[发明专利]基于深度学习的管道状态监测方法、装置及存储介质

权利要求书

1.一种基于深度学习的管道状态监测方法，其特征在于，包括：

按照预设的时间间隔获取每条供水管道的状态数据，得到所有供水管道的状态数据集，并将所述状态数据集分为训练集和测试集；其中，所述状态数据包括压力值、流量值和压力差；

将所述训练集输入到深度学习模型进行训练，得到训练好的深度学习模型；其中，所述训练好的深度学习模型包括输入层、全连接层和输出层；

按照预设的时间间隔实时获取每条供水管道的实时状态数据，得到实时状态数据集；

将所述实时状态数据集输入到所述训练好的深度学习模型，得到管道状态监测结果；

其中，所述按照预设的时间间隔获取每条供水管道的状态数据，得到所有供水管道的状态数据集，并将所述状态数据集分为训练集和测试集，具体包括：

按照预设的时间间隔采集每条管道的压力值和流量值其中，表示第n(n∈[1,N])条管道的第m压力值，表示第n(n∈[1,N])条管道的第m流量值；

按照预设的时间间隔分别计算每条管道的平均压力值其中，表示第n条管道的第m压力值的平均压力值；

根据所述压力值和所述平均压力值，计算得到每条供水管道的压力差其中，表示第n条管道的第m压力差；

按照预设的时间间隔获取每条供水管道的状态数据其中，则得到所有供水管道的状态数据集其中，

将所述状态数据集按照预设的比例分为训练集和测试集。

2.如权利要求1所述的基于深度学习的管道状态监测方法，其特征在于，所述将所述状态数据集按照预设的比例分为训练集和测试集之前，还包括：

将所述状态数据集中的状态数据按照正常数据和异常数据进行标记分类。

3.如权利要求1所述的基于深度学习的管道状态监测方法，其特征在于，所述将所述训练集输入到深度学习模型进行训练，得到训练好的深度学习模型，具体包括：

将所述训练集输入到深度学习模型进行训练；

利用测试集对训练后的深度学习模型进行测试，得到训练好的深度学习模型。

4.如权利要求3所述的基于深度学习的管道状态监测方法，其特征在于，所述训练好的深度学习模型包括输入层、三个全连接层和输出层；其中，

所述输入层的神经元数量为3N，与供水管道的数量相同，且所述输入层的激活函数为ReLu；

每个所述全连接层包括1024个神经元，且所述全连接层的激活函数为ReLu；

所述输出层的神经元数量为3N+1，且所述输出层的激活函数为Softmax。

5.一种基于深度学习的管道状态监测装置，其特征在于，包括：

第一获取模块，用于按照预设的时间间隔获取每条供水管道的状态数据，得到所有供水管道的状态数据集，并将所述状态数据集分为训练集和测试集；其中，所述状态数据包括压力值、流量值和压力差；

训练模块，用于将所述训练集输入到深度学习模型进行训练，得到训练好的深度学习模型；其中，所述训练好的深度学习模型包括输入层、全连接层和输出层；

第二获取模块，用于按照预设的时间间隔实时获取每条供水管道的实时状态数据，得到实时状态数据集；

监测模块，用于将所述实时状态数据集输入到所述训练好的深度学习模型，得到管道状态监测结果；

其中，所述第一获取模块，具体包括：

采集单元，用于按照预设的时间间隔采集每条管道的压力值和流量值其中，表示第n(n∈[1,N])条管道的第m压力值，表示第n(n∈[1,N])条管道的第m流量值；

第一计算单元，用于按照预设的时间间隔分别计算每条管道的平均压力值其中，表示第n条管道的第m压力值的平均压力值；

第二计算单元，用于根据所述压力值和所述平均压力值，计算得到每条供水管道的压力差其中，表示第n条管道的第m压力差；

数据集获取单元，用于按照预设的时间间隔获取每条供水管道的状态数据其中，则得到所有供水管道的状态数据集其中，

分类单元，用于将所述状态数据集按照预设的比例分为训练集和测试集。