[发明专利]基于人工智能的供水管漏损预警方法及系统

权利要求书

1.一种基于人工智能的供水管漏损预警方法，其特征在于，包括：

获取历史记录中的供水管漏损数据，并根据所述供水管漏损数据获取漏损节点的节点参数，所述节点参数携带分类标签，所述节点参数包括节点对应的管道参数、节点压力、节点流量、节点三维图像、节点噪音；

获取所述漏损节点未发生漏损时的正常节点参数，根据所述正常节点参数构建供水管节点参数分类模型；

获取所述供水管漏损数据中的主要因素和次要因素，通过所述节点参数和所述主要因素和次要因素构建对应的供水管漏损因素分类权重模型；

将所述供水管节点参数分类模型和所述供水管漏损因素分类权重模型的输出作为卷积神经网络模型的输入进行训练，得到训练后的卷积神经网络模型；

获取待检测供水管的节点参数，通过所述供水管节点参数分类模型对所述节点参数进行分类，并将分类结果输入所述训练后的卷积神经网络模型，得到所述待检测供水管的漏损概率；

当所述待检测供水管的漏损概率大于预设阈值时，对所述待检测供水管进行漏损预警。

2.根据权利要求1所述的基于人工智能的供水管漏损预警方法，其特征在于，所述获取所述供水管漏损数据中的主要因素和次要因素，包括：

将所述正常节点参数和所述节点参数进行对比，根据所述正常节点参数和所述节点参数建立对应的时间-参数坐标系；

通过所述时间-参数坐标系进行矢量分析，通过所述矢量分析结果得到所述供水管漏损数据中的主要因素和次要因素。

3.根据权利要求1所述的基于人工智能的供水管漏损预警方法，其特征在于，所述通过所述节点参数和所述主要因素和次要因素构建对应的供水管漏损因素分类权重模型，包括：

获取所述主要因素和次要因素对应的节点参数数据，根据所述节点参数数据构建初步供水管漏损因素分类权重模型；

统计所述主要因素和次要因素对应的次数，根据所述次数对所述初步供水管漏损因素分类权重模型进行修正，得到供水管漏损因素分类权重模型。

4.根据权利要求1所述的基于人工智能的供水管漏损预警方法，其特征在于，所述将供水管节点参数分类模型和所述供水管漏损因素分类权重模型的输出作为卷积神经网络模型的输入进行训练，包括：

对所述供水管节点参数分类模型和所述供水管漏损因素分类权重模型的输出进行归一化处理，得到归一化处理后的输入数据；

将所述输入数据作为所述卷积神经网络模型的输入进行训练。

5.根据权利要求1所述的基于人工智能的供水管漏损预警方法，其特征在于，所述将供水管节点参数分类模型和所述供水管漏损因素分类权重模型的输出作为卷积神经网络模型的输入进行训练，得到训练后的卷积神经网络模型，包括：

将所述供水管节点参数分类模型和所述供水管漏损因素分类权重模型的输出分为训练集和验证集，将所述训练集输入到卷积神经网络模型进行训练，得到训练后的初步卷积神经网络模型；

通过所述验证集输入到训练后的初步卷积神经网络模型进行测试，测试完成后得到所述训练后的卷积神经网络模型。

6.根据权利要求1所述的基于人工智能的供水管漏损预警方法，其特征在于，所述对待检测供水管进行漏损预警，包括：

根据所述待检测供水管的漏损概率与预设阈值之间的差值得到对应的漏损预警等级；

获取与所述漏损预警等级绑定的工作人员标识，通过所述工作人员标识，发送所述漏损预警等级以及所述待检测供水管的信息至所述工作人员的绑定终端。

7.根据权利要求1所述的基于人工智能的供水管漏损预警方法，其特征在于，所述对待检测供水管进行漏损预警，包括：

获取所述对待检测供水管的地理位置信息，并根据所述地理位置信息获取关联用户的绑定终端和关联部门的通讯终端；

将所述待检测供水管的地理位置信息发送至所述关联用户的绑定终端和关联部门的通讯终端。