(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210813075.6 (22)申请日 2022.07.12 (71)申请人 中国电建集团中南勘测设计 研究院 有限公司 地址 410014 湖南省长 沙市雨花区香樟东 路16号 (72)发明人 王柏顺　张侃侃　石瑞格　曾佑聪　 邓思滨　张晋福　 (74)专利代理 机构 长沙正奇专利事务所有限责 任公司 431 13 专利代理师 曾利平 (51)Int.Cl. G06F 16/2455(2019.01) G06F 16/215(2019.01) (54)发明名称 规则引擎构建方法、 电子设备及存 储介质 (57)摘要 本发明公开了一种规则引擎构建方法、 电子 设备及存储介质， 该方法包括获取水文资料， 对 水文资料进行整理， 将整理后的水文资料添加至 规则引擎表单中， 并在规则引擎表单中形成规则 条件； 根据监测数据表与规则引擎表单中的要素 名称， 将监测数据表与规则引擎表单中的规则条 件进行关联； 根据监测数据表与规则引擎表单中 规则条件之间的关联关系得到关联的规则条件、 要素名称和监测数据表， 并生成规则引擎脚本； 设定监测数据表的检测任务和检测参数； 根据检 测参数从监测数据表中抽取数据， 并利用规则引 擎脚本对抽取出的数据进行检测和处理； 在检测 和处理结束后生成数据检测处理报告。 本发明保 障正确数据不被误删。 权利要求书1页 说明书10页 附图2页 CN 115422234 A 2022.12.02 CN 115422234 A 1.一种发现水文监测数据奇异值的规则引擎构建方法， 其特 征在于， 包括以下步骤： 获取水文资料， 所述水文资料包括监测传感器参数信息、 水文规约要素信息和测站基 本信息； 对所述水文资料进行整理， 将整理后的水文资料添加至规则引擎表单中， 并在所述规 则引擎表单中形成规则条件； 根据待检测的监测数据表与 所述规则引擎表单中的要素名称， 将所述监测数据表与 所 述规则引擎表单中的规则条件进行关联； 根据所述监测数据表与所述规则引擎表单中规则条件之间的关联关系得到关联的规 则条件、 要素名称和监测数据表， 并生成规则引擎脚本； 设定所述 监测数据表的检测任务和检测参数； 根据设定的检测参数从所述监测数据表中抽取数据， 并利用所述规则引擎脚本对抽取 出的数据进行检测 和处理； 在检测和处理结束后生成数据检测处 理报告。 2.根据权利要求1所述的规则引擎构建方法， 其特征在于， 所述监测传感器参数信 息包 括监测传感器名称、 采样周期、 量 程最大值、 量 程最小值、 数据变幅； 所述水文规约要素信息包括要素名称、 标识符、 数据定义及单位； 所述测站基本信息包括站名、 测站编号和水文特性 值。 3.根据权利要求1所述的规则引擎构建方法， 其特征在于， 将整理后的水文资料添加至 规则引擎表单中时， 如果监测传感器参数信息中的量程与水文规约要 素信息中的数据定义 存在重叠， 则以测站建 设时规划的水文特性 值为准。 4.根据权利要求1所述的规则引擎构建方法， 其特征在于， 所述规则引擎脚本的具体生 成过程为： 以要 素名称为引擎执行前置条件， 以量程最大值、 量程最小值、 数据变幅、 可否为 空、 可否为 零为引擎约束条件， 生成所述 规则引擎脚本 。 5.根据权利要求1～4中任一项所述的规则引擎构建方法， 其特征在于， 所述检测和 处 理的具体过程 为： 如果抽取 出的数据符合对应的规则条件， 则数据为 正常值， 否则为奇异值； 对所述奇异值进行标注、 剔除和告警通知处理； 其中告警通知包括测站编码、 要素名 称、 数据监测时间、 数据具体值、 告警原因和检测时间。 6.根据权利要求1所述的规则引擎构建方法， 其特征在于， 所述数据检测处理报告包括 表名、 处理总数、 正常率和错 误率。 7.一种电子设备， 包括存储器和 处理器， 所述存储器上存储有能够在所述处理器上运 行的计算机程序， 其特征在于： 所述处理器运行所述计算机程序时执行权利要求1～6中任 一项所述发现水文监测数据奇异值的规则引擎构建方法的步骤。 8.一种计算机可读存储介质， 所述计算机可读存储介质为非易失性存储介质或非瞬态 存储介质， 其上存储有计算机程序， 其特征在于： 所述计算机程序被处理器运行时执行权利 要求1～6中任一项所述发现水文监测数据奇异值的规则引擎构建方法的步骤。权　利　要　求　书 1/1 页 2 CN 115422234 A 2规则引擎构建 方法、 电子设备及存储介质 技术领域 [0001]本发明属于水文监测数据处理技术， 尤其涉及一种发现水文监测数据奇异值的规 则引擎构建方法、 电子设备及存 储介质。 背景技术 [0002]水文监测数据主要来源于水文部门对江、 河、 湖泊、 水库、 渠道和地下水等的实时 监测， 具体监测数据包括实时降雨 量、 水位、 水温、 流 量、 蒸发等。 [0003]受设备受损、 通信异常及外部环境干扰等影响， 监测数据普遍存在着数据不完整、 奇异数据多等异常情况， 具体表现为： 监测数据缺失、 监测数据不在检出范围、 监测数据大 幅突变。 [0004]异常清楚的现有处 理方式主 要为： [0005]方式一、 定期删除奇异值： [0006](a)管理员按月或年等定期对数据进行筛查， 并根据当地实际水文情况删除奇异 值； [0007](b)管理员在进行资料整编时对数据进行筛查， 并根据水文趋势删除奇异值； [0008]方式二、 利用软件工具筛查奇异值： [0009](a)通过传统的ETL工具配置奇异值删除规则， 包括 最大值、 最小值； [0010](b)通过业 务系统筛 选条件查询出奇异值， 并删除。 [0011]现有处理方式存在以下问题： [0012](a)按年或月等方式删除奇异值实时性 不高； [0013](b)没有及时处理异常数据， 导致业务系统已把异常数据加入到计算队列， 造成错 误决策； [0014](c)需要对水文专业非常熟悉， 否则操作不当容 易误删正确数据； [0015](d)使用传统的ETL工具没有充 分考虑季节性、 地理环境、 设备损耗、 网络延迟等干 扰因素， 导 致数据处 理效果不佳， 容易删除正确数据。 [0016]规则引擎技术由推理引擎发展而来， 是一种嵌入在应用程序中的组件， 实现了将 业务决策从应用程序代码中分离出来， 并使用预定义的语义模块编写业务决策。 规则引擎 技术具有多输入支持、 广泛的动态表达式、 极快等优势， 用户以JSON、 XML形式自定义一系 列 的规则条件， 如： 数值匹配、 数值对比、 数据筛选等规则， 通过解析和执行规则条件， 为大量 而又快速变化的数据提供统一的验证逻辑。 [0017]由于水文资料必须要保证可靠性、 一致性和代表性， 因此在使用常规规则引擎技 术处理监测数据时遇 到重重困难， 最终无法满足水文分析与计算， 主 要体现在以下 方面： [0018](a)常规规则引擎中的规则条件缺少水文各级测站的资料， 如水库资料、 河道资 料、 水位资料、 流量资料等， 无基础资料支撑所设定的规则条件反而容易把正确数据剔除 掉， 存在误删现象， 无法满足水文资料中的可靠性要求； [0019](b)受到季节性、 地 理环境等 因素影响， 存在曲线波动， 为了确保数据一致性， 需要说　明　书 1/10 页 3 CN 115422234 A 3