[发明专利]基于人工智能的计量管理方法及系统

权利要求书

1.一种基于人工智能的计量管理方法，其特征在于，包括：

连接外部数据源，并通过所述外部数据源获取监测数据，所述监测数据包括户表数据、大表数据、小区数据；

根据所述监测数据的类型获取对应的历史数据组，并获取所述历史数据组对应的地理位置、关联方案；

将所述历史数据组以及对应的地理位置、关联方案输入到卷积神经网络模型进行训练，得到训练后的卷积神经网络模型；

获取所述监测数据对应的地理位置，将所述监测数据及对应的地理位置输入到训练后的卷积神经网络模型，通过训练后的卷积神经网络模型得到与所述监测数据对应的关联方案；

输出所述监测数据对应的关联方案；

其中，历史数据组对应的地理位置和监测数据对应的地理位置均包括影响用户用水量的地势、海拔、经纬度、气候；

所述将所述历史数据组以及对应的地理位置、关联方案输入到卷积神经网络模型进行训练，包括：

将所述历史数据组根据数据类型的不同划分为历史户表数据、历史大表数据、历史小区数据，并为所述历史数据组中不同类型的数据添加分类标识；

根据所述分类标识将所述历史数据组以及对应的地理位置、关联方案构建三维数据组，所述三维数据组分别包括a、历史户表数据及对应的地理位置、关联方案，b、历史大表数据及对应的地理位置、关联方案，c、历史小区数据及对应的地理位置、关联方案，并将所述三维数据组输入到所述卷积神经网络模型，通过所述卷积神经网络模型对所述三维数据组进行交叉训练；

其中，关联方案根据工作人员要求的不同，包括多种类型，工作人员需要通过监测数据以及监测数据对应的地理位置获取对应的营业计费，则根据通过监测数据以及监测数据对应的地理位置进行对应的用水量计费；工作人员需要进行用水生产调度时，则通过监测数据以及监测数据对应的地理位置确定用水紧缺的地段和用水富裕的地段，进行用水调度；工作人员需要通过监测数据进行管网的漏损分析时，通过监测数据以及监测数据对应的地理位置中的异常数据，确定管网的漏损情况和位置；

所述通过训练后的卷积神经网络模型得到与所述监测数据对应的关联方案之后，还包括：

检测所述监测数据对应的关联方案的方案类型，当所述方案类型为用水调度型，获取所述监测数据对应的关联方案的调度方和被调度方；

获取所述调度方和被调度方对应调度水量数值，检测所述调度水量数值是否满足所述监测数据对应的关联方案的要求；

当所述调度水量数值不满足所述监测数据对应的关联方案的要求，获取所述监测数据对应的地理位置和调度水量数值，根据所述监测数据对应的地理位置和调度水量数值确定备用调度方案；

当所述方案类型为漏损分析型，获取所述监测数据对应的关联方案中的漏损原因及补漏方案；

根据漏损原因获取对应的工作人员终端信息，并将所述漏损原因及补漏方案根据所述工作人员终端信息发送至对应终端；

所述将所述历史数据组以及对应的地理位置、关联方案输入到卷积神经网络模型进行训练，得到训练后的卷积神经网络模型，包括：

将所述历史数据组分为训练集和验证集，将所述训练集以及对应的地理位置、关联方案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；

通过所述验证集以及对应的地理位置、关联方案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；

所述通过训练后的卷积神经网络模型得到与所述监测数据对应的关联方案之后，还包括：

将所述监测数据以及对应的地理位置、关联方案作为验证数据，对所述训练后的卷积神经网络模型进行迭代更新。

2.根据权利要求1所述的基于人工智能的计量管理方法，其特征在于，所述输出所述监测数据对应的关联方案，包括：

获取所述监测数据对应的绑定终端，并根据所述监测数据对应的地理位置获取关联部门的通讯终端；

将所述监测数据对应的关联方案发送至所述绑定终端和所述关联部门的通讯终端。