[发明专利]一种自来水管漏水检测方法

权利要求书

1.一种自来水管漏水检测方法，其特征在于，包括以下步骤：

S1.获取自来水管已标注漏/不漏的声波数据作为样本数据，所述声波数据包含时间、地点及信号三个字段；

S2.依据样本数据生成训练特征库，采用集成模型来训练该训练特征库，生成漏水分类器；

S3.获取自来水管未知漏/不漏的声波数据作为检测数据，依据检测数据生成判别特征库；

S4.将判别特征库置入漏水分类器中测算，生成漏水/非漏水的逐点判断结果；

S5.将所述逐点判断结果按照声波数据的收集点分类，并对判别数组建立时间标签和地点标签，结合所述逐点判断结果及所述时间标签和地点标签生成判别规则树，按照判别规则树做投票，生成最终判断结果，最终判断结果包括漏或非漏及其分别对应的概率；

其中，所述步骤S5具体包括以下步骤：

S51.根据判别数组中标识时间和地点的字段，建立对应的时间标签和地点标签；

S52.根据所述判别数组，逐条提取其时间标签和地点标签；

S53.按照所述时间标签和地点标签建立标签集，将同一收集地点的若干条数据，贴同一地点标签；

S54.将具有所述同一地点标签的若干条数据组成数据集，根据时间字段数据集中数据贴时间标签，然后将数据集按照时间顺序排列；

S55.将所述逐点判别的漏水/非漏水结果匹配地点标签与时间标签，确定一条唯一数据，并赋予该数据漏水/非漏水判断结果作为逐点判别标签，生成由三元组{地点标签、时间标签、逐点判别标签}构成的判别节点，根据判别节点构建判别规则树；

S56.按照所述地点标签将所述三元组分类，对每一相同地点标签类下所包含的三元组，计算其逐点判别标签为漏水标签的个数与总数之比，得到概率判别值；

判断所述概率判别值与预设阈值的大小关系；

若所述概率判别值大于预设阈值，则该所述三元组分类代表的管道被判断为漏水，并给出此值为漏水概率；

若所述概率判别值小于预设阈值，则还可按照时序判别，其具体步骤如下：

按照所述地点标签将所述三元组分类，对每一相同地点标签类下所包含的三元组，按照时间标签，寻找时间中点；

按照所述时间中点对三元组分类为统计后组和前组，分别计算前组与后组中所包含逐点判别标签为漏水标签的个数与总数之比，得到前组和后组的概率判别值；

计算所述前组的概率判别值和后组的概率判别值之比，得到时序判别值；

比较所述时序判别值和预设阈值；

若所述时序判别值大于预设阈值，则判别结果为漏水，给出此阈值为漏水概率；

若所述时序判别值小于预设阈值，则判别结果为非漏水，给出此阈值为非漏水概率。

2.如权利要求1所述的一种自来水管漏水检测方法，其特征在于：所述步骤S2具体包括以下步骤：

S21.将样本数据转换为漏/不漏训练数组；

S22.计算所述训练数组信号字段的统计特征，统计特征包括均值、方差、标准差；

S23.计算所述训练数组信号字段的信号特征，信号特征包括其多阶自相关函数、自相关函数的统计量以及训练数组在频率域上的统计量和幅值最高处对应的频率值；

S24.将统计特征、信号特征及其对应的漏水/非漏水标注构建为所述训练数组的训练特征库；

S25.用集成了罗吉斯回归、支持向量机、随机森林、最近邻点法、朴素贝叶斯五种分类模型的集成模型预训练该训练特征库；

S26.以均方误差降低量为指标判断所述训练特征库中的特征重要性是否满足预设阈值，选取满足预设阈值的特征构建成漏水分类器。

3.如权利要求1所述的一种自来水管漏水检测方法，其特征在于：所述步骤S3具体包括以下步骤：

S31.将检测数据转换为判别数组；

S32.计算判别数组信号字段的统计特征和信号特征，统计特征包括均值、方差、标准差，信号特征包括其多阶自相关函数、自相关函数的统计量以及训练数组在频率域上的统计量和幅值最高处对应的频率值；

S33.根据判别数组的特征构建判别特征库。

4.如权利要求1所述的一种自来水管漏水检测方法，其特征在于：所述声波数据为一个短时间序列，其长度为256。

5.如权利要求1至4任一项所述的一种自来水管漏水检测方法，其特征在于：还包括步骤S6.根据最终判断结果实地确定管线点是否漏水，确定漏水则重复步骤S1-S2，不断的将新获取的声波数据构建新的训练特征库和新的漏水分类器，以自主学习更新漏水分类器，确定不漏水则输出该判断结果。