[发明专利]一种提高给水排水管道防渗漏性能方法和系统在审
申请号: | 202210295348.2 | 申请日: | 2022-03-24 |
公开(公告)号: | CN114662391A | 公开(公告)日: | 2022-06-24 |
发明(设计)人: | 陈翰林;苏琼婵;何昭菊;麦健峰;江焰畴;徐佳维 | 申请(专利权)人: | 深圳市深水水务咨询有限公司 |
主分类号: | G06F30/27 | 分类号: | G06F30/27;G06Q10/06;G06F119/04 |
代理公司: | 北京众达德权知识产权代理有限公司 11570 | 代理人: | 吴莹 |
地址: | 518003 广东省深*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 提高 给水 排水管道 渗漏 性能 方法 系统 | ||
1.一种提高给水排水管道防渗漏性能方法,其特征在于,所述方法包括:
获得给水排水管道的标准工序集合;
根据所述标准工序集合,对所述给水排水管道的历史工序数据进行采集,获得历史工序数据集合;
获得所述给水排水管道的目标性能检索特征;
将所述历史工序数据集合和所述目标性能检索特征上传至工序节点适配模型进行训练,获得目标节点工序集合;
根据所述目标节点工序集合,搭建各目标节点工序对应的性能评价模型集合;
获得目标给水排水管道的预施工数据;
基于搭建好的所述性能评价模型集合,对所述预施工数据进行对应的性能评估,获得所述各目标节点工序的预设施工性能评估结果;
基于所述预设施工性能评估结果,对所述目标给水排水管道进行专项预测调整。
2.如权利要求1所述的方法,其特征在于,所述将所述历史工序数据集合和所述目标性能检索特征上传至工序节点适配模型进行训练,包括:
所述工序节点适配模型的模型前端嵌入有数据预处理模型;
将所述历史工序数据集合作为输入信息,上传至所述数据预处理模型,对所述输入信息进行遍历检索,获得各分布数据对应的管道性能特征集合;
将所述目标性能检索特征和所述管道性能特征集合,上传至所述工序节点适配模型,对所述目标性能检索特征和所述管道性能特征集合中的任一管道性能特征进行两两之间的关联度计算,获得两两之间关联度计算结果;
对所述两两之间关联度计算结果进行降序排列,获得预设序列位置处对应的目标管道性能特征集合;
对所述目标管道性能特征集合进行反向检索,获得所述目标节点工序集合。
3.如权利要求2所述的方法,其特征在于,所述对所述目标性能检索特征和所述管道性能特征集合中的任一管道性能特征进行两两之间的关联度计算,包括:
构建数据的空间分布坐标系;
将所述目标性能检索特征任意分布于所述空间分布坐标系的任一目标点,且将所述任一目标点作为中心点;
将所述管道性能特征集合中的数据一一分布于所述空间分布坐标系之中,且对任一数据的分布位置进行标记,获得各数据分布位置集合;
分别对所述中心点的目标位置坐标与所述各数据分布位置集合中的分布位置坐标进行两两之间的空间距离计算,获得两两空间距离集合;
基于预设空间距离,对所述两两空间距离集合进行筛选,获得对应的所述两两之间关联度计算结果。
4.如权利要求1所述的方法,其特征在于,所述搭建各目标节点工序对应的性能评价模型集合,包括:
根据所述各目标节点工序,获得第一节点工序;
对所述第一节点工序进行深层解析,获得所述第一节点工序对应的参与要素集合;
对所述参与要素集合中的各参与要素进行逐一剖析,获得所述各参与要素在第一时间点时,赋予所述给水排水管道的第一封密度;
以所述第一时间点为参考基准,获得第一时间间隔之后的第二时间点时,所述各参与要素赋予所述给水排水管道的第二封密度,直至第n-1时间间隔之后的第N封密度;
根据所述第一封密度、所述第二封密度直至所述第N封密度,搭建所述第一节点工序对应的第一节点性能评价模型。
5.如权利要求4所述的方法,其特征在于,所述方法包括:
对所述第一封密度进行遍历拆分,获得所述各参与要素的第一参与贡献值分布;
对所述第二封密度进行遍历拆分,获得所述各参与要素的第二参与贡献值分布,以此类推,获得所述第N封密度下,所述各参与要素的第N参与贡献值分布;
对所述第一参与贡献值分布、所述第二参与贡献值分布直至所述第N参与贡献值分布进行数理统计的图形转换,获得正向时间-各参与要素贡献值变化趋势统计图;
对所述正向时间-各参与要素贡献值变化趋势统计图进行定向筛选,获得目标参与要素集合;
基于所述目标参与要素集合,搭建所述第一节点工序对应的第一节点性能评价模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市深水水务咨询有限公司,未经深圳市深水水务咨询有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210295348.2/1.html,转载请声明来源钻瓜专利网。