章怡

（上海电子信息职业技术学院，上海 201411）

泛在物联网是泛在电力物联网的扩展，主要指其他行业的智能化物联网应用[1-2]，包括高等学校在内的各类企事业单位。其作为市场主体在经营、生产过程中，通过各个环节的联机、交互，可以实时掌握生产、运行状态并及时进行优化调整[3]；另一方面，也能及时发现在生产、管理过程中的潜在漏洞，防患于未然[4-5]。

随着我国经济进入新常态的阶段，市场经济充满了不确定性，资产的稳定性影响着各类市场主体的良好发展。因此，构建合理、有效的资产异常状态预警系统尤为必要[6]。

针对以上现象，文中将泛在物联网与机器学习相结合，开展了资产异常状态预警系统的研究。通过采集泛在物联网中各个互联设备与监控系统的实时数据，作为分析资产状态的样本数据。然后，利用机器学习中的BP 神经网络与决策树算法对样本数据进行特征提取与资产状态分类，从而构建资产异常状态预警模型。然后使用Bagging 对资产异常状态预警模型进行优化，最终得到准确的数据结果。

1 资产异常状态预警系统

通过人工识别统计资产存在效率低、信息滞后与不能监测资产状态等问题，需要采用现代化的人工智能技术以有效提高资产管理效率[7]。文中基于泛在物联网与机器学习技术设计了资产异常状态预警系统，具体框图如图1 所示。

图1 资产异常状态预警系统结构框架

泛在物联网可以将各个资产设备连接起来，通过传感器实时采集各个设备工作状态下的数据[8]。……