[发明专利]基于无用分量投影分析的供水管道安全监控方法

权利要求书

1.一种通过先期声学数据建模，使用检测到的声学数据输入模型并得出对被检测的管道的状态变化情况的判断，进而实现管道系统安全事件报警系统；

本发明采用EM算法和无用分量求解算法分别得出通用背景高斯混合模型和投影模型，以自适应技术和无用分量投影得出投影向量，然后采用SVM训练算法得出训练模型，最后以检测数据得到的投影向量代入训练模型并得出相应的检测结果。

2.其具体步骤如下：

(1)将原始声学数据通过同态信号处理得出时间序列；

(2)采用EM算法得出通用背景高斯混合模型：将EM算法应用到混合分布的情形；下面我们以一个二维混合正态分布为例在MatLab中做模拟实验，本实验中，混合分布样本数据的产生方法如下：设X是属于给定的混合密度参数族P的一个随机变量，它具有形如式(1)的概率密度函数；设x是对X的一个观察值，Z是x的分类随机变量，其取值Z＝i(i＝1，2，…，m)；那么在给定Z＝i的条件下，X＝x的条件概率为p_i(x|θ_i)(i＝1，2，…，m)，而其无条件概率为p(x|θ)；

X的一个观察样本产生过程如下：

①按分布P(Z＝i)＝λi(i＝1，2，…，m)产生Z的一个观察值：首先产生一个[0，1]区间的随机变量r，若Σk=1i-1λk≤r≤Σk=1iλk,]]>则Z＝i；

②若Z＝i，则按X的第i分支对应的分布产生一个观察值x，i＝1，2，…，m；重复(1)、(2)这一过程n次，可得到关于x的一组容量为n的简单随机样本观测值；

实验步骤如下：

①利用上述方法产生一个二维混合正态分布的2000个样本点；

②确定算法需要的参数初始值：混合比例α采用平均分配策略，各分支的期望的元素是介于各样本元素的最大值和最小值之间随机产生，各分支的协方差矩阵采用对称矩阵，产生参数初始值；

在本实验中EM算法迭代终止条件为：连续两次所得参数估计值满足

时迭代停止，本次试验经过81次迭代后程序终止；再取一组远离参数真实值的初值进行迭代，经过140次迭代后程序终止；

从所做的大量数值计算来看，用EM算法对混合正态模型进行密度参数估计，能收敛到各参数的极大似然估计量，并且样本越大，估计结果越接近参数真值；

(3)通过自适应技术映射时间序列得到高维矢量；

(4)使用无用分量求解算法，将高维向量生成投影模型；

(5)训练数据通过上述步骤得到高维矢量后，通过无用分量投影得到其投影向量，并通过支持向量机得到训练模型；

(6)在实际检测中得到的声学数据同样通过此系列步骤，在映射高维矢量和投影向量时代入步骤2和4得出的模型，以此得到的投影向量结合步骤5得出的训练模型生成对检测到数据的最终判断。