[发明专利]一种污水管道防堵塞测量方法及其测量系统

权利要求书

1.一种污水管道防堵塞测量方法，其特征在于，包括以下步骤：

S1：接收传感器节点采集的楼宇污水管道内流体通过时管道内流体的介电常数；

S2：将实时采集的介电常数输入神经网络分析模块，计算出表示管道内流体流动状态的实时状态数据；

S3：将预设时间段内的若干历史状态数据输入神经网络预测模块，预测出管道内流体未来设定时间内发生堵塞的概率；

S4：将实时状态数据和预测结果发送给客户端。

2.根据权利要求1所述的污水管道防堵塞测量方法，其特征在于，所述神经网络分析模块和神经网络预测模块均包括：

卷积层，用于将实时采集的介电常数或管道历史状态数据映射到隐层特征空间，其网络模型为：

其中，*为卷积运算符，input为归一化后实时采集的介电常数或历史状态数据，weigts为卷积核权重，bias为输出偏移；(N_i，C_in，L)为输入张量尺寸，(N_i，C_out，L)为输出张量尺寸，N_i为处理批次数，C_in为传感器输出信号通道数，C_out为网络输出通道数，L为处理信号序列长度，out₁为网络输出，即隐层特征空间的特征序列；

循环神经层用于将卷积层提取的隐层特征空间的特征序列按时间序列映射为特征值，其网络模型为：

H_t＝f(W_i*out₁+b_i+W*_(t-1)+B)

其中H_t为t时刻的特征序列的特征值，W_ih为输入权重矩阵，W_hh为状态转移矩阵，h_(t-1)为t-1时刻的网络状态，b_ih和B_hh均为偏移量，out₁为卷积层的输出张量，f为神经网络的激活函数；

全连接层用于将循环神经层提取出的特征值进行线性回归，其网络模型为：

y＝f(H_t*A^T+b)

其中，H_t为循环神经层的输出张量，A^T为权重矩阵，b为偏移量，f为神经网络的激活函数，y为神经网络回归线性的运算输出结果，即当前时间管道的状态数据或未来设定时间内管道发生堵塞的概率。

3.根据权利要求1所述的污水管道防堵塞测量方法，其特征在于，所述神经网络分析模块的训练方法包括：

S11：获取历史介电常数数据，将历史介电常数数据序列分为正常值、预警值和报警值，并进行标注；

S12：将标注后的数据分为训练集和验证集；

S13：基于误差最小的判断准则和反向梯度传播算法，采用训练集数据对神经网络分析模块进行训练；

S14：采用验证集数据对训练完成后的神经网络分析模块进行验证；

S15：若验证成功，则训练完成；若验证失败，则重复步骤S11，直至验证成功。

4.根据权利要求1所述的污水管道防堵塞测量方法，其特征在于，所述神经网络预测模块的训练方法包括：

S21：获取历史状态数据序列，将历史状态数据序列分为正常值、预警值和报警值，并进行标注；

S22：将标注后的数据分为训练集和验证集；

S23：基于误差最小的判断准则和反向梯度传播算法，采用训练集数据对神经网络预测模块进行训练；

S24：采用验证集数据对训练完成后的神经网络预测模块进行验证；

S25：若验证成功，则训练完成；若验证失败，则重复步骤S21，直至验证成功。

5.根据权利要求3或4所述的污水管道防堵塞测量系统的测量方法，其特征在于，所述误差最小的判断准则公式为：

其中，x为神经网络分析模块或神经网络预测模块中输出的运算结果，t为历史介电常数数据或历史状态数据序列的验证集标注数据，x与t均为N维向量。