[发明专利]一种基于XGBoost城市污水排放异常识别分类模型

说明书

本发明公开了一种基于XGBoost城市污水排放异常识别分类模型，涉及环境保护技术领域，包括以下步骤：S1：将在线校准管网流量动态监测系统提供的监测点位平面展示，通过拓扑分析各监测点之间存在的依赖关系；S2：对历史流量数据进行预处理，形成适用于XGBoost分类算法模型的排水流量数据样本；S3：XGBoost分类识别模型训练数据集准备，通过采集16个监测点排水管网历史数据，经处理形成适用于无监督算法初始数据集；本发明的有益效果是：采用XGBoost对在线校准管网流量动态监测系统提供的大量数据进行建模，分类水体污染排放原因；在线校准管网流量动态监测系统数据采集点多，采集的排水管网数据种类多，数据量大、时间跨度长、数据精确且数据获取便利。

技术领域

本发明涉及一种别分类模型，特别涉及一种基于XGBoost城市污水排放异常识别分类模型，属于环境保护技术领域。

背景技术

“黑臭在水里，根源在岸上，核心在管网”，黑臭水体治理的核心是排水管网问题。由于历史原因，排水管网缺乏系统性管理，排线复杂，而城市水环境污染治理的主要方向已经转变为解决管网问题与水环境治理现状之间的矛盾，水体污染成因多样、基础数据缺失、定位手段缺乏、管网规不足、混接问题严重、地下水入渗、偷排漏排、雨水入渗是未来排水系统应该解决的主要问题。已知的污水排放问题监测的方法有：

(1)人工检测，通过监测人员抵达现场，目测对水管网状态进行评估和分析；

(2)人工+简单设备，主要依靠检查人员肉眼或借助简单设备观测的方法，例如目测法、反光镜检查、潜水员下管道检查、量泥斗检测等；

(3)声纳检测，通过对声信号的分析检查排水管网的状态；

(4)排水管网闭路电视检测，通过对拍水管网安装摄像探头，同时反馈排水管网的状态，通过图像人为的检测分析；

受限于成本和技术，以上的检测方式存在以下缺陷和不足：

(1)检测效率底下；传统的人工检测手段，对检测人员的经验要求高，主观性强，检测所花费的时间长，很难满足城市庞大的排水管网系统的检测需求；

(2)检测存在危险性；传统的检测方法通常需要人员下井工作，在地下阴暗潮湿未知的情况下，检测人员的人身安全存在威胁；

(3)检测存在滞后性；传统的检测方法只能满足排水管网污水事故之后的处理，很难实现在污水排放事故发生之前和发生时及时预警；

(4)革新设备需要大量人力财力资源；在老旧城区的排水管网安装全新的实时监测系统需要大量的人力财力资源，短时间内无法将错综复杂的排水管网合理的更新优化。

发明内容

本发明的目的在于提供一种基于XGBoost城市污水排放异常识别分类模型，为在线管网流量动态监测系统提供入流入渗、雨污混接、偷排漏排等导致水体污染排放的管网问题提供分类模型；根据分析在线系统提供的流量数据，将排水管网污水排放成因精确分类并预警。

为实现上述目的，本发明提供如下技术方案：一种基于XGBoost城市污水排放异常识别分类模型，包括以下步骤：

S1：将在线校准管网流量动态监测系统提供的监测点位平面展示，通过拓扑分析各监测点之间存在的依赖关系；

S2：对历史流量数据进行预处理，形成适用于XGBoost分类算法模型的排水流量数据样本；

S3：XGBoost分类识别模型训练数据集准备，通过采集16个监测点排水管网历史数据，经处理形成适用于无监督算法初始数据集；

S4：初始数据集无监督算法学习之后，分析确定出四个类别数据分别为正常、雨污混接、偷排漏排、入流入渗，形成分类识别模型训练数据集；