[发明专利]一种自来水管漏水检测方法

说明书

本发明公开一种自来水管漏水检测方法，其包括以下步骤：S1.获取已标注漏/不漏样本声波数据；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.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；本发明实时分析管道声波数据，简化现有的数据分析方式，提高数据分析的准确性，工作效率高，精度能通过自学习不断提升。

技术领域

本发明涉及用于监督或预测目的的数据处理方法领域，特别是一种基于多维声波特征分析、机器学习和投票法的自来水管漏水检测方法。

背景技术

每个城市都布设有复杂的自来水管网，自来水管道漏水问题也一直困扰着城市建设者，为了及时检修自来水管，需要经常性检修，目前主要采用以下方法：

一是人工听漏，也是主要应用的管道检修方法，其需要夜间定时巡线，用电子设备听取管道声音，人力耗费较高，同时判断结果受听漏人员业务水平影响较大，相应培训成本亦高，

二是管道数据分析方法，随着硬件技术的不断发展，目前已有一些管壁传感器水流、声波等类型数据做在线分析的方法，如某些企业搜集管道声波的信号数据以后，根据返回的信号内容进行人工分步转换数组、分解信号，人工审查波形图，如解读频域图，找出峰值对应的频率高低，并以此判断所监测的管道是否漏水，该方法具体是利用声波特征判别管道是否漏水，一般是用快速傅里叶变换或小波变换将信号分解至时间域、频率域，试图得到“漏水管道的声波数据在时/频域上呈现出某种不同于非漏水数据的特征”的规则，本质上是分类问题或异常检测问题，但其效率与准确性、自动化水平均不高。

总之，通过人工逐点听漏至方法或者逐条阅读波形，判断此波形代表的管道属于漏水或非漏水方法都存在严重弊端，在数据量大的情况下，仅凭人工参与造成重复劳动和低效率，分类缺乏系统性和一致性，没有充分利用数据自有规律，导致人力消耗成本高，难以形成大规模、及时的判断。

现有技术中还有利用信号的值时间序列或捕捉原始信号的异常特征进行模型判别，每次判别前人工调节模型参数的方式，本质上属于半人工归类，最后得出是否漏水的结论。例如，通过主观设定好的阈值和分析长度进行逐条分析，统计归纳结果，然而，半人工方式对判漏的缺陷包括：第一、缺乏客观统一的模型标准；第二、在每次判别时仍需要大量人力参与；第三，主观性影响精度。

有鉴于此，本发明人提出一种工作效率高，精度高的自来水管漏水检测方法。

发明内容

本发明为解决上述问题，提供了一种自来水管漏水检测方法，用于实时全面智能的分析管道声波数据，检测管道泄漏，且简化现有的数据分析方式，提高数据分析的准确性，工作效率高，精度能通过自学习不断提升。

为实现上述目的，本发明采用的技术方案为：

一种自来水管漏水检测方法，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；