[发明专利]一种供水管网爆管识别数据驱动方法

权利要求书

1.一种供水管网爆管识别数据驱动方法，其特征在于，包括以下步骤：

1)采集管网压力数据，并对压力数据进行预处理；

2)建立压力数据的时间序列，构建支持向量回归模型，并通过该模型对当前压力数据进行预测；

3)由步骤1)的实际压力值和步骤2)的预测压力值得到压力数据的预测偏差值；

4)由步骤1)中采集的管网压力数据得到数据的绝对值和变化值；

5)根据预测偏差值、绝对值和变化值三个维度对当前接收的实际压力数据进行评价，得到评价结果；

6)构建基于ID3算法的经典决策树，以步骤5)的评价结果作为模型输入，输出二元分类结果，实现爆管事故识别。

2.根据权利要求1所述的供水管网爆管识别数据驱动方法，其特征在于，步骤1)中，采用线性差值替换缺失值对数据进行预处理。

3.根据权利要求1所述的供水管网爆管识别数据驱动方法，其特征在于，步骤2)中，构建支持向量回归模型的方法包括：

2-1)以待预测时刻的前一个时刻、前一天及前七天同一时刻，三个时刻的实测值作为模型输入，以待预测时刻的压力数据作为模型输出，对模型进行训练；

2-2)选用径向基函数作为模型核函数，对模型参数采用限定范围的网格搜索比选。

4.根据权利要求3所述的供水管网爆管识别数据驱动方法，其特征在于，步骤2-1)中，在模型训练过程中，以未发生事故的数据作为数据集，随机选定其中80％的数据作为训练集对模型进行调参，余下20％作为测试集。

5.根据权利要求3所述的供水管网爆管识别数据驱动方法，其特征在于，步骤2-2)中，通过对模型参数在限定范围内采用网格搜索，穷举搜索所有参数可能的排列组合，对不同参数组合形成的模型在训练集中进行准确性评估。

6.根据权利要求5所述的供水管网爆管识别数据驱动方法，其特征在于，所述的准确性评估过程采用十折交叉验证，将数据集划分为十份，每次选择其中一份作为测试集，其余九份作为训练集，得到预测误差，进行十次这样的验证直到每一份都被选择作为测试集验证过，将十次预测误差求平均值，作为该模型的准确性评价。

7.根据权利要求1所述的供水管网爆管识别数据驱动方法，其特征在于，所述的绝对值和变化值采用分时刻对历史数据进行统计分析确定，对于偏差值采用模型训练过程中拟合残差作为样本进行统计分析确定，计算结果为均值和标准差，为三个维度的阈值确定的基础。

8.根据权利要求7所述的供水管网爆管识别数据驱动方法，其特征在于，步骤5)中数据评价的准则为改进的WEC准则，结合多时间步长的信息，对每个时刻压力数据进行评价，该准则包含以下四条标准：

(1)单时刻压力值低于均值超过4倍标准差；

(2)前三个连续压力值中有两个以上低于均值超过3倍标准差；

(3)前五个连续压力值中有四个以上低于均值超过2倍标准差；

(4)前八个连续压力值中有七个以上低于均值超过1倍标准差。

满足上述准则的条数即为该时刻数据的分数。