基于远程的可回收物仓储异常预警方法及系统与流程

本发明涉及仓储异常预警领域，尤其涉及基于远程的可回收物仓储异常预警方法及系统。

背景技术：

1、可回收物仓储是将可回收物存储于仓库的过程，在可回收物存储过程中，需要对可回收物进行管理，以便于提高仓库的利用效率和工作人员的作业效率，例如，对于其中一个仓库而言，每天需要将可回收物存放于仓库中，同时又需要将部分可回收物从仓库中取出，涉及到仓储量的动态管理；又比如，可回收物数量种类较多，需要对可回收物按照不同的类别进行分类存储管理，在此过程中涉及到对可回收物的分类管理；可回收物存放的仓库区域不同，此时涉及到对仓库区域的管理。因此，在对可回收物仓储管理过程中涉及到大量的数据管理工作。

2、公告号为cn117978461b的中国专利文件公开了一种基于孤立森林的异常登录检测方法及系统，包括：获取登录数据集，提取登录数据集中包含的初始数据特征，对初始数据特征进行预处理并构建白名单对应的安全特征集合，对安全特征集合进行数据聚类，得到数据子图；根据数据子图，结合密度估计算法，通过计算得到孤立森林模型的高斯核密度并确定密度得分，结合安全特征集合确定孤立森林树的深度并构建孤立森林树，根据孤立森林树构建孤立森林模型；根据孤立森林模型，通过计算数据子图中每个数据点在孤立森林树中的平均路径长度对数据点进行异常值识别，若平均路径长度低于路径长度阈值，则认为该数据点为异常数据点，将该数据点对应的登录信息记为异常登录信息。

3、在对仓储管理过程中，通常利用孤立森林对当天可回收物的数据进行检测以判断可回收物的状态是否异常，从而决定是否将可回收物存储于相应的仓库中，但是因为可回收物仓储数据的维度较多，其维度包括可回收物的类别、完整性、可回收物在仓库中的区域位置，而孤立森林算法在处理多维数据过程中，距离度量的准确性较低，进而导致异常数据检测的准确性较低。

技术实现思路

1、为了解决可回收物仓储数据的维度较多导致孤立森林在检测异常数据的准确性较低的问题，本发明提供基于远程的可回收物仓储异常预警方法及系统。

2、第一方面，本发明提供基于远程的可回收物仓储异常预警方法，采用如下的技术方案：

3、获取每个可回收物的状态评分，根据每天内所有可回收物的状态评分构建状态评分数据组；

4、计算状态评分数据组的离散性，离散性与状态评分数据组内数据的差值绝对值之和正相关，计算当天状态评分数据组的差异度；

5、将状态评分数据组内数据的均值与数量之和作为评分状态数据组的特征值，以特征值为横坐标差异度为纵坐标构建坐标系，将历史状态评分数据组和当天状态评分数据组映射至坐标系内；

6、通过孤立森林算法得到当天状态评分数据组的异常得分，响应于当天状态评分数据组的异常得分大于预设的得分阈值，发出当天状态评分数据组异常信号；

7、其中，差异度的表达式为：

8、

9、式中，表示第天数据组的差异度，表示第天状态评分数据组和第天的状态评分数据组的相似性，表示第天状态评分数据组的离散性，表示第天状态评分数据组的离散性，表示历史状态评分数据组的个数，表示归一化函数。

10、通过获取每个可回收物的状态评分，进而得到状态评分数据组的异常得分，根据异常得分实现对仓储可回收物的异常检测，提高了检测异常数据的准确性。

11、优选的，状态评分数据组的离散性表达式为：

12、

13、其中，表示第天可回收物状态评分数据组的离散性，表示第天状态评分数据组中的第个状态评分，表示第i天状态评分数据组中的第个状态评分，表示状态评分数据组中的第个状态评分，表示状态评分数据组中的第个状态评分，表示状态评分数据组中状态评分的个数。

14、优选的，状态评分数据组的离散性表达式为：

15、

16、其中，表示第天可回收物状态评分数据组的离散性，表示第天状态评分数据组中的第个状态评分，表示第i天状态评分数据组中的第个状态评分，表示状态评分数据组中的第个状态评分，表示状态评分数据组中的第个状态评分，表示状态评分数据组中状态评分的个数。

17、通过计算状态评分数据组的离散性，能够判断状态评分数据组内数据的分布情况，以便于计算状态评分数据组的差异度。

18、优选的，通过孤立森林算法得到当天状态评分数据组的异常得分的方法为：

19、以状态评分数据组所在区域作为分割区域，以其中一个状态评分数据组为中心构建横向分割线和纵向分割线对分割区域进行分割得到多个区域，将状态评分数据组数量最少的区域内的状态评分数据组的异常得分记作1，然后，将状态评分数据组数量最少的区域作为分割区域，对分割区域进行重复分割，将状态评分数据组数量最少的区域内的状态评分数据组的异常得分加1，直至当天状态评分数据组的异常得分不再发生变化。

20、通过计算当天状态评分数据组的异常得分能够筛选出异常值，提高了筛选异常值的准确性。

21、优选的，计算状态评分数据组的数据重心，以数据重心为原点构建横向分割线和纵向分割线，数据重心的表达式为：

22、

23、其中，表示数据重心的横轴坐标，表示数据重心的纵轴坐标，表示坐标系中第天状态评分数据组的横坐标，表示坐标系中第天状态评分数据组的纵坐标，表示坐标系中当天状态评分数据组的个数。

24、通过计算得到数据重心的坐标，便于确定分割区域的分割线，从而提高了分割的精确性，进一步提高了状态评分数据组的异常得分的准确性。

25、优选的，还包括步骤：

26、计算状态评分数据组的异常度，响应于当天状态评分数据组的异常度大于预设的异常阈值，发出当天状态评分数据组异常信号；

27、异常度的表达式为：

28、

29、其中，表示第天状态评分数据组的异常度，表示第天状态评分数据组的异常可能性，表示第天状态评分数据组所在区域的第p个状态评分数据组的异常可能性，表示第天状态评分数据组所在区域的状态评分数据组的总个数，表示第天状态评分数据组和所在区域的第p个状态评分数据组的间距，表示归一化函数。

30、通过计算状态评分数据组的异常度，提高了异常检测结果的准确性。

31、优选的，异常可能性的表达式为：

32、

33、其中，表示第天状态评分数据组的异常可能性，表示第天状态评分数据组的状态评分，表示第天状态评分数据组到起始数据重心的间距，表示归一化函数。

34、第二方面，本发明提供基于远程的可回收物仓储异常预警系统，采用如下的技术方案：

35、基于远程的可回收物仓储异常预警系统，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根据上述的基于远程的可回收物仓储异常预警方法。

36、本发明具有以下技术效果：

37、1、通过获取每个可回收物的状态评分，利用孤立森林算法得到状态评分数据组的异常得分，根据异常得分实现对仓储可回收物的异常检测，解决了可回收物仓储数据的维度较多导致孤立森林在检测异常数据的准确性较低的问题，提高了检测异常数据的准确性，便于对仓储数据进行管理。

38、2、通过计算当天状态评分数据组异常度实现对当天状态评分数据组的异常检测，从而实现通过两个维度对状态评分数据组的异常检测，提高了检测结果的准确性，为仓储数据管理提供了极大的便利。