1.基于物联网技术的建筑给排水流速异常监测方法，其特征在于，该方法包括以下步骤：采集建筑给排水系统中管道内水流流速数据；

根据每个水流流速值的观测窗口中的分布情况以及水流流速值之间差分元素的聚类结果得到水流流速值的监测异常度；

根据水流流速值的监测异常度排序得到水流流速值的特征值序列，将所述特征值序列划分为多个初始特征段，基于初始特征段内元素分布特征以及位置信息计算初始特征段的包含异常概率，所述位置信息为每个监测异常度对应水流流速值的监测位置的坐标信息；

根据水流流速值的监测异常度和水流流速值所属初始特征段的包含异常概率得到水流流速值的邻域K值，根据水流流速值的邻域K值利用异常检测算法得到异常的水流流速值；

所述根据水流流速值的监测异常度和水流流速值所属初始特征段的包含异常概率得到水流流速值的邻域K值，包括的具体步骤如下：基于每个水流流速值的监测位置的标签值对监测异常度进行筛选，基于筛选结果确定每个异常度的数据级的分布影响权重；

基于每个监测异常度所属数据级的分布影响权重、每个监测异常度所属初始特征段的包含异常概率确定每个水流流速值的邻域距离；

若水流流速值的邻域距离小于预设上限值，则将水流流速值的邻域距离作为水流流速值的邻域K值；

若水流流速值的邻域距离大于等于预设上限值，则将预设上限值作为水流流速值的邻域K值。

2.根据权利要求1所述基于物联网技术的建筑给排水流速异常监测方法，其特征在于，所述根据每个水流流速值的观测窗口中的分布情况以及水流流速值之间差分元素的聚类结果得到水流流速值的监测异常度，包括的具体步骤如下：将所有采集的水流流速值按照时间顺序组成流速序列，获取流速序列的差分序列，并利用不预设聚类簇数量的聚类算法将所述差分序列中的元素划分到若干个聚类簇；

设置固定尺寸的滑动窗口，将每个水流流速值为窗口中心点时的滑动窗口作为每个水流流速值的观测窗口；

基于每个水流流速值的观测窗口内元素的分布情况以及聚类簇内元素的分布特征计算每个水流流速值的监测异常度。

3.根据权利要求2所述基于物联网技术的建筑给排水流速异常监测方法，其特征在于，所述基于每个水流流速值的观测窗口内元素的分布情况以及聚类簇内元素的分布特征计算每个水流流速值的监测异常度，包括的具体步骤如下：确定每个水流流速值的观测窗口内所有水流流速值形成的差分元素所在聚类簇的数量，计算所述所在聚类簇的数量与每个水流流速值的观测窗口内所有元素的分布方差的乘积作为分子；

将每个水流流速值的观测窗口内所有水流流速值形成的差分元素在流速序列的差分序列中的频率的累加和与常数参数之和的倒数作为第一度量值；

将第一度量值与分子的乘积作为每个水流流速值的监测异常度。

4.根据权利要求1所述基于物联网技术的建筑给排水流速异常监测方法，其特征在于，所述基于初始特征段内元素分布特征以及位置信息计算初始特征段的包含异常概率，包括的具体步骤如下：对于任意一个初始特征段，确定每个监测异常度对应水流流速值的监测位置的坐标信息，将坐标信息为建筑内给排水管道转弯处的监测位置的标签值标记为1；

计算每个初始特征段内监测异常度的分布方差与每个初始特征段内监测异常度的均值的乘积，将所述乘积与每个初始特征段内监测异常度的数量的比值作为每个初始特征段的异常权重；

基于所述异常权重、每个初始特征段与每个初始特征段的参考特征段内监测异常度的趋势差异是受到异常的水流流速值产生的可能性确定每个初始特征段的包含异常概率。

5.根据权利要求4所述基于物联网技术的建筑给排水流速异常监测方法，其特征在于，所述每个初始特征段的包含异常概率的确定方式如下：计算两个初始特征段中任意两个监测异常度对应监测位置坐标信息之间的欧式距离，将两个初始特征段之间计算所得所有欧式距离的均值作为两个初始特征段之间的监测位置距离，将与每个初始特征段之间的监测位置距离最小值对应的其他初始特征段作为每个初始特征段的参考特征段；

确定每个初始特征段与每个初始特征段的参考特征段内监测异常度数量的差值；

将每个初始特征段、每个初始特征段的参考特征段内监测异常度进行直线拟合得到直线的斜率之间差值的绝对值与所述数量的差值之和作为第一差异值；

将第一差异值与每个初始特征段的异常权重的乘积作为分子，将分子与每初始特征段的参考特征段内监测异常度对应监测位置中标签值为1的监测位置的数量的比值作为每个初始特征段的包含异常概率。

6.根据权利要求1所述基于物联网技术的建筑给排水流速异常监测方法，其特征在于，所述每个异常度的数据级的分布影响权重的确定方式如下：将所有监测异常度中对应监测位置的标签值为1的监测异常度剔除，利用剩余的监测异常度组成筛选集合，将筛选集合内监测异常度的信息熵作为第一阈值；

在筛选集合中，将取值相等的监测异常度均作为一个异常度的数据级；

对于任意一个异常度的数据级，将第一阈值与每个异常度的数据级删除后筛选集合内剩余监测异常度的信息熵之间的差值作为每个异常度的数据级的分布影响权重。

7.根据权利要求1所述基于物联网技术的建筑给排水流速异常监测方法，其特征在于，所述确定每个水流流速值的邻域距离，包括的具体步骤如下：计算每个水流流速值的监测异常度所属初始特征段的包含异常概率与所有初始特征段的包含异常概率中最大值的比值；

将所述比值与每个水流流速值的监测异常度所属数据级的分布影响权重之间乘积的取整结果作为每个水流流速值的邻域距离。

8.根据权利要求1所述基于物联网技术的建筑给排水流速异常监测方法，其特征在于，所述将所述特征值序列划分为多个初始特征段，包括的具体步骤如下：将水流流速值的特征值序列作为输入，利用序列分割算法将所述特征值序列划分成多个子序列，每个子序列均作为一个初始特征段。

9.根据权利要求1所述基于物联网技术的建筑给排水流速异常监测方法，其特征在于，所述根据水流流速值的邻域K值利用异常检测算法得到异常的水流流速值，包括的具体步骤如下：将所有水流流速值以及水流流速值的邻域K值作为输入，利用离群因子检测LOF算法获取每个水流流速值的局部异常因子；

预设一个第二阈值，若该水流流速值的局部异常因子大于第二阈值，认为该水流流速值为一个异常的水流流速值。