1.本发明涉及数据处理技术领域，具体为一种基于大数据分析的天然气购销数据处理系统及方法。
背景技术：
2.天然气是指自然界中存在的一类可燃性气体，是一种化石燃料，包括大气圈、水圈、和岩石圈中各种自然过程形成的气体，它是一种洁净环保的能源，基本上不含有很多的有害物质，同时，在天然气使用过程中，因为其不易堆积爆炸的特性，使用时更加安全方便。
3.因此，随着我国经济的不断发展，人们逐渐使用天然气来取代煤气，与此同时用气规模扩大，城市燃气管网不断延伸，使得企业通过天然气平台对天然气购销数据进行管理，然而，在进行数据监测的过程中，系统无法根据用户使用的情况判断天然气数据是否发生泄露，同时，由于管线的增多，导致泄露的几率加大，如果不能及时发现，不但威胁运行安全，同时造成燃气损失，导致供销差加大；因此，如何通过用户使用天然气的情况判断天然气管网的安全状况成为亟待解决的问题。
技术实现要素：
4.本发明的目的在于提供一种基于大数据分析的天然气购销数据处理系统及方法，以解决上述背景技术中提出的问题。
5.为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据分析的天然气购销数据处理方法，包括以下步骤：
6.步骤s100：采集天然气平台中所有使用天然气的用户信息和相应的ip信息，形成用户信息集；根据用户信息集中任意一个用户信息，设为目标用户，采集所述目标用户对天然气的所有历史使用记录，形成历史记录集；同时利用定时采样算法每隔一定时间对天然气平台的天然气购销数据进行采集，形成购销数据集；
7.其中，所述天然气平台相当于中间商，不仅需要和客户对接还需要进行产品购销；所述历史记录集包括时间点数据、燃气使用量；所述定时采样算法属于本领域技术人员的常规技术手段，因此在本技术中就不再做出过多的赘述；
8.步骤s200：对采集的数据进行存储处理；
9.步骤s300：根据购销数据集分析各个时间段的天然气购销数据变化，并根据用户量判断当前时间段内天然气购销数据变化的异常度，若异常度大，则根据目标用户的历史记录集分析用户在每隔一定时间的天然气使用量差值，则对使用量差值大的用户信息进行获取，设为待定异常用户，根据用户信息集中的ip信息确认待定异常用户的位置，并根据位置定点分析待定异常用户对天然气使用数据情况的异常程度；
10.将在一定范围内的异常用户进行采集，分析异常用户数量，若数量超过阈值，则判断异常原因为天然气管网损坏，若数量未超过阈值，进行提取；进一步分析个体异常用户天然气使用数据是否异常，并分析个体异常用户天然气使用数据异常原因；其中，异常指代天
然气由于不可抗力原因发生故障；
11.步骤s400：根据异常程度的大小分析使用数据异常的原因，并根据异常原因进行智能预警，同时根据用户的天然气使用情况合理安排对天然气的购入量；
12.步骤s500：对检测的正常数据进行监测并对检测的异常数据进行显示和提醒；
13.步骤s600：对所有用户上缴的天然气购销资金数据、发票数据进行管理；同时对所有用户的天然气购销合同信息进行管理。
14.进一步的，步骤s100包括：
15.步骤s110：对天然气平台中所有使用天然气的用户信息和相应的ip信息进行采集，形成用户信息集：a＝{a1,a2,
…
,an}，其中a1,a2,
…
,an表示使用天然气的第1、2、
…
、n个用户的信息和ip信息；基于用户信息集中的任意一个用户信息，设为目标用户ai，对目标用户ai使用天然气的历史记录进行采集，形成历史记录集b；
16.步骤s120：利用定时采样算法每隔t时间对天然气平台的天然气购销数据进行采集，形成购销数据集：c＝{c1,c2,
…
,ck}，其中c1,c2,
…
,ck表示第1、2、
…
、k个时间段内天然气的购销数据记录。
17.进一步的，步骤s300包括：
18.步骤s310：根据购销数据集c对任意时间段内天然气的购销数据记录cj进行获取，确认购销记录cj中的用户量xj和天然气使用量yj，则以时间t为横坐标，yj/xj为纵坐标构建二维平面坐标系，形成购销变化集(t,y)＝{(t1,y1/x1),(t2,y2/x2),
…
,(tk,yk/xk)}，其中(t1,y1/x1),(t2,y2/x2),
…
,(tk,yk/xk)表示第1、2、
…
、k个时间段内天然气购销数据的变化；基于购销变化集，根据公式αk＝(yk/xk-y1/x1) (yk/xk-y2/x2)
…
(yk/xk-y()k-1)/x(k-1))，得到当前时间段k天然气购销数据变化的异常度αk，若|αk|大于变化阈值α，则表示当前时间段天然气购销数据存在异常可能性，进入s320，反之，则系统未发现异常，进入步骤s500对数据进行实时监测；
19.通过将购销数据坐标化，根据天然气使用量和用户量的关系，分析单个用户使用的天然气量的变化，进一步分析系统对天然气购销数据的异常度，有利于后续针对存在异常可能性的数据进行分析，进一步判断异常原因，提高数据分析的效率。
20.步骤s320：确认天然气购销数据存在异常可能性，则对目标用户ai的历史记录集b进行获取，利用时间间隔τ对历史记录集b中第k个时间段的各个时间点数据和相应的天然气使用量进行获取，形成目标用户ai的使用集合d＝{d1,d2,
…
,dz}，其中d1,d2,
…
,dz表示第1、2、
…
、z个时间间隔目标用户ai的天然气使用量；基于使用集合d，根据公式βi＝[|d2-d1| |d3-d2|
…
|dz-dz-1|]/[(z-1)*τ]，得到目标用户ai的天然气使用量差值βi，若βi大于比较阈值β，则将目标用户ai确认为待定异常用户，通过遍历用户信息集a，对所有天然气使用量差值βi大于比较阈值β的用户信息进行提取，形成待定异常用户集a’＝{a1’,a2’,
…
,af’}，其中a1’,a2’,
…
,af’表示第1、2、
…
、f个待定异常用户和其相应的ip信息；其中，时间间隔τ是为了将时间差距相同化，使用户对天然气使用频率一致，如一天；βi表示每一个时间点天然气使用差值；
[0021]
通过将时间差距相同化，使用户对天然气使用频率一致，根据目标用户的历史记录集分析用户在每隔一定时间的天然气使用量差值，确认存在异常可能性的所有用户，有利于后续对用户区域的划分，并根据区域中异常用户的数量分析数据异常程度；
[0022]
步骤s330：对待定异常用户集a’中f个待定异常用户的ip位置进行获取，比较任意两个待定异常用户ai’和aj’的ip位置(ii,gi)和(ij,gj)之间的距离，其中i≠j，得到距离d
(i
→
j)
＝√[(ij-ii)2 (gj-gi)2]，若d
(i
→
j)
小于距离阈值δ，则将待定异常用户ai’和aj’划分为同一个范围内的数据，反之，若d
(i
→
j)
大于距离阈值δ，则划分为不同范围内的数据，此时根据不同待定异常用户之间的ip距离得到不同范围的用户信息，从而形成范围集h；
[0023]
步骤s340：对范围集h中任意一个范围hs内的用户信息进行获取，其中hs∈h，确认所述范围内的待定异常用户数量为qs，同时遍历用户信息集a，比较用户信息集a中所有用户和所述范围hs的待定异常用户的距离，获取用户信息集a中小于距离阈值δ的用户数量为ps，此时，若qs/ps大于数量阈值μ，则确认范围hs内的所有待定异常用户对天然气使用数据情况的异常程度为φ＝v1*μ，其中v1表示天然气特征参数，根据待定异常用户数量范围进行取值；反之，若qs/ps小于数量阈值μ，则对范围hs内任意一个待定异常用户ai’进行提取，根据待定异常用户ai’的用户信息获取所述待定异常用户历史记录集b’，基于历史记录集b’中时间段k之前的所有历史记录，将其和第k个时间段的天然气使用记录进行比较，分析待定异常用户ai’对天然气的使用习惯，根据用户信息集a中同待定异常用户ai’距离小于δ的所有用户使用记录，分析待定异常用户ai’对天然气使用数据情况的异常程度。
[0024]
通过分析区域中异常用户的数量，若数量超过阈值，则确认异常程度；反之，则根据历史记录分析用户习惯，并根据用户习惯和区域内其他用户的天然气使用习惯确认数据异常程度，有利于及时发现天然气使用情况，及时预警，避免发生一系列安全问题。
[0025]
进一步的，步骤s340中分析待定异常用户ai’对天然气的使用习惯，并根据用户信息集a中同待定异常用户ai’距离小于δ的所有用户使用记录，分析待定异常用户ai’对天然气使用数据情况的异常程度主要包括：
[0026]
步骤s341：基于历史记录集b’，分析用户习惯，将之前的数据和第k个时间段进行比较，获取历史记录集b’中待定异常用户ai’在第k个时间段之前的所有时间点数据rg和相应的天然气使用量bg’，则根据时间间隔τ并以时间点rg为横坐标，天然气单位使用量pg＝bg’/τ为纵坐标构建二维平面坐标系，分别形成(k-1)/τ个单位变化集合(rg,pg)＝{(r1,p1),(r2,p2),
…
,(rm,pm)}，其中(r1,p1),(r2,p2),
…
,(rm,pm)表示任意第g个时间段时天然气数据在第1、2、
…
、m个时间点时的坐标变化，其中g＝1,2
…
,(k-1)/τ；根据坐标变化分别确认天然气单位使用量pg的波峰值pgmax和波谷值pgmin，基于波峰和波谷获取相应的时间点为rgmax和rgmin，此时得到任意第g个时间段时天然气变化斜率lg＝(pgmax-pgmin)/(rgmax-rgmin)，遍历(k-1)/τ个单位变化集合，形成(k-1)/τ个天然气变化斜率集合l＝{l1,l2,
…
,l[(k-1)/τ]}，其中l1,l2,
…
,l[(k-1)/τ]表示第1、2、
…
、(k-1)/τ个天然气变化斜率；
[0027]
步骤s342：获取待定异常用户ai’在第k个时间段的时间点数据和相应的天然气使用量，根据s341利用时间间隔τ将第k个时间段中的天然气使用数据形成天然气变化斜率集合u＝{u1,u2,
…
,u(1/τ)}，其中u1,u2,
…
,u(1/τ)表示时间段k时的第1、2、
…
、1/τ个天然气变化斜率，若集合u中任意一个斜率ug∈ρ*l，其中ρ表示任意正整数，则确认待定异常用户ai’对天然气使用数据情况的异常程度φ＝0；反之，若存在斜率则获取斜率ug对应的时间间隔rτ；
[0028]
通过根据用户历史记录分析用户使用习惯，确认天然气使用波峰和波谷的斜率，
进一步分析当前时间段内使用波峰和波谷的斜率是否和历史记录中的斜率成倍数，从而判断数据的异常程度，提高数据分析的准确性。
[0029]
步骤s343：基于时间间隔rτ时待定异常用户ai’的天然气使用记录，设为使用记录bτ，并获取用户信息集a中同待定异常用户ai’距离小于δ的所有用户在所述时间间隔rτ的天然气使用记录，形成记录集bτ，则遍历记录集bτ中的任意记录be，得到待定异常用户ai’和其它任意用户的相似度λ＝|bτ∩be|/|bτ∪be|，若相似度λ大于相似阈值ε，则确认待定异常用户ai’对天然气使用数据情况的异常程度φ＝0，反之，若相似度λ小于相似阈值ε，则确认待定异常用户ai’对天然气使用数据情况的异常程度φ＝v2*(ps-qs)*ε，其中ps和qs分别表示用户信息集a中小于距离阈值δ的用户数量和范围hs内待定异常用户数量。
[0030]
通过分析异常用户的使用记录和区域内其它用户使用习惯的相似度，进一步确认异常用户使用数据的异常程度，提高系统安全预警能力。
[0031]
进一步的，步骤s400包括：
[0032]
步骤s410：若系统分析得到各个用户对天然气使用数据情况的异常程度φ＝0，判断天然气平台中所有用户使用天然气数据正常，则根据购销数据中当前用户量和对天然气的使用情况进行购入同等量的天然气；
[0033]
步骤s420：若系统分析得到存在用户对天然气使用数据情况的异常程度φ＝v1*μ，则判断异常原因为所述用户所处的范围管网损坏导致燃气泄露，此时进行智能预警，通知相关人员进行处理；
[0034]
步骤s430：若系统分析得到存在用户对天然气使用数据情况的异常程度φ＝v2*(ps-qs)*ε，则判断异常原因为所述用户天然气发生泄露，此时对该用户进行提醒并通知相关人员进行处理。
[0035]
通过根据不同的异常程度确认数据异常原因，并根据不同的异常原因采取不同的预警措施，提高系统对异常数据的处理能力。
[0036]
天然气购销数据处理系统，系统包括：数据采集模块、数据库、异常分析模块、预警处理模块和数据监测模块；
[0037]
通过数据采集模块采集天然气平台中所有使用天然气的用户信息和相应的ip信息，形成用户信息集；根据用户信息集中任意一个用户信息，设为目标用户，采集所述目标用户对天然气的所有历史使用记录，形成历史记录集；同时利用定时采样算法每隔一定时间对天然气平台的天然气购销数据进行采集，形成购销数据集；
[0038]
目的是判断天然气数据时否为正常使用还是天然气泄露，避免浪费；同时根据用户使用天然气的情况合理安排对天然气购入；所述天然气平台相当于中间商，不仅需要和客户对接还需要进行产品购销；
[0039]
通过数据库对采集的数据进行存储处理；
[0040]
通过异常分析模块根据购销数据集分析各个时间段的天然气购销数据变化，并根据用户量判断当前时间段内天然气购销数据变化的异常度，若异常度大，则根据目标用户的历史记录集分析用户在每隔一定时间的天然气使用量差值，则对使用量差值大的用户信息进行获取，设为待定异常用户，根据用户信息集中的ip信息确认待定异常用户的位置，并根据位置定点分析待定异常用户对天然气使用数据情况的异常程度；
[0041]
将在一定范围内的异常用户进行采集，分析异常用户数量，若数量超过阈值，则判
断异常原因为天然气管网损坏，若数量未超过阈值，进行提取；进一步分析个体异常用户天然气使用数据是否异常，并分析个体异常用户天然气使用数据异常原因；其中异常指代天然气由于不可抗力原因发生故障；
[0042]
通过预警处理模块根据异常程度的大小分析使用数据异常的原因，并根据异常原因进行智能预警，同时根据用户的天然气使用情况合理安排对天然气的购入量；
[0043]
通过数据监测模块对检测的异常数据进行显示和提醒；
[0044]
通过信息管理模块对发生的贸易数据进行统计并对进行天然气购销时的收付款进行管理，对收付款对应的收开发票进行管理，对一定周期内与供应商和客户对账的信息进行管理，同时进行线上的合同审批，跟踪合同执行的情况，并自动生成企业印章。
[0045]
进一步的，数据采集模块包括用户信息采集单元、历史记录采集单元和购销数据采集单元；
[0046]
用户信息采集单元用于采集天然气平台中所有使用天然气的用户信息和相应的ip信息，形成用户信息集；历史记录采集单元用于根据用户信息集中任意一个用户信息，设为目标用户，采集所述目标用户对天然气的所有历史使用记录，形成历史记录集；购销数据采集单元用于利用定时采样算法每隔一定时间对天然气平台的天然气购销数据进行采集，形成购销数据集；
[0047]
异常分析模块包括购销分析单元、用户分析单元和异常程度分析单元；
[0048]
购销分析单元用于根据购销数据集分析各个时间段的天然气购销数据变化，并根据用户量判断当前时间段内天然气购销数据变化的异常度；用户分析单元用于根据目标用户的历史记录集分析用户在每隔一定时间的天然气使用量差值，则对使用量差值大的用户信息进行获取；异常程度分析单元用于根据用户信息集中的ip信息确认待定异常用户的位置，并根据位置定点分析待定异常用户对天然气使用数据情况的异常程度；
[0049]
预警处理模块包括原因分析单元和数据预测单元；
[0050]
原因分析单元用于根据异常程度的大小分析使用数据异常的原因，并根据异常原因进行智能预警；数据预测单元用于根据用户的天然气使用情况合理安排对天然气的购入量；
[0051]
信息管理模块包括财务管理单元、发票管理单元、对账管理单元和合同管理单元；
[0052]
所述财务管理单元用于对发生的贸易数据进行统计并对进行天然气购销时的收付款进行管理；所述发票管理单元用于对天然气购销时的收付款对应的收开发票进行管理；所述对账管理单元用于对一定周期内与供应商和客户对账的信息进行管理；所述合同管理单元用于进行线上的合同审批，跟踪合同执行的情况，并自动生成企业印章；
[0053]
其中，财务管理单元包括收付款信息管理子单元、资金交易子单元和工资管理子单元；发票管理单元包括开票管理、收票管理，并自动生成业务数据报表；
[0054]
合同管理单元中每一笔业务所涉及的供应商、承运商、贸易客户均需要有相应合同，而合同管理能进行线上的合同审批，并能跟踪合同执行的情况。
[0055]
与现有技术相比，本发明所达到的有益效果是：
[0056]
本发明通过根据用户历史记录分析用户使用习惯，确认天然气使用波峰和波谷的斜率，进一步分析当前时间段内使用波峰和波谷的斜率是否和历史记录中的斜率成倍数，从而判断数据的异常程度，提高数据分析的准确性；通过根据不同的异常程度确认数据异
常原因，并根据不同的异常原因采取不同的预警措施，提高系统对异常数据的处理能力。
附图说明
[0057]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
[0058]
图1是本发明一种基于大数据分析的天然气购销数据处理系统的结构图；
[0059]
图2是本发明一种基于大数据分析的天然气购销数据处理方法的流程图。
具体实施方式
[0060]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0061]
请参阅图1，本发明提供技术方案：一种基于大数据分析的天然气购销数据处理方法，包括以下步骤：
[0062]
步骤s100：采集天然气平台中所有使用天然气的用户信息和相应的ip信息，形成用户信息集；根据用户信息集中任意一个用户信息，设为目标用户，采集所述目标用户对天然气的所有历史使用记录，形成历史记录集；同时利用定时采样算法每隔一定时间对天然气平台的天然气购销数据进行采集，形成购销数据集；
[0063]
其中，所述天然气平台相当于中间商，不仅需要和客户对接还需要进行产品购销；所述历史记录集包括时间点数据、燃气使用量；所述定时采样算法属于本领域技术人员的常规技术手段，因此在本技术中就不再做出过多的赘述；
[0064]
步骤s100包括：
[0065]
步骤s110：对天然气平台中所有使用天然气的用户信息和相应的ip信息进行采集，形成用户信息集：a＝{a1,a2,
…
,an}，其中a1,a2,
…
,an表示使用天然气的第1、2、
…
、n个用户的信息和ip信息；基于用户信息集中的任意一个用户信息，设为目标用户ai，对目标用户ai使用天然气的历史记录进行采集，形成历史记录集b；
[0066]
步骤s120：利用定时采样算法每隔t时间对天然气平台的天然气购销数据进行采集，形成购销数据集：c＝{c1,c2,
…
,ck}，其中c1,c2,
…
,ck表示第1、2、
…
、k个时间段内天然气的购销数据记录。
[0067]
步骤s200：对采集的数据进行存储处理；
[0068]
步骤s300：根据购销数据集分析各个时间段的天然气购销数据变化，并根据用户量判断当前时间段内天然气购销数据变化的异常度，若异常度大，则根据目标用户的历史记录集分析用户在每隔一定时间的天然气使用量差值，则对使用量差值大的用户信息进行获取，设为待定异常用户，根据用户信息集中的ip信息确认待定异常用户的位置，并根据位置定点分析待定异常用户对天然气使用数据情况的异常程度；
[0069]
将在一定范围内的异常用户进行采集，分析异常用户数量，若数量超过阈值，则判断异常原因为天然气管网损坏，若数量未超过阈值，进行提取；进一步分析个体异常用户天然气使用数据是否异常，并分析个体异常用户天然气使用数据异常原因；其中，异常指代天
然气由于不可抗力原因发生故障；
[0070]
步骤s300包括：
[0071]
步骤s310：根据购销数据集c对任意时间段内天然气的购销数据记录cj进行获取，确认购销记录cj中的用户量xj和天然气使用量yj，则以时间t为横坐标，yj/xj为纵坐标构建二维平面坐标系，形成购销变化集(t,y)＝{(t1,y1/x1),(t2,y2/x2),
…
,(tk,yk/xk)}，其中(t1,y1/x1),(t2,y2/x2),
…
,(tk,yk/xk)表示第1、2、
…
、k个时间段内天然气购销数据的变化；基于购销变化集，根据公式αk＝(yk/xk-y1/x1) (yk/xk-y2/x2)
…
[0072]
(yk/xk-y(k-1)/x(k-1))，得到当前时间段k天然气购销数据变化的异常度αk，若|αk|大于变化阈值α，则表示当前时间段天然气购销数据存在异常可能性，进入s320，反之，则系统未发现异常，进入步骤s500对数据进行实时监测；
[0073]
步骤s320：确认天然气购销数据存在异常可能性，则对目标用户ai的历史记录集b进行获取，利用时间间隔τ对历史记录集b中第k个时间段的各个时间点数据和相应的天然气使用量进行获取，形成目标用户ai的使用集合d＝{d1,d2,
…
,dz}，其中d1,d2,
…
,dz表示第1、2、
…
、z个时间间隔目标用户ai的天然气使用量；基于使用集合d，根据公式βi＝[|d2-d1| |d3-d2|
…
|dz-dz-1|]/[(z-1)*τ]，得到目标用户ai的天然气使用量差值βi，若βi大于比较阈值β，则将目标用户ai确认为待定异常用户，通过遍历用户信息集a，对所有天然气使用量差值βi大于比较阈值β的用户信息进行提取，形成待定异常用户集a’＝{a1’,a2’,
…
,af’}，其中a1’,a2’,
…
,af’表示第1、2、
…
、f个待定异常用户和其相应的ip信息；其中，时间间隔τ是为了将时间差距相同化，使用户对天然气使用频率一致，如一天；βi表示每一个时间点天然气使用差值
[0074]
步骤s330：对待定异常用户集a’中f个待定异常用户的ip位置进行获取，比较任意两个待定异常用户ai’和aj’的ip位置(ii,gi)和(ij,gj)之间的距离，其中i≠j，得到距离d
(i
→
j)
＝√[(ij-ii)2 (gj-gi)2]，若d
(i
→
j)
小于距离阈值δ，则将待定异常用户ai’和aj’划分为同一个范围内的数据，反之，若d
(i
→
j)
大于距离阈值δ，则划分为不同范围内的数据，此时根据不同待定异常用户之间的ip距离得到不同范围的用户信息，从而形成范围集h；
[0075]
步骤s340：对范围集h中任意一个范围hs内的用户信息进行获取，其中hs∈h，确认所述范围内的待定异常用户数量为qs，同时遍历用户信息集a，比较用户信息集a中所有用户和所述范围hs的待定异常用户的距离，获取用户信息集a中小于距离阈值δ的用户数量为ps，此时，若qs/ps大于数量阈值μ，则确认范围hs内的所有待定异常用户对天然气使用数据情况的异常程度为φ＝v1*μ，其中v1表示天然气特征参数，根据待定异常用户数量范围进行取值；反之，若qs/ps小于数量阈值μ，则对范围hs内任意一个待定异常用户ai’进行提取，根据待定异常用户ai’的用户信息获取所述待定异常用户历史记录集b’，基于历史记录集b’中时间段k之前的所有历史记录，将其和第k个时间段的天然气使用记录进行比较，分析待定异常用户ai’对天然气的使用习惯，根据用户信息集a中同待定异常用户ai’距离小于δ的所有用户使用记录，分析待定异常用户ai’对天然气使用数据情况的异常程度。
[0076]
步骤s340中分析待定异常用户ai’对天然气的使用习惯，并根据用户信息集a中同待定异常用户ai’距离小于δ的所有用户使用记录，分析待定异常用户ai’对天然气使用数据情况的异常程度主要包括：
[0077]
步骤s341：基于历史记录集b’，分析用户习惯，将之前的数据和第k个时间段进行
比较，获取历史记录集b’中待定异常用户ai’在第k个时间段之前的所有时间点数据rg和相应的天然气使用量bg’，则根据时间间隔τ并以时间点rg为横坐标，天然气单位使用量pg＝bg’/τ为纵坐标构建二维平面坐标系，分别形成(k-1)/τ个单位变化集合(rg,pg)＝{(r1,p1),(r2,p2),
…
,(rm,pm)}，其中(r1,p1),(r2,p2),
…
,(rm,pm)表示任意第g个时间段时天然气数据在第1、2、
…
、m个时间点时的坐标变化，其中g＝1,2
…
,(k-1)/τ；根据坐标变化分别确认天然气单位使用量pg的波峰值pgmax和波谷值pgmin，基于波峰和波谷获取相应的时间点为rgmax和rgmin，此时得到任意第g个时间段时天然气变化斜率lg＝(pgmax-pgmin)/(rgmax-rgmin)，遍历(k-1)/τ个单位变化集合，形成(k-1)/τ个天然气变化斜率集合l＝{l1,l2,
…
,l[(k-1)/τ]}，其中l1,l2,
…
,l[(k-1)/τ]表示第1、2、
…
、(k-1)/τ个天然气变化斜率；
[0078]
步骤s342：获取待定异常用户ai’在第k个时间段的时间点数据和相应的天然气使用量，根据s341利用时间间隔τ将第k个时间段中的天然气使用数据形成天然气变化斜率集合u＝{u1,u2,
…
,u(1/τ)}，其中u1,u2,
…
,u(1/τ)表示时间段k时的第1、2、
…
、1/τ个天然气变化斜率，若集合u中任意一个斜率ug∈ρ*l，其中ρ表示任意正整数，则确认待定异常用户ai’对天然气使用数据情况的异常程度φ＝0；反之，若存在斜率则获取斜率ug对应的时间间隔rτ；
[0079]
步骤s343：基于时间间隔rτ时待定异常用户ai’的天然气使用记录，设为使用记录bτ，并获取用户信息集a中同待定异常用户ai’距离小于δ的所有用户在所述时间间隔rτ的天然气使用记录，形成记录集bτ，则遍历记录集bτ中的任意记录be，得到待定异常用户ai’和其它任意用户的相似度λ＝|bτ∩be|/|bτ∪be|，若相似度λ大于相似阈值ε，则确认待定异常用户ai’对天然气使用数据情况的异常程度φ＝0，反之，若相似度λ小于相似阈值ε，则确认待定异常用户ai’对天然气使用数据情况的异常程度φ＝v2*(ps-qs)*ε，其中ps和qs分别表示用户信息集a中小于距离阈值δ的用户数量和范围hs内待定异常用户数量。
[0080]
步骤s400：根据异常程度的大小分析使用数据异常的原因，并根据异常原因进行智能预警，同时根据用户的天然气使用情况合理安排对天然气的购入量；
[0081]
步骤s400包括：
[0082]
步骤s410：若系统分析得到各个用户对天然气使用数据情况的异常程度φ＝0，判断天然气平台中所有用户使用天然气数据正常，则根据购销数据中当前用户量和对天然气的使用情况进行购入同等量的天然气；
[0083]
步骤s420：若系统分析得到存在用户对天然气使用数据情况的异常程度φ＝v1*μ，则判断异常原因为所述用户所处的范围管网损坏导致燃气泄露，此时进行智能预警，通知相关人员进行处理；
[0084]
步骤s430：若系统分析得到存在用户对天然气使用数据情况的异常程度φ＝v2*(ps-qs)*ε，则判断异常原因为所述用户天然气发生泄露，此时对该用户进行提醒并通知相关人员进行处理。
[0085]
步骤s500：对检测的正常数据进行监测并对检测的异常数据进行显示和提醒。
[0086]
步骤s600：对所有用户上缴的天然气购销资金数据、发票数据进行管理；同时对所有用户的天然气购销合同信息进行管理。
[0087]
请参阅图2，本发明提供技术方案：天然气购销数据处理系统，系统包括：数据采集
模块、数据库、异常分析模块、预警处理模块和数据监测模块；
[0088]
通过数据采集模块采集天然气平台中所有使用天然气的用户信息和相应的ip信息，形成用户信息集；根据用户信息集中任意一个用户信息，设为目标用户，采集所述目标用户对天然气的所有历史使用记录，形成历史记录集；同时利用定时采样算法每隔一定时间对天然气平台的天然气购销数据进行采集，形成购销数据集；
[0089]
目的是判断天然气数据时否为正常使用还是天然气泄露，避免浪费；同时根据用户使用天然气的情况合理安排对天然气购入；所述天然气平台相当于中间商，不仅需要和客户对接还需要进行产品购销；
[0090]
数据采集模块包括用户信息采集单元、历史记录采集单元和购销数据采集单元；
[0091]
用户信息采集单元用于采集天然气平台中所有使用天然气的用户信息和相应的ip信息，形成用户信息集；历史记录采集单元用于根据用户信息集中任意一个用户信息，设为目标用户，采集所述目标用户对天然气的所有历史使用记录，形成历史记录集；购销数据采集单元用于利用定时采样算法每隔一定时间对天然气平台的天然气购销数据进行采集，形成购销数据集。
[0092]
通过数据库对采集的数据进行存储处理；
[0093]
通过异常分析模块根据购销数据集分析各个时间段的天然气购销数据变化，并根据用户量判断当前时间段内天然气购销数据变化的异常度，若异常度大，则根据目标用户的历史记录集分析用户在每隔一定时间的天然气使用量差值，则对使用量差值大的用户信息进行获取，设为待定异常用户，根据用户信息集中的ip信息确认待定异常用户的位置，并根据位置定点分析待定异常用户对天然气使用数据情况的异常程度；
[0094]
将在一定范围内的异常用户进行采集，分析异常用户数量，若数量超过阈值，则判断异常原因为天然气管网损坏，若数量未超过阈值，进行提取；进一步分析个体异常用户天然气使用数据是否异常，并分析个体异常用户天然气使用数据异常原因；其中异常指代天然气由于不可抗力原因发生故障；
[0095]
异常分析模块包括购销分析单元、用户分析单元和异常程度分析单元；
[0096]
购销分析单元用于根据购销数据集分析各个时间段的天然气购销数据变化，并根据用户量判断当前时间段内天然气购销数据变化的异常度；用户分析单元用于根据目标用户的历史记录集分析用户在每隔一定时间的天然气使用量差值，则对使用量差值大的用户信息进行获取；异常程度分析单元用于根据用户信息集中的ip信息确认待定异常用户的位置，并根据位置定点分析待定异常用户对天然气使用数据情况的异常程度。
[0097]
通过预警处理模块根据异常程度的大小分析使用数据异常的原因，并根据异常原因进行智能预警，同时根据用户的天然气使用情况合理安排对天然气的购入量；
[0098]
预警处理模块包括原因分析单元和数据预测单元；
[0099]
原因分析单元用于根据异常程度的大小分析使用数据异常的原因，并根据异常原因进行智能预警；数据预测单元用于根据用户的天然气使用情况合理安排对天然气的购入量。
[0100]
通过数据监测模块对检测的异常数据进行显示和提醒；
[0101]
通过所述信息管理模块对发生的贸易数据进行统计并对进行天然气购销时的收付款进行管理，对收付款对应的收开发票进行管理，对一定周期内与供应商和客户对账的
信息进行管理，同时进行线上的合同审批，跟踪合同执行的情况，并自动生成企业印章。
[0102]
信息管理模块包括财务管理单元、发票管理单元、对账管理单元和合同管理单元；
[0103]
所述财务管理单元用于对发生的贸易数据进行统计并对进行天然气购销时的收付款进行管理；所述发票管理单元用于对天然气购销时的收付款对应的收开发票进行管理；所述对账管理单元用于对一定周期内与供应商和客户对账的信息进行管理；所述合同管理单元用于进行线上的合同审批，跟踪合同执行的情况，并自动生成企业印章。
[0104]
实施例一：
[0105]
步骤s100包括：
[0106]
步骤s110：对天然气平台中所有使用天然气的用户信息和相应的ip信息进行采集，形成用户信息集：a＝{a1,a2,
…
,a200}，其中a1,a2,
…
,a200表示使用天然气的第1、2、
…
、200个用户的信息和ip信息；基于用户信息集中的任意一个用户信息，设为目标用户ai，对目标用户ai使用天然气的历史记录进行采集，形成历史记录集b；
[0107]
步骤s120：利用定时采样算法每隔t时间对天然气平台的天然气购销数据进行采集，形成购销数据集：c＝{c1,c2,
…
,c10}，其中c1,c2,
…
,ck表示第1、2、
…
、10个时间段内天然气的购销数据记录。
[0108]
步骤s200包括：利用数据库对采集到的所有数据进行存储。
[0109]
步骤s300包括：
[0110]
步骤s310：根据购销数据集c对任意时间段内天然气的购销数据记录cj进行获取，确认购销记录cj中的用户量xj和天然气使用量yj，则以时间t为横坐标，yj/xj为纵坐标构建二维平面坐标系，形成购销变化集(t,y)＝{(t1,y1/x1),(t2,y2/x2),
…
,(tk,y10/x10)}，其中(t1,y1/x1),(t2,y2/x2),
…
,(t10,y10/x10)表示第1、2、
…
、10个时间段内天然气购销数据的变化；基于购销变化集，根据公式αk＝(y10/x10-y1/x1) (y10/x10-y2/x2)
…
[0111]
(y10/x10-y9/x9)，得到当前时间段10天然气购销数据变化的异常度α10，若|α10|大于变化阈值5，则表示当前时间段天然气购销数据存在异常可能性，进入s320，反之，则系统未发现异常，进入步骤s500对数据进行实时监测；
[0112]
步骤s320：确认天然气购销数据存在异常可能性，则对目标用户ai的历史记录集b进行获取，利用时间间隔24h对历史记录集b中第10个时间段的各个时间点数据和相应的天然气使用量进行获取，形成目标用户ai的使用集合d＝{d1,d2,d3}，其中d1,d2,d3表示第1、2、3个时间间隔目标用户ai的天然气使用量；基于使用集合d，根据公式βi＝[|d2-d1| |d3-d2|]/[2*24]＝4，得到目标用户ai的天然气使用量差值βi，若βi大于比较阈值β＝2，则将目标用户ai确认为待定异常用户，通过遍历用户信息集a，对所有天然气使用量差值βi大于比较阈值β的用户信息进行提取，形成待定异常用户集
[0113]
a’＝{a1’,a2’,
…
,a5’}，其中a1’,a2’,
…
,a5’表示第1、2、
…
、5个待定异常用户和其相应的ip信息；
[0114]
步骤s330：对待定异常用户集a’中5个待定异常用户的ip位置进行获取，比较任意两个待定异常用户ai’和aj’的ip位置(ii,gi)和(ij,gj)之间的距离，，得到距离d
(i
→
j)
＝√[(ij-ii)2 (gj-gi)2]，若d
(i
→
j)
小于距离阈值100m，则将待定异常用户ai’和aj’划分为同一个范围内的数据，反之，若d
(i
→
j)
大于距离阈值100m，则划分为不同范围内的数据，此时根据
不同待定异常用户之间的ip距离得到不同范围的用户信息，从而形成范围集h；
[0115]
步骤s340：对范围集h中任意一个范围hs内的用户信息进行获取，其中hs∈h，确认所述范围内的待定异常用户数量为qs＝2，同时遍历用户信息集a，比较用户信息集a中所有用户和所述范围hs的待定异常用户的距离，获取用户信息集a中小于距离阈值100m的用户数量为ps＝10，此时，qs/ps＝1/5小于数量阈值μ＝4/5，则对范围hs内任意一个待定异常用户ai’进行提取，根据待定异常用户ai’的用户信息获取所述待定异常用户历史记录集b’，基于历史记录集b’中时间段10之前的所有历史记录，将其和第10个时间段的天然气使用记录进行比较，分析待定异常用户ai’对天然气的使用习惯，根据用户信息集a中同待定异常用户ai’距离小于100m的所有用户使用记录，分析待定异常用户ai’对天然气使用数据情况的异常程度。
[0116]
步骤s340主要包括：
[0117]
步骤s341：基于历史记录集b’，分析用户习惯，将之前的数据和第10个时间段进行比较，获取历史记录集b’中待定异常用户ai’在第10个时间段之前的所有时间点数据rg和相应的天然气使用量bg’，则根据时间间隔τ＝24h＝1天，并以时间点rg为横坐标，天然气单位使用量pg＝bg’/1为纵坐标构建二维平面坐标系，分别形成27个单位变化集合(rg,pg)＝{(r1,p1),(r2,p2),
…
,(r27,p27)}，其中(r1,p1),(r2,p2),
…
,(r27,p27)表示任意第g个时间段时天然气数据在第1、2、
…
、27个时间点时的坐标变化，其中g＝1,2
…
,27；根据坐标变化分别确认天然气单位使用量pg的波峰值pgmax和波谷值pgmin，基于波峰和波谷获取相应的时间点为rgmax和rgmin，此时得到任意第g个时间段时天然气变化斜率lg＝(pgmax-pgmin)/(rgmax-rgmin)，遍历27个单位变化集合，形成27个天然气变化斜率集合l＝{l1,l2,
…
,l9}，其中l1,l2,
…
,l9表示第1、2、
…
、27个天然气变化斜率；
[0118]
步骤s342：获取待定异常用户ai’在第10个时间段的时间点数据和相应的天然气使用量，根据s341利用时间间隔24h将第10个时间段中的天然气使用数据形成天然气变化斜率集合u＝{u1,u2,u3}，其中u1,u2,u3表示时间段10时的第1、2、3个天然气变化斜率，集合u中存在斜率其中ρ表示任意正整数，则获取斜率u2对应的时间间隔r2；
[0119]
步骤s343：基于时间间隔r2时待定异常用户ai’的天然气使用记录，设为使用记录b2，并获取用户信息集a中同待定异常用户ai’距离小于100m的所有用户在所述时间间隔r2的天然气使用记录，形成记录集b2，则遍历记录集bτ中的任意记录be，得到待定异常用户ai’和其它任意用户的相似度λ＝|b2∩be|/|b2∪be|，相似度λ小于相似阈值ε＝0.7，则确认待定异常用户ai’对天然气使用数据情况的异常程度φ＝3*(5-2)*0.7＝0.63。
[0120]
步骤s400包括：
[0121]
步骤s430：若系统分析得到存在用户对天然气使用数据情况的异常程度φ＝v2*(ps-qs)*ε＝0.63，则判断异常原因为所述用户天然气发生泄露，此时对该用户进行提醒并通知相关人员进行处理。
[0122]
步骤s500包括：对检测的正常数据进行监测并对检测的异常数据进行显示和提醒。
[0123]
步骤s600包括：对所有用户上缴的天然气购销资金数据、发票数据进行管理；同时对所有用户的天然气购销合同信息进行管理。
[0124]
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，
尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。