一种基于大数据分析的电子设备异常预警方法及系统与流程

本发明涉及数据处理，尤其涉及一种基于大数据分析的电子设备异常预警方法及系统。

背景技术：

1、空间消杀设备是一种广泛应用于医院、学校、商场等公共场所的电子设备，其消杀效果直接关系到公共卫生安全。而温度作为影响消杀效果的重要因素，能够直接影响消杀剂的挥发速度、消毒效果及设备的运行稳定性。例如，某些消毒液在低温环境下可能失去其消毒活性，影响消毒效果。而在高温环境中，某些化学成分可能会分解，导致消毒剂的效果下降。通过监测消杀设备使用场所的环境温度，管理人员可以及时调整消杀剂的种类和用量，以确保消毒效果最大化，满足消毒标准。同时，温度监测还可以为消杀工作的管理提供数据支持，帮助制定合理的消杀计划，避免资源浪费。例如，在某大型医院的消毒作业中，研究团队通过在消杀设备上集成温度传感器，实时监测手术室及公共区域的环境温度，监测数据显示，手术室在高峰时段的温度高达28℃，而消毒剂的有效温度范围为20-25℃。通过对数据的分析，管理人员及时调整了消毒剂的浓度，并对设备进行了适当维护，确保了消毒效果和设备的安全运行。因此，对空间消杀设备使用环境温度的监测不仅是提升消毒效果的重要手段，也是确保设备安全运行和资源优化配置的关键。

2、而cart决策树算法作为一种分类算法，能够区分异常数据与正常数据，以实现设备的异常预警。例如，公开号为cn116432123a的中国专利申请文件公开了一种基于cart决策树算法的电能表故障预警方法。其中通过cart决策树算法构建电能表故障预警模型，利用训练集对初步预警模型进行训练，并根据构建的决策树模型，创新mmp剪枝算法，选择具有最小值的子树进行剪枝，其中值可以衡量训练数据的拟合程度与模型的复杂度。但是，该专利申请文件中选择最小值的子树进行剪枝可能导致模型过拟合训练数据，虽然其在训练集上的拟合程度较好，但在测试集或新的数据上表现可能不佳，而且选择最小值可能需要在多个子树之间进行比较，较多节点存在时会影响模型效率。

技术实现思路

1、为了解决决策树构建过程中剪枝不准确的问题，本发明提供一种基于大数据分析的电子设备异常预警方法及系统。

2、第一方面，本发明提供一种基于大数据分析的电子设备异常预警方法，采用如下的技术方案：

3、获取空间消杀设备的环境温度数据并构建决策树；

4、在决策树构建过程中，计算所构建决策树中任一的稳定性，为第个节点的稳定性，、分别为第个节点中第个数据、第个数据的稳定特征，为第个节点中第个数据的稳定权重，为第个节点中数据个数；第个节点中第个数据的稳定特征与第个数据和第个节点中除第个数据之外其余数据的数值差异负相关，稳定权重与各数据和所处节点的中心数据之间的距离负相关；

5、计算任一节点与其他节点的差异程度，为第个节点与其他节点的差异程度，、分别为第个节点、第个节点的中心数据，第个节点的节点密度，为所构建决策树中节点个数；所述节点密度为节点中所有数据与该节点的中心数据之间的距离负相关；

6、根据节点的稳定性及差异程度的比值，对决策树的初始阈值进行修正，得到修正后的节点阈值，根据修正后的节点阈值调整决策树，依据调整后的决策树，对空间消杀设备的环境温度数据进行异常预警。

7、本发明通过节点的稳定性及与其他节点的差异程度，动态调整节点剪枝时的阈值，这种动态性使得剪枝过程更加细致，能够更好地平衡拟合程度和模型复杂度，提高了剪枝决策的准确性，避免了因剪枝造成的决策树失衡以及信息损失，进而保证了模型预警的可靠性。

8、优选的，所述稳定特征满足表达式：

9、；

10、式中，为个节点中第个数据的稳定特征，为第个节点中第个数据的数值，为第个节点中除第个数据之外其余第个数据的数值，为第个节点中数据个数，为以为底的指数函数，为绝对值符号。其中，为第个节点中第个数据与第个数据的数值差异。

11、使用数据之间差异的均值来表征节点稳定特征，有助于制定更具针对性的剪枝策略。这种方法可以更精细地识别哪些节点是稳定的，哪些节点可能因包含数据变异而不稳定，从而在剪枝过程中更智能地调整模型结构。

12、优选的，所述节点的中心数据为：节点中所有数据的数值的均值。

13、优选的，所述数据的稳定权重获取方法为：

14、根据各数据和所处节点的中心数据之间的距离，计算各数据的初始权重，第个节点中第个数据的初始权重满足表达式：

15、；

16、式中，为第个节点中第个数据的初始权重，为第个节点中第个数据的数值，为第个节点的中心数据，为绝对值符号；其中，为第个节点中第个数据与第个节点的中心数据的距离；

17、根据节点中所有数据的初始权重，获得各数据的稳定权重，满足表达式：

18、；

19、式中，为第个节点中第个数据的稳定权重，为第个节点中第个数据的初始权重，为第个节点中第个数据与第个节点的中心数据的初始权重，为第个节点中数据个数。

20、通过计算每个数据与节点中心数据的差异，可以量化该点对节点整体特征的稳定性影响。倒数的引入使得节点中越接近中心数据的数据，其权重越高，反之则权重降低。强调了与中心数据的接近程度，可以更有效地识别稳定的特征。

21、优选的，所述节点密度满足表达式：

22、；

23、式中，为第个节点密度，为第个节点中第个数据的数值，为第个节点的中心数据，为第个节点中数据个数；其中，为第个节点中第个数据与第个节点的中心数据的距离。

24、节点中数据与中心数据的差值反映了数据对节点中心的偏离，使用倒数来表示这种差异，可以有效量化节点内数据的聚集程度。同时，在决策树剪枝过程中，利用节点密度可以评估节点的重要性。低密度的节点可能包含大量噪声或不重要的信息，通过计算密度，可以更好地决定在哪些节点上施行剪枝，帮助提升模型的泛化能力。

25、优选的，所述修正后的节点阈值满足表达式：

26、；

27、式中，为第个节点修正后的节点阈值，为第个节点的稳定性，为第个节点与其他节点的差异程度，为初始阈值，为以2为底的对数函数，为预设超参数。

28、通过引入节点的稳定性及与其他节点的差异程度，能够让每个节点的阈值根据其具体情况进行调整，而不是使用固定的阈值。这使得模型对不同特征和数据分布有更好的适应性，提升了对于复杂数据的建模能力。

29、优选的，所述调整决策树，包括步骤：

30、计算节点分裂前后的信息增益，若节点分裂前后的信息增益低于节点修正后的节点阈值，则对其进行剪枝处理，获得调整后的决策树。

31、优选的，所述对空间消杀设备的环境温度数据进行异常预警，包括步骤：

32、如果决策树中包含小于个数据的节点，则该节点为异常节点，系统触发预警机制，空间消杀设备显示环境温度数据异常，并提醒相关人员进行处理；其中，为节点中预设的数据个数。

33、第二方面，本发明提供一种基于大数据分析的电子设备异常预警系统，包括处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现上述一种基于大数据分析的电子设备异常预警方法。

34、通过采用上述技术方案，将上述的一种基于大数据分析的电子设备异常预警方法生成计算机程序，并存储于存储器中，以被处理器加载并执行，从而根据存储器及处理器制作终端设备，方便使用。

35、本发明具有以下技术效果：

36、通过更精细的剪枝控制，减少了不必要的节点分裂，从而简化决策树结构，降低模型复杂度。这不仅有助于提升预测速度，还能减少计算资源和存储空间的消耗，使模型更适合在资源受限的环境中部署和应用。

37、对于空间消杀设备的异常预警系统而言，准确及时的响应至关重要。动态调整剪枝阈值能够确保模型在环境变化时仍能准确捕捉关键信息，及时发出预警，减少误报和漏报，提高了系统的整体可靠性和效率。