一种基于压力测点报警等级的供水管网泄漏区域识别方法

当供水管网发生泄漏报警后,由于相邻节点之间泄漏报警信号的相似性,直接采用报警信号进行精确的泄漏节点识别是困难的,因此提出了一种基于测点报警等级的泄漏区域识别方法。首先,在泄漏范围内生成用于训练和测试的泄漏残差样本,随后将各个测点的残差值按区间转化为报警等级从而形成报警等级样本。将训练样本中报警等级相同的节点合并为一个节点组并作为类别标签。采用枚举法,利用欧式距离和测试样本对样本的泄漏量间隔及报警等级间隔进行优化。通过示例管网考察了该方法的可行性。结果表明,相较于以往基于测点报警特征的泄漏区域识别方法,该方法可以有效的减小候选泄漏区域的面积。

一种供水管网泄漏区域定位的机器学习方法

当采用模式识别方法识别供水管网的泄漏时,如果将每一个节点作为分类器的一个标签,由于供水管网节点泄漏特征的相似性,模型训练的准确率会比较低,因此可以通过聚类泄漏特征相似的节点形成区域,以每个区域作为分类器的标签从而提高模型训练的准确率。提出了一种基于随机森林分类器的二分迭代法识别泄漏区域,根据上一级分类器识别的泄漏区域的节点泄漏变化矩阵,采用k-means聚类将上一级迭代识别的泄漏区域聚类为两类(包含泄漏节点的区域和不包含泄漏节点的区域),从而识别包含泄漏节点的区域。随着候选泄漏区域的缩小,对识别泄漏区域有帮助的测点数量也逐渐减少,因此采用平均准确率减少(MDA)进行分类器特征(所需测点)的选择,在保证识别准确率不变的情况下减少分类器训练时所需的特征。与直接进行区域分块的识别方法相比,二分迭代法降低了选择区域分块数目时的盲目性,对于泄漏区域的识别更有目的性,提高了泄漏区域识别的准确率和效率。