一种高支模安全监测方法、装置、设备及存储介质

技术领域

本发明实施例涉及数据处理技术领域，尤其涉及一种高支模安全监测方法、装置、设备及存储介质。

背景技术

高支模自动化监测系统应用越来越广泛，目前普遍的高支模监测项目的主要监测项为立杆沉降、立杆位移、支撑轴力、立杆倾斜，每个监测项都至少用一种传感器监测，当其中一个传感器发生监测数据超预设的报警阀值时，即触发报警装置，工地需停工排查支模安全之后才能继续施工。

由于监测传感器存在精度、误差、外界环境等的影响，导致传感器会产生突变，导致数据出现误报警的情况，而每个传感器每秒一次的监测频率，一个项目监测时间在24小时以上，一个项目有时多达100个传感器同时监测，导致出现海量的监测数据，由于海量数据会出现数据噪声，也给监测人员分析造成一定的困扰。

采用现有技术进行监测数据分析，存在分析结果不准确的问题，进而影响高支模安全与否的判定。

发明内容

本发明提供一种高支模安全监测方法、装置、设备及存储介质，以实现高支模安全与否的有效监测。

第一方面，本发明实施例提供了一种高支模安全监测方法，包括：

当前时刻满足监测执行条件时，获取至少一组传感器数据序列，其中，每组传感器数据序列对应一个与高支模关联的传感器；

分别对各所述传感器数据序列中传感器数据进行融合处理，获得相应的中间数据融合值；

基于各所述中间数据融合值，确定所述高支模对应的目标数据融合集合；

根据所述目标数据融合集合结合设定的监测阈值，确定所述高支模的安全监测结果。

第二方面，本发明实施例还提供了一种高支模安全监测装置，该装置包括：

序列获取模块，用于当前时刻满足监测执行条件时，获取至少一组传感器数据序列，其中，每组传感器数据序列对应一个与高支模关联的传感器；

融合值获取模块，用于分别对各所述传感器数据序列中传感器数据进行融合处理，获得相应的中间数据融合值；

集合确定模块，用于基于各所述中间数据融合值，确定所述高支模对应的目标数据融合集合；

监测结果确定模块，用于根据所述目标数据融合集合结合设定的监测阈值，确定所述高支模的安全监测结果。

第三方面，本发明实施例还提供了一种高支模安全监测的计算机设备，该设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例提供的高支模安全监测方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如本发明任意实施例提供的高支模安全监测方法。

本发明实施例提供的一种高支模安全监测方法、装置、计算机设备及存储介质，该方法在当前时刻满足监测执行条件时，获取至少一组传感器数据序列，其中，每组传感器数据序列对应一个与高支模关联的传感器；分别对各所述传感器数据序列中传感器数据进行融合处理，获得相应的中间数据融合值；基于各所述中间数据融合值，确定所述高支模对应的目标数据融合集合；根据所述目标数据融合集合结合设定的监测阈值，确定所述高支模的安全监测结果。本实施例的技术方案，对传感器监测的数据采用一定的数据融合手段进行了数据融合，同时对融合后的各个传感器数据进一步融合，解决了海量数据对监测分析人员产生困扰的问题，提高了安全监测的准确性，进而提高了安全监测的效率。

附图说明

图1为本发明实施例一提供了一种高支模安全监测方法的流程图；

图2为本发明实施例二提供了一种高支模安全监测方法的流程图；

图2a给出了本实施例二所提供高支模安全监测方法中新的传感器数据序列形成的实现流程图；

图3为本发明实施例三提供了一种高支模安全监测装置的结构示意图；

图4为本发明实施例四提供的一种设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

在本申请的描述中，需要理解的是，术语“第一”、“第二”等仅用于区别类似的对象，而不必用于描述特定的顺序或先后次序，也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。

实施例一

图1为本发明实施例一提供了一种高支模安全监测方法的流程图，本实施例可适用于对高支模进行安全监测情况，该方法可以由本发明实施例中的高支模安全监测装置来执行，该装置可以采用软件和/或硬件的方式来实现，该装置可配置于服务器中。

需要说明的是，目前高支模自动化监测系统应用越来越广泛，一般高支模自动化监测系统是基于传感器实现对监测项的监测，普遍的高支模监测项目的主要监测项为立杆沉降、立杆位移、支撑轴力、立杆倾斜，可以认为每个监测项需要至少一个传感器来进行监测，当其中一个传感器的监测数据超过预设的报警阀值时，即触发报警装置，工地需停工排查支模安全之后才能继续施工。但是由于监测传感器存在精度、误差、外界环境等的影响，传感器会产生突变，导致数据出现误报警的情况，此时工地停工排查高支模的安全会大大影响工地的施工效率和进度；另一方面每个传感器按照每秒一次的监测频率进行数据采样，这样会产生海量的数据，海量数据也给监测人员分析造成一定的困扰。

基于此，本实施例一提供了一种高支模安全监测方法，该方法首先对监测数据中的异常数据进行筛选并删除，形成新的传感器监测数据，继而将各个监测项对应的传感器监测数据融合，通过将融合后的数据与预设的报警阈值进行比对来确定高支模的安全情况，以此实现对海量数据的正确处理与分析。

具体的，本实施例一提供的一种高支模安全监测方法，具体包括下述步骤：

S101、当前时刻满足监测执行条件时，获取至少一组传感器数据序列。

其中，传感器数据序列是指传感器对监测项进行监测的数据，每组传感器数据序列对应一个与高支模关联的传感器，监测项例如可以是立杆沉降、立杆位移、支撑轴力、立杆倾斜，但不限于此。

需要说明的是，本实施例可认为所提供方法是按周期循环执行的，具体的，相当于每间隔一定的时长，就需要执行一次本实施例一所提供的高支模安全监测方法，本实施例从上一次高支模安全监测结束的时刻算起，与当前时刻的时间差达到设定的间隔时长时，就认为当前时刻满足了监测执行条件。执行监测的间隔时长可由相关配置人员预先配置，也可以由系统设定，该间隔时长可优选为半个小时，或者一个小时等。

本实施例中可以理解为，各个传感器会按照设定的监测频率对监测项进行监测，从而产生传感器数据序列。以当前时刻满足监测执行条件为节点，获取各传感器对监测项监测的历史数据序列，历史数据序列的长度可以由相关配置人员预先配置，也可以由系统设定，本实施例优选为30个。

具体的，当前时刻满足监测执行条件时，相对于至少一个传感器，可以获取到一组传感器数据序列，传感器数据序列中优选包括了当前时刻的传感器数据以及该时刻向前的传感器数据，所包含传感器数据的总量可以为一个设定值。

S102、分别对各所述传感器数据序列中传感器数据进行融合处理，获得相应的中间数据融合值。

中间数据融合值是指将各所述传感器数据序列中传感器数据分别融合，融合得到各所述传感器数据序列对应的数据融合值，这个数据融合值用以表征各所述传感器在当前时刻的综合监测值。

示例性的，作为一种可实现的方式，融合处理的步骤可以为：针对每一组传感器数据序列，首先对传感器数据序列中传感器数据进行异常数据的筛选与删除，将删除后的数据序列补全，形成新的传感器数据序列；然后对新的传感器数据序列中传感器数据进行均分，得到两组个数相同的子数据序列；最后对两组子数据序列进行融合，将融合得到的数值作为所述传感器数据序列的中间数据融合值。

通过上述步骤可以看出，本实施例对各所述传感器数据序列中传感器数据进行了融合处理，将融合处理结果作为各所述传感器数据序列对应的中间数据融合值，实现了对海量数据的融合处理，并将融合数据进行后续的数据处理与安全监测判断，由此解决了海量数据对监测分析人员产生困扰的问题，提高了数据处理的效率。

S103、基于各所述中间数据融合值，确定所述高支模对应的目标数据融合集合。

目标数据融合集合是指将各所述中间数据融合值进一步融合处理得到的数据融合集合，这个数据融合集合用于后续高支模安全监测的判断。

具体的，通过上述步骤可以得到各所述的中间数据融合值，将得到的各所述中间数据融合值进行分组，通过对每组的中间数据融合值进一步融合，得到每组的目标数据融合值，汇总每组的目标数据融合值，形成所述高支模对应的目标数据融合集合。

可选的，进一步融合的步骤可以是：首先将所有中间数据融合值进行分组，获得至少一个融合值数据组；然后针对每个融合值数据组，基于给定权重计算公式，确定所述融合值数据组中各中间数据融合值对应的权重值；继而根据各所述中间数据融合值及相应的权重值，确定所述融合值数据组的目标数据融合值；最后汇总各所述融合值数据组的目标数据融合值，形成所述高支模对应的目标数据融合集合。

通过上述步骤可以看出，本实施例对各所述中间数据融合值进一步的进行了融合处理，将进一步融合处理得到的数据融合集合用于后续高支模安全监测的判断。由此进一步实现了对海量数据的融合处理，进一步地提高了数据处理的效率。

S104、根据所述目标数据融合集合结合设定的监测阈值，确定所述高支模的安全监测结果。

监测阈值可以认为是进行安全监测的数据临界值，可以由相关配置人员预先配置，也可以由系统设定，本实施例对此不进行限制。

具体的，本步骤可以将目标数据融合集合中目标数据融合值与设定的监测阈值进行比较，根据两者的比对，可以确定各目标数据融合值是否大于或者等于设定的监测阈值，并将比对结果用于所述高支模的安全监测结果的确定。

示例性的，作为一种可实现的方式，所述高支模安全监测结果的确定可以为：如果所述目标数据融合集合中包括一个目标数据融合值，则当所述目标数据融合值大于或者等于所述监测阈值时，将存在安全风险作为高支模的安全监测结果；当所述目标数据融合值均小于所述监测阈值时，将未存在安全风险作为高支模的安全监测结果。

作为另一种可实现的方式，所述高支模安全监测结果的确定还可以为：如果所述目标数据融合集合中包括至少两个目标数据融合值，则基于各所述目标数据融合值进行融合数据差值计算，并通过计算结果与所述监测阈值的比对，确定所述高支模的安全监测结果。当计算结果中存在大于或者等于所述监测阈值的目标差值时，则将存在安全风险作为高支模的安全监测结果；当计算结果中的目标差值均小于所述监测阈值时，则将未存在安全风险作为高支模的安全监测结果。

本实施例一提供的一种高支模安全监测方法，该方法包括：当前时刻满足监测执行条件时，获取至少一组传感器数据序列，其中，每组传感器数据序列对应一个与高支模关联的传感器；分别对各所述传感器数据序列中传感器数据进行融合处理，获得相应的中间数据融合值；基于各所述中间数据融合值，确定所述高支模对应的目标数据融合集合；根据所述目标数据融合集合结合设定的监测阈值，确定所述高支模的安全监测结果。本实施例的技术方案，对传感器监测的数据采用一定的数据融合手段进行了数据融合，同时对融合后的各个传感器数据进一步融合，解决了海量数据对监测分析人员产生困扰的问题，提高了安全监测的准确性，进而提高了安全监测的效率。

实施例二

图2为本实施例二提供的一种高支模安全监测方法的流程图，本实施例以上述实施例为基础进行优化。在本实施例中，可以将分别对各所述传感器数据序列中传感器数据进行融合处理，获得相应的中间数据融合值，具体表述为：针对每组传感器数据序列，对所述传感器数据序列中包括的传感器数据进行异常数据筛选，形成新的传感器数据序列；对所述传感器数据序列中传感器数据进行均分，形成两组子数据序列；对所述两组子数据序列进行融合处理，将融合处理结果作为所述传感器数据序列的中间数据融合值。

同时，本实施例二还可以将基于各所述中间数据融合值，确定所述高支模对应的目标数据融合集合，具体表述为：所有中间数据融合值进行分组，获得至少一个融合值数据组；针对每个融合值数据组，基于给定权重计算公式，确定所述融合值数据组中各中间数据融合值对应的权重值；根据各所述中间数据融合值及相应的权重值，结合给定的第二融合计算公式，确定所述融合值数据组的目标数据融合值；汇总各所述融合值数据组的目标数据融合值，形成所述高支模对应的目标数据融合集合。

此外，在上述优化基础上，本实施例二还可以将根据所述目标数据融合集合结合设定的监测阈值，确定所述高支模的安全监测结果，具体表述为：如果所述目标数据融合集合中包括一个目标数据融合值，则当所述目标数据融合值大于或者等于所述监测阈值时，将存在安全风险作为高支模的安全监测结果；如果所述目标数据融合集合中包括至少两个目标数据融合值，则基于各所述目标数据融合值进行融合数据差值计算，并通过计算结果与所述监测阈值的比对，确定所述高支模的安全监测结果。

如图2所示，本实施例二提供的高支模安全监测方法，具体包括下述步骤：

S201、当前时刻满足监测执行条件时，获取至少一组传感器数据序列。

在本实施例中可理解的是在进行监测执行条件之前，传感器已经按照监测频率对监测项进行监测并产生传感器数据序列。在当前时刻满足监测执行条件时，获取至少一组传感器数据序列。同时，在获取传感器数据序列后，本实施例可以通过执行S202～S213的操作来实现对高支模安全监测结果的确定。

S202、针对每组传感器数据序列，对所述传感器数据序列中包括的传感器数据进行异常数据筛选，形成新的传感器数据序列。

具体的，通过上个步骤可以得到至少一组传感器数据序列，针对每组传感器数据序列，首先对所述传感器数据序列中的传感器数据进行异常数据筛选与删除，将筛选删除后的数据序列看作新的传感器数据序列。

可选的，可以将所述传感器数据序列作为当前数据序列；对所述当前数据序列进行均值运算，并计算所述当前数据序列中各传感器数据与所述均值的差值；基于各所述差值，确定所述当前数据序列的检验误差值；如果所述当前数据序列中存在所述差值大于或者等于所述检验误差值的异常传感器数据，则删除所述异常传感器数据，并将删除后的数据序列形成新的当前数据序列；返回继续执行计算所述差值的操作，直至当前数据序列中各传感器数据的所述差值均小于相应确定的检验误差值，并将剩余传感器数据构成正常的数据序列；对所述正常数据序列进行传感器数据增补，得到新的传感器数据序列。

具体的，图2a给出了本实施例二所提供高支模安全监测方法中新的传感器数据序列形成的实现流程图。如图2a所示，本实施例将对所述传感器数据序列中包括的传感器数据进行异常数据筛选，形成新的传感器数据序列，具体化为：

S2021、将所述传感器数据序列作为当前数据序列。

具体的，针对每组传感器数据序列，将所述传感器数据序列作为当前数据序列。可以理解的是，本实施例二的步骤S2021～S2027，首先针对一组传感器数据序列的处理方法进行说明，每组传感器数据序列都可以按照所述方法进行处理。

S2022、确定所述当前数据序列的第一数据均值，并将所述当前数据序列中各传感器数据与所述第一数据均值的差值记为剩余误差。

其中，第一数据均值是指对当前数据序列进行均值计算，可以认为第一数据均值是当前数据序列的平均值。剩余误差是指当前数据序列中各传感器数据与第一数据均值的差值，剩余误差可以用来表征当前数据序列中各传感器数据与序列平均值的误差值。

具体的，根据当前数据序列确定所述当前数据序列的第一数据均值，并计算当前数据序列中各传感器数据与所述第一数据均值的差值，将此差值记为剩余误差。

可选的，在本发明实施例中，定义当前数据序列x＝(x

S2023、基于各所述剩余误差，确定所述当前数据序列的检验误差值。

其中，检验误差值可以认为是检验临界值，用来进行后续异常传感器数据的确定。

可选的，可以根据各所述剩余误差、所述当前数据序列所包括传感器数据的数据个数、所述当前数据序列所对应传感器的检验参数来确定当前数据序列的检验误差值。

具体的，本实施例可以将基于各所述剩余误差，确定所述当前数据序列的检验误差值具体化为下述步骤：

a1基于各所述剩余误差结合设定的近似误差计算公式，确定所述当前数据序列的近似误差值。

其中，近似误差值可以看作对各所述剩余误差进行综合计算得到的所述当前数据序列的综合误差值。

可选的，基于如下公式可以计算得到所述当前数据序列的近似误差值，包括：

其中，σ表示当前数据序列的近似误差值，n表示各所述剩余误差的个数。

b1获取所述当前数据序列所包括传感器数据的数据个数，以及所述当前数据序列所对应传感器的检验参数，所述检验参数基于传感器的采集精度设定。

其中，检验参数取决于传感器的采集精度，采集精度不同，检验参数的值不同，可以认为，传感器采集精度越高，检验参数的值越小，传感器采集精度越低，检验参数的值越大。检验参数的设定可由相关配置人员预先配置，也可以由系统设定，本发明实施例对此不进行限制。

具体的，根据所述当前数据序列可以得到所述当前数据序列中传感器数据的个数，基于传感器的采集精度可以得到所述当前数据序列所对应传感器的检验参数。

c1在给定的检验临界信息表中查找与所述数据个数及所述检验参数匹配的检验系数。

检验临界信息表可以看作是检验临界值表，检验临界信息表由数据个数、检验参数和检验系数组成，当数据个数及检验参数确定时，可以得到对应的检验系数。

具体的，可以根据上步骤中获取的当前数据序列所包括传感器数据的数据个数，以及所述当前数据序列所对应传感器的检验参数，在给定的检验临界信息表中查找匹配的检验系数。

在本发明实施例中，定义检验系数为g

示例性的，若当前数据序列所包括传感器数据的数据个数为6,即n＝6，当前数据序列所对应传感器的检验参数为0.05，即a＝0.05，在下面给定的部分检验临界信息表中可以查找到匹配的检验系数为g

d1将所述近似误差值与所述检验系数的乘积作为所述当前数据序列的检验误差值。

具体的，可以根据近似误差值与检验系数确定当前数据序列的检验误差值。可选的，可以将所述近似误差值与所述检验系数的乘积作为所述当前数据序列的检验误差值。

在本发明实施例中，定义当前数据序列的检验误差值为T，基于如下公式可以计算得到当前数据序列的检验误差值，包括：

T＝g

其中，g

S2024、判断所述当前数据序列中是否存在相应剩余误差大于或者等于所述检验误差值的异常传感器数据，若是，则执行S2025；若否，则执行S2026。

示例性的，该检验误差值相当于用来评判异常传感器数据的临界值。若相应的剩余误差大于或者等于所述检验误差值时，认为所述当前数据序列中存在异常传感器数据，此时可执行S2025；相对的，若相应的剩余误差均小于所述检验误差值时，认为所述当前数据序列中不存在异常传感器数据，此时可执行S2026。

S2025、删除所述异常传感器数据，形成新的当前数据序列，返回继续执行S2022剩余误差的确定操作。

当所述当前数据序列中存在异常传感器数据时，删除所述异常传感器数据，并将删除异常传感器数据后的数据序列形成新的当前数据序列，对新的当前数据序列继续执行异常传感器数据的筛选。

S2026、将当前数据序列构成正常数据序列。

当所述当前数据序列中不存在异常传感器数据以后，可以将当前数据序列构成正常数据序列，用于后续新的传感器数据序列的确定。

S2027、按照增补条件对所述正常数据序列进行传感器数据增补，获得新的传感器数据序列。

具体的，将上述步骤中得到的正常数据序列按照增补条件进行数据增补，得到新的传感器数据序列。

可选的，增补条件可以是：以当前时刻为节点，往下一时刻方向抓取数据，并将抓取的数据补齐到数据序列中，以获得新的传感器数据序列。其中，新的传感器数据序列中传感器数据的个数与所述传感器数据序列中传感器数据的个数相同。

需要说明的是，补进来的数据不参与数据迭代计算，这是为了防止高支模在发生真正变化时，数据被认为是异常数据剔除掉，该方式有效的保障了异常数据剔除掉之后，仍然能保障数据的真实性。

示例性的，假设某传感器数据序列为x

可以理解的是此传感器数据序列x

S203、对所述传感器数据序列中传感器数据进行均分，形成两组子数据序列。

具体的，对所述传感器数据序列中传感器数据进行均分，形成两组子数据序列。可选的，将得到的新的传感器数据序列按照个数相等的原则进行均分，形成两组子数据序列。

S204、对所述两组子数据序列进行融合处理，将融合处理结果作为所述传感器数据序列的中间数据融合值。

其中，中间数据融合值是指将两组子数据序列融合处理后得到的融合值，该融合值用以表征两组子数据序列的数据融合值。

具体的，将上述得到的两组子数据序列进行融合处理得到融合处理结果，将此融合处理结果作为所述传感器数据序列的中间数据融合值。可选的，分别对所述两组子数据序列进行均值及标准差计算，获得两组子数据序列对应的均值和标准差；基于得到的均值及标准差，结合给定的融合计算公式，计算两组子数据序列的融合数值，将所述子数据融合数值作为所述传感器数据序列的中间数据融合值。

具体的，本实施例可以将对所述两组子数据序列进行融合处理，将融合处理结果作为所述传感器数据序列的中间数据融合值具体化为下述步骤：

a2分别对所述两组子数据序列进行均值及标准差计算，获得相应的第二数据均值和第一标准差。

第二数据均值是指对所述两组子数据序列分别进行均值计算得到相应的均值，第一标准差是指对所述两组子数据序列分别进行标准差计算得到相应的标准差。需要说明的是，第二数据均值与第一数据均值仅用于区别不同的对象，可以相同，也可以不同。

在本实施例中，定义u

示例性的，将传感器数据序列x

b2基于各第二数据均值及第一标准差，结合给定的第一融合计算公式，确定两组子数据序列的子数据融合数值。

其中，子数据融合数值与所述中间数据融合值相同。

具体的，根据第一组子数据序列的第二数据均值、第二组子数据序列的第二数据均值、第一组子数据序列的第一标准差、第二组子数据序列的第一标准差和融合计算公式可以确定两组子数据序列的子数据融合数值。

可选的，基于如下第一融合计算公式计算得到两组子数据序列的子数据融合数值M，包括：

其中，u

c2将所述子数据融合数值作为所述传感器数据序列的中间数据融合值。

具体的，将上述根据第一融合计算公式确定的子数据融合数值作为所述传感器数据序列的中间数据融合值，得到的中间数据融合值用于进行后续数据处理与安全监测结果的判定。

本实施例二上述S202和S204步骤针对每组传感器数据序列，将各所述传感器数据序列中传感器数据进行融合处理，得到了相应的中间数据融合值，在确定了每组传感器数据序列的中间数据融合值后，原则上，可以根据中间数据融合值进行高支模的安全监测结果确定。然而每个监测项需要至少一个传感器来进行监测，现有的安全监测方案为：当其中一个传感器发生监测数据超预设的报警阀值时，即触发报警装置，工地需停工排查支模安全之后才能继续施工。区别于现有的安全监测方案，本实施例考虑到监测传感器存在精度、误差、外界环境等的影响，导致数据出现误报警的情况，本实施例将各传感器数据序列对应的中间数据融合值进一步做数据融合的处理，根据多组数据融合后的数据融合值进行高支模的安全监测结果确定。

其中，下述S205至S208对上述实施例一中基于各所述中间数据融合值，确定所述高支模对应的目标数据融合集合进行了优化，具体站在将各所述中间数据融合值进一步融合的角度来继续本实施例所提供高支模安全监测方法的后续操作。

S205、将所有中间数据融合值进行分组，获得至少一个融合值数据组。

具体的，通过上述步骤可以得到所有的中间数据融合值，将得到的中间数据融合值进行分组，获得至少一个融合值数据组。其中，每组中间数据融合值的个数可以由相关配置人员预先配置，也可以由系统设定。示例性的，分组的原则可以是10个中间数据融合值为一组，也可以是20个中间数据融合值为一组，本实施例对此不进行限制，

S206、针对每个融合值数据组，基于给定权重计算公式，确定所述融合值数据组中各中间数据融合值对应的权重值。

在本实施例中，针对每个融合值数据组，令每个中间数据融合值对应一个权重值，根据给定的权重计算公式，可以确定所述融合值数据组中各中间数据融合值对应的权重值。

可选的，定义每个融合值数据组中各中间数据融合值为M

计算各中间数据融合值的总均方差

S207、根据各所述中间数据融合值及相应的权重值，结合给定的第二融合计算公式，确定所述融合值数据组的目标数据融合值。

其中，目标数据融合值可以理解为所述融合值数据组中各所述中间数据融合值融合后的数值。

具体的，根据各所述中间数据融合值、各所述中间数据融合值对应的权重值和第二融合计算公式可以得到所述融合值数据组的目标数据融合值。

在本实施例中，定义第二融合计算公式如下：

其中，

S208、汇总各所述融合值数据组的目标数据融合值，形成所述高支模对应的目标数据融合集合。

其中，目标数据融合集合可以看做是多个目标数据融合值的集合，该目标数据融合集合用于后续高支模安全监测结果的确定。

通过上述步骤可以得到每个融合值数据组的目标数据融合值，将所有目标数据融合值汇总可以得到所述高支模对应的目标数据融合集合。

本实施例二上述步骤S205至S208实现了对目标数据融合集合的确定，将所述目标数据融合集合结合设定的监测阈值，可以确定所述高支模的安全监测结果。

作为一种可实现的方式，确定所述高支模的安全监测结果的方式可以为：如果所述目标数据融合集合中包括一个目标数据融合值，则当所述目标数据融合值大于或者等于所述监测阈值时，将存在安全风险作为高支模的安全监测结果。

作为另一种可实现的方式，确定所述高支模的安全监测结果的方式还可以为：如果所述目标数据融合集合中包括至少两个目标数据融合值，则基于各所述目标数据融合值进行融合数据差值计算，并通过计算结果与所述监测阈值的比对，确定所述高支模的安全监测结果。

具体的，下述S209至S213对上述实施例一中根据所述目标数据融合集合结合设定的监测阈值，确定所述高支模的安全监测结果进行了优化，具体步骤包括：

S209、判断所述目标数据融合集合中是否只包括一个目标数据融合值，若否，则执行S210；若是，则执行S211。

上述步骤中将中间数据融合值进行了分组，每组中间数据融合值的个数可以自定义设置，根据设置个数的不同，目标数据融合集合中个数也有所不同。当所述目标数据融合集合中只包括一个目标数据融合值时，说明当前时刻各传感器数据序列经过融合处理后，融合为一个数据融合值，则将此数据融合值与所述监测阈值进行比较，开始执行步骤S211；当所述目标数据融合集合中包括至少两个目标数据融合值时，说明当前时刻各传感器数据序列经过融合处理后，融合为多个数据融合值，此时开始执行步骤S210。

S210、基于各所述目标数据融合值进行融合数据差值计算，并通过计算结果与所述监测阈值的比对，确定所述高支模的安全监测结果。

具体的，当所述目标数据融合集合中包括至少两个目标数据融合值时，首先可以将所述目标数据融合集合中的首个目标数据融合值作为基准值；然后对剩余的各所述目标数据融合值分别与所述基准值进行差值计算；将各差值分别与监测阈值进行比对，得到比对结果，若比对结果中存在所述差值大于或者等于所述监测阈值的情况，则将存在安全风险作为高支模的安全监测结果。

可选的，本实施例可以将所述基于各所述目标数据融合值进行融合数据差值计算，并通过计算结果与所述监测阈值的比对，确定所述高支模的安全监测结果具体化为下述步骤：

a3将所述目标数据融合集合中的首个目标数据融合值作为基准值。

具体的，首先可以将各所述目标数据融合值中的首个目标数据融合值作为基准值，该基准值用于后续与目标数据融合值的差值计算。

b3确定剩余的各所述目标数据融合值分别与所述基准值的差值。

具体的，可以将剩余的各所述目标数据融合值分别与所述基准值进行差值计算，得到对应的各差值，用于后续与监测阈值比较进行高支模安全监测结果的确定。

c3判断各所述差值中是否存在大于或者等于所述监测阈值的目标差值，若是，则执行d3；若是，则执行e3。

将各所述差值与所述监测阈值进行比较，根据两者的比对，可以确定各所述差值是否大于或者等于所述监测阈值，若各所述差值中存在大于或者等于所述监测阈值的目标差值，说明当前时刻传感器监测的数据中存在监测数据已经超过安全监测的数据临界值的情况，此时高支模可能出现危险的情况，开始执行步骤d3；若各所述差值均小于所述监测阈值的目标差值，说明当前时刻传感器监测的数据处于正常范围内，此时执行步骤e3。

d3将存在安全风险作为高支模的安全监测结果。

e3将未存在安全风险作为高支模的安全监测结果。

S211、判断所述目标数据融合值是否大于或者等于所述监测阈值，若是，则执行S212；若否，则执行S213。

当所述目标数据融合集合中只包括一个目标数据融合值时，将此目标数据融合值与监测阈值进行比较，可以确定此目标数据融合值是否大于或者等于所述监测阈值，当所述目标数据融合值大于或者等于所述监测阈值时，说明目标数据融合值已经超过安全监测的数据临界值，此时高支模可能出现危险的情况，开始执行步骤S212；当所述目标数据融合值低于所述监测阈值时，说明目标数据融合值未达到安全监测的数据临界值，此时执行步骤S213。

S212、将存在安全风险作为高支模的安全监测结果。

S213、将未存在安全风险作为高支模的安全监测结果。

本实施例二提供的一种高支模安全监测方法，该方法包括：当前时刻满足监测执行条件时，获取至少一组传感器数据序列；针对每组传感器数据序列，对所述传感器数据序列中包括的传感器数据进行异常数据筛选，形成新的传感器数据序列；对所述传感器数据序列中传感器数据进行均分，形成两组子数据序列；对所述两组子数据序列进行融合处理，将融合处理结果作为所述传感器数据序列的中间数据融合值；将所有中间数据融合值进行分组，获得至少一个融合值数据组；针对每个融合值数据组，基于给定权重计算公式，确定所述融合值数据组中各中间数据融合值对应的权重值；根据各所述中间数据融合值及相应的权重值，结合给定的第二融合计算公式，确定所述融合值数据组的目标数据融合值；汇总各所述融合值数据组的目标数据融合值，形成所述高支模对应的目标数据融合集合；判断所述目标数据融合集合中是否只包括一个目标数据融合值，若否，则基于各所述目标数据融合值进行融合数据差值计算，并通过计算结果与所述监测阈值的比对，确定所述高支模的安全监测结果，若是，则判断所述目标数据融合值是否大于或者等于所述监测阈值，若是，将存在安全风险作为高支模的安全监测结果；若否，将未存在安全风险作为高支模的安全监测结果。本实施例的技术方案，对传感器监测的数据进行了异常数据的筛选，提高了安全监测的准确性，同时对传感器监测的数据采用一定的数据融合手段进行了数据融合，对融合后的各个传感器数据进一步融合，解决了海量数据对监测分析人员产生困扰的问题，从而提高安全监测的效率。

实施例三

图3为本发明实施例三提供的一种高支模安全监测装置的结构示意图。本发明实施例三提供了一种高支模安全监测装置，包括：

序列获取模块301，用于当前时刻满足监测执行条件时，获取至少一组传感器数据序列，其中，每组传感器数据序列对应一个与高支模关联的传感器；

融合值获取模块302，用于分别对各所述传感器数据序列中传感器数据进行融合处理，获得相应的中间数据融合值；

集合确定模块303，用于基于各所述中间数据融合值，确定所述高支模对应的目标数据融合集合；

监测结果确定模块304，用于根据所述目标数据融合集合结合设定的监测阈值，确定所述高支模的安全监测结果。

本发明实施例三提供的一种高支模安全监测装置，当前时刻满足监测执行条件时，获取至少一组传感器数据序列，其中，每组传感器数据序列对应一个与高支模关联的传感器；分别对各所述传感器数据序列中传感器数据进行融合处理，获得相应的中间数据融合值；基于各所述中间数据融合值，确定所述高支模对应的目标数据融合集合；根据所述目标数据融合集合结合设定的监测阈值，确定所述高支模的安全监测结果。本实施例的技术方案，对传感器监测的数据采用一定的数据融合手段进行了数据融合，同时对融合后的各个传感器数据进一步融合，解决了海量数据对监测分析人员产生困扰的问题，提高了安全监测的准确性，进而提高了安全监测的效率。

进一步的，融合值获取模块302包括：

序列确定单元，用于针对每组传感器数据序列，对所述传感器数据序列中包括的传感器数据进行异常数据筛选，形成新的传感器数据序列；

子数据序列形成单元，用于对所述传感器数据序列中传感器数据进行均分，形成两组子数据序列；

融合值确定单元，用于对所述两组子数据序列进行融合处理，将融合处理结果作为所述传感器数据序列的中间数据融合值。

进一步的，序列确定单元具体用于：

将所述传感器数据序列作为当前数据序列；

确定所述当前数据序列的第一数据均值，并将所述当前数据序列中各传感器数据与所述第一数据均值的差值记为剩余误差；

基于各所述剩余误差，确定所述当前数据序列的检验误差值；

如果所述当前数据序列中存在相应剩余误差大于或者等于所述检验误差值的异常传感器数据，则删除所述异常传感器数据，形成新的当前数据序列；

返回继续执行剩余误差的确定操作，直至当前数据序列中各传感器数据的剩余误差均小于相应确定的检验误差值，并基于剩余传感器数据构成正常数据序列；

按照增补条件对所述正常数据序列进行传感器数据增补，获得新的传感器数据序列。

进一步的，序列确定单元具体用于：

基于各所述剩余误差结合设定的近似误差计算公式，确定所述当前数据序列的近似误差值；

获取所述当前数据序列所包括传感器数据的数据个数，以及所述当前数据序列所对应传感器的检验参数，所述检验参数基于传感器的采集精度设定；

在给定的检验临界信息表中查找与所述数据个数及所述检验参数匹配的检验系数；

将所述近似误差值与所述检验系数的乘积作为所述当前数据序列的检验误差值。

进一步的，融合值确定单元具体用于：

分别对所述两组子数据序列进行均值及标准差计算，获得相应的第二数据均值和第一标准差；

基于各第二数据均值及第一标准差，结合给定的第一融合计算公式，确定两组子数据序列的子数据融合数值；

将所述子数据融合数值作为所述传感器数据序列的中间数据融合值。

进一步的，集合确定模块303包括：

将所有中间数据融合值进行分组，获得至少一个融合值数据组；

针对每个融合值数据组，基于给定权重计算公式，确定所述融合值数据组中各中间数据融合值对应的权重值；

根据各所述中间数据融合值及相应的权重值，结合给定的第二融合计算公式，确定所述融合值数据组的目标数据融合值；

汇总各所述融合值数据组的目标数据融合值，形成所述高支模对应的目标数据融合集合。

进一步的，监测结果确定模块304包括：

如果所述目标数据融合集合中包括一个目标数据融合值，则当所述目标数据融合值大于或者等于所述监测阈值时，将存在安全风险作为高支模的安全监测结果；

如果所述目标数据融合集合中包括至少两个目标数据融合值，则基于各所述目标数据融合值进行融合数据差值计算，并通过计算结果与所述监测阈值的比对，确定所述高支模的安全监测结果。

本发明实施例三所提供的高支模安全监测装置可执行本发明任意实施例所提供的高支模安全监测方法，具备执行方法相应的功能模块和有益效果。

实施例四

图4为本发明实施例四提供的一种设备的结构示意图，如图4所示，该设备包括处理器40、存储装置41、输入装置42和输出装置43；设备中处理器70的数量可以是一个或多个，图4中以一个处理器40为例；设备中的处理器40、存储装置41、输入装置42和输出装置43可以通过总线或其他方式连接，图4中以通过总线连接为例。

存储装置41作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的高支模安全监测方法对应的程序指令/模块(例如，高支模安全监测装置中的序列获取模块301、融合值获取模块302、集合确定模块303和监测结果确定模块304)。处理器40通过运行存储在存储装置41中的软件程序、指令以及模块，从而执行设备/终端/服务器的各种功能应用以及数据处理，即实现上述的高支模安全监测方法。

存储装置41可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储装置41可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置41可进一步包括相对于处理器40远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置42可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置43可包括显示屏等显示设备。

实施例五

本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种高支模安全监测方法，该方法包括：

当前时刻满足监测执行条件时，获取至少一组传感器数据序列，其中，每组传感器数据序列对应一个与高支模关联的传感器；

分别对各所述传感器数据序列中传感器数据进行融合处理，获得相应的中间数据融合值；

基于各所述中间数据融合值，确定所述高支模对应的目标数据融合集合；

根据所述目标数据融合集合结合设定的监测阈值，确定所述高支模的安全监测结果。

当然，本发明实施例五所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的高支模安全监测方法中的相关操作。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

值得注意的是，上述高支模安全监测装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。