[发明专利]一种基于时序用水数据的工商户聚类方法

权利要求书

1.一种基于时序用水数据的工商户聚类方法，其特征是按如下步骤进行：

步骤1、构建工商户的日用水量数据；

步骤1.1、获取工商户的远程水表数据，提取所述远程水表数据中的工商户id、水表更新时间、用水累计流量、工商户远程水表地址、工商户名称；

步骤1.2、对所述工商户远程水表地址进行经纬度转换，获得工商户的经纬度信息；

步骤1.3、根据工商户id将所述远程水表数据进行分割，得到以工商户id命名的m份水表数据文件，并将水表数据文件中的所有数据按照水表更新时间的先后顺序进行排列；其中，m表示工商户的总数量；

步骤1.4、对每个工商户在每天的第一次水表更新时间的用水累计流量值和最后一次水表更新时间的用水累计流量值进行求差处理，从而构建m个工商户的t日的日用水量向量其中，表示第i个工商户第t日的日用水量数值，t表示用水天数，并将m个工商户t日的用水向量所形成的样本特征集，记为X＝{xⁱ|i＝1,2,...,m}；

步骤1.5、对所述样本特征集X进行异常值的检测与处理，得到异常处理后的样本特征集X′；

步骤1.6、对处理后的样本特征集X′进行缺失值的处理，得到缺失处理后的样本特征集X″；

步骤2、基于LSTM模型的时序用水数据的特征表示；

步骤2.1、对缺失处理后的样本特征集X″进行归一化处理，得到归一化后的样本特征集，记为其中，表示归一化后的第i个工商户t日的日用水量数值，且表示归一化后的第i个工商户第t日的日用水量数值；

步骤2.2、预训练LSTM模型；

将归一化后的样本特征集划分为训练集及验证集，并确定LSTM模型训练的epoch值、batch-size值以及预测步长值；

将所述验证集输入所述LSTM模型中得到验证集的预测序列，然后采用均方根误差计算所述LSTM模型输出的预测序列与所述验证集之间的误差，从而完成LSTM模型的一次训练，当训练次数达到所述epoch值时，停止训练，从而得到训练好的LSTM模型并作为商户时序用水特征提取模型；

步骤2.3、将所有工商户的日用水量数据输入所述商户时序用水特征提取模型中，从而输出每个工商户的用水特征向量Y＝{yⁱ|i＝1,2,...,m}；其中，yⁱ表示第i个工商户的用水特征向量，且表示第i个工商户的第n维特征值，n表示用水特征向量的维度；

步骤3、采用kmeans聚类算法对每个工商户的用水特征向量Y＝{yⁱ|i＝1,2,...,m}进行基于用水趋势的工商户聚类；

步骤3.1、采用手肘法和轮廓系数法联合确定最佳聚类数量，记为K；

步骤3.2、基于所述最佳聚类数量K，以所述第i个工商户的用水特征向量yⁱ作为待测样本，并输入至kmeans算法中，从而每个工商户的用水特征向量Y中的工商户聚成K个簇，并利用式(1)随机初始化K个簇中心的坐标：

式(1)中，表示第k个簇中心，表示第k个类中心第n维的坐标值；

步骤3.3、利用式(2)计算待测样本yⁱ到第k个簇中心的欧式距离从而得到待测样本yⁱ到各个簇中心的欧式距离：

步骤3.4、根据待测样本yⁱ到各个簇中心的欧式距离，将待测样本yⁱ划分到欧式距离最近的簇中；

步骤3.5、将所有待测样本划分到所属的簇后，得到K个类，并获取每个类中工商户的集合为其中，表示第k个类中的第j个工商户的特征向量，且j＝1,2,...,S_k，S_k表示第k个类中的工商户数量；表示第k个类中的第j个工商户第n维的特征值；

利用式(6)计算第k个类中工商户的特征向量的均值从而得到更新后的簇中心为并赋值给k＝1,2,...,K；

式(6)中，表示更新后的第k个类中心第n维的坐标值；

步骤3.6、重复步骤3.3至步骤3.5，直到所述簇中心不再变化时输出最终的簇中心以及每个类中的工商户id，从而将用水趋势相似的工商户聚为一类；

步骤4、基于用水量范围的工商户聚类；

步骤4.1、基于所述工商户的用水趋势聚类的结果，获取每个类中工商户的集合为B_k＝{b^j|j＝1,2,...,S′_k}，其中，b^j表示第k个类中的第j个工商户，k∈{1,2,...,K}，S′_k表示聚类算法收敛时第k个类中的工商户数量；

步骤4.2、获取归一化后的第k个类中第j个工商户b^j在t日的真实日用水量数值记为表示归一化后的第k个类中第j个工商户b^j在第t日的真实日用水量数值，j＝1,2,...,S′_k，重复步骤3.1～步骤3.6的过程，对每个类中工商户的真实日用水量数值进行再聚类，从而将用水趋势和用水量均相似的工商户聚为一类；

步骤5、聚类结果的可视化；

步骤5.1、以步骤4的聚类结果中每个类的所有工商户的日用水量向量的均值向量作为类中心，计算每个类中的工商户日用水量均值，通过绘制二维坐标系分别对每个类中的工商户用水情况、类中心以及日用水量均值进行分类可视化；

步骤5.2、获取步骤5.1中计算的所有簇中的类中心，通过绘制二维坐标系对K个类中心同时进行可视化；

步骤5.3、获取步骤4.2的聚类结果中每个类中的工商户id，并根据工商户的经纬度信息，绘制地图从而对每个类中工商户的地理位置进行可视化。