[发明专利]基于人工智能的供水管漏损预警方法及系统

说明书

本发明实施例提供一种基于人工智能的供水管漏损预警方法及装置，所述方法包括：获取供水管漏损数据，并根据供水管漏损数据获取漏损节点的节点参数；获取正常节点参数，构建供水管节点参数分类模型；通过漏损的节点参数、主要因素、次要因素构建对应的供水管漏损因素分类权重模型；将供水管节点参数分类模型和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；获取待检测供水管节点参数，通过供水管节点参数分类模型分类，将分类结果输入训练后模型，得到漏损概率；根据漏损概率对待检测供水管进行漏损预警。采用本方法能够根据人工智能的深度学习及时对供水管漏损的情况进行预警，避免了供水管漏损造成的经济损失。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于人工智能的供水管漏损预警方法及系统。

背景技术

目前，随着我国越来越城市化，居民通过水管用水也越来越多，供水管网也渐渐的遍布各处，分布也越来越复杂， 并且在供水管网进行供水时，还会产生多种供水数据。

现有技术中，因为供水管网的越来越复杂，供水地点也越来越多，在进行水资源运输的过程中，可能出现供水管漏损的情况，供水管一旦出现漏损，根据漏损地点的不同，或多或少都会出现一定的经济损失。

根据上述情况，目前针对供水管网的漏损，一般都是在供水管网漏损后，通过漏损检测的方法，检测漏损情况，然后进行维修，此时供水管漏损已经造成了一定的经济损失，所以，目前亟需一种能够解决上述问题，对供水管漏损进行预警的管理方法。

发明内容

针对现有技术中存在的问题，本发明实施例提供一种基于人工智能的供水管漏损预警方法及系统。

本发明实施例提供一种基于人工智能的供水管漏损预警方法，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。

在其中一个实施例中，所述方法还包括：

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。

在其中一个实施例中，所述方法还包括：

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。

在其中一个实施例中，所述方法还包括：

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。

在其中一个实施例中，所述方法还包括：