[发明专利]一种供水管网爆管识别数据驱动方法

说明书

本发明涉及一种供水管网爆管识别数据驱动方法，属于城市供水管网监测技术领域。包括：1)采集管网压力数据，并对压力数据进行预处理；2)建立压力数据的时间序列，构建支持向量回归模型，并通过该模型对当前压力数据进行预测；3)由步骤1)的实际压力值和步骤2)的预测压力值得到压力数据的预测偏差值；4)由步骤1)中采集的管网压力数据得到数据的绝对值和变化值；5)根据预测偏差值、绝对值和变化值三个维度对当前接收的实际压力数据进行评价，得到评价结果；6)构建基于ID3算法的经典决策树，以步骤5)的评价结果作为模型输入，输出二元分类结果，实现爆管事故识别。

技术领域

本发明涉及城市供水管网监测技术领域，具体地说，涉及一种供水管网爆管识别数据驱动方法。

背景技术

国城市供水管网漏损问题依然突出。目前全国年漏损水量达60亿立方米，城市供水管网漏损率平均超过20％，有一半以上的城市供水管网漏损率高于国家标准规定值。根据原建设部在2002年发布的《城市供水管网漏损控制及评定标准》，城市供水企业管网的基本漏损率须控制在12％以内，因此我国城市供水降低漏损的还有很大的空间。近年来由于管网老化，供水管网建设投资不足等原因，供水管网爆管事故频频发生，爆管已成为引起漏损的一种重要形式，因此降低爆管的持续时间可以在很大程度上降低漏失水量。

供水管网爆管识别方法主要分为硬件和软件计算两大方向。其中基于硬件的方法主要利用设备探测爆管产生的声波和捕捉爆管击发的瞬态波来确定爆管的发生；基于构建水力模型和拟稳态水力数据驱动的爆管探测方法被广泛研究。

数据驱动方法识别爆管的基本原理是基于当供水管网中发生爆管，管网的局部压力会出现明显下降，周围管段的流量也会增加。相较于依赖水力模型模拟水力数据的方法，数据驱动方法能取代人工经验操作和分析，从复杂且数量庞大的监测数据中提取信息，避免模拟数据与真实情况差距带来的不确定性，得出更可靠的结果。数据驱动的爆管识别方法主要分为三种：分类法、统计控制过程法以及预测-分类法。

分类法进行爆管识别指从历史数据中对数据变化和异常状态的关系习得充分经验，进而判断新输入的水力数据是否异常的方法。统计控制方法指借助数理统计方法对过程状态进行评估与控制。面对数据的不确定性有更好表现的预测-分类方法被最广泛讨论。在预测阶段，将包括混合密度神经网络(MDN)、延时人工神经网络和支持向量机(SVM)多样的启发式算法用于爆管识别领域水力参数分析预测。分类阶段在预测结果支持下的偏差分析被较多的应用于爆管识别。

过往技术往往仅针对单一时间节点作出爆管识别的判断，未结合多个时间步长信息。

发明内容

本发明的目的是提供一种供水管网爆管识别数据驱动方法，依托于压力监测数据，通过有监督的机器学习模型——决策树，实现更准确地爆管识别。

为了实现上述目的，第一方面，本发明提供的供水管网爆管识别数据驱动方法，包括以下步骤：

1)采集管网压力数据，并对压力数据进行预处理；

2)建立压力数据的时间序列，构建支持向量回归模型，并通过该模型对当前压力数据进行预测；

3)由步骤1)的实际压力值和步骤2)的预测压力值得到压力数据的预测偏差值；

4)由步骤1)中采集的管网压力数据得到数据的绝对值和变化值；

5)根据预测偏差值、绝对值和变化值三个维度对当前接收的实际压力数据进行评价，得到评价结果；

6)构建基于ID3算法的经典决策树，以步骤5)的评价结果作为模型输入，输出二元分类结果，实现爆管事故识别。

上述技术方案中，通过结合多时间节点数据信息进行爆管识别，同时结合历史统计和预测偏差作为判断依据，并以此为基础构建有监督的典型分类器决策树实现爆管识别。