下一时刻的初步时差，基于下一时刻的预设精度的初步时差、以及与初步时差对应的历史时差，对初始预测模型进行修正。修正之后，在归一化的训练集数据中确定第二组训练集数据，并根据第二组训练集数据对初始预测模型进行预测训练以及修正等，按此进行迭代，直至下一时刻为多个连续历史时间点的最后一个历史时间点时停止预测训练，生成时差预测模型。

举例来说，图3为本申请实施例提供的再一种校时方法的流程示意图，如图3所示，构建的时差预测模型由输入层、隐藏层和输出层构成；上一个时间节点的输出作为下一个时间节点的输入，最终的输出经线性回归处理后得到预测值，预测值即预测的初步残差。

时差预测模型中加入了门限机制：遗忘门f，输入门i，输入门o和内部记忆单元c。

遗忘门f：决定上一时刻的单元状态有多少需要保留到当前时刻。使用sigmoid函数计算出一个位于0与1之前的数值，用于控制本层输入x_t与上一个隐含层结点输出h_(t-1)的遗忘程度，计算公式(2)如下所示：

f

其中，σ是sigmoid函数(Sigmoid function)，W

输入门i：决定当前时刻网络的输入数据有多少需要保存到单元状态。使用sigmoid函数计算出数值，并用tanh函数候选向量值

i

其中，σ是sigmoid函数，W

更新旧细胞状态的时间，计算公式(5)如下：

输入门o：控制当前单元状态有多少需要输出到当前的输出值。使用sigmoid函数计算出输出数据，接着通过tanh函数进行处理，得到-1到1之间的数值，计算公式(6)、(7)如下：

o

h

所以，根据以上指出的多个公式，对初始预测模型进行预测训练以及修正等，按此进行迭代，直至下一时刻为多个连续历史时间点的最后一个历史时间点时停止预测训练，生成时差预测模型。

在一个示例中，初始预测模型的预测训练过程如下：

第一步：获取多个连续历史时间点的仪表设备在校时操作得到的历史时差，如下表1所示；

表1

第二步：对仪表设备的历史时差数据进行归一化处理，得到训练集数据；

从表1中的历史时刻流量计校时时差资料可得：Fitmax＝3912

对数据进行归一化操作，结果见下表2：

表2

第三步：构建LSTM预测模型，即构建初步预测模型，如下表3所示；

表3

第四步：设计LSTM预测模型及LSTM优化器，用于学习训练。该LSTM预测模型的神经网络由输入层、隐藏层、输出层实现，其中隐藏层存在6个神经元，学习率lr＝0.01。LSTM预测模型的目标是尽量减小预测时差与真实时差之间的均方差。

第五步：基于LSTM预测模型中的自定义参数，将第三步准备好的训练集数据输入第四步中设计好的LSTM预测模型，根据以上指出的公式(2)～(7)进行正向计算，通过LSTM优化器降低损失函数值并更新LSTM预测模型及LSTM优化器权重参数ω

第六步：每组测试集数据中最后3个历史时间点作为LSTM预测模型的输入，应用第五步中训练得到的LSTM预测模型，得到输出值，输出值乘以归一化所用的最大值得到下一时刻的预测的初步时差，预测结果见下表4：

表4

表4的数据结果表明除了3：00、4:00及7:00因通讯高峰导致误差较大外，其余各年预测值与实际值相对误差均在2％以内，证明预测值与实际值之间相差较小，拟合度较高，进而根据相对误差在2％以内的预测值及相应的实际值修正LSTM预测模型，并去掉相对误差在2％以外的预测值。

因此，本申请采用边缘计算结合神经网络模型修正法，利用LSTM算法对通讯误差进行修正和自动校时，确保校时的毫秒级误差在正负1毫秒，实现校时至毫秒级别。

步骤204、生成校时请求，并向上位机发送校时请求，以使上位机接收到校时请求时向发送校时请求方反馈校时回复指令，其中，校时回复指令包括上位机的预设精度的系统时间。

示例性地，本步骤可以参见图1中的步骤101，不再赘述。

步骤205、确定接收到校时回复指令的接收时间与系统时间的实际时差，其中，接收时间为预设精度。

示例性地，接收时间与系统时间的预设精度是相同的，均精确到毫秒，仪表设备可以将系统时间与接收时间做差，得到预设精度的实际时差。

步骤206、确定当前时刻，并确定位于当前时刻之前的预设数量的训练集数据。

示例性地，仪表设备可以确定当前时刻，并确定位于当前时刻之前的预设数量的训练集数据。例如，确定当前时刻为2022年早上9:00，在2022年早上9:00之前，分别有多个连续的时间点均进行了校时操作并得到了训练数据集，此时选取2022年早上9:00之前的最近的3个连续时间点的训练数据集，即2022年早上8:30的训练数据集、2022年早上8:00的训练数据集、以及2022年早上7:30的训练数据集。

步骤207、基于预设数量的训练集数据，根据预设的时差预测模型对下一时刻进行时差预测，确定下一时刻的预设精度的预测时差。

示例性地，基于2022年早上8:30的训练数据集、2022年早上8:00的训练数据集、以及2022年早上7:30的训练数据集，仪表设备可以根据预设的时差预测模型对下一时刻进行时差预测，确定下一时刻的预设精度的预测时差。

步骤208、若确定实际时差与预测时差之间的差值满足预设的阈值，则确定预测时差为目标时差。

示例性地，仪表设备先确定实际时差与预测时差之间的差值，并将差值与预设的阈值进行比较，其中，预设的阈值为预先设置的临界值。如果确定实际时差与预测时差之间的差值满足预设的阈值，则确定预测时差为目标时差。

步骤209、将目标时差与系统时间做求和处理，得到目标时间。

示例性地，仪表设备可以将目标时差与系统时间相加，得到目标时间。

步骤210、将仪表设备内的实际时间替换为目标时间，以完成校时操作。

示例性地，仪表设备可以将仪表设备内的实际时间替换为目标时间，此时仪表设备内的时间已是精确到毫秒的目标时间，进而完成了校时操作。

本申请实施例中，获取多个连续历史时间点中每一历史时间点的训练集数据；其中，训练集数据包括训练集数据所在历史时间点的历史时差，历史时差为预设精度。对每一历史时间点的训练集数据进行归一化处理，得到归一化的训练集数据。根据归一化的训练集数据对初始预测模型进行预测训练，得到时差预测模型。生成校时请求，并向上位机发送校时请求，以使上位机接收到校时请求时向发送校时请求方反馈校时回复指令，其中，校时回复指令包括上位机的预设精度的系统时间。确定接收到校时回复指令的接收时间与系统时间的实际时差，其中，接收时间为预设精度。确定当前时刻，并确定位于当前时刻之前的预设数量的训练集数据。基于预设数量的训练集数据，根据预设的时差预测模型对下一时刻进行时差预测，确定下一时刻的预设精度的预测时差。若确定实际时差与预测时差之间的差值满足预设的阈值，则确定预测时差为目标时差。将目标时差与系统时间做求和处理，得到目标时间。将仪表设备内的实际时间替换为目标时间，以完成校时操作。所以，本申请通过采用时差预测模型的校时方法，预测得到下一时刻的目标时差，并根据目标时差对仪表设备进行校时操作，能有效规避网络异常或因上传、下载传输时长不一致导致的校时偏差，实现时钟预设精度的自动校准，确保仪表设备的时间准确，提高仪表设备计费的准确性，解决了仪表设备的计费结果准确度较低的技术问题。

示例性地，图4为本申请实施例提供的又一种校时方法的流程示意图，如图4所示，仪表设备自动触发校时，生成校时请求并向上位机发送校时请求，并记录本次发送校时请求的发送时间。上位机接收到校时请求，立刻获取上位机的系统时间，并将系统时间作为校时回复指令反馈给仪表设备。仪表设备接收校时回复指令，记录接收校时回复指令的接收时间，获取校时回复指令中的上位机的系统时间。然后仪表设备根据时差预测模型预测下一时刻的预测时差，若确定实际时差与预测时差之间的差值满足预设的阈值，则确定预测时差为目标时差，并根据目标时差对仪表设备内的实际时间进行校准，进而完成校时操作。

图5为本申请实施例提供的一种校时装置的结构示意图，如图5所示，该装置包括：

生成单元31，用于生成校时请求，并向上位机发送校时请求，以使上位机接收到校时请求时向发送校时请求方反馈校时回复指令，其中，校时回复指令包括上位机的预设精度的系统时间。

第一确定单元32，用于确定接收到校时回复指令的接收时间与系统时间的实际时差；其中，接收时间为预设精度。

第二确定单元33，用于根据预设的时差预测模型对下一时刻进行时差预测，确定下一时刻的预设精度的预测时差；其中，预设的时差预测模型是根据多个连续历史时间点中每一历史时间点的训练集数据训练得到的。

第三确定单元34，用于若确定实际时差与预测时差之间的差值满足预设的阈值，则确定预测时差为目标时差。

校准单元35，用于根据目标时差对仪表设备内的实际时间进行校准，以完成校时操作。

本实施例的装置，可以执行上述方法中的技术方案，其具体实现过程和技术原理相同，此处不再赘述。

图6为本申请实施例提供的另一种校时装置的结构示意图，在图5所示实施例的基础上，如图6所示，第二确定单元33，包括：

第一确定模块331，用于确定当前时刻，并确定位于当前时刻之前的预设数量的训练集数据。

第二确定模块332，用于基于预设数量的训练集数据，根据预设的时差预测模型对下一时刻进行时差预测，确定下一时刻的预设精度的预测时差。

一个示例中，校准单元35，包括：

求和模块351，用于将目标时差与系统时间做求和处理，得到目标时间。

替换模块352，用于将仪表设备内的实际时间替换为目标时间。

一个示例中，该装置还包括：

获取单元41，用于获取多个连续历史时间点中每一历史时间点的训练集数据；其中，训练集数据包括训练集数据所在历史时间点的历史时差，历史时差为预设精度。

归一化单元42，用于对每一历史时间点的训练集数据进行归一化处理，得到归一化的训练集数据。

训练单元43，用于根据归一化的训练集数据对初始预测模型进行预测训练，得到时差预测模型。

一个示例中，训练单元43，包括：

第三确定模块431，用于依据预设的测试集划分标准信息，在归一化的训练集数据中确定预设数量的相邻历史时间点的训练集数据。

第四确定模块432，用于根据预设数量的相邻历史时间点的训练集数对初始预测模型进行预测训练，确定下一时刻的预设精度的初步时差。

生成模块433，用于基于下一时刻的预设精度的初步时差、以及与初步时差对应的历史时差，对初始预测模型进行修正，直至下一时刻为多个连续历史时间点的最后一个历史时间点时停止预测训练，生成时差预测模型。

一个示例中，预设精度为毫秒。

本实施例的装置，可以执行上述方法中的技术方案，其具体实现过程和技术原理相同，此处不再赘述。

图7为本申请实施例提供的一种仪表设备的结构示意图，如图7所示，仪表设备包括：存储器51，处理器52。

存储器51中存储有可在处理器52上运行的计算机程序。

处理器52被配置为执行如上述实施例提供的方法。

仪表设备还包括接收器53和发送器54。接收器53用于接收外部设备发送的指令和数据，发送器54用于向外部设备发送指令和数据。

本申请实施例还提供了一种非临时性计算机可读存储介质，当该存储介质中的指令由仪表设备的处理器执行时，使得仪表设备能够执行上述实施例提供的方法。

本申请实施例还提供了一种计算机程序产品，计算机程序产品包括：计算机程序，计算机程序存储在可读存储介质中，仪表设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得仪表设备执行上述任一实施例提供的方案。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求书指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。