【技術實現步驟摘要】
一種基于物聯網的規劃方法和系統
[0001]本專利技術屬于物聯網
，具體涉及一種基于物聯網的規劃方法和系統
。
技術介紹
[0002]物聯網是指互聯網中的一種網絡架構，通過該架構，可以將各種物理對象（如傳感器
、
設備
、
車輛
、
家電等）與互聯網連接起來，使它們能夠相互通信
、
交換數據和執行任務，以實現更智能的互動和自動化過程
。
物聯網的核心思想是將物理世界與數字世界相互連接，以便實時監測
、
控制和協調各種物理對象，這些物理對象通常配備有傳感器
、
處理器和通信設備，使它們能夠收集數據
、
分析信息并與其他物聯網設備或云端服務器進行通信
。
[0003]城市規劃通常由城市規劃師
、
政府部門和社區參與者共同完成，它需要綜合考慮多種因素，包括城市的歷史
、
文化
、
社會經濟特征和未來發展需求，城市規劃的目標是創建一個宜居
、
可持續
、
有序和繁榮的城市，以滿足居民的需求，并確保城市的未來可持續發展
。
城市規劃還需要不斷調整和更新，以適應不斷變化的社會和環境條件
。
[0004]現有技術中，城市規劃所需的基礎數據往往需要工作人員進行線下的人工普查或者遠程調取，獲取規劃用的數據，這種方式延遲高，及時性差，對于需要及時調度規劃的項目效果差，且存
【技術保護點】
【技術特征摘要】
1.
一種基于物聯網的規劃方法，其特征在于，應用于云邊協同架構，所述云邊協同架構包括動作執行器
、
邊緣端和云服務器，所述邊緣端分別與所述動作執行器和所述云服務器連接，所述動作執行器與所述云服務器連接，所述動作執行器用于按指令控制電力設備的通斷，方法包括：
S101
：獲取采樣點的歷史消耗值，其中，所述歷史消耗值包括歷史耗電值
、
歷史用水值和歷史燃氣使用值；
S102
：將所述歷史消耗值上傳至所述云服務器，在所述云服務器中創建基于所述歷史消耗值的時間序列；
S103
：對所述時間序列進行基于穩態小波變換的頻域多尺度分解，得到不同尺度的子時間序列，其中，所述不同尺度包括日尺度
、
周尺度
、
季節尺度
、
周末尺度
、
節日尺度；
S104
：利用核自適應濾波算法對分解得到的子時間序列進行序列融合學習，建立第一預測模型；
S105
：對所述時間序列進行時域特征分解，得到趨勢分量和殘差分量；
S106
：利用核自適應濾波算法對所述趨勢分量和所述殘差分量進行序列學習，獲取時域波動特征，建立第二預測模型；
S107
：并將所述第一預測模型和所述第二預測沒模型下發至所述邊緣端，分別對所述采樣點進行預測，得到初始預測消耗值；
S108
：通過所述邊緣端獲取所述采樣點的實時消耗值；
S109
：以多次所述實時消耗值和所述初始預測消耗值的比值的均值作為預測矯正因子，結合信息熵計算所述第一預測模型和所述第二預測模型的權重值；
S110
：根據所述權重值對所述第一預測模型和所述第二預測模型進行權重分配，構建目標預測模型；
S111
：通過所述目標預測模型預測所述采樣點的目標預測消耗值，所述動作執行器根據所述目標預測消耗值對所述采樣點進行通斷調整
。2.
根據權利要求1所述的基于物聯網的規劃方法，其特征在于，所述
S103
具體包括：
S1031
：獲取所述時間序列
D
；其中，表示
t
時刻歷史消耗值，
n
表示降采樣時刻數目；
S1032
：分別通過高通濾波器和低通濾波器對所述時間序列進行卷積運算，獲取子時間序列；
S1033
：對所述高通濾波器和所述低通濾波器進行插值補零，并利用插值后的濾波器對通過低通濾波器得到的子時間序列進行分解；
S1034
：重復
S1032
?
S1033
，對所述低通濾波器得到的子時間序列進行多次分解，直至分解次數大于或者等于預設分解次數，得到每個尺度下的高頻子時間序列和低頻子時間序列
。3.
根據權利要求1所述的基于物聯網的規劃方法，其特征在于，所述
S104
具體包括：
S1041
：通過預設長度的時間窗口對所述子時間序列進行數據處理，得到多個序列片段
，并將每個所述序列片段作為相應時刻的輸入向量：；其中，表示
s
尺度下的
t
時刻輸入向量，，分別表示
s
尺度下
t
?
m
時刻和
t
?1時刻的歷史消耗值；
S1042
： 將
t
時刻的歷史消耗值作為預測值，建立所述輸入向量和所述預測值的子預測模型：；其中，表示先驗誤差，表示步長因子，表示帶寬為的默瑟核，表示預測函數
;S1043
：重復
S1041
?
S1042
，對多個尺度下...
【專利技術屬性】
技術研發人員：陳雷，鄭煦，
申請(專利權)人：北京南天智聯信息科技股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。