一种基于标识解析的环境监测运维平台的制作方法

控制;调节装置的制造及其应用技术1.本发明涉及标识解析和环境监测融合技术领域，特别涉及一种基于标识解析的环境监测运维平台。背景技术：2.目前，环保产业是指在国民经济结构中，以防治环境污染、改善生态环境、保护自然资源为目的而进行的技术产品开发、商业流通、资源利用、信息服务、工程承包等的总称，主要包括环保研发及制造、环保工程建设、环保基础设施运营三大方面。生态环境保护是国策，也是社会经济可持续发展的核心支撑。环保行业和环境保护对经济发展保驾护航的作用，将在新经济形态下作用更为显著。随着工业化进程大大提升了地方经济，也带来越来越严重的工业污染问题，企业偷排漏排问题突出，灰霾天气经常肆虐，威胁着一方水土的环境安全，公众对环保管理诉求日益提升，为环境监管领域提出了新的挑战。3.环境监测运维是环保产业中重要的一环，结合环境监测行业的政策法规和运维标准规范体系，环境监测运维技术需要达到更高程度的智能化、自动化的效果，但是现存的环境监测运维技术在人、物和数据之间存在空间意义和物理意义上的局限，也无法实现跨区域、跨部门合作和协同治理、协同决策，进而导致运维技术不够智能化、服务化和自动化，存在运维信息滞后和运维效率低下的问题。4.因此，本发明提出了一种基于标识解析的环境监测运维平台。技术实现要素：5.本发明提供一种基于标识解析的环境监测运维平台，用以在现场运维信息化、数字化的基础上实现了现场端仪器设备的线上仿真，也实现了现场端处理疑难故障时的同步多端互动，克服了人、物和数据之间存在的物理意义上的局限，实现了环境监测运维的跨区域、跨部门合作治理决策，使得环境监测运维更加智能化、自动化和服务化，改善了运维信息滞后和运维效率低下的问题。6.本发明提供一种基于标识解析的环境监测运维平台，包括：7.现场感知层，用于基于环保终端设备的运维数据和现场设备仿真模型，搭建出对应的现场动态仿真模型；8.标识解析层，用于基于所述现场动态仿真模型和环保终端设备系统中每个环保终端设备对应的标识编码，确定出所述环保终端设备系统中的深层故障；9.多端操控层，用于将所述深层故障和多端操控信息同步至多方终端。10.优选的，所述现场感知层，包括：11.模型搭建模块，用于搭建出线下环境对应的现场设备仿真模型；12.现场获取模块，用于获取环保终端设备的实时运维数据；13.信息导入模块，用于将所述实时运维数据实时导入至所述现场设备仿真模型，获得对应的现场动态仿真模型。14.优选的，所述模型搭建模块，包括：15.信息获取单元，用于获取所述线下环境对应的现场环境信息和设备安装信息；16.模型搭建单元，用于基于所述现场环境信息和所述设备安装信息，搭建出对应的现场设备仿真模型。17.优选的，所述现场获取模块，包括：18.数据获取单元，用于基于巡检机器人或者人工巡检方式获取所述环保终端设备的实时巡检数据和实时运行数据；19.数据汇总单元，用于将所述实时巡检数据和所述实时运行数据进行对齐汇总，获得对应的实时运维数据。20.优选的，所述信息导入模块，包括：21.通道获取单元，用于获取与对应环保终端设备对应的标识编码关联的认证授权通道；22.信息导入单元，用于基于所述认证授权通道将所述运维数据实时导入至所述现场设备仿真模型，获得对应的现场动态仿真模型。23.优选的，所述通道获取单元，包括：24.初级认证子单元，用于基于所述环保终端设备对应的标识编码生成对应的认证请求信息，基于所述运维数据的输入端口对应的网络地址和所述认证请求信息对所述输入端口进行初级认证；25.链接建立子单元，用于当对应输入端口通过初级认证时，则基于所述认证请求信息和预设的重定向映射列表确定出对应的重定向映射，基于所述现场设备仿真模型对应的存储网址和所述重定向映射生成对应的重定向网络转址，基于所述重定向网络转址和所述网络地址，建立所述输入端口和所述现场设备仿真模型之间的双向加密传输链接；26.加密认证子单元，用于基于所述认证请求信息对应的请求条件生成对应的认证授权码，对所述认证授权码进行编码加密，获得对应的加密认证编码，基于所述双向通讯链接将所述加密认证编码传输至所述输入端口；27.二次加密子单元，用于当所述输入端口接收到所述加密认证编码时，则基于预设解码方式对所述加密认证编码进行解码，获得对应的解密认证编码，将所述解密认证编码进行二次加密，获得对应的二次申请编码；28.认证授权子单元，用于基于所述双向加密传输链接接收所述二次申请编码，判断所述二次申请编码是否无误，若是，则基于所述二次申请编码生成对应的授权令牌，并基于所述授权令牌生成对应的认证授权通道，否则，向所述输入端口发送对应的认证授权失败指令；29.故障标记子单元，用于当对应输入端口未通过初级认证时，则将对应的环保终端设备标记为疑似故障位置。30.优选的，所述标识解析层，包括：31.表层诊断模块，用于基于所述现场动态仿真模型诊断出所述环保终端设备系统中包含的表层故障；32.深层追溯模块，用于基于所述表层故障和每个环保终端设备对应的标识编码，追溯出所述环保终端设备系统中的深层故障。33.优选的，所述表层诊断模块，包括：34.框架搭建单元，用于在所述现场动态仿真模型中提取出每个环保终端设备的运行动态数据和运行动态逻辑，基于所述运行动态数据和所述运行动态逻辑搭建出对应的运行数据动态框架；35.序列生成单元，用于对所述运行数据动态框架进行帧划分并排序，获得对应的运行数据框架序列；36.状态确定单元，用于识别出所述运行数据框架序列中包含的每个第一运行数据框架中的工作状态决策点，基于所述第一运行数据框架中包含的工作状态决策点处的子运行数据，确定出所述第一运行数据框架对应的工作状态；37.序列对齐单元，用于基于所述运行数据框架序列中包含的每个第一运行数据框架对应的工作状态，生成对应的工作状态序列，将所述工作状态序列和所述运行数据动态框架进行时序对齐，获得对应的对齐结果；38.框架划分单元，用于按照工作状态种类对所述工作状态序列划分，获得对应的划分结果，基于所述划分结果和所述对齐结果对所述运行数据动态框架进行时序划分，获得每种工作状态对应的运行数据框架集合；39.差异确定单元，用于基于所述运行数据框架集合中包含的第二运行数据框架在对应工作状态下对应的第一运行逻辑，确定出对应的运行响应数据，识别出所述运行数据框架集合中包含的与所述运行响应数据不同的运行数据作为对应的差异数据；40.故障追踪单元，用于对所述差异数据进行去噪处理，获得对应的去噪数据，确定出所述去噪数据在所述现场动态仿真模型中的故障位置和故障发生时间，将所述故障位置和所述故障发生时间作为所述环保终端设备系统中包含的表层故障。41.优选的，所述深层追溯模块，包括：42.故障标记单元，用于基于所述表层故障中的故障发生时间在所述现场动态仿真模型调取出对应的故障运行数据框架，将所述表层故障中的故障位置标记于对应的故障运行数据框架中，获得对应的标记故障位置；43.范围确定单元，用于基于所述故障运行数据框架对应的第二运行逻辑和所述标记故障位置确定出对应的故障筛查范围；44.标识解析单元，用于解析所述故障筛查范围中包含的待筛查环保终端设备对应的标识编码，获取所述待筛查环保终端设备对应的全程动态监管数据；45.逻辑关联单元，用于基于所述第二运行逻辑确定出所述待筛查环保终端之间的关联运行逻辑；46.网络搭建单元，用于基于所述关联运行逻辑和所述全程动态监管数据构建出对应的动态监管数据网络；47.特征提取单元，用于对所述动态监管数据网络进行降维处理，获得对应的降维结果，对所述降维结果进行特征提取，获得对应的底层特征网络；48.差异对比单元，用于将所述底层特征网络和故障筛查范围内的标准底层特征网络按照时序进行对比，确定出对应的动态差异数据；49.原因确定单元，用于对所述动态差异数据进行来源追踪，确定出所述动态差异数据对应的数据来源，基于所述数据来源确定出对应的第一故障原因；50.原因挖掘单元，用于挖掘所有数据来源之间的潜在关联，基于所述潜在关联挖掘出对应的第二故障原因；51.原因汇总单元，用于将所述第一故障原因和所述第二故障原因进行汇总获得所述环保终端设备系统中的深层故障。52.优选的，所述多端操控层，包括：53.模型生成模块，用于将所述深层故障标记于所述现场动态仿真模型，生成对应的故障动态模型；54.多端操控模块，用于基于所述故障动态模型接收多端操控信息，并将所述多端操控信息同步至多方终端。55.本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。56.下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。附图说明57.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：58.图1为本发明实施例中一种基于标识解析的环境监测运维平台示意图；59.图2为本发明实施例中一种现场感知层示意图；60.图3为本发明实施例中一种模型搭建模块示意图；61.图4为本发明实施例中一种现场获取模块示意图；62.图5为本发明实施例中一种信息导入模块示意图；63.图6为本发明实施例中一种通道获取单元示意图；64.图7为本发明实施例中一种标识解析层示意图；65.图8为本发明实施例中一种表层诊断模块示意图；66.图9为本发明实施例中一种深层追溯模块示意图；67.图10为本发明实施例中一种多端操控层示意图。具体实施方式68.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。69.实施例1：70.本发明提供了一种基于标识解析的环境监测运维平台，参考图1，包括：71.现场感知层，用于基于环保终端设备的运维数据和现场设备仿真模型，搭建出对应的现场动态仿真模型；72.标识解析层，用于基于所述现场动态仿真模型和环保终端设备系统中每个环保终端设备对应的标识编码，确定出所述环保终端设备系统中的深层故障；73.多端操控层，用于将所述深层故障和多端操控信息同步至多方终端。74.该实施例中，环保终端设备即为设置在被监测现场内的用于监测环境数据的终端设备。75.该实施例中，运维数据即为环保终端设备的实时运行数据和实时巡检数据。76.该实施例中，现场设备仿真模型即为表征在被监测现场内设置的所有环保终端设备设置位置的模型。77.该实施例中，现场动态仿真模型即为基于环保终端设备的运维数据和现场设备仿真模型搭建出的表征在被监测现场内设置的所有环保终端设备实时运行维护状况的仿真模型。78.该实施例中，标识编码类似于互联网域名，即赋予每个环保终端设备唯一的“网络地址”，它给每个物品赋予了一个独特的编号；有了这个编号，我们可以通过一定的手段对网址进行“解析”，从而可以像浏览购物网站一样获得每个环保终端设备的生产、规格、当前状态等信息。79.该实施例中，环保终端设备系统即为由所有环保终端设备搭建而成的系统。80.该实施例中，深层故障即为基于现场动态仿真模型和每个环保终端设备对应的标识编码确定出的环保终端设备的深层故障原因。81.该实施例中，多端操控信息即为多个通讯端接收的操控信息，其中，通讯端例如有：专家平台端、现场端、远程用户端等，操控信息例如有：视频互动操控信息、指令输入操控信息等。82.该实施例中，多方终端即为多方通讯终端，例如有专家平台端、现场端、远程用户端等。83.以上技术的有益效果为：在现场运维信息化、数字化的基础上实现了现场端仪器设备的线上仿真，也实现了现场端处理疑难故障时的同步多端互动，克服了人、物和数据之间存在的物理意义上的局限，实现了环境监测运维的跨区域、跨部门合作治理决策，使得环境监测运维更加智能化、自动化和服务化，改善了运维信息滞后和运维效率低下的问题。84.实施例2：85.在实施例1的基础上，所述现场感知层，参考图2，包括：86.模型搭建模块，用于搭建出线下环境对应的现场设备仿真模型；87.现场获取模块，用于获取环保终端设备的实时运维数据；88.信息导入模块，用于将所述实时运维数据实时导入至所述现场设备仿真模型，获得对应的现场动态仿真模型。89.该实施例中，线下环境即为设置有环保终端设备的线下实体环境。90.该实施例中，实时运维数据即为环保终端设备的实时运行数据和实时巡检数据。91.以上技术的有益效果为：基于搭建出的线下环境对应的现场设备仿真模型和获取的环保终端设备的实时运维数据，搭建出可以表征线下环境中所有环保终端设备的实时运行维护状况的动态仿真模型，为后续确定出环保终端设备的深层故障提供了重要基础，实现了现场运维信息化、数字化，也实现了现场端仪器设备的线上仿真。92.实施例3：93.在实施例2的基础上，所述模型搭建模块，参考图3，包括：94.信息获取单元，用于获取所述线下环境对应的现场环境信息和设备安装信息；95.模型搭建单元，用于基于所述现场环境信息和所述设备安装信息，搭建出对应的现场设备仿真模型。96.该实施例中，现场环境信息即为线下环境内的现场三维信息。97.该实施例中，设备安装信息即为线下环境中设备安装位置的信息。98.以上技术的有益效果为：基于线下环境对应的现场环境信息和设备安装信息，搭建出表征线下环境中现场三维信息和设备安装位置的仿真模型，为后续构建出对应的现场动态仿真模型提供了重要基础，实现了现场运维信息化、数字化。99.实施例4：100.在实施例2的基础上，所述现场获取模块，参考图4，包括：101.数据获取单元，用于基于巡检机器人或者人工巡检方式获取所述环保终端设备的实时巡检数据和实时运行数据；102.数据汇总单元，用于将所述实时巡检数据和所述实时运行数据进行对齐汇总，获得对应的实时运维数据。103.该实施例中，巡检机器人即为用于基于程序操控对环保终端设备进行巡检的机器人。104.该实施例中，人工巡检方式即为人工对环保终端设备进行巡检的方式。105.该实施例中，实时巡检数据即为基于巡检机器人或者人工巡检方式实时巡检环保终端设备后获得的数据。106.该实施例中，实时运行数据即为基于巡检机器人或者人工巡检方式实时获取的环保终端设备的巡检数据。107.以上技术的有益效果为：通过将基于巡检机器人或者人工巡检方式获取的环保终端设备的实时巡检数据和实时运行数据进行对齐汇总后，获得对应的实时运维数据，进而为搭建出对应的现场动态仿真模型提供了重要的数据基础，实现了现场端仪器设备的线上仿真。108.实施例5：109.在实施例2的基础上，所述信息导入模块，参考图5，包括：110.通道获取单元，用于获取与对应环保终端设备对应的标识编码关联的认证授权通道；111.信息导入单元，用于基于所述认证授权通道将所述运维数据实时导入至所述现场设备仿真模型，获得对应的现场动态仿真模型。112.该实施例中，认证授权通道即为与对应环保终端设备对应的标识编码关联的、且为被认证授权为每个环保终端设备专属唯一的、用于将对应环保终端设备对应的运维数据导入至所述现场设备仿真模型的信息传输通道。113.以上技术的有益效果为：基于与对应环保终端设备对应的标识编码关联的认证授权通道，将运维数据实时导入至现场设备仿真模型，进而获得了表征线下环境中所有环保终端设备的实时运行维护状况的动态仿真模型，也保证了运维数据来源的准确性，避免发生被恶意篡改或损坏的情况，提高了运维数据传输的可靠性。114.实施例6：115.在实施例1的基础上，所述通道获取单元，参考图6，包括：116.初级认证子单元，用于基于所述环保终端设备对应的标识编码生成对应的认证请求信息，基于所述运维数据的输入端口对应的网络地址和所述认证请求信息对所述输入端口进行初级认证；117.链接建立子单元，用于当对应输入端口通过初级认证时，则基于所述认证请求信息和预设的重定向映射列表确定出对应的重定向映射，基于所述现场设备仿真模型对应的存储网址和所述重定向映射生成对应的重定向网络转址，基于所述重定向网络转址和所述网络地址，建立所述输入端口和所述现场设备仿真模型之间的双向加密传输链接；118.加密认证子单元，用于基于所述认证请求信息对应的请求条件生成对应的认证授权码，对所述认证授权码进行编码加密，获得对应的加密认证编码，基于所述双向通讯链接将所述加密认证编码传输至所述输入端口；119.二次加密子单元，用于当所述输入端口接收到所述加密认证编码时，则基于预设解码方式对所述加密认证编码进行解码，获得对应的解密认证编码，将所述解密认证编码进行二次加密，获得对应的二次申请编码；120.认证授权子单元，用于基于所述双向加密传输链接接收所述二次申请编码，判断所述二次申请编码是否无误，若是，则基于所述二次申请编码生成对应的授权令牌，并基于所述授权令牌生成对应的认证授权通道，否则，向所述输入端口发送对应的认证授权失败指令；121.故障标记子单元，用于当对应输入端口未通过初级认证时，则将对应的环保终端设备标记为疑似故障位置。122.该实施例中，基于所述运维数据的输入端口对应的网络地址和所述认证请求信息对所述输入端口进行初级认证，包括：123.在认证请求信息中读取出对应的认证请求条件(例如认证请求时间)，判断认证请求条件是否满足条件(例如认证请求时间是否在允许请求时间范围内)，同时，判断网络地址是否合法，若认证请求条件满足条件且网络地址合法，则判定对应的输入端口通过初级认证，否则，判定对应的输入端口未通过初级认证，124.其中，判断网络地址是否合法，包括：125.计算网络地址和标准网络地址的贴近度：[0126][0127]式中，γ为当前计算的网络地址和标准网络地址的贴近度，m为标准网络地址的层次总数(网络地址的层次例如有：应用层、传输层、网络层等)，n为网络地址的层次总数，(n,m)min为取n和m中的较小值，i为标准网络地址或网络地址中的第i个层次，pi为网络地址中的第i个层次中包含的字节总数，qi为标准网络地址中的第i个层次中包含的字节总数；[0128]例如，网络地址为：https://blog.csn.net/lj6020382/article/details，则网络地址包含的层次总数为5，每个层次中包含的字节总数依次为：6、12、9、7、8，标准网络地址为：https://blog.csn.net/m0_37732829/article/details/94717，则标准网络地址包含的层次总数为6，每个层次中包含的字节总数依次为：6、12、11、7、8、5，则γ为0.83。[0129]当所述贴近度大于贴近度阈值(取值为0.9)时，则判定对应的网络地址合法，否则，判定对应的网络地址不合法。[0130]该实施例中，认证请求信息即为基于环保终端设备对应的标识编码和请求时间等请求条件生成的用于对运维数据的输入端口进行认证的请求信息。[0131]该实施例中，网络地址即为于运维数据输入端口对应的设备终端的ip地址。[0132]该实施例中，预设的重定向映射列表即为预先设置的包含不同认证请求信息对应的重定向映射的列表，其中，重定向映射包括：[0133]301＝moved permanently；[0134]302＝found；[0135]307＝temporary redirect；[0136]其中，301代表永久转址，对于搜索引擎判定页面改变有直接影响，302代表暂时转址，通常用于页面暂时修改，之后会在恢复网址时使用，在搜索引擎优化上，将错误的302转址改成301转址对网站排名有相当作用。[0137]该实施例中，重定向网络转址即为基于现场设备仿真模型对应的存储网址和基于预设的重定向映射列表确定出的重定向映射生成的新的网络地址。[0138]该实施例中，存储网址即为存储现场设备仿真模型的网址。[0139]该实施例中，双向加密传输链接即为运维数据的输入端口和现场设备仿真模型之间的可双向传输的加密传输通讯链接。[0140]该实施例中，请求条件例如请求时间等。[0141]该实施例中，认证授权码即为基于请求条件生成的对应的用于对对应输入端口进行认证授权的信息码。[0142]该实施例中，加密认证编码即为基于预设加密方式对认证授权码进行编码加密后获得的编码，其中，预设加密方式例如采用对称性加密算法或者非对称性加密算法。[0143]该实施例中，预设解码方式即为：与预设加密方式对应的解密方式。[0144]该实施例中，解密认证编码即为对加密认证编码进行解码后获得的编码。[0145]该实施例中，二次申请编码即为将解密认证编码进行二次加密后获得的编码。[0146]该实施例中，判断所述二次申请编码是否无误即为：按照预设解密方式对二次申请编码进行解密处理获得对应的解密编码，判断解密处理后获得的解密编码与认证授权码是否一致，若是，则判定二次申请编码无误，否则，判定二次申请码错误。[0147]该实施例中，授权令牌即为基于二次申请编码生成的表征对应输入端口被认证授权的令牌。[0148]该实施例中，基于所述授权令牌生成对应的认证授权通道，即为：基于授权令牌生成对应的个性化加密安全传输通道。[0149]该实施例中，认证授权失败指令即为用于提示对应输入端口认证授权过程失败。[0150]该实施例中，疑似故障位置即为初步判定为疑似存在故障的位置。[0151]以上技术的有益效果为：基于环保终端设备对应的标识编码和运维数据输入端口对应的网路地址进行初级认证，当初级认证通过时，基于认证请求信息确定出对应的重定向映射，进而再基于现场动态仿真模型的存储地址生成对应的网络转址，进而实现了基于不同运维数据的输入端口和以及不同认证请求信息生成不同的双向加密传输链接，进而大大减小了认证授权过程被篡改读取的可能性，再基于双向加密传输链接实现了认证授权码多个回合的加密解密过程，实现了对运维数据输入端口的认证授权过程，保证了运维数据输入端口的安全性，也保证了运维数据的可靠性。[0152]实施例7：[0153]在实施例1的基础上，所述标识解析层，参考图7，包括：[0154]表层诊断模块，用于基于所述现场动态仿真模型诊断出所述环保终端设备系统中包含的表层故障；[0155]深层追溯模块，用于基于所述表层故障和每个环保终端设备对应的标识编码，追溯出所述环保终端设备系统中的深层故障。[0156]该实施例中，表层故障即为基于现场动态仿真模型诊断出所述线下环境中包含的实时运行数据超出对应的安全运行数据范围的第一环保终端设备以及实时巡检数据超出对应的安全运行数据范围的第二环保终端设备。[0157]以上技术的有益效果为：基于现场动态仿真模型实现在宏观角度对线下环境中包含的环保终端设备的故障快速定位，基于定位出的表层故障和环保终端设备对应的标识编码实现对环保终端设备的全过程进行深层次的故障定位和原因追踪，使得环境监测运维更加智能化、自动化和服务化，改善了运维效率低下的问题。[0158]实施例8：[0159]在实施例7的基础上，所述表层诊断模块，参考图8，包括：[0160]框架搭建单元，用于在所述现场动态仿真模型中提取出每个环保终端设备的运行动态数据和运行动态逻辑，基于所述运行动态数据和所述运行动态逻辑搭建出对应的运行数据动态框架；[0161]序列生成单元，用于对所述运行数据动态框架进行帧划分并排序，获得对应的运行数据框架序列；[0162]状态确定单元，用于识别出所述运行数据框架序列中包含的每个第一运行数据框架中的工作状态决策点，基于所述第一运行数据框架中包含的工作状态决策点处的子运行数据，确定出所述第一运行数据框架对应的工作状态；[0163]序列对齐单元，用于基于所述运行数据框架序列中包含的每个第一运行数据框架对应的工作状态，生成对应的工作状态序列，将所述工作状态序列和所述运行数据动态框架进行时序对齐，获得对应的对齐结果；[0164]框架划分单元，用于按照工作状态种类对所述工作状态序列划分，获得对应的划分结果，基于所述划分结果和所述对齐结果对所述运行数据动态框架进行时序划分，获得每种工作状态对应的运行数据框架集合；[0165]差异确定单元，用于基于所述运行数据框架集合中包含的第二运行数据框架在对应工作状态下对应的第一运行逻辑，确定出对应的运行响应数据，识别出所述运行数据框架集合中包含的与所述运行响应数据不同的运行数据作为对应的差异数据；[0166]故障追踪单元，用于对所述差异数据进行去噪处理，获得对应的去噪数据，确定出所述去噪数据在所述现场动态仿真模型中的故障位置和故障发生时间，将所述故障位置和所述故障发生时间作为所述环保终端设备系统中包含的表层故障。[0167]该实施例中，运行数据动态框架即为基于运行动态数据和运行动态逻辑搭建出的动态的运行数据框架。[0168]该实施例中，运行动态数据即为在现场动态仿真模型中提取出的每个环保终端设备的动态的运行数据。[0169]该实施例中，运行动态逻辑即为在现场动态仿真模型中提取出的每个环保终端设备的动态的运行逻辑，运行逻辑即为环保终端设备在运行时相互之间的运行潜在关系。[0170]该实施例中，运行数据框架序列即为对运行数据动态框架进行帧划分并排序后获得的运行数据框架的序列。[0171]该实施例中，运行数据框架即为对运行数据动态框架进行帧划分后获得的运行数据的框架。[0172]该实施例中，基于所述第一运行数据框架中包含的工作状态决策点处的子运行数据，确定出所述第一运行数据框架对应的工作状态，包括：[0173]确定出第一运行数据框架中包含的工作状态决策点处的子运行数据在预设的不同工作状态对应的运行数据范围中的所属数据范围，将所述所属数据范围对应的工作状态作为第一运行数据框架对应的工作状态。[0174]该实施例中，第一运行数据框架即为运行数据框架序列中包含的运行数据框架。[0175]该实施例中，工作状态决策点即为第一运行数据框架中包含的可判断出第一运行数据框架的工作状态的数据点。[0176]该实施例中，子运行数据即为第一运行数据框架中包含的工作状态决策点处的运行数据。[0177]该实施例中，对齐结果即为将工作状态序列和运行数据动态框架进行时序对齐后获得的结果。[0178]该实施例中，工作状态序列即为基于运行数据框架序列中的第一运行数据框架的序列，对运行数据框架序列中包含的每个第一运行数据框架对应的工作状态进行排序后获得的工作状态的序列。[0179]该实施例中，运行数据框架集合即为基于划分结果和对齐结果对运行数据动态框架进行时序划分后获得的每种工作状态对应的运行数据框架构成的集合。[0180]该实施例中，划分结果即为按照工作状态种类对工作状态序列进行划分后获得的结果。[0181]该实施例中，差异数据即为运行数据框架集合中包含的与运行响应数据不同的运行数据。[0182]该实施例中，第二运行数据框架即为运行数据框架集合中包含的运行数据框架。[0183]该实施例中，第一运行逻辑即为第二运行数据框架在对应工作状态下对应的运行逻辑。[0184]该实施例中，运行响应数据即为第二运行数据框架中的环保终端设备在对应的第一运行逻辑下正常运行时对应的运行数据。[0185]该实施例中，去噪数据即为对差异数据进行去噪处理后获得的数据。[0186]该实施例中，故障位置即为去噪数据在现场动态仿真模型中出现的位置。[0187]该实施例中，故障发生时间即为去噪数据在现场动态仿真模型中出现的时间。[0188]以上技术的有益效果为：基于现场动态仿真模型中包含的运行动态数据和运行动态逻辑搭建出对应的运行数据动态框架，使得线下环境中包含的环保终端设备的运行数据更加直观，对运行数据动态框架进行帧划分后，基于其中包含的工作状态决策点处对应的运行数据确定出运行数据框架对应的工作状态，进而基于工作状态的判别结果对运行数据动态框架进行划分，并基于每个运行数据框架对应的工作状态对应的运行逻辑确定出每个运行数据框架中包含的环保终端设备对应的运行响应数据，进而实现了基于运行逻辑和工作状态确定出环保终端设备在正常工作时对应的运行数据，为后续识别出故障数据(差异数据)提供了重要的参考数据，再将运行数据框架中包含的运行数据与对应的运行响应数据进行对比，进而实现了故障数据的表层识别，实现了对线下环境中环保终端设备的表层故障的识别。[0189]实施例9：[0190]在实施例7的基础上，所述深层追溯模块，参考图9，包括：[0191]故障标记单元，用于基于所述表层故障中的故障发生时间在所述现场动态仿真模型调取出对应的故障运行数据框架，将所述表层故障中的故障位置标记于对应的故障运行数据框架中，获得对应的标记故障位置；[0192]范围确定单元，用于基于所述故障运行数据框架对应的第二运行逻辑和所述标记故障位置确定出对应的故障筛查范围；[0193]标识解析单元，用于解析所述故障筛查范围中包含的待筛查环保终端设备对应的标识编码，获取所述待筛查环保终端设备对应的全程动态监管数据；[0194]逻辑关联单元，用于基于所述第二运行逻辑确定出所述待筛查环保终端之间的关联运行逻辑；[0195]网络搭建单元，用于基于所述关联运行逻辑和所述全程动态监管数据构建出对应的动态监管数据网络；[0196]特征提取单元，用于对所述动态监管数据网络进行降维处理，获得对应的降维结果，对所述降维结果进行特征提取，获得对应的底层特征网络；[0197]差异对比单元，用于将所述底层特征网络和故障筛查范围内的标准底层特征网络按照时序进行对比，确定出对应的动态差异数据；[0198]原因确定单元，用于对所述动态差异数据进行来源追踪，确定出所述动态差异数据对应的数据来源，基于所述数据来源确定出对应的第一故障原因；[0199]原因挖掘单元，用于挖掘所有数据来源之间的潜在关联，基于所述潜在关联挖掘出对应的第二故障原因；[0200]原因汇总单元，用于将所述第一故障原因和所述第二故障原因进行汇总获得所述环保终端设备系统中的深层故障。[0201]该实施例中，标记故障位置即为将表层故障中的故障位置标记于对应的故障运行数据框架中后获得的标记的故障位置。[0202]该实施例中，故障运行数据框架即为基于从现场动态仿真模型中调取出的故障发生时间对应的运行数据框架。[0203]该实施例中，基于所述故障运行数据框架对应的第二运行逻辑和所述标记故障位置确定出对应的故障筛查范围，包括：[0204]基于故障运行数据框架，确定出与故障位置相连的所有疑似故障环保终端设备，并确定出每个疑似故障环保终端设备与故障位置之间的第一距离以及相邻疑似故障环保终端设备之间的第二距离，基于所述距离计算出对应疑似故障环保终端设备对应的故障关联系数：[0205][0206]式中，β为当前计算的疑似故障环保终端设备对应的故障关联系数，l10为当前计算的疑似故障环保终端设备与故障位置之间的第一距离，j为第j个疑似故障环保终端设备，y为疑似故障环保终端设备的总数，l1j为第j个疑似故障环保终端设备与故障位置之间的第一距离，a为当前计算的疑似故障环保终端设备对应的第a个相邻疑似故障环保终端设备，b为当前计算的疑似故障环保终端设备对应的相邻疑似故障环保终端设备的总数，l2a为当前计算的疑似故障环保终端设备与第a个对应相邻疑似故障环保终端设备之间的第二距离，c为第c组相邻疑似故障环保终端设备，l2c为第c组相邻疑似故障环保终端设备之间的第二距离；[0207]例如，l10为10，y为3，3个疑似故障环保终端设备与故障位置之间的第一距离依次为：10、10、10，当计算的疑似故障环保终端设备与对应相邻疑似故障环保终端设备之间的第二距离依次为：5、5，相邻疑似故障环保终端设备之间的第二距离依次为：5、5、5，则β为0.5；[0208]基于对应疑似故障环保终端设备对应的故障关联系数和对应疑似故障环保终端设备与故障位置之间的第一距离，计算出对应的划分判别阈值，将与对应疑似故障环保终端设备之间的距离小于对应划分判别阈值的疑似故障环保终端设备划分入故障筛查范围，获得对应的故障筛查范围。[0209]该实施例中，第二运行逻辑即为故障运行数据框架中对应的运行逻辑。[0210]该实施例中，全程动态监管数据即为解析故障筛查范围中包含的待筛查环保终端设备对应的标识编码后获取的与对应的待筛查环保终端设备的全程动态监管相关的数据。[0211]该实施例中，待筛查环保终端设备即为在故障筛查范围内的环保终端设备。[0212]该实施例中，关联运行逻辑即为基于第二运行逻辑确定出的待筛查环保终端之间的关联运行的逻辑。[0213]该实施例中，动态监管数据网络即为基于关联运行逻辑和全程动态监管数据构建出的动态监管数据构成的网络。[0214]该实施例中，降维结果即为对动态监管数据网络进行降维处理后获得的结果。[0215]该实施例中，底层特征网络对降维结果进行特征提取后获得的底层特征构成的网络。[0216]该实施例中，动态差异数据即为将底层特征网络和故障筛查范围内的标准底层特征网络按照时序进行对比后确定出的动态的差异数据，即为将底层特征网络将相同时序对应的故障筛查范围内的标准底层特征网络进行对比后确定出对应时序的差异数据，按照时序将差异数据进行排序后获得的动态的差异数据。[0217]该实施例中，第一故障原因即为基于对动态差异数据进行来源追踪后确定出动态差异数据对应的数据来源确定出的故障原因。[0218]该实施例中，潜在关联即为数据来源深层次的关联关系。[0219]该实施例中，第二故障原因即为基于潜在关系挖掘出的故障原因。[0220]该实施例中，深层故障即为将第一故障原因和第二故障原因进行汇总后获得的深层次的故障原因。[0221]以上技术的有益效果为：基于表层故障中的故障位置和故障发生时间确定出对应的故障运行数据框架，为后续实现对故障原因的深层追踪提供了数据基础，基于故障运行数据框架确定出对应的故障筛查范围，基于故障运行数据框架对应的运行逻辑确定出故障筛查范围中包含的环保终端设备之间的关联运行逻辑，并基于故障筛查范围内包含的环保终端设备对应的标识编码获取对应的全程动态监管数据，实现基于表示编码对环保终端设备的全程监管数据的调取，基于全程动态监管数据和关联运行逻辑构建出对应的动态监管数据网络，再对动态监管数据网络进行降维和特征提取获得对应的底层特征网络，将底层特征网络与对应的标准底层特征网络确定出对应的差异数据，对差异数据进行来源追踪确定出对应的第一故障原因，再基于差异数据地数据来源之间的潜在关联，确定出对应的第二故障原因，将第一故障原因和第二故障原因进行汇总，进而实现了对线下环境中存在故障进行深层追踪，实现了环境监测运维的跨区域、跨部门合作治理决策，使得环境监测运维更加智能化、自动化和服务化。[0222]实施例10：[0223]在实施例1的基础上，所述多端操控层，参考图10，包括：[0224]模型生成模块，用于将所述深层故障标记于所述现场动态仿真模型，生成对应的故障动态模型；[0225]多端操控模块，用于基于所述故障动态模型接收多端操控信息，并将所述多端操控信息同步至多方终端。[0226]该实施例中，故障动态模型即为将深层故障标记于现场动态仿真模型后生成的表征现场动态仿真模型中的动态故障情况的模型。[0227]以上技术的有益效果为：实现了现场端处理疑难故障时的同步多端互动，克服了人、物和数据之间存在的物理意义上的局限，实现了环境监测运维的跨区域、跨部门合作治理决策，使得环境监测运维更加智能化、自动化和服务化，改善了运维信息滞后和运维效率低下的问题。[0228]显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!