一种信息确定方法、装置、设备和计算机可读存储介质与流程

1.本技术涉及通信领域中的信息确定技术，尤其涉及一种信息确定方法、装置、设备和计算机可读存储介质。


背景技术：

2.随着物联网技术以及云计算的快速发展和普及，越来越多的传感器安装在设备上，以便对工业设备进行实时状态感知以及后续云边数据分析与挖掘。由于复杂工业现场环境、传感设备自身软硬件故障等因素的影响等，数据采集装置采集到的同一时刻下的多维设备运行数据会存在异常。为了提高数据采集质量，为后续设备状态监控以及云边数据处理与分析提供可靠数据支撑，需要对该类异常数据进行检测过滤。
3.目前，针对异常数据的检测过滤主要包括传统滤波算法的异常检测方法和基于机器学习的异常检测方法。但是，相关技术中的检测过滤方法均只适用于单维运行数据的异常检测，忽略了同一设备的多维状态数据间的关联性，无法对多维度数据中的异常进行检测，不能完整量化设备运行数据的异常特性，适用性较低，且影响异常检测准确性。


技术实现要素：

4.为解决上述技术问题，本技术实施例期望提供一种信息确定方法、装置、设备和计算机可读存储介质，解决了相关技术中的检测过滤方法均只适用于单维运行数据的异常检测，无法对多维度数据中的异常进行检测的问题，可以完整量化设备运行数据的异常特性，扩大了适用性，且提高了异常检测的准确性。
5.本技术的技术方案是这样实现的：
6.一种信息确定方法，所述方法包括：
7.获取待监测设备的多维度的运行数据；其中，所述运行数据包括所述待监测设备的不同运行状态下的运行数据；
8.确定每一运行状态对应的不同维度的运行数据之间的第一关联度；
9.基于所述第一关联度，确定待检测运行状态的待检测运行数据与参考运行状态的参考运行数据之间的第二关联度；其中，所述不同运行状态包括待检测运行状态和所述参考运行状态；
10.基于所述第二关联度，从所述不同运行状态中确定目标运行状态；
11.基于所述目标运行状态中的运行状态的数量和所述第二关联度，确定所述待检测运行数据是否异常。
12.上述方案中，所述确定每一运行状态对应的不同维度的运行数据之间的第一关联度，包括：
13.采用目标相关分析法，确定所述每一运行状态对应的不同维度的运行数据之间的相关系数；其中，所述第一关联度包括所述相关系数。
14.上述方案中，所述基于所述第一关联度，确定待检测运行状态的待检测运行数据
与参考运行状态的参考运行数据之间的第二关联度，包括：
15.基于所述相关系数，确定最相关系数；
16.基于所述最相关系数计算所述待检测运行数据与所述参考运行状态的参考运行状态之间的第一目标距离，得到所述第二关联度；其中，所述不同运行状态中的m个运行状态的运行数据与所述待检测运行状态的待检测运行数据之间的目标距离小于所述第一目标距离。
17.上述方案中，所述基于所述相关系数，确定最相关系数，包括：
18.从所述相关系数中，确定所述相关系数满足目标相关系数阈值的目标相关系数；
19.对每两个所述目标相关系数进行运算，得到多个运算数值；
20.从所述多个运算数值中确定满足目标条件的运算数值，得到所述最相关系数。
21.上述方案中，所述基于所述第二关联度，从所述不同运行状态中确定目标运行状态，包括：
22.从所述不同运行状态中确定所述第二关联度满足目标关联度条件的运行状态，得到所述目标运行状态。
23.上述方案中，所述基于所述目标运行状态中的运行状态的数量和所述第二关联度，确定所述待检测运行数据是否异常，包括：
24.确定所述目标运行状态中包括的运行状态的数量；
25.基于所述第一关联度，确定所述参考运行数据与其它运行数据之间的第三关联度；其中，所述其它运行数据为所述m个运行状态中的任一运行状态的运行数据；
26.基于所述第二关联度、所述第三关联度和所述数量，确定所述待检测运行数据是否异常。
27.上述方案中，所述基于所述第二关联度、所述第三关联度和所述数量，确定所述待检测运行数据是否异常，包括：
28.基于所述第二关联度和多个所述第三关联度，确定所述待检测运行数据与所述参考运行数据之间的第二目标距离；
29.确定所述目标运行状态中每一运行状态的运行数据，与所述待检测运行数据之间的第三目标距离；
30.基于所述第二目标距离、所述每一第三目标距离和所述数量，确定所述待检测运行数据的可及密度；
31.基于每一所述待检测运行状态的待检测运行数据的可及密度和所述数量，确定异常数值；
32.基于所述异常数值，确定所述待检测运行数据是否异常。
33.上述方案中，所述基于每一所述待检测运行状态的待检测运行数据的可及密度和所述数量，确定异常数值，包括：
34.将每一所述待检测运行状态的待检测运行数据的可及密度进行运算，得到多个第一数值；
35.将多个所述第一数值和所述数量进行运算，得到所述异常数值；
36.相应的，所述基于所述异常数值，确定所述待检测运行数据是否异常，包括：
37.在所述异常数值满足目标阈值的情况下，确定所述待检测运行数据存在异常；
38.在所述异常数值不满足目标阈值的情况下，确定所述待检测运行数据不存在异常。
39.一种信息确定装置，所述装置包括：
40.获取单元，用于获取待监测设备的多维度的运行数据；其中，所述运行数据包括所述待监测设备的不同运行状态下的运行数据；
41.确定单元，用于确定每一运行状态对应的不同维度的运行数据之间的第一关联度；
42.确定单元，还用于基于所述第一关联度，确定待检测运行状态的待检测运行数据与参考运行状态的参考运行数据之间的第二关联度；其中，所述不同运行状态包括待检测运行状态和所述参考运行状态；
43.处理单元，用于基于所述第二关联度，从所述不同运行状态中确定目标运行状态；
44.所述处理单元，还用于基于所述目标运行状态中的运行状态的数量和所述第二关联度，确定所述待检测运行数据是否异常。
45.一种信息确定设备，所述设备包括：处理器、存储器和通信总线；
46.所述通信总线用于实现处理器和存储器之间的通信连接；
47.所述处理器用于执行存储器中存储的信息确定程序，以实现上述的信息确定方法的步骤。
48.一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述的信息确定方法的步骤。
49.本技术实施例所提供的信息确定方法、装置、设备和计算机可读存储介质，获取待监测设备的包括不同运行状态下的多维度的运行数据，确定每一运行状态对应的不同维度的运行数据之间的第一关联度，基于第一关联度，确定待检测运行状态的待检测运行数据与参考运行状态的参考运行数据之间的第二关联度，不同运行状态包括待检测运行状态和参考运行状态，基于第二关联度从不同运行状态中确定目标运行状态，基于目标运行状态中的运行状态的数量和第二关联度，确定待检测运行状态对应的运行数据是否异常，如此，在进行设备的运行数据的异常检测时用的是设备的多维度的运行数据，而不仅限于单维运行数据，解决了相关技术中的检测过滤方法均只适用于单维运行数据的异常检测，无法对多维度数据中的异常进行检测的问题，可以完整量化设备运行数据的异常特性，扩大了适用性，且提高了异常检测的准确性。
附图说明
50.图1为本技术的实施例提供的一种信息确定方法的流程示意图；
51.图2为本技术的实施例提供的另一种信息确定方法的流程示意图；
52.图3为本技术的实施例提供的一种信息确定方法中采集待监测设备的运行数据和数据上传进行异常检测的流程示意图；
53.图4为本技术的实施例提供的又一种信息确定方法的流程示意图
54.图5为本技术的另一实施例提供的一种信息确定方法的流程示意图；
55.图6为本技术的实施例提供的一种信息确定装置的结构示意图；
56.图7为本技术实施例提供的一种信息确定设备的结构示意图。
具体实施方式
57.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述。
58.本技术的实施例提供一种信息确定方法，该方法可以应用于信息确定设备中，参照图1所示，该方法包括以下步骤：
59.步骤101、获取待监测设备的多维度的运行数据。
60.其中，运行数据包括待监测设备的不同运行状态下的运行数据。
61.在本技术实施例中，待监测设备可以指的是任何需要检测其运行数据是否存在异常的设备；需要说明是的，多维度的运行数据可以是通过待监测设备上安装的各种信号采集器针对待监测设备进行数据采集后得到的；在一种可行的实现方式中，多维度的运行数据可以包括电压、电流、频率、速度等不同维度的运行数据。并且，多维度的运行数据可以包括待监测设备的各个不同时刻对应的运行数据，也就是说，每一时刻都可以对应有多个维度的运行数据。
62.步骤102、确定每一运行状态对应的不同维度的运行数据之间的第一关联度。
63.在本技术实施例中，第一关联度针对的是每一运行状态；也就是说，需要确定出不同时刻对应的不同运行状态的，不同维度的运行数据之间的关联度。其中，第一关联度可以是采用目标相关分析法确定出来的。
64.步骤103、基于第一关联度，确定待检测运行状态的待检测运行数据与参考运行状态的参考运行数据之间的第二关联度。
65.其中，不同运行状态包括待检测运行状态和参考运行状态。
66.在本技术实施例中，可以先基于第一关联度确定出最相关系数，之后基于最相关系数计算得到待检测运行状态的待检测运行数据与参考运行状态的参考运行数据之间的第二关联度。需要说明的是，第二关联度可以表征待检测运行状态的待检测运行数据与参考运行状态的参考运行数据之间的关联性。
67.步骤104、基于第二关联度，从不同运行状态中确定目标运行状态。
68.在本技术实施例中，可以对待检测运行状态的待检测运行数据与参考运行状态的参考运行数据之间的第二关联度进行分析，并根据分析结果从不同运行状态中确定目标运行状态。
69.步骤105、基于目标运行状态中的运行状态的数量和第二关联度，确定待检测运行状态对应的运行数据是否异常。
70.在本技术实施例中，可以确定参考运行数据与其它运行数据之间的第三关联度，之后根据第二关联度、第三关联度和运行状态的数量共同来确定待检测运行状态对应的运行数据的异常数值，之后基于异常数值来确定检测运行状态对应的运行数据是否异常。
71.本技术实施例所提供的信息确定方法，在进行设备的运行数据的异常检测时用的是设备的多维度的运行数据，而不仅限于单维运行数据，解决了相关技术中的检测过滤方法均只适用于单维运行数据的异常检测，无法对多维度数据中的异常进行检测的问题，可以完整量化设备运行数据的异常特性，扩大了适用性，且提高了异常检测的准确性。
72.基于前述实施例，本技术的实施例提供一种信息确定方法，参照图2所示，该方法包括以下步骤：
73.步骤201、信息确定设备获取待监测设备的多维度的运行数据。
74.其中，运行数据包括待监测设备的不同运行状态下的运行数据。
75.在本技术实施例中，各种信号采集器可以包括传感器或者控制板；在一种可行的实现方式中，以待监测设备为电梯进行示例说明，工业物联网中的网关通过与安装在电梯上的需要监控的关键部位的传感器或者控制板等通信，来获取电梯的不同运行状态下的多维度的运行数据；假设此时刻下需检测电梯的运行数据p(x1,x2,...,xn)异常与否；其中，x1,x2,...,xn表示各传感器或者控制板在同一时刻下所感知到的设备运行数据集合。如图3所示，可以通过传感器1、传感器2
…
传感器n来采集电梯的不同时刻的运行数据；之后可以将采集的运行数据通过网关转发上传到边缘计算设备或者边缘智能云，由边缘计算设备或者边缘智能云负责对运行数据进行异常数据检测，为后续的设备运行状态的物联网监控以及数据分析与挖掘提供可靠数据支撑。需要说明的是，多维度的运行数据可以包括电梯运行过程中的运行速度、曳引机运行电压、曳引机运行电流、变频器频率等。
76.此外，可以选取一定数量的各运行状态下的运行数据；在一种可行的实现方式中，可以选取电梯上行匀速阶段、上行加速阶段、下行匀速阶段、下行加速阶段以及驻停等阶段的运行数据，这些样本数据集可代表设备运行数据的基本分布规律。将这些具有多维度的运行数据集合定义为d，且定义其中的任一数据点(即任一状态下的一条运行记录)为o(y1,y2,...,yn)。
77.步骤202、信息确定设备采用目标相关分析法，确定每一运行状态对应的不同维度的运行数据之间的相关系数。
78.其中，第一关联度包括相关系数。
79.在本技术实施例中，目标相关分析法可以指的是pearson相关分析法；也就是可以采用pearson相关分析法来计算每一运行状态对应的不同维度的运行数据之间的相关系数r。
80.步骤203、信息确定设备基于相关系数，确定最相关系数。
81.在本技术实施例中，可以从每一运行状态对应的相关系数r中选取目标相关系数，之后基于目标相关系数确定最相关系数；其中，最相关系数可以指的是最大比例系数；最相关系数可以用γ来表示。
82.步骤204、信息确定设备基于最相关系数计算待检测运行状态的待检测运行数据与参考运行状态的参考运行数据之间的第一目标距离，得到第二关联度。
83.其中，不同运行状态中的m个运行状态的运行数据与待检测运行状态的待检测运行数据之间的目标距离小于第一目标距离；不同运行状态包括待检测运行状态和参考运行状态。
84.在本技术实施例中，第二关联度可以指的是第一目标距离；第一目标距离可以是计算待检测运行状态的待检测运行数据与参考运行状态的参考运行数据之间的欧氏距离后得到的。需要说明的是，待检测运行数据可以用数据点p来表示，参考运行数据可以用数据点o来表示，第一目标距离可以用d(p,o)来表示；可以用公式
来计算第一目标距离；其中，和表示的是数据点p和数据点o的最相关系数；xn和yn指的是数据点的位置坐标。
85.步骤205、信息确定设备从不同运行状态中确定第二关联度满足目标关联度条件的运行状态，得到目标运行状态。
86.其中，目标关联度条件可以指的是与待检测运行数据之间的欧氏距离不超过第二关联度；也就是说，目标运行状态可以指的是所有的运行状态中，其对应的运行数据与待检测运行数据之间的欧氏距离不超过第一目标距离的运行数据对应的运行状态。需要说明的是，目标运行状态对应的集合可以用nm(p)来表示。
87.步骤206、信息确定设备确定目标运行状态中包括的运行状态的数量。
88.步骤207、信息确定设备基于第一关联度，确定参考运行数据与其它运行数据之间的第三关联度。
89.其中，其它运行数据为m个运行状态中的任一运行状态的运行数据。
90.在本技术实施例中，可以基于相关系数计算参考运行数据与其它运行数据之间的欧氏距离，得到第三关联度；需要说明的是，计算第三关联度的公式与计算第二关联度的公式可以是相同的，只需要替换公式中的参数就可以。
91.步骤208、信息确定设备基于第二关联度、第三关联度和数量，确定待检测运行状态对应的待检测运行数据是否异常。
92.在本技术实施例中，信息确定设备可以指的是边缘计算设备或者边缘智能云；此时，边缘计算设备或者边缘智能云可以确定出目标运行状态中每一运行状态的运行数据与待检测运行数据之间的第三目标距离，之后基于第二关联度、第三关联度、第三目标距离和数量确定待检测运行数据对应的异常数值，从而可以基于异常数值的大小来确定待检测运行数据是否异常。
93.本技术实施例所提供的信息确定方法，在进行设备的运行数据的异常检测时用的是设备的多维度的运行数据，而不仅限于单维运行数据，解决了相关技术中的检测过滤方法均只适用于单维运行数据的异常检测，无法对多维度数据中的异常进行检测的问题，可以完整量化设备运行数据的异常特性，扩大了适用性，且提高了异常检测的准确性。
94.基于前述实施例，本技术的实施例提供一种信息确定方法，参照图4所示，该方法包括以下步骤：
95.步骤301、信息确定设备获取待监测设备的多维度的运行数据。
96.其中，运行数据包括待监测设备的不同运行状态下的运行数据。
97.步骤302、信息确定设备采用目标相关分析法，确定每一运行状态对应的不同维度的运行数据之间的相关系数。
98.其中，第一关联度包括相关系数。
99.步骤303、信息确定设备从相关系数中，确定相关系数满足目标相关系数阈值的目标相关系数。
100.其中，目标相关系数阈值可以为(0.8，1]；也就是说，目标相关系数可以是所有的相关系数中数值大于0.8，且小于或等于1的相关系数。
101.步骤304、信息确定设备对每两个目标相关系数进行运算，得到多个运算数值。
102.其中，多个运算值可以是将每两个目标相关系数进行相除后得到的数值。
103.步骤305、信息确定设备从多个运算数值中确定满足目标条件的运算数值，得到最相关系数。
104.在本技术实施例中，目标条件可以指的是筛选数值最大的；也就是说，最相关系数是运算数值最大的那一对目标相关系数。
105.步骤306、信息确定设备基于最相关系数计算待检测运行状态的待检测运行数据与参考运行状态的参考运行状态之间的第一目标距离，得到第二关联度。
106.其中，不同运行状态中的m个运行状态的运行数据与待检测运行状态的待检测运行数据之间的目标距离小于第一目标距离；不同运行状态包括待检测运行状态和参考运行状态。
107.需要说明的是，利用pearson相关分析法计算出设备运行属性间的强关联属性对(即目标相关系数)，利用属性间的关联性，将相关属性的变化(即最相关系数)对数据分布规律的影响引入到了异常数据检测流程中，相当于给每个数据点添加一个隐藏惩罚项，重新整合了数据点的分布规律，减弱异常数据点的局部异常特性。同时，可以结合边缘计算，有效提高工业物联网场景下的设备运行数据采集中的异常数据的检测精度。
108.步骤307、信息确定设备从不同运行状态中确定第二关联度满足目标关联度条件的运行状态，得到目标运行状态。
109.步骤308、信息确定设备确定目标运行状态中包括的运行状态的数量。
110.步骤309、信息确定设备基于第一关联度，确定参考运行数据与其它运行数据之间的第三关联度。
111.其中，其它运行数据为m个运行状态中的任一运行状态的运行数据。
112.步骤310、信息确定设备基于第二关联度和多个第三关联度，确定待检测运行数据与参考运行状态的参考运行数据之间的第二目标距离。
113.在本技术实施例中，第二目标距离可以指的是待检测运行数据与参考运行状态的参考运行数据之间的第一可及距离；其中，可以将第二关联度和多个第三关联度进行处理来得到第一可及距离。在一种可行的实现方式中，可以指的是从第一关联度和多个第三关联度中确定数值最大的为第一可及距离。需要说明的是，第一可及距离可以用rd(p,o)来表示。
114.步骤311、信息确定设备确定目标运行状态中每一运行状态的运行数据，与待检测运行数据之间的第三目标距离。
115.在本技术实施例中，第三目标距离可以指的是目标运行状态中每一运行状态的运行数据，与待检测运行数据之间的多个第二可及距离；其中，第二可及距离可以用rd(p,q)需要说明的是，计算第二可及距离与计算第一可及距离的方法是相同，可以参照计算第一可及距离的方法来实现，此处不再赘述。
116.步骤312、信息确定设备基于第二目标距离、每一第三目标距离和数量，确定待检测运行状态的待检测运行数据的可及密度。
117.在本技术实施例中，可以将第二目标距离、每一第三目标距离和数量进行数学逻辑运算，来得到待检测运行数据的可及密度；在一种可行的实现方式中，可及密度可以用
lrdm(p)来表示，数量可以用|nm(p)|来表示，可以采用公式来计算得到可及密度；其中，rdm表征的是rd(p,q)和rd(p,o)(即需要将第一可及密度和多个第二可及密度进行相加求和)。
118.步骤313、信息确定设备基于每一待检测运行状态的待检测运行数据的可及密度和数量，确定异常数值。
119.在本技术实施例中，可以将每一待检测运行状态的待检测运行数据的可及密度和数量进行数学逻辑运算，得到异常数值。
120.需要说明的是，步骤313可以通过以下方式来实现：
121.步骤313a、信息确定设备将每一待检测运行状态的待检测运行数据的可及密度进行运算，得到多个第一数值。
122.其中，可以将每一待检测运行状态的待检测运行数据的可及密度进行两两相除，得到多个第一数值。
123.步骤313b、信息确定设备将多个第一数值和数量进行运算，得到异常数值。
124.其中，可以将所有的第一数值相加求和，之后将和值除以数量，进而得到异常数值。在一种可行的实现方式中，可以采用公式来计算得到异常数值；其中，lrdm(o)可以指的是其他的待检测运行状态的待检测运行数据的可及密度。
125.步骤314、信息确定设备基于异常数值，确定待检测运行状态的待检测运行数据是否异常。
126.在本技术实施例中，可以基于异常数值与目标阈值的大小关系，来确定待检测运行状态的待检测运行数据是否异常。
127.其中，步骤314可以通过以下方式来实现：
128.步骤314a、在异常数值满足目标阈值的情况下，信息确定设备确定待检测运行状态的待检测运行数据存在异常。
129.步骤314b、在异常数值不满足目标阈值的情况下，信息确定设备确定待检测运行状态的待检测运行数据不存在异常。
130.在本技术实施例中，如果异常数值大于目标阈值，认为待检测运行状态的待检测运行数据存在异常；如果异常数值大于或等于目标阈值，则认为待检测运行状态的待检测运行数据不存在异常；在一种可行的实现方式中，目标阈值可以为1；也就是说，如果数据点p和指定范围内的数据点分布密度一致，那他们的分布规律也一样，说明数据点p不存在异常；相反则表明数据点p的密度和周围数据点不一致，则表明数据点p存在异常。需要说明的是，待检测运行状态的待检测运行数据的异常数值表示此时刻下所采集设备运行数据的异常程度，且异常数值与设备运行数据的异常程度呈正比。
131.需要说明的是，本技术所确定出来的异常结果具有较高的检测准确率；并且，平均检测准确率可以达到99.8％。同时，本技术的信息确定方法相比于传统滤波算法具有很强的通用性，由于利用多维设备运行数据，考虑到了多维数据所展现出的整体分布规律，能更
准确地判断设备的运行数据是否异常。并且，可以利用较少样本基数即可覆盖到整体设备运行数据的分布规律，从而可提高异常数据检测效率。
132.在本技术其他实施例中，如图5所示，本技术所提供的信息确定方法在检测运行数据的基本流程可以如下所示：1、获取设备的运行数据(即待检测数据点)；2、计算待检测数据点的最相关系数γ；3、将γ代入到计算欧氏距离的公式中计算待检测数据点与参考运行数据点的欧氏距离；之后，4、基于计算出来的欧氏距离采用算法流程计算得到待检测数据点的异常数值(plan值)；最后，5、可以将plan值与1进行大小比对，在plan值大于1的时候判定待检测数据点为异常数据；在plan值小于或等于1的时候判定待检测数据点为正常数据。
133.本技术实施例所提供的信息确定方法，在进行设备的运行数据的异常检测时用的是设备的多维度的运行数据，而不仅限于单维运行数据，解决了相关技术中的检测过滤方法均只适用于单维运行数据的异常检测，无法对多维度数据中的异常进行检测的问题，可以完整量化设备运行数据的异常特性，扩大了适用性，且提高了异常检测的准确性。
134.基于前述实施例，本技术的实施例提供一种信息确定装置，该装置可以应用于图1～2和4对应的实施例提供的信息确定方法中，参照图6所示，该装置4可以包括：获取单元41、确定单元42和处理单元43，其中：
135.获取单元41，用于获取待监测设备的多维度的运行数据；其中，运行数据包括待监测设备的不同运行状态下的运行数据；
136.确定单元42，用于确定每一运行状态对应的不同维度的运行数据之间的第一关联度；
137.确定单元42，还用于基于第一关联度，确定待检测运行状态的待检测运行数据与参考运行状态的参考运行数据之间的第二关联度；其中，不同运行状态包括待检测运行状态和参考运行状态；
138.处理单元43，用于基于第二关联度，从不同运行状态中确定目标运行状态；
139.处理单元43，还用于基于目标运行状态中的运行状态的数量和第二关联度，确定待检测运行状态对应的运行数据是否异常。
140.在本技术的其他实施例中，确定单元42还用于执行以下步骤：
141.采用目标相关分析法，确定每一运行状态对应的不同维度的运行数据之间的相关系数；其中，第一关联度包括相关系数。
142.在本技术的其他实施例中，确定单元42还用于执行以下步骤：
143.基于相关系数，确定最相关系数；
144.基于最相关系数计算待检测运行状态的待检测运行数据与参考运行状态的参考运行状态之间的第一目标距离，得到第二关联度；其中，不同运行状态中的m个运行状态的运行数据与待检测运行状态的待检测运行数据之间的目标距离小于第一目标距离。
145.在本技术的其他实施例中，确定单元42还用于执行以下步骤：
146.从相关系数中，确定相关系数满足目标相关系数阈值的目标相关系数；
147.对每两个目标相关系数进行运算，得到多个运算数值；
148.从多个运算数值中确定满足目标条件的运算数值，得到最相关系数。
149.在本技术的其他实施例中，处理单元43还用于执行以下步骤：
150.从不同运行状态中确定第二关联度满足目标关联度条件的运行状态，得到目标运
行状态。
151.在本技术的其他实施例中，处理单元43还用于执行以下步骤：
152.确定目标运行状态中包括的运行状态的数量；
153.基于第一关联度，确定参考运行数据与其它运行数据之间的第三关联度；其中，其它运行数据为m个运行状态中的任一运行状态的运行数据；
154.基于第二关联度、第三关联度和数量，确定待检测运行状态对应的运行数据是否异常。
155.在本技术的其他实施例中，处理单元43还用于执行以下步骤：
156.基于第二关联度和多个第三关联度，确定待检测运行数据与参考运行状态的参考运行数据之间的第二目标距离；
157.确定目标运行状态中每一运行状态的运行数据，与待检测运行数据之间的第三目标距离；
158.基于第二目标距离、每一第三目标距离和数量，确定待检测运行状态的待检测运行数据的可及密度；
159.基于每一待检测运行状态的待检测运行数据的可及密度和数量，确定异常数值；
160.基于异常数值，确定待检测运行状态的待检测运行数据是否异常。
161.在本技术的其他实施例中，处理单元43还用于执行以下步骤：
162.将每一待检测运行状态的待检测运行数据的可及密度进行运算，得到多个第一数值；
163.将多个第一数值和数量进行运算，得到异常数值；
164.在本技术的其他实施例中，处理单元43还用于执行以下步骤：
165.在异常数值满足目标阈值的情况下，确定待检测运行状态的待检测运行数据存在异常；
166.在异常数值不满足目标阈值的情况下，确定待检测运行状态的待检测运行数据不存在异常。
167.需要说明的是，本实施例中各个单元之间的交互过程，可以参照图1～2和4对应的实施例提供的信息确定方法中的实现过程，此处不再赘述。
168.本技术实施例所提供的信息确定装置，在进行设备的运行数据的异常检测时用的是设备的多维度的运行数据，而不仅限于单维运行数据，解决了相关技术中的检测过滤方法均只适用于单维运行数据的异常检测，无法对多维度数据中的异常进行检测的问题，可以完整量化设备运行数据的异常特性，扩大了适用性，且提高了异常检测的准确性。
169.基于前述实施例，本技术的实施例提供一种信息确定设备，该信息确定设备可以应用于图1～2和4对应的实施例提供的信息确定方法中，参照图7所示，该信息确定设备5可以包括：处理器51、存储器52和通信总线53，其中：
170.通信总线53用于实现处理器51和存储器52之间的通信连接；
171.处理器51用于执行存储器52中的信息确定程序，以实现如下步骤：
172.获取待监测设备的多维度的运行数据；其中，运行数据包括待监测设备的不同运行状态下的运行数据；
173.确定每一运行状态对应的不同维度的运行数据之间的第一关联度；
174.基于第一关联度，确定待检测运行状态的待检测运行数据与参考运行状态的参考运行数据之间的第二关联度；其中，不同运行状态包括待检测运行状态和参考运行状态；
175.基于第二关联度，从不同运行状态中确定目标运行状态；
176.基于目标运行状态中的运行状态的数量和第二关联度，确定待检测运行状态对应的运行数据是否异常。
177.在本技术的其他实施例中，处理器51用于执行存储器52中的信息确定程序的确定每一运行状态对应的不同维度的运行数据之间的第一关联度，以实现如下步骤：
178.采用目标相关分析法，确定每一运行状态对应的不同维度的运行数据之间的相关系数；其中，第一关联度包括相关系数。
179.在本技术的其他实施例中，处理器51用于执行存储器52中的信息确定程序的基于第一关联度，确定待检测运行状态的待检测运行数据与参考运行状态的参考运行数据之间的第二关联度，以实现如下步骤：
180.基于相关系数，确定最相关系数；
181.基于最相关系数计算待检测运行状态的待检测运行数据与参考运行状态的参考运行状态之间的第一目标距离，得到第二关联度；其中，不同运行状态中的m个运行状态的运行数据与待检测运行状态的待检测运行数据之间的目标距离小于第一目标距离。
182.在本技术的其他实施例中，处理器51用于执行存储器52中的信息确定程序的基于相关系数，确定最相关系数，以实现如下步骤：
183.从相关系数中，确定相关系数满足目标相关系数阈值的目标相关系数；
184.对每两个目标相关系数进行运算，得到多个运算数值；
185.从多个运算数值中确定满足目标条件的运算数值，得到最相关系数。
186.在本技术的其他实施例中，处理器51用于执行存储器52中的信息确定程序的基于第二关联度，从不同运行状态中确定目标运行状态，以实现如下步骤：
187.从不同运行状态中确定第二关联度满足目标关联度条件的运行状态，得到目标运行状态。
188.在本技术的其他实施例中，处理器51用于执行存储器52中的信息确定程序的基于目标运行状态中的运行状态的数量和第二关联度，确定待检测运行状态对应的运行数据是否异常，以实现如下步骤：
189.确定目标运行状态中包括的运行状态的数量；
190.基于第一关联度，确定参考运行数据与其它运行数据之间的第三关联度；其中，其它运行数据为m个运行状态中的任一运行状态的运行数据；
191.基于第二关联度、第三关联度和数量，确定待检测运行状态对应的运行数据是否异常。
192.在本技术的其他实施例中，处理器51用于执行存储器52中的信息确定程序的基于第二关联度、第三关联度和数量，确定待检测运行状态对应的运行数据是否异常，以实现如下步骤：
193.基于第二关联度和多个第三关联度，确定待检测运行数据与参考运行状态的参考运行数据之间的第二目标距离；
194.确定目标运行状态中每一运行状态的运行数据，与待检测运行数据之间的第三目
标距离；
195.基于第二目标距离、每一第三目标距离和数量，确定待检测运行状态的待检测运行数据的可及密度；
196.基于每一待检测运行状态的待检测运行数据的可及密度和数量，确定异常数值；
197.基于异常数值，确定待检测运行状态的待检测运行数据是否异常。
198.在本技术的其他实施例中，处理器51用于执行存储器52中的信息确定程序的基于每一待检测运行状态的待检测运行数据的可及密度和数量，确定异常数值，以实现如下步骤：
199.将每一待检测运行状态的待检测运行数据的可及密度进行运算，得到多个第一数值；
200.将多个第一数值和数量进行运算，得到异常数值；
201.在本技术的其他实施例中，处理器51用于执行存储器52中的信息确定程序的基于异常数值，确定待检测运行状态的待检测运行数据是否异常，以实现如下步骤：
202.在异常数值满足目标阈值的情况下，确定待检测运行状态的待检测运行数据存在异常；
203.在异常数值不满足目标阈值的情况下，确定待检测运行状态的待检测运行数据不存在异常。
204.需要说明的是，本实施例中处理器所执行的步骤的具体实现过程，可以参照图1～2和4对应的实施例提供的信息确定方法中的实现过程，此处不再赘述。
205.本技术实施例所提供的信息确定设备，在进行设备的运行数据的异常检测时用的是设备的多维度的运行数据，而不仅限于单维运行数据，解决了相关技术中的检测过滤方法均只适用于单维运行数据的异常检测，无法对多维度数据中的异常进行检测的问题，可以完整量化设备运行数据的异常特性，扩大了适用性，且提高了异常检测的准确性。
206.基于前述实施例，本技术的实施例提供一种计算机可读存储介质，该计算机可读存储介质存储有一个或者多个程序，该一个或者多个程序可被一个或者多个处理器执行，以实现图1～2和4对应的实施例提供的信息确定方法中的步骤。
207.应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本技术的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本技术的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。
208.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
209.在本技术所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其
它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
210.另外，在本技术各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
211.本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(read only memory，rom)、磁碟或者光盘等各种可以存储程序代码的介质。
212.或者，本技术上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术实施例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，该计算机软件产品存储在一个存储介质中，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)执行本技术各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、rom、磁碟或者光盘等各种可以存储程序代码的介质。
213.以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。

技术特征：
1.一种信息确定方法，其特征在于，所述方法包括：获取待监测设备的多维度的运行数据；其中，所述运行数据包括所述待监测设备的不同运行状态下的运行数据；确定每一运行状态对应的不同维度的运行数据之间的第一关联度；基于所述第一关联度，确定待检测运行状态的待检测运行数据与参考运行状态的参考运行数据之间的第二关联度；其中，所述不同运行状态包括待检测运行状态和所述参考运行状态；基于所述第二关联度，从所述不同运行状态中确定目标运行状态；基于所述目标运行状态中的运行状态的数量和所述第二关联度，确定所述待检测运行数据是否异常。2.根据权利要求1所述的方法，其特征在于，所述确定每一运行状态对应的不同维度的运行数据之间的第一关联度，包括：采用目标相关分析法，确定所述每一运行状态对应的不同维度的运行数据之间的相关系数；其中，所述第一关联度包括所述相关系数。3.根据权利要求2所述的方法，其特征在于，所述基于所述第一关联度，确定待检测运行状态的待检测运行数据与参考运行状态的参考运行数据之间的第二关联度，包括：基于所述相关系数，确定最相关系数；基于所述最相关系数计算所述待检测运行数据与所述参考运行状态的参考运行状态之间的第一目标距离，得到所述第二关联度；其中，所述不同运行状态中的m个运行状态的运行数据与所述待检测运行状态的待检测运行数据之间的目标距离小于所述第一目标距离。4.根据权利要去3所述的方法，其特征在于，所述基于所述相关系数，确定最相关系数，包括：从所述相关系数中，确定所述相关系数满足目标相关系数阈值的目标相关系数；对每两个所述目标相关系数进行运算，得到多个运算数值；从所述多个运算数值中确定满足目标条件的运算数值，得到所述最相关系数。5.根据权利要求2所述的方法，其特征在于，所述基于所述第二关联度，从所述不同运行状态中确定目标运行状态，包括：从所述不同运行状态中确定所述第二关联度满足目标关联度条件的运行状态，得到所述目标运行状态。6.根据权利要求1所述的方法，其特征在于，所述基于所述目标运行状态中的运行状态的数量和所述第二关联度，确定所述待检测运行数据是否异常，包括：确定所述目标运行状态中包括的运行状态的数量；基于所述第一关联度，确定所述参考运行数据与其它运行数据之间的第三关联度；其中，所述其它运行数据为所述m个运行状态中的任一运行状态的运行数据；基于所述第二关联度、所述第三关联度和所述数量，确定所述待检测运行数据是否异常。7.根据权利要求6所述的方法，其特征在于，所述基于所述第二关联度、所述第三关联度和所述数量，确定所述待检测运行数据是否异常，包括：
基于所述第二关联度和多个所述第三关联度，确定所述待检测运行数据与所述参考运行数据之间的第二目标距离；确定所述目标运行状态中每一运行状态的运行数据，与所述待检测运行数据之间的第三目标距离；基于所述第二目标距离、所述每一第三目标距离和所述数量，确定所述待检测运行数据的可及密度；基于每一所述待检测运行状态的待检测运行数据的可及密度和所述数量，确定异常数值；基于所述异常数值，确定所述待检测运行数据是否异常。8.根据权利要求7所述的方法，其特征在于，所述基于每一所述待检测运行状态的待检测运行数据的可及密度和所述数量，确定异常数值，包括：将每一所述待检测运行状态的待检测运行数据的可及密度进行运算，得到多个第一数值；将多个所述第一数值和所述数量进行运算，得到所述异常数值；相应的，所述基于所述异常数值，确定所述待检测运行数据是否异常，包括：在所述异常数值满足目标阈值的情况下，确定所述待检测运行数据存在异常；在所述异常数值不满足目标阈值的情况下，确定所述待检测运行数据不存在异常。9.一种信息确定装置，其特征在于，所述装置包括：获取单元，用于获取待监测设备的多维度的运行数据；其中，所述运行数据包括所述待监测设备的不同运行状态下的运行数据；确定单元，用于确定每一运行状态对应的不同维度的运行数据之间的第一关联度；确定单元，还用于基于所述第一关联度，确定待检测运行状态的待检测运行数据与参考运行状态的参考运行数据之间的第二关联度；其中，所述不同运行状态包括待检测运行状态和所述参考运行状态；处理单元，用于基于所述第二关联度，从所述不同运行状态中确定目标运行状态；所述处理单元，还用于基于所述目标运行状态中的运行状态的数量和所述第二关联度，确定所述待检测运行数据是否异常。10.一种信息确定设备，其特征在于，所述设备包括：处理器、存储器和通信总线；所述通信总线用于实现处理器和存储器之间的通信连接；所述处理器用于执行存储器中存储的信息确定程序，以实现如权利要求1～8任一项所述的信息确定方法的步骤。11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1至8中任一项所述的信息确定方法的步骤。

技术总结
本申请实施例公开了一种信息确定方法，包括：获取待监测设备的多维度的运行数据；运行数据包括待监测设备的不同运行状态下的运行数据；确定每一运行状态对应的不同维度的运行数据之间的第一关联度；基于第一关联度，确定待检测运行状态的待检测运行数据与参考运行状态的参考运行数据之间的第二关联度；不同运行状态包括待检测运行状态和参考运行状态；基于第二关联度从不同运行状态中确定目标运行状态；基于目标运行状态中的运行状态的数量和第二关联度，确定待检测运行数据是否异常，如此，可以完整量化设备运行数据的异常特性，提高了异常检测的准确性。本申请实施例还公开了一种信息确定装置、设备和计算机可读存储介质。质。质。


技术研发人员：石玉亮
受保护的技术使用者：中国移动通信集团有限公司
技术研发日：2022.08.26
技术公布日：2023/9/22