[发明专利]基于卷积神经网络的给水管网多点漏损定位方法及其装置

权利要求书

1.一种基于卷积神经网络的给水管网多点漏损定位方法，包括以下步骤：

步骤一、对供水管网压力数据进行采集，将所采集的所述供水管网压力数据分为训练样本和测试样本；

步骤二、将所述训练样本和所述测试样本进行归一化；

步骤三、将归一化处理后的训练样本输入到卷积神经网络模型中进行训练，得到卷积神经网络模型，利用归一化后的测试样本对卷积神经网络模型进行测试，并保存训练好的卷积神经网络模型；

步骤四、管网采集的实时数据归一化后输入到训练好的卷积神经网络模型中，通过训练好的卷积神经网络模型来得到预测结果；

步骤五、将预测结果对比标签索引，判断漏损点个数和位置；

所述对供水管网压力数据进行采集，具体包括以下步骤：

对供水管网压力数据按类型进行采集，包括正常数据、单点漏损和多点漏损数据，给每条数据按类型的不同打上不同的标签；将打上标签的数据分为训练样本和测试样本；

每条数据的数据格式为{a₁ a₂ a₃…a_j}，j表示第j个传感器采集的数据；

标签的格式为label_1＝{0 0 0…0 0 1}、label_2＝{0 0 0…0 1 0}、label_d＝{0 00… 1… 0 0}其中，标签序列中只有一位是1，其他位是0。

2.根据权利要求1所述的基于卷积神经网络的给水管网多点漏损定位方法，其特征在于，对所述标签构建标签索引，标签中包含漏损数据的漏损点类型、漏损点位置；

具体步骤为：

对每个标签都构建一个唯一的映射，该映射中包括漏损点类型、漏损点位置；其格式如下：

{0 0 0…0 0 1：{漏损类型：正常；漏损点位置：无}

0 0 0…0 1 0：{漏损类型：一号点漏；漏损点位置：xx}

0 0 0…1 0 0：{漏损类型：二号点漏；漏损点位置：xx}

......

1 0 0…0 0 0：{漏损类型：q、m、n...号点漏；漏损点位置：xx、xx...和xx}}；

其中，0 0 0…0 0 1为索引；{漏损类型：正常；漏损点位置：无}为0 0 0…0 0 1所对应的映射。

3.根据权利要求1所述的基于卷积神经网络的给水管网多点漏损定位方法，其特征在于，所述步骤二中对训练样本和测试样本归一化，具体包括以下步骤：每种类型的数据中，打乱后随机选择相同条数的数据构建成训练样本input_train；将每种类型剩下的数据每组选取相同条数的数据打乱后构建成测试样本input_test；

训练样本和测试样本格式如下：

训练样本input_train＝{a₁₁ a₁₂ a_13…a_1j；

a₂₁ a₂₂ a₂₃…a_2j；

…

a_i1 a_i2 a_i3…a_ij}；

其中a_ij中的i表示i条数据，j表示第j个传感器采集的数据；

测试样本input_test＝{b₁₁ b₁₂ b₁₃…b_1j；

b₂₁ b₂₂ b₂₃…b_2j；

…

b_i1 b_i2 a_i3…b_ij}；

其中b_ij中的i表示i条数据，j表示第j个传感器采集的数据；

按照以下离差归一化变形公式将测试样本和训练样本每条数据归一化，

其中x为样本中每条数据的各个数值，x_max为样本中最大的数值，x_min为样本中最小的数值。