[发明专利]一种基于LSSVM交互预测的供水管网爆管检测方法

说明书

本发明公开了一种供水管网爆管信号异常检测方法，属于城市供水管网安全性领域。本发明传统基于数据预测的方法大多根据单点流量、压力的历史监测数据预测当前时刻监测值，当预测值与监测值的差超过阈值时判定爆管。然而，实践经验表明，监测数据的丢失与错误会严重影响单点预测结果，进而引起频繁误报与漏报。本发明根据实际用水及监测数据的空间关联性，对管网中不同位置监测数据构建多输入单输出LSSVM交互预测模型，选取一倍标准差为阈值进行爆管检测。本发明中的LSSVM交互预测模型能降低数据丢失、错误对预测结果的影响，且对较小的爆管响应更加灵敏，进而有效地提高了基于数据预测的爆管检测性能。

技术领域

本发明属于城市供水管网类，特别涉及一种基于LSSVM交互预测的供水管网爆管检测方法。

背景技术

供水管网爆管会导致水资源浪费并影响系统正常运行。随着我国越来越多的供水管网安装SCADA系统，基于数据驱动的爆管检测方法受到了广泛关注。传统基于数据预测的方法大多根据单点流量、压力的历史监测数据预测当前时刻监测值，当预测值与监测值的差超过阈值时判定爆管。然而，实践经验表明，监测数据的丢失与错误会严重影响单点预测结果，进而引起频繁误报与漏报。此外，传统基于数据预测的方法都只考虑了单点监测数据，缺乏将多个监测数据结合起来的研究；

鉴于此，本发明提出基于LSSVM交互预测的供水管网爆管检测方法，其根据管网中不同位置监测数据构建多输入单输出LSSVM交互预测模型，旨在以降低数据丢失与错误对预测的影响，进而提高基于数据预测的爆管检测性能。

发明内容

为了解决现有技术的不足，本发明提供了一种基于LSSVM交互预测的供水管网爆管检测方法。

本发明的技术方案为：

一种基于LSSVM交互预测的供水管网爆管检测方法，包括以下步骤：

(1)对管网中不同位置监测数据进行相关性分析；

(2)根据实际用水及监测数据的空间关联性，对管网中具有强相关性的监测数据构建多输入单输出LSSVM交互预测模型，预测出正常压力值；

(3)根据预测残差(预测值与测量值之差)监测爆管；

所述步骤(1)中，采用Pearson相关系数对管网中不同位置监测数据进行相关性分析、衡量数据间的相关程度，其计算公式为：

式中cov(x₁，x₂)为x₁、x₂的协方差。

所述步骤(2)中，采用LSSVM交互预测模型预测正常压力值，并构建交互预测模型。

(3.1)LSSVM预测模型计算公式为：

式中ω为权重，b为偏差；根据结构风险最小化原则，寻找ω、b值最小化，即有优化问题

式中J(ω，ξ)表示结构风险，ξ_i为模型对训练样本的预测误差，C为控制惩罚程度的正则化参数，用拉格朗日求解得

式中α＝[α₁，α₂，…，α_n]为拉格朗日乘子。采用拉格朗日函数将优化问题转化为求解线性方程组，并根据Mercer条件存在核函数K(x_i，x_j)，使得

径向基核函数具有较宽收敛域和较强泛化能力，是较为理想的核函数，所以选择径向基核函数作为LSSVM核函数，径向基函数表达式为