互联网数据中心的温湿度预警方法及装置.pdf

本发明提出了一种互联网数据中心的温湿度预警方法，包括如下步骤：采集互联网数据中心的各个机房的多个时刻的温度数据和湿度数据；根据多个时刻的温度数据和湿度数据计算每个时刻的自适应阈值；根据每个时刻的自适应阈值计算预设时间段内相同时刻的自适应阈值的标准差，并根据标准差计算置信区间；以及如果检测到的温度数据和湿度数据落入置信区间，则判断温度数据和湿度数据正常，否则判断温度数据和湿度数据异常。本方法可以更好的对机房的互联网数据中心温湿度进行监测，更灵敏精确的掌握机房运行环境，具有实时性、高效性与易用性。本发明还公开了一种互联网数据中心的温湿度预警装置。

1.  一种互联网数据中心的温湿度预警方法，其特征在于，包括如下步骤：
采集互联网数据中心的各个机房的多个时刻的温度数据和湿度数据；
根据所述多个时刻的温度数据和湿度数据计算每个时刻的自适应阈值；
根据所述每个时刻的自适应阈值计算预设时间段内相同时刻的所述自适应阈值的标准差，并根据所述标准差计算置信区间；以及
如果检测到的所述温度数据和湿度数据落入所述置信区间，则判断所述温度数据和湿度数据正常，否则判断所述温度数据和湿度数据异常。

2.  如权利要求1所述的方法，其特征在于，所述根据多个时刻的温度数据和湿度数据计算每个时刻的自适应阈值，包括如下步骤：
将当前时刻的前一个时刻采集的温度数据和湿度数据进行叠加得到当前时刻的自适应阈值。

3.  如权利要求1所述的方法，其特征在于，所述预设时间段为1周。

4.  如权利要求1所述的方法，其特征在于，还包括如下步骤：进行异常数据的覆盖率计算，包括如下步骤：
获取异常数据个数和总数据个数，其中，所述异常数据个数为异常的机房数量，所述总数据个数为所述互联网数据中心中的机房的数量；
根据所述异常数据个数和总数据个数计算异常数据的覆盖率。

5.  如权利要求4所述的方法，其特征在于，将所述异常数据的覆盖率与系统配置的灵敏度进行比较，如果所述异常数据的覆盖率大于所述系统配置的灵敏度，则发出预警。

6.  一种互联网数据中心的温湿度预警装置，其特征在于，包括：
采集模块，用于采集互联网数据中心的各个机房的多个时刻的温度数据和湿度数据；
计算模块，用于根据所述多个时刻的温度数据和湿度数据计算每个时刻的自适应阈值；以及用于根据所述每个时刻的自适应阈值计算预设时间段内相同时刻的所述自适应阈值的标准差，并根据所述标准计算置信区间；
判断模块，用于根据检测到的所述温度数据和湿度数据落入所述置信区间，判断所述温度数据和湿度数据正常，否则判断所述温度数据和湿度数据异常。

7.  如权利要求6所述的装置，其特征在于，所述计算模块还包括：叠加单元，用于将当前时刻的前一个时刻采集的温度数据和湿度数据进行叠加得到当前时刻的自适应阈 值。

8.  如权利要求6所述的装置，其特征在于，所述预设时间段为1周。

9.  如权利要求6所述的装置，其特征在于，所述计算模块还用于：进行异常数据的覆盖率计算：获取异常数据个数和总数据个数，其中，所述异常数据个数为异常的机房数量，所述总数据个数为所述互联网数据中心中的机房的数量；根据所述异常数据个数和总数据个数计算异常数据的覆盖率。

10.  如权利要求9所述的装置，其特征在于，所述判断模块还用于，将所述异常数据的覆盖率与系统配置的灵敏度进行比较，如果所述常数据的覆盖率大于所述系统配置的灵敏度，则发出预警。

互联网数据中心的温湿度预警方法及装置
技术领域
本发明涉及互联网信息技术领域，特别涉及一种互联网数据中心的温湿度预警方法及装置。
背景技术
目前，现有技术的实现方案：
（1）报警方法：目前IDC动力环境监测大部分都采用阈值报警方法对数据进行报警，即监测数据达到阈值后，就会按照预定的报警方式进行报警。温度和湿度都单独进行报警，忽略两者之间的潜在关系。
（2）阈值设置：因为不同的IDC或房间采用的冷却系统不同会导致各个节点之间的温度湿度不一致，所以需要设置多个阈值来适应不同的IDC的环境。设置方式为树型结构设置，即默认-机房-楼层-房间-监控点。监测数据时，首先从最小的监控点查找，如果没有设置依次向上查找阈值。
具体地，目前IDC动力环境监控只能针对各个监控点的阈值进行报警。也就是说，只要数据没有超过阈值，无论波动情况如何，都不会报警。
进一步地，阈值的选择对异常的判断有十分重要的意义，如果阈值设置太小，可能频繁被超过，导致产生过多的假信息，即虚警；如果阈值设置太小，可能永远都不会被超过，那么将会错过重要信息，即漏警。这种检测方法比较被动，运维人员不能及时得知机房温度湿度数据变化趋势。并且阈值都是运维人员手动控制的，随着监控点的增加及监控点周围环境的变更，需要维护的阈值随之增多，误报的可能性也会增大。同时，IDC温湿度检测方式大多采用固定阈值进行判断，无法精确刻画温湿度异常行为，从而影响检测精度。
发明内容
本发明的目的旨在至少解决所述技术缺陷之一。
为此，本发明的第一个目的在于提出一种互联网数据中心的温湿度预警方法，该方法可以更好的对机房的互联网数据中心温湿度进行监测，更灵敏精确的掌握机房运行环 境，具有实时性、高效性与易用性。本发明的第二个目的在于提出一种互联网数据中心温湿度预警装置。
为了实现上述目的，本发明第一方面的实施例提供一种互联网数据中心的温湿度预警方法，包括以下步骤：采集互联网数据中心的各个机房的多个时刻的温度数据和湿度数据；根据所述多个时刻的温度数据和湿度数据计算每个时刻的自适应阈值；根据所述每个时刻的自适应阈值计算预设时间段内相同时刻的所述自适应阈值的标准差，并根据所述标准差计算置信区间；以及如果检测到的所述温度数据和湿度数据落入所述置信区间，则判断所述温度数据和湿度数据正常，否则判断所述温度数据和湿度数据异常。
根据本发明实施例的互联网数据中心的温湿度预警方法，采集互联网数据中心的各个机房的多个时刻的温度数据和湿度数据，运用异常数据检测算法进行异常检测判断，如果存在异常，则进行异常数据的覆盖率计算和检测判断，最后将异常数据的覆盖率与系统配置的灵敏度进行比较，如果异常数据的覆盖率大于系统配置的灵敏度，则发出预警。该方法可以更好的对机房的互联网数据中心温湿度进行监测，更灵敏精确的掌握机房运行环境，具有实时性、高效性与易用性。
在本发明的一个实施例中，所述根据多个时刻的温度数据和湿度数据计算每个时刻的自适应阈值，包括如下步骤：将当前时刻的前一个时刻采集的温度数据和湿度数据进行叠加得到当前时刻的自适应阈值。由此，提高了得到的自适应阈值的准确性。
在本发明的一个实施例中，所述预设时间段为1周。由此，提高了获取自适应阈值以及标准差的可靠性与准确性。
在本发明的一个实施例中，进行异常数据的覆盖率计算，包括如下步骤：获取异常数据个数和总数据个数，其中，所述异常数据个数为异常的机房数量，所述总数据个数为所述互联网数据中心中的机房的数量；根据所述异常数据个数和总数据个数计算异常数据的覆盖率。由此，提高了对预警判断的高效性与适用性。
在本发明的一个实施例中，将所述异常数据的覆盖率与系统配置的灵敏度进行比较，如果所述异常数据的覆盖率大于所述系统配置的灵敏度，则发出预警。由此，提高了对异常判断的直观性与快捷性。
本发明的第二方面的实施例提出了一种互联网数据中心的温湿度预警装置，包括：采集模块，用于采集互联网数据中心的各个机房的多个时刻的温度数据和湿度数据；计算模块，用于根据所述多个时刻的温度数据和湿度数据计算每个时刻的自适应阈值；以及用于根据所述每个时刻的自适应阈值计算预设时间段内相同时刻的所述自适应阈值的标准差，并根据所述标准计算置信区间；判断模块，用于根据检测到的所述温度数据和湿度数 据落入所述置信区间，判断所述温度数据和湿度数据正常，否则判断所述温度数据和湿度数据异常。
根据本发明实施例的互联网数据中心的温湿度预警装置，采集互联网数据中心的各个机房的多个时刻的温度数据和湿度数据，运用异常数据检测算法进行异常检测判断，如果存在异常，则进行异常数据的覆盖率计算和检测判断，最后将异常数据的覆盖率与系统配置的灵敏度进行比较，如果异常数据的覆盖率大于系统配置的灵敏度，则发出预警。该装置可以更好的对机房的互联网数据中心温湿度进行监测，更灵敏精确的掌握机房运行环境，具有实时性、高效性与易用性。
在本发明的一个实施例中，所述计算模块还包括：叠加单元，用于将当前时刻的前一个时刻采集的温度数据和湿度数据进行叠加得到当前时刻的自适应阈值。由此，提高了得到的自适应阈值的准确性。
在本发明的一个实施例中，所述预设时间段为1周。由此，提高了获取自适应阈值以及标准差的可靠性与准确性。
在本发明的一个实施例中，所述计算模块还用于：进行异常数据的覆盖率计算：获取异常数据个数和总数据个数，其中，所述异常数据个数为异常的机房数量，所述总数据个数为所述互联网数据中心中的机房的数量；根据所述异常数据个数和总数据个数计算异常数据的覆盖率。由此，提高了对预警判断的高效性与适用性。
在本发明的一个实施例中，所述判断模块还用于，将所述异常数据的覆盖率与系统配置的灵敏度进行比较，如果所述常数据的覆盖率大于所述系统配置的灵敏度，则发出预警。由此，提高了对异常判断的直观性与快捷性。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本发明实施例的互联网数据中心的温湿度预警方法的流程图；
图2为根据本发明另一实施例的互联网数据中心的温湿度预警方法的流程图；
图3为根据本发明实施例的互联网数据中心的温湿度预警装置的结构示意图；以及
图4为根据本发明另一实施例的互联网数据中心的温湿度预警装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度小于第二特征。
如图1所示，本发明实施例的互联网数据中心的温湿度预警方法的流程图，包括如下步骤：
步骤S101，采集互联网数据中心的各个机房的多个时刻的温度数据和湿度数据。
步骤S102，根据多个时刻的温度数据和湿度数据计算每个时刻的自适应阈值。
具体地，将当前时刻的前一个时刻采集的温度数据和湿度数据进行叠加得到当前时刻的自适应阈值。
步骤S103，根据每个时刻的自适应阈值计算预设时间段内相同时刻的自适应阈值的标准差，并根据标准差计算置信区间，其中，预设时间段为1周。
步骤S104，判断检测到的温度数据和湿度数据是否落入置信区间。
步骤S105，如果检测到的温度数据和湿度数据落入置信区间，则判断温度数据和湿度数据正常。
步骤S106，如果检测到的温度数据和湿度数据未落入置信区间，则判断温度数据和湿 度数据异常。
进一步地，本方法中的异常数据检测的理论依据为由于互联网数据中心温湿度环境要尽可能的保持稳定，经数据观察发现一段时间内温湿度符合高斯分布，并且温湿度存在一定的关系，也就是温度越高湿度越低，温度越低湿度越高。根据历史数据绘制出一维高斯分布和二维高斯分布，且异常数据检测的算法是基于残差比检测函数，残差比检测函数是关于一个点和滑动窗的似然比，检验一个点与滑动窗之间的异常变化，检验个别和局部之间的变化关系，能突出短时间内的异常变化情况，不会错过个别的异常，而且，基于残差比检测函数的异常数据检测还可以区分异常变化的方向，即异常变大或异常变小，为数据监测提供了一个重要信息。异常数据检测基于残差比检测函数特别适用于短时间内突变异常的检测，从算的复杂度来说，具有简便性与灵活性。
如图2所示，本发明另一实施例的互联网数据中心的温湿度预警方法的流程图，还包括如下步骤：
步骤S107，进行异常数据的覆盖率计算。
具体地，获取异常数据个数和总数据个数，其中，异常数据个数为异常的机房数量，总数据个数为互联网数据中心中的机房的数量；根据异常数据个数和总数据个数计算异常数据的覆盖率。
步骤S108，将异常数据的覆盖率与系统配置的灵敏度进行比较。
步骤S109，如果异常数据的覆盖率大于系统配置的灵敏度，则发出预警。
具体地，如果只要检测到异常数据就进行报警，显然是不合理的，由于一些其他原因，如果监测点附近人员走动等都会造成温度和湿度突增或突降，因此需要对一段时间内的数据进行观测{yt}，在决定是否发出报警。因此引入了报警判断系数Pd，即异常数据的覆盖率，其中0<Pd<1，且{yt}和Pd的阈值均为灵敏度参数，由系统配置控制。
进一步地，对于互联网数据中心的温湿度预警方法的实际计算为：首先根据：E(Y)=N/Σ(N+1)yt+i与Xt+I=yt+I–E(y) i=1,2…,N+1进行零均值化，其中，在时间点…,tn-1,t,tn+1…的一个观测序列值为…,X(tn-1),X(tn),X(tn+1),...令X(tn)=yt，表示t=n时的观测值，对滑动时间窗口{…,yt+1,yt+2,…yt+N+1}进行零均值化，即做上述处理，再根据et+i=xt+i-Φ1xti-1–Φxt+i-2，i=1,2,…,N+1，其中，Φ1,Φ2为模型系数，计算出残差值，再带入决策函数Wt(N+1)=et+N+1/δ^2其中，E(δ)^2=(e^2t+1+e^2t+2+…+e^2t+N+1)/(N+1)，通过决策函数判断yt+N+1是否异常，当Wt(N+1)>U或Wt(N+1)<-L时，yt+N+1是异常的，否则，yt+N+1是正常的，其中U和L都是正的常数，再得到监测点的置信区间L（t+1）=p（t+1）-3个标准差，再带入当Wt （N+1）>U(t+1)或Wt（N+1）<-L(t+1)时，判断数据是否正常，最后计算Pd值，即Pd=异常数据个数/总数据个数，是否大于系统配置的灵敏度参数，在确定是否发出报警。
根据本发明实施例的互联网数据中心的温湿度预警方法，采集互联网数据中心的各个机房的多个时刻的温度数据和湿度数据，运用异常数据检测算法进行异常检测判断，如果存在异常，则进行异常数据的覆盖率计算和检测判断，最后将异常数据的覆盖率与系统配置的灵敏度进行比较，如果异常数据的覆盖率大于系统配置的灵敏度，则发出预警。该方法可以更好的对机房的互联网数据中心温湿度进行监测，更灵敏精确的掌握机房运行环境，具有实时性、高效性与易用性。
以一个时间序列为例：在一个序列中以一个滑动窗为参照，检测该滑动窗下一个相邻的观测值是否发生异常变化，根据检测到的点是否落到自适应阈值上下的置信区间内判断当前点是否异常，其中，自适应阈值的确定为首先建立了模型化的正常行为，也包括了正常模型的刷新，如果当前观测值完全符合该正常模型，那么这个观测值显然是正常的，但这种判定过为苛刻，实际情况不可能完全符合理论模型，于是设定一个容差界限，即置信区间，只要在这个置信区间内则判定为正常：
U（t+1）=p（t+1）+3个标准差
L（t+1）=p（t+1）-3个标准差
置信区间的范围也需要以建立正常行为模型相同的方法计算得到，不同之处在于正常行为的数据来自观测值本身，而置信区间范围的数据则由这些观测值的标准差得到，也就是说，在每天的同一时刻，都有一个观测值，那么在过去一周的每个时刻就有7个观测值，其中，将一周内同一时刻的7个观测值的标准差作为固有值来描述数据的正常行为，然后依此设定置信区间，用自适应阈值和置信区间根据最近的观测值逐渐刷新每天正常行为模型，这样可以更符合检测的实际需要，克服现有技术方案中阈值无法正确刻画温湿度数据动态性的缺点。
具体地，通过上述一周内同一时刻的7个观测值可以算出它们的标准差，得到这个标准差后，把它加到正常行为的模型上，得到上边界U（t+1），再由正常行为减去这个标准差，得到下边界L（t+1）。根据所加标准差个数不同，可以得到不同级别的容差范围。一般情况采用标准的2-3倍。于是判断准则为：
当L（t+1）≤Wt（N+1）≤U（t+1）时，判断为正常
当Wt（N+1）>U(t+1)或Wt（N+1）<-L(t+1)时，判断为异常。
进一步地，当变化幅度超出置信区间时就认为这个观测值是异常的。当滑动窗在序列中一步一步顺次向前移动时，观测值序列中的每个点都将被检测到。
本方法通过刷新机制叠加前一时刻的行为，动态阈值作为判断检测点是否异常的准则，通过对异常数据的检测，能够对数据变化趋势做出判断，提前发出预警，减少风险；异常检测不再单独检测温度和湿度，将综合温湿度潜在的关系进行检测，让预警更准确；替代原有的阈值报警方式，从而不再需要维护各个监控点的报警阈值，增加平台的自适应性，减少误报以及平台运维人员的工作量，同时可以更好的对机房互联网数据中心的温湿度进行监测，更灵敏精确的掌握机房运行环境。通过对异常数据的监测，能够对数据变化趋势做出判断，提前发出预警，减少风险。对于运维人员来说，可以不用关心阈值配置的不合理造成误报，少报的错误。
如图3所示，本发明实施例的互联网数据中心的温湿度预警装置的结构示意图300，包括以下模块：采集模块310、计算模块320和判断模块330。
采集模块310采集互联网数据中心的各个机房的多个时刻的温度数据和湿度数据，再通过计算模块320根据多个时刻的温度数据和湿度数据计算每个时刻的自适应阈值；以及根据每个时刻的自适应阈值计算预设时间段内相同时刻的自适应阈值的标准差，其中，预设时间段为1周，并根据标准计算置信区间，最后通过判断模块330判断检测到的温度数据和湿度数据落入置信区间，判断温度数据和湿度数据正常，否则判断温度数据和湿度数据异常。
进一步地，计算模块320还用于进行异常数据的覆盖率计算：获取异常数据个数和总数据个数，其中，异常数据个数为异常的机房数量，总数据个数为所述互联网数据中心中的机房的数量；根据异常数据个数和总数据个数计算异常数据的覆盖率，以及判断模块330还用于将异常数据的覆盖率与系统配置的灵敏度进行比较，如果常数据的覆盖率大于系统配置的灵敏度，则发出预警。
如图4所示，本发明另一实施例的互联网数据中心的温湿度预警装置的结构示意图，计算模块320还包括：叠加单元321，用于将当前时刻的前一个时刻采集的温度数据和湿度数据进行叠加得到当前时刻的自适应阈值。
根据本发明实施例的互联网数据中心的温湿度预警装置，采集互联网数据中心的各个机房的多个时刻的温度数据和湿度数据，运用异常数据检测算法进行异常检测判断，如果存在异常，则进行异常数据的覆盖率计算和检测判断，最后将异常数据的覆盖率与系统配置的灵敏度进行比较，如果异常数据的覆盖率大于系统配置的灵敏度，则发出预警。该装置可以更好的对机房的互联网数据中心温湿度进行监测，更灵敏精确的掌握机房运行环境，具有实时性、高效性与易用性。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括 一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（RAM），只读存储器（ROM），可擦除可编辑只读存储器（EPROM或闪速存储器），光纤装置，以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块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。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。