本發(fā)明涉及遠(yuǎn)程抄表領(lǐng)域，尤其涉及一種應(yīng)用人工智能的抄表數(shù)據(jù)預(yù)測(cè)系統(tǒng)。

背景技術(shù)：

1、遠(yuǎn)程抄表?是一種通過(guò)遠(yuǎn)程通信技術(shù)自動(dòng)采集和傳輸電表、水表、燃?xì)獗淼扔?jì)量設(shè)備數(shù)據(jù)的技術(shù)。他主要由數(shù)據(jù)采集器、無(wú)線電收發(fā)電臺(tái)等組成，通過(guò)網(wǎng)絡(luò)結(jié)構(gòu)如星型、縱線型和無(wú)線電通訊實(shí)現(xiàn)數(shù)據(jù)的遠(yuǎn)程傳輸。?遠(yuǎn)程抄表系統(tǒng)通常由以下幾個(gè)部分組成：?抄表中心?：包括中心服務(wù)器和上位機(jī)抄表軟件，負(fù)責(zé)數(shù)據(jù)的存儲(chǔ)和分析。?通信網(wǎng)絡(luò)?：采用公網(wǎng)寬帶和電信運(yùn)營(yíng)商的gprs網(wǎng)絡(luò)，支持?jǐn)?shù)據(jù)傳輸。?現(xiàn)場(chǎng)抄表設(shè)備?：如gprs抄表終端，支持市電供電或太陽(yáng)能供電。?現(xiàn)場(chǎng)計(jì)量測(cè)量及控制設(shè)備?：包括各種流量計(jì)、變送器、plc設(shè)備等。

2、在遠(yuǎn)程抄表的設(shè)計(jì)中，如果能夠確定當(dāng)前水表在當(dāng)前時(shí)刻對(duì)應(yīng)的抄表數(shù)據(jù)的理論數(shù)值，就能夠在當(dāng)前水表在當(dāng)前時(shí)刻對(duì)應(yīng)的抄表數(shù)據(jù)的理論數(shù)值與當(dāng)前水表在當(dāng)前時(shí)刻對(duì)應(yīng)的抄表數(shù)據(jù)的實(shí)際數(shù)值二者差值的絕對(duì)值大于等于設(shè)定差值閾值時(shí)，發(fā)出抄表數(shù)據(jù)偏差信號(hào)，否則，發(fā)出抄表數(shù)據(jù)可靠信號(hào)，從而完成對(duì)當(dāng)前水表的抄表數(shù)據(jù)的實(shí)時(shí)在線核準(zhǔn)，但是，現(xiàn)有技術(shù)中缺乏當(dāng)前水表在當(dāng)前時(shí)刻對(duì)應(yīng)的抄表數(shù)據(jù)的理論數(shù)值的解析方案。

技術(shù)實(shí)現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)中的技術(shù)問(wèn)題，本發(fā)明提出了一種應(yīng)用人工智能的抄表數(shù)據(jù)預(yù)測(cè)系統(tǒng)，通過(guò)采用對(duì)象構(gòu)建設(shè)備用于對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行多次學(xué)習(xí)以獲得完成多次學(xué)習(xí)后的卷積神經(jīng)網(wǎng)絡(luò)并作為卷積神經(jīng)網(wǎng)絡(luò)模型，以用于當(dāng)前水表在當(dāng)前時(shí)刻對(duì)應(yīng)的抄表數(shù)據(jù)的理論數(shù)值的智能解析，還引入誤差識(shí)別機(jī)構(gòu)用于在當(dāng)前水表在當(dāng)前時(shí)刻對(duì)應(yīng)的抄表數(shù)據(jù)的理論數(shù)值與當(dāng)前水表在當(dāng)前時(shí)刻對(duì)應(yīng)的抄表數(shù)據(jù)的實(shí)際數(shù)值二者差值的絕對(duì)值大于等于設(shè)定差值閾值時(shí)，發(fā)出抄表數(shù)據(jù)偏差信號(hào)，否則，發(fā)出抄表數(shù)據(jù)可靠信號(hào)，從而完成對(duì)當(dāng)前水表的抄表數(shù)據(jù)的實(shí)時(shí)在線核準(zhǔn)。

2、根據(jù)本發(fā)明，提供了一種應(yīng)用人工智能的抄表數(shù)據(jù)預(yù)測(cè)系統(tǒng)，所述系統(tǒng)包括：

3、對(duì)象構(gòu)建設(shè)備，用于對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行多次學(xué)習(xí)以獲得完成多次學(xué)習(xí)后的卷積神經(jīng)網(wǎng)絡(luò)并作為卷積神經(jīng)網(wǎng)絡(luò)模型輸出，所述卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的次數(shù)與當(dāng)前水表的最大讀數(shù)單調(diào)正向關(guān)聯(lián)；

4、樓宇分析設(shè)備，用于獲取當(dāng)前水表管理的樓宇的各項(xiàng)關(guān)聯(lián)內(nèi)容，當(dāng)前水表管理的樓宇的各項(xiàng)關(guān)聯(lián)內(nèi)容為當(dāng)前水表管理的樓宇的地理面積、常住人口數(shù)量、水管鋪設(shè)條數(shù)以及到最近水廠的距離；

5、數(shù)據(jù)錄入設(shè)備，用于獲取當(dāng)前水表在當(dāng)前時(shí)刻之前各個(gè)時(shí)刻分別對(duì)應(yīng)的各份抄表數(shù)據(jù)，以及獲取當(dāng)前水表在當(dāng)天前一天與當(dāng)前時(shí)刻相同時(shí)刻的單份抄表數(shù)據(jù)；

6、預(yù)測(cè)執(zhí)行機(jī)構(gòu)，分別與所述對(duì)象構(gòu)建設(shè)備、所述樓宇分析設(shè)備以及所述數(shù)據(jù)錄入設(shè)備連接，用于將當(dāng)前水表管理的樓宇的地理面積、常住人口數(shù)量、水管鋪設(shè)條數(shù)以及到最近水廠的距離、當(dāng)前水表在當(dāng)前時(shí)刻之前各個(gè)時(shí)刻分別對(duì)應(yīng)的各份抄表數(shù)據(jù)以及獲取當(dāng)前水表在當(dāng)天前一天與當(dāng)前時(shí)刻相同時(shí)刻的單份抄表數(shù)據(jù)輸入到所述卷積神經(jīng)網(wǎng)絡(luò)模型，并執(zhí)行所述卷積神經(jīng)網(wǎng)絡(luò)模型，以獲得所述卷積神經(jīng)網(wǎng)絡(luò)模型輸出的當(dāng)前水表在當(dāng)前時(shí)刻對(duì)應(yīng)的抄表數(shù)據(jù)的理論數(shù)值；

7、誤差識(shí)別機(jī)構(gòu)，與所述預(yù)測(cè)執(zhí)行機(jī)構(gòu)連接，用于在當(dāng)前水表在當(dāng)前時(shí)刻對(duì)應(yīng)的抄表數(shù)據(jù)的理論數(shù)值與當(dāng)前水表在當(dāng)前時(shí)刻對(duì)應(yīng)的抄表數(shù)據(jù)的實(shí)際數(shù)值二者差值的絕對(duì)值大于等于設(shè)定差值閾值時(shí)，發(fā)出抄表數(shù)據(jù)偏差信號(hào)，否則，發(fā)出抄表數(shù)據(jù)可靠信號(hào)；

8、其中，獲取當(dāng)前水表在當(dāng)前時(shí)刻之前各個(gè)時(shí)刻分別對(duì)應(yīng)的各份抄表數(shù)據(jù)，以及獲取當(dāng)前水表在當(dāng)天前一天與當(dāng)前時(shí)刻相同時(shí)刻的單份抄表數(shù)據(jù)包括：當(dāng)前水表和其之前各個(gè)時(shí)刻在時(shí)間軸上兩兩相鄰的時(shí)刻間距時(shí)長(zhǎng)相等；

9、其中，獲取當(dāng)前水表在當(dāng)前時(shí)刻之前各個(gè)時(shí)刻分別對(duì)應(yīng)的各份抄表數(shù)據(jù)，以及獲取當(dāng)前水表在當(dāng)天前一天與當(dāng)前時(shí)刻相同時(shí)刻的單份抄表數(shù)據(jù)還包括：當(dāng)前時(shí)刻之前各個(gè)時(shí)刻的數(shù)目與當(dāng)前水表管理的樓宇的水管鋪設(shè)條數(shù)成正比。

10、由此可見(jiàn)，本發(fā)明至少具有以下多個(gè)重要發(fā)明點(diǎn)：

11、首先：采用對(duì)象構(gòu)建設(shè)備用于對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行多次學(xué)習(xí)以獲得完成多次學(xué)習(xí)后的卷積神經(jīng)網(wǎng)絡(luò)并作為卷積神經(jīng)網(wǎng)絡(luò)模型輸出，所述卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的次數(shù)與當(dāng)前水表的最大讀數(shù)單調(diào)正向關(guān)聯(lián)，從而為不同水表構(gòu)建不同結(jié)構(gòu)的人工智能模型；

12、其次：針對(duì)性篩選多項(xiàng)基礎(chǔ)數(shù)據(jù)以保證當(dāng)前水表在當(dāng)前時(shí)刻的抄表數(shù)據(jù)的理論數(shù)值的預(yù)測(cè)可靠性，所述多項(xiàng)基礎(chǔ)數(shù)據(jù)包括當(dāng)前水表管理的樓宇的地理面積、常住人口數(shù)量、水管鋪設(shè)條數(shù)以及到最近水廠的距離、當(dāng)前水表在當(dāng)前時(shí)刻之前各個(gè)時(shí)刻分別對(duì)應(yīng)的各份抄表數(shù)據(jù)以及獲取當(dāng)前水表在當(dāng)天前一天與當(dāng)前時(shí)刻相同時(shí)刻的單份抄表數(shù)據(jù)；

13、再次：引入誤差識(shí)別機(jī)構(gòu)用于在當(dāng)前水表在當(dāng)前時(shí)刻對(duì)應(yīng)的抄表數(shù)據(jù)的理論數(shù)值與當(dāng)前水表在當(dāng)前時(shí)刻對(duì)應(yīng)的抄表數(shù)據(jù)的實(shí)際數(shù)值二者差值的絕對(duì)值大于等于設(shè)定差值閾值時(shí)，發(fā)出抄表數(shù)據(jù)偏差信號(hào)，否則，發(fā)出抄表數(shù)據(jù)可靠信號(hào)，從而完成對(duì)當(dāng)前水表的抄表數(shù)據(jù)的實(shí)時(shí)在線核準(zhǔn)。

14、本發(fā)明的應(yīng)用人工智能的抄表數(shù)據(jù)預(yù)測(cè)系統(tǒng)運(yùn)行穩(wěn)定、操控智能。由于能夠采用卷積神經(jīng)網(wǎng)絡(luò)模型智能解析當(dāng)前水表在當(dāng)前時(shí)刻對(duì)應(yīng)的抄表數(shù)據(jù)的理論數(shù)值的智能解析，并在理論數(shù)值與當(dāng)前水表在當(dāng)前時(shí)刻對(duì)應(yīng)的抄表數(shù)據(jù)的實(shí)際數(shù)值二者差值的絕對(duì)值超限時(shí)，發(fā)出抄表數(shù)據(jù)偏差信號(hào)，從而完成對(duì)當(dāng)前水表的抄表數(shù)據(jù)的實(shí)時(shí)在線核準(zhǔn)。

技術(shù)特征：

1.一種應(yīng)用人工智能的抄表數(shù)據(jù)預(yù)測(cè)系統(tǒng)，其特征在于，所述系統(tǒng)包括：

2.如權(quán)利要求1所述的應(yīng)用人工智能的抄表數(shù)據(jù)預(yù)測(cè)系統(tǒng)，其特征在于：

3.如權(quán)利要求2所述的應(yīng)用人工智能的抄表數(shù)據(jù)預(yù)測(cè)系統(tǒng)，其特征在于，所述系統(tǒng)還包括：

4.如權(quán)利要求2所述的應(yīng)用人工智能的抄表數(shù)據(jù)預(yù)測(cè)系統(tǒng)，其特征在于，所述系統(tǒng)還包括：

5.如權(quán)利要求2-4任一所述的應(yīng)用人工智能的抄表數(shù)據(jù)預(yù)測(cè)系統(tǒng)，其特征在于：

6.如權(quán)利要求5所述的應(yīng)用人工智能的抄表數(shù)據(jù)預(yù)測(cè)系統(tǒng)，其特征在于：

7.如權(quán)利要求5所述的應(yīng)用人工智能的抄表數(shù)據(jù)預(yù)測(cè)系統(tǒng)，其特征在于：

8.如權(quán)利要求5所述的應(yīng)用人工智能的抄表數(shù)據(jù)預(yù)測(cè)系統(tǒng)，其特征在于：

9.如權(quán)利要求5所述的應(yīng)用人工智能的抄表數(shù)據(jù)預(yù)測(cè)系統(tǒng)，其特征在于：

技術(shù)總結(jié)
本發(fā)明涉及一種應(yīng)用人工智能的抄表數(shù)據(jù)預(yù)測(cè)系統(tǒng)，包括：預(yù)測(cè)執(zhí)行機(jī)構(gòu)，用于采用卷積神經(jīng)網(wǎng)絡(luò)模型智能分析當(dāng)前水表在當(dāng)前時(shí)刻對(duì)應(yīng)的抄表數(shù)據(jù)的理論數(shù)值；誤差識(shí)別機(jī)構(gòu)，用于在當(dāng)前水表在當(dāng)前時(shí)刻對(duì)應(yīng)的抄表數(shù)據(jù)的理論數(shù)值與當(dāng)前水表在當(dāng)前時(shí)刻對(duì)應(yīng)的抄表數(shù)據(jù)的實(shí)際數(shù)值二者差值的絕對(duì)值超限時(shí)，發(fā)出抄表數(shù)據(jù)偏差信號(hào)。本發(fā)明的應(yīng)用人工智能的抄表數(shù)據(jù)預(yù)測(cè)系統(tǒng)運(yùn)行穩(wěn)定、操控智能。由于能夠采用卷積神經(jīng)網(wǎng)絡(luò)模型智能解析當(dāng)前水表在當(dāng)前時(shí)刻對(duì)應(yīng)的抄表數(shù)據(jù)的理論數(shù)值的智能解析，并在理論數(shù)值與當(dāng)前水表在當(dāng)前時(shí)刻對(duì)應(yīng)的抄表數(shù)據(jù)的實(shí)際數(shù)值二者差值的絕對(duì)值超限時(shí)，發(fā)出抄表數(shù)據(jù)偏差信號(hào)，從而完成對(duì)當(dāng)前水表的抄表數(shù)據(jù)的實(shí)時(shí)在線核準(zhǔn)。

技術(shù)研發(fā)人員：請(qǐng)求不公布姓名,請(qǐng)求不公布姓名,請(qǐng)求不公布姓名
受保護(hù)的技術(shù)使用者：南京喜已恒科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/8