[发明专利]基于参数自适应聚类分析的供水管网漏损检测方法

权利要求书

1.一种基于参数自适应聚类分析的供水管网漏损检测方法，其特征在于，包括如下步骤：

S1：连续多天采集供水管网上节点的流量数据；

S2：对采集的流量数据进行重构，将重构的流量数据按照采样时间的不同存档到不同的检测矩阵，其中，所述检测矩阵的行数为检测时间，列数为节点的个数；

S3：将每个所述检测矩阵构成一个数据集，计算所述数据集中每个数据的稠密度和离群距离，将离群距离通过映射函数进行映射得到类距离，基于稠密度和类距离构建决策函数确定聚类中心，并对数据进行初始分类；

S4：求取每个类中所有数据点到中心线段的欧式距离，按照欧式距离从小到大排序，通过预设函数获取每个类的域半径，根据每个数据点到所有聚类中心轴的距离，对数据点进行重新分类，完成检测矩阵参数的获取；

S5：检测时，每采集到一组流量数据，则传入相应时刻的检测矩阵，计算该组数据到检测矩阵中所有类的聚类中心轴的距离，若距离小于或等于该类的域半径，则判断该组数据属于检测矩阵中的某个类，说明该时刻没有发生管网漏损，若距离大于该类的域半径，则判断改组数据不属于检测检测矩阵中的某个类，说明该时刻发生管网漏损。

2.根据权利要求1所述的基于参数自适应聚类分析的供水管网漏损检测方法，其特征在于，所述流量数据可以通过节点上设置流量计进行采样，采样的频率为5分钟，每天每个节点产生288个流量数据。

3.根据权利要求1所述的基于参数自适应聚类分析的供水管网漏损检测方法，其特征在于，所述步骤S3具体包括如下步骤：

S31：计算数据集中各数据点的稠密度ρ和各数据点与高密度数据点的离群距离δ；

其中，稠密度ρ由高斯核函数求解，计算公式如下：

离群距离δ表示数据集中任意数据点i到具有高局部密度的数据点j的距离，离群距离δ的计算公式：

式中，d_ij为点i和j之间的欧氏距离，d_c为截断距离，v_i是点i的稠密度在所有数据点稠密度按照从大到小排列所得序列中的排序位置；

S32：计算检测矩阵中各数据点的熵值，选择熵值最小时所对应的截断距离作为最优截断距离，熵值H的计算公式为：

式中，Z表示归一化因子，

S33：将离群距离通过映射函数进行映射，得到类距离，结合稠密度和类距离构建决策函数来选取合适的聚类中心，其中类距离γ＝δ-2d_c，映射函数表示为：

S34：采用一个可取的参数β统一类间距γ和稠密度ρ，基于决策函数选取大于参数β一个标准差的数据点作为聚类中心，并对数据进行初始分类；

所述决策函数表示为：

其中，N为数据集中数据点的个数。

4.根据权利要求3所述的基于参数自适应聚类分析的供水管网漏损检测方法，其特征在于，所述步骤S4具体为：

S41：使用主成分分析方法来获取每个类的中线线段方向

S42：求取每个类中心线段的长度，计算过程如下：

其中，l_j表示第j各类的中心线段长度值，表示第i个点到第j个类中心的向量，是类j的最大变化方向，则表示投影值，n_j表示第j个类内的数据点个数；

S43：求取每个类中所有数据点到中心线段的欧氏距离，按照欧式距离从小到大排序。形成多个有序数据点；

S44：通过预设函数，获取每个类的域半径r_j：

式中Q1表示多个有序数据点的第四分之一分位数，Q2表示中位数，Q3表示第四分之三分位数，IQR为四分位距；

S45：将所有到聚类中心轴距离小于域半径r_j的数据点归于同一类中，对数据点进行重新分类，迭代更新，直至所述参数保持不变或迭代次数超过20次，完成所述检测矩阵所有聚类参数的获取。