[发明专利]一种基于VARX模型的供水管网异常事件侦测方法

说明书

本发明公开了一种基于VARX模型的供水管网异常事件侦测方法。本发明首先进行测点分组，确定输入样本。其次按分组建立VARX模型。然后进行压力预测并计算差异，并计算差异的平均值和标准差。最后按照异常事件判定规则侦测异常事件。本发明基于VARX模型采用差异分析的供水管网异常事件侦测方法，具有抗干扰性强，侦测能力强等特点。

技术领域

本发明属于城市供水领域，具体是一种基于VARX模型的供水管网异常事件侦测方法。

背景技术

暗漏和爆管是城市供水管网常见的两种异常事件，前者具有时间持续长、规模小、不易察觉的特点，而后者则正好相反，具有突发性、不确定性，规模大的特点。及时发现供水管网中存在的漏损事件，准确定位事件发生地点，迅速采取措施防止事态恶化，对供水管网安全运行来说显得尤为重要。

目前供水管网异常事件侦测主要基于微观水力学模型和宏观数据模型两种。其中微观模型需要已知管网系统的详细资料，如管网的拓扑结构、管段的材质、长度、直径、摩阻等具体信息，国内基于微观模型的应用研究较少。基于宏观模型的研究主要分为边界分析和差异分析两种方法，边界分析方法易受噪声的干扰而差异分析方法抗干扰能力较强。

有鉴于此，使用差异分析方法可以较好地对供水管网异常事件进行侦测。本发明基于VARX模型高精度预测进行差异分析法侦测供水管网异常事件。

发明内容

本发明针对现有技术的不足，提供了一种基于VARX模型的供水管网异常事件侦测方法。其中VARX(a Vector Auto-Regressive with eXogenous variables)模型将单向因果关系的变量作为外生变量加入VAR模型中，可以有效地增强模型的抗扰动性，同时该模型具有较高的精度。

为实现以上目的，本发明采取以下步骤：

步骤1.测点分组，确定输入样本

建立供水管网预测数据库。其中输入数据包括：测量点压力、流量值等；输出数据包括：预测压力、流量值等。

(1)监测点分组

将监测点通过相关性分组，相关性计算公式如下：

说明：x，y是两组时间序列数据；Ex，Ey是对应的两组时间序列数据的期望值；Dx，Dy是对应的两组时间序列的方差；corr(x,y)则是对应的两组时间序列数据的相关系数，用来表征相关性。相关系数的取值范围在0～1，0表示不相关，反之1表示相关性明显，将相关性明显的监测点归为一类。

(2)确定输入样本

根据监测点分组确定输入样本为{x_t,y_t}_i，其中x_t为d维外生变量，y_t为k维内生变量，即d个外生变量的监测点k个内生变量的监测点，t为时间单位，i表示第i组监测点。

步骤2.按分组建立VARX模型

为每一组监测点的每一次预测建立VARX模型，根据输入样本数据{x_t,y_t}_i进行模型定阶并建立模型。

(1)VARX模型定阶

采用AIC(Akaike Information Criterion)定阶准则。其定义如下：

其中为残差，T为样本周期，p为模型滞后项，AIC值取最小值时的p值为模型最佳选择值。

(2)建立VARX模型

VARX模型的表达式为：