[发明专利]一种供水管网异常工况预警方法

权利要求书

1.一种供水管网异常工况预警方法，包括以下步骤：

采集水质参数数据；

对采集的水质参数数据进行数据预处理；

对预处理后的数据进行数据特征提取，构建特征矢量；

利用所述特征矢量训练模型，对模型进行优化；以及

利用优化的模型确定供水管网异常工况，完成供水管网异常工况预警；

其中，所述数据特征提取的步骤包括以下子步骤：

计算水质参数数据间的第一相关系数；

将水质参数数据间的第一相关系数变换为第二相关系数；

基于水质参数数据和第二相关系数构建特征矢量；

所述第二相关系数与第一相关系数满足以下关系式：第二相关系数＝1-|第一相关系数|；所述第一相关系数为典型相关系数；

若各水质指标的读数时间间隔为Δt，动态时间窗口长度即时间序列的长度为L，t时刻截取各指标在时间区间[t-L+Δt，t]内的时间序列，所述典型相关系数计算过程如下：

式(5)中，ρ为典型相关系数，X，Y分别代表两组水质参数，a和b分别代表两组水质参数进行线性组合时的线性指数向量，∑_XX，∑_YY，∑_XY分别代表X与X，Y与Y，X与Y之间的协方差矩阵；

通过式(6)将t时刻的典型相关系数变换得到t时刻的水质相关系数D：

D_t＝1-|ρ_t| 式(6)。

2.根据权利要求1所述的供水管网异常工况预警方法，其中，在供水管网的一监测点布设多个单参数水质传感器或一个多参数水质传感器，或者在供水管网的不同监测点布设单参数水质传感器，采集水质参数数据。

3.根据权利要求2所述的供水管网异常工况预警方法，其中，将采集的水质参数数据实时传输至数据中心，利用累积和控制图进行数据预处理，筛除水质传感器读数异常数据和数据传输异常数据。

4.根据权利要求1所述的供水管网异常工况预警方法，其中，利用所述特征矢量训练模型，并对模型优化的步骤包括以下子步骤：

将由训练集中的水质参数数据构建的特征矢量输入建立的模型，对模型进行训练；以及

根据训练结果对模型进行优化。

5.根据权利要求4所述的供水管网异常工况预警方法，还包括：将由测试集中的水质参数数据构建的特征矢量输入训练好的模型，对模型进行测试。

6.根据权利要求4所述的供水管网异常工况预警方法，其中，采用SVM方法对模型进行训练：

选取动态时间窗口长度L、SVM的惩罚系数C和核参数γ这三个模型参数的取值范围；

将由训练集中的水质参数数据构建的特征矢量输入建立的SVM模型，对其进行训练；

使用网格搜索和K-折交叉验证进行L、C、γ取值的优化；以及

将模型参数取值设定为最优L、C、γ取值，得到训练好的SVM模型。

7.根据权利要求1所述的供水管网异常工况预警方法，其中，在利用优化的模型确定供水管网异常工况，完成供水管网异常工况预警的步骤中，

将所采集的供水管网的实时水质参数数据经预处理、特征提取、特征矢量构建后，输入至训练好的模型中，若模型输出结果为异常，则进行预警。

8.根据权利要求1所述的供水管网异常工况预警方法，其中，所述水质参数数据包括：余氯、pH、浊度、温度、电导率、氧化还原电位(ORP)及化学需氧量。