[发明专利]基于机器学习的多目标复杂排水系统可调堰智能操控方法

权利要求书

1.基于机器学习的多目标复杂排水系统可调堰智能操控方法，包括：

1)获得控制对象的判别状态要素数据：

选取状态要素数据：采集排水系统状态要素数据，包括可调堰位置管道的水位值及流量值、排水系统内泵站前池水位、以及区域最不利点的积水情况；

对状态要素数据进行标准化处理，以消除量纲和数量级的限制，用于后续判别求解；所述标准化处理方法如下：

假设p维向量的观测值矩阵如下：

其中x_ij的标准化公式为

其中S_ij为变量x_ij的方差，为变量观测值的平均值；

2)确定控制对象的判别状态要素逻辑

控制目标为：在保证防汛安全的前提下，如X年一遇不积水，实现控污截流初期雨水进入截流系统；控制要素为：可调堰、市政泵；实时数据经过判别计算求解，如果类别属于“真”，则将可调堰降堰到底，确保防汛安全；如果不利点积水，触发市政泵开泵；

3)判别算法求解，所述判别算法包括如下方法：

a.距离判别法求解

距离判别法为样本到所属总体的马氏距离，即均值向量、协方差矩阵，最近；到其他总体的马氏距离一定较远，其计算原理如下：

设G为p维总体，它的分布的均值向量和协方差矩阵分别为：

设x＝(x₁，x₂，...，x_p)’，y＝(y₁，y₂，...，y_p)’为取自总体G的两个样本，假定∑＞0(∑为正定矩阵)，定义x，y间的平方马氏距离为：d²(x，y)＝(x-y)′∑^-1(x-y)定义x到总体G的平方马氏距离为：d²(x，G)＝(x-μ)′∑^-1(x-μ)；

设两个p维总体G₁和G₂，分布的均值向量分别为μ₁和μ₂，协方差矩阵分别为Σ₁＞0，Σ₂＞0；从两总体中分别抽取容量为n₁，n₂的样本，记为x₁₁，x₁₂，…，x_1n1和x₂₁，x₂₂，…，x_2n2。现有一位置判断的数据集，记为x，试判断x的归属，有以下判别规则：

b.线性判别求解：假定各数据的先验分布均为协方差矩阵相同的p元正态分布，此时由样本得出协方差矩阵的联合估计即可得到数据组所属的判断；

c.线性对角求解：此时，对角矩阵作为协方差矩阵的估计；

d.二次判别求解：假定数据组先验分布均为p元正态分布，但协方差矩阵并不完全相同，此时分别得出各个协方差矩阵的估计；

e.贝叶斯判别法求解：用一个先验概率来描述这种已有的认识，然后通过样本来修正先验概率，得到后验概率，最后基于后验概率进行判断；

4)进行误判率求解计算，得到某排水系统不同算法操控的误判率；所述误判率计算是用P(j|i)(i＝1、2)表示原本属于第i组的样本被误判为第j组的概率，用P(i|j)(j＝1、2)表示原本属于第j组的样本被误判为第i组的概率；其误判概率为Err＝0.5P(j|i)+0.5P(i|j)；

5)通过误判率，以及训练样本在实际运行中扩充累计，选取判别算法，对可调堰进行操控。