1.一种基于物联网的智慧城市配送监测系统，其特征在于，所述系统包括：历史数据获取模块，用于获取预设数量个历史温度时序数据段；

待检测数据段获取模块，用于在每个历史温度时序数据段中，根据每个数据波动的波动变化分布情况，以及对应数据波动中每个数据点的分布偏离情况，获得每个数据点的异常度；通过每个历史温度时序数据段中数据点的异常度确定疑似异常点；根据每个历史温度时序数据段中，每个疑似异常点在对应预设移动平均窗口中所有数据点的异常度分布占比情况，结合移动平均法更新每个疑似异常点的数据值，获得待检测数据段；

温度监测模块，用于获取每个待检测数据段中每个数据点的异常度；根据每个时刻对应所有待检测数据段中数据点的数据值和异常度分布情况，获得每个时刻的预测值；根据每个时刻的预测值进行温度监测；

所述待检测数据段的获取方法包括：

对于任意历史温度时序数据段中任意一个疑似异常点，将该疑似异常点对应的预设移动平均窗口作为检测窗口；

计算检测窗口中所有数据点的异常度的累积值与该疑似异常点的异常度的和值，获得该疑似异常点的异常总值；计算检测窗口中每个数据点的异常度与异常总值的比值，进行负相关映射并归一化处理获得每个数据点在检测窗口中的分配权重；

在检测窗口中根据每个数据点的分配权重，进行SMA移动平均法获得该疑似异常点新的数据值；将更新完所有疑似异常点的数据值的历史温度时序数据段作为待检测数据段；

所述预测值的获取方法包括：

对于任意一个时刻，计算该时刻下所有待检测数据段对应数据点的异常度的和值，作为检测和值；将该时刻下每个待检测数据段对应数据点的异常度与检测和值的比值，进行负相关映射并归一化处理获得该时刻下每个待检测数据段对应数据点的预测权重；

计算该时刻下每个待检测数据段对应数据点的预测权重与对应数据值的乘积，获得该时刻下每个待检测数据段对应数据点的调整预测值；计算该时刻下所有调整预测值的平均值，获得该时刻对应的预测值。

2.根据权利要求1所述一种基于物联网的智慧城市配送监测系统，其特征在于，所述获得每个数据点的异常度，包括：依次将每个历史温度时序数据段作为目标数据段，获取目标数据段中的温度数据曲线；获取温度数据曲线中的极值点，将每相邻两个极值点之间的曲线作为数据波动；

根据每个数据波动中数据点的变化程度，获得每个数据波动的波动度；计算目标数据段中所有数据波动的波动度的平均值，获得目标数据段的平均波动度；将每个数据波动的波动度与平均波动度之间的差异，进行归一化处理获得每个数据波动的异常指标；

计算目标数据段中所有数据点的数据值的平均值，获得目标数据段的平均数据值；对于目标数据段中任意一个数据点，将该数据点的数据值与平均数据值之间的差异，进行归一化处理获得该数据点的异常可能性；

将该数据点的异常可能性与该数据点所在数据波动的异常指标相乘，获得该数据点的异常度。

3.根据权利要求2所述一种基于物联网的智慧城市配送监测系统，其特征在于，所述根据每个数据波动中数据点的变化程度，获得每个数据波动的波动度，包括：对于任意一个数据波动，计算该数据波动对应两个极值点之间数据值的差异，获得该数据波动的极值差异；计算该数据波动对应两个极值点之间时间的差异，获得该数据波动的时间差异；

将该数据波动的极值差异与时间差异的比值作为该数据波动的波动度。

4.根据权利要求1所述一种基于物联网的智慧城市配送监测系统，其特征在于，所述疑似异常点的获取方法包括：将每个历史温度时序数据段中所有异常度的平均值，作为每个历史温度时序数据段的异常评价指标；

当数据点的异常度与所在历史温度时序数据的异常评价指标之间的差异大于预设异常阈值时，将对应数据点作为疑似异常点。

5.根据权利要求1所述一种基于物联网的智慧城市配送监测系统，其特征在于，所述在检测窗口中根据每个数据点的分配权重，进行SMA移动平均法获得该疑似异常点新的数据值，包括：基于SMA移动平均法，根据检测窗口中每个数据点的分配权重和数据值，获得检测窗口中的移动平均值；计算检测窗口中数据点的数据值与移动平均值之间差值的平均值，获得检测窗口的调整值；

将移动平均值与调整值的和值作为对应疑似异常点新的数据值。

6.根据权利要求1所述一种基于物联网的智慧城市配送监测系统，其特征在于，所述根据每个时刻的预测值进行温度监测，包括：获取当前时刻温度数据对应的实际值，将当前时刻的实际值与当前时刻的预测值之间的数值差异作为监测评价值；

当当前时刻前连续预设监测数量个时刻的监测评价值大于预设监测阈值时，将当前时刻的监测状态记为异常状态，否则，监测状态为正常状态。

7.根据权利要求2所述一种基于物联网的智慧城市配送监测系统，其特征在于，所述获取目标数据段中的温度数据曲线，包括：对目标数据段采用最小二乘法进行多项式拟合获取温度数据曲线。

8.根据权利要求2所述一种基于物联网的智慧城市配送监测系统，其特征在于，所述获取温度数据曲线中的极值点的方法采用牛顿法。