一种基于用户投诉信息的供水管网污染源追踪定位方法技术

本发明专利技术涉及一种基于用户投诉信息的供水管网污染源追踪定位方法，包括以下步骤：S1：利用用户投诉的位置信息生成污染矩阵；S2：判断各候选节点之间相似性并进行划分；S3：增加随机投诉滞后时间并构造用户投诉样本；S4：利用用户投诉样本对卷积神经网络进行训练验证测试，并将其用于实际污染源追踪定位。与现有技术相比，本发明专利技术具有根据污染事故发生后的实时用户投诉信息，采用用户投诉模式识别进行污染源定位，对于水源污染和非水源污染均具有良好的污染源识别能力，且对用户投诉滞后时间的不确定性具有一定的鲁棒性。在管网水质在线监测设备尚不完善的城市，可以实现对污染源位置的快速定位，增强城市对管网水质突发事故的应急响应能力等优点。

A Tracking and Locating Method of Pollution Sources in Water Supply Network Based on User Complaint Information

The invention relates to a method for tracing and locating pollution sources in water supply network based on user complaint information, which includes the following steps: S1: generating pollution matrix by using user complaint location information; S2: judging the similarity among candidate nodes and dividing them; S3: increasing random complaint lag time and constructing user complaint samples; S4: integrating convolutional neural network with user complaint samples. Training validation tests were conducted and applied to the tracking and location of actual pollution sources. Compared with the existing technology, the invention has the advantages of using the user complaint pattern recognition to locate the pollution source according to the real-time user complaint information after the pollution accident occurs, having good ability to identify the pollution source for both water source pollution and non-water source pollution, and having certain robustness to the uncertainty of the user complaint lag time. In cities with imperfect on-line monitoring equipment for water quality in pipeline networks, the advantages of rapid positioning of pollution sources and enhancing the city's emergency response ability to water quality emergencies in pipeline networks can be realized.

【技术实现步骤摘要】
一种基于用户投诉信息的供水管网污染源追踪定位方法
本专利技术涉及一种污染源追踪定位方法，尤其是涉及一种基于用户投诉信息的供水管网污染源追踪定位方法。
技术介绍
城市供水管网是居民获得饮用水的主要途径，供水系统安全直接影响居民用水安全，也是保障社会稳定和经济发展的重要因素。供水管网安全供水是指在出厂水质合格并具有足够水量和压力的前提下以尽可能低的造价，同时满足用户在水质、水量及水压三方面的要求。出厂水经过水质处理一般都能符合国家水质标准，供水管网出现水质问题往往有以下两个主要原因：(1)内源性水质恶化；(2)突发性污染物入侵。因此，供水系统水质安全不仅要保障水体在使用过程中不给人体带来短期或长期的健康危害，也指系统在遭受突发事故，如突发性水质污染事故、水厂运行事故、人为蓄意破坏、自然灾害等威胁时，具有良好的预防、防护、应急和恢复功能。近年来，我国很多城市的供水管网面临突发水质污染事故的威胁，由于突发污染事故的污染物往往在瞬时或短时间内进入供水管网，扩散速度较快，事故造成的社会危害巨大。当污染事故发生时，需迅速对污染源进行准确定位，才能及时阻断污染的传播并对受污染的管网进行修复。污染源追踪定位技术是根据管网水质信息结合供水管网属性，推求污染物注入节点位置和其它信息的一种反演技术。供水管网突发性污染事故的污染源追踪定位技术可以迅速地确定污染源进入位置、注入时间等，从而可以针对性的采取快速主动的应急处理措施，使污染带来的影响和损失最小。对于有水质监测系统的城市，国内外学者们已经提出很多行之有效的方法对污染源进行定位。Shang等于2002年提出粒子回溯算法来定位供水管网中的未知污染源。Laird等(2005)提出采用非线性化的程序方法求解模拟值和实测值误差最小化问题，并于2006年对该方法进行改进，用于定位多个污染源。Preis和Ostfeld(2006)在大量水质模拟的基础上，利用树和线性规划相结合的模型实现逆建模。Huang和McBean(2009)使用最大似然的数据挖掘方法来识别污染发生的位置和时间。Cristo等(2008)利用比例矩阵最小化模拟值与实测值的误差，实现对污染源的定位。Kim等在2008年提出了一种利用人工神经网络识别致病微生物污染源的方法以及时隔离污染区域减小危害。Propato等在2010年提出了一种利用线性代数的方法缩小污染源范围，通过求最小相对熵的方法确定污染源。Liu等(2011)探究了一种基于进化算法的动态优化方法对污染事件进行实时响应。Shen和McBean(2012)应用数据挖掘方法，挖掘离线构建的数据库，通过同时模拟多个情景来确定可能的污染源。国内学者中，王康乐(2010)利用关系树-线性规划算法对供水管网污染源进行追踪，通过求解线性规划问题，得到污染源节点位置及污染注入属性。李红卫等(2011)根据实验数据，利用改进的模拟-优化反追踪方法定位污染源并分析模型的主要影响因素。传统的供水管网污染源识别技术均以供水管网中水质在线监测数据充足且准确为前提，目前国内大多城市管网模型精度达不到水质模拟的要求，且水质监测设备大多并不完善，监测数据准确度较低，所以传统的基于水质监测数据的污染源辨识技术难以实施。在一次突发污染事故中没有足够的监测信息可供研究利用时，用户投诉信息可作为反映管网水质状态的重要信息。国内已有学者针对用户投诉信息对污染源追踪定位方法进行了研究，将每一个用户看作一个“水质监测设备”。信昆仑等于2012年提出以候选节点发生污染后的用户水质投诉顺序为基础构造模式识别神经网络，从而确定污染物注入位置。并于2013年提出用概率理论分析方法比较不同候选污染源节点发生污染情况下的投诉概率，已确定最有可能的污染源节点。综上所述，尽管已有大量关于污染源定位的研究，目前尚没有被我国水司广泛应用的污染源定位技术。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于用户投诉信息的供水管网污染源追踪定位方法。本专利技术的目的可以通过以下技术方案来实现：一种基于用户投诉信息的供水管网污染源追踪定位方法，包括以下步骤：S1：利用用户投诉的位置信息生成污染矩阵；S2：判断各候选节点之间相似性并进行划分；S3：增加随机投诉滞后时间并构造用户投诉样本；S4：利用用户投诉样本对卷积神经网络进行训练验证测试，并将其用于实际污染源追踪定位。进一步地，所述步骤S1中的污染矩阵，其描述公式为：式中，C为污染矩阵，m为管网节点数，n为用户投诉点个数，ki,j＝0或1，其中，当第i号节点被注入污染物时，第j号投诉节点未被感知污染时，ki,j＝0，当第i号节点被注入污染物时，第j号投诉节点被感知污染时，ki,j＝1，1≤i≤m，1≤j≤n。进一步地，所述步骤S2中的判断划分采用切比雪夫距离衡量判断，其描述公式为：DChebyshev(t',T')≤1式中，t′和T′分别为两个候选污染源节点投加的污染物到达各个投诉节点的相对时间向量。进一步地，所述步骤S3中的用户投诉样本为元素为0和1的48×n矩阵。进一步地，所述元素为0和1的48×n矩阵的标准化方法为对非零元素的位置做标准化处理，使得所有非零元素时间下标的平均值为24，其描述公式如下：式中，Ti1为原矩阵各非零元素的时间下标值，Ti1,changed为更新后各非零元素的时间下标值，为原矩阵各非零元素的时间下标平均值。进一步地，所述步骤S4中卷积神经网络的超参数设置为：其中，a表示候选节点的类别数，S表示移动步长。进一步地，所述步骤S4中卷积神经网络的初始学习率为0.1，其衰减系数为0.99，其两个全连接层采用L2正则化，其正则化系数为0.0001，其训练迭代次数为15000。与现有技术相比，本专利技术具有以下优点：(1)准确度高，合理科学，本专利技术中根据污染事故发生后的实时用户投诉信息，采用用户投诉模式识别进行污染源定位，对于水源污染和非水源污染均具有良好的污染源识别能力，且对用户投诉滞后时间的不确定性具有一定的鲁棒性。在管网水质在线监测设备尚不完善的城市，可以实现对污染源位置的快速定位，增强城市对管网水质突发事故的应急响应能力，实用价值高。(2)计算速度快，本专利技术中采用卷积神经网络来对污染矩阵进行计算判断，其初始学习率为0.1，其衰减系数为0.99，其两个全连接层采用L2正则化，其正则化系数为0.0001，其训练迭代次数为15000，计算速度快，计算正确率高。附图说明图1为本专利技术基于卷积神经网络和用户投诉信息的供水管网污染源追踪定位方法的流程框图；图2为本专利技术的模拟用户投诉模式样本图；图3为本专利技术的卷积神经网络模型结构图；图4为本专利技术的算例管网Net3拓扑模型图；图5为本专利技术的模型训练损失下降曲线图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本专利技术保护的范围。实施例如图1、图2、图3所示，一种基于卷积神经网络和用户投诉信息的供水管网污染源追踪定位方法，包括以下步骤：1)利用用户投诉的位置信息生成污染矩阵，筛选出候选污染源候选节点集本文档来自技高网...

【技术保护点】
1.一种基于用户投诉信息的供水管网污染源追踪定位方法，其特征在于，包括以下步骤：S1：利用用户投诉的位置信息生成污染矩阵；S2：判断各候选节点之间相似性并进行划分；S3：增加随机投诉滞后时间并构造用户投诉样本；S4：利用用户投诉样本对卷积神经网络进行训练验证测试，并将其用于实际污染源追踪定位。

【技术特征摘要】
1.一种基于用户投诉信息的供水管网污染源追踪定位方法，其特征在于，包括以下步骤：S1：利用用户投诉的位置信息生成污染矩阵；S2：判断各候选节点之间相似性并进行划分；S3：增加随机投诉滞后时间并构造用户投诉样本；S4：利用用户投诉样本对卷积神经网络进行训练验证测试，并将其用于实际污染源追踪定位。2.根据权利要求1所述的一种基于用户投诉信息的供水管网污染源追踪定位方法，其特征在于，所述步骤S1中的污染矩阵，其描述公式为：式中，C为污染矩阵，m为管网节点数，n为用户投诉点个数，ki,j＝0或1，其中，当第i号节点被注入污染物时，第j号投诉节点未被感知污染时，ki,j＝0，当第i号节点被注入污染物时，第j号投诉节点被感知污染时，ki,j＝1，1≤i≤m，1≤j≤n。3.根据权利要求1所述的一种基于用户投诉信息的供水管网污染源追踪定位方法，其特征在于，所述步骤S2中的判断划分采用切比雪夫距离衡量判断，其描述公式为：DChebyshev(t',T')≤1式中，t'和T'分别为两个候选污染源节点投加的污染物到达各...

【专利技术属性】
技术研发人员：信昆仑，孙炼，颜合想，陶涛，李树平，王嘉莹，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海,31