The present invention discloses abnormal water for the residents of the decision tree method, the residents of water data using K means algorithm analysis discriminant critical value calculation of the decision tree node, abnormal water K decision tree means algorithm to determine the critical value is an important index based on: first determine the node important indexes and different priority discrimination commonly used water as the decision tree discriminant, then run the analysis on the critical value of computing nodes of K means algorithm, through the decision tree of the residents of water data discrimination, find abnormal water for residents, and analyze the causes of abnormal characteristics according to the corresponding abnormal water, and water from abnormal time. The invention provides a method for monitoring water leakage or stealing water in a water supply pipe network for water supply industry.
【技术实现步骤摘要】
本专利技术涉及居民异常用水的一种判别方法,具体涉及基于K-means聚类分析判别节点临界值的居民异常用水决策树判别方法。
技术介绍
供水管网漏损是供水行业普遍存在的严重现象。传统的防止管网漏损方法主要通过定期巡查、定期校检水表、用户举报商业偷水等手段来发现漏水或计量装置故障。但这种方法对人的依赖性太强,抓住漏损的目标不明确。利用数据挖掘建模的手段,科学合理地使用有效的建模工具,可以将排查目标进行了有效地定位,降低了人为因素的主观盲目性,提高了工作人员的办事效率。决策树是一种有监督的常用数据挖掘定位工具,使用该算法首先要计算所有特征变量的信息熵,由此确定变量的优先级,同时还要有明确的样本数据分明标类的标志,作为决策终点,最终建立决策树判别模型和对模型效果的评估。
技术实现思路
本专利技术针对居民异常用水,从居民日常用水特点角度出发,对居民用水数据运用K-means聚类算法分析计算决策树节点的判别临界值,提出基于K-means确定重要指标临界值的异常用水决策树判别方法,具体技术方案如下。针对居民异常用水的决策树判别方法,该方法对居民用水数据运用K-means算法分析计算决策树节点的判别临界值,基于K-means算法确定重要指标临界值的异常用水决策树:首先确定判别异常用水的重要指标及其优先级作为决策树判别的节点,然后依次运行K-means算法分析计算节点的临界值,通过对居民用水数据的决策树判别,找到异常用水的居民用户,并根据对应异常用水的特点分析异常的原因,同时获取异常用水的时间。进一步地,所述确定判别异常用水的重要指标及其优先级具体是:对居民用户日常用水情况的剖 ...
【技术保护点】
针对居民异常用水的决策树判别方法,其特征在于对居民用水数据运用K‑means算法分析计算决策树节点的判别临界值,基于K‑means算法确定重要指标临界值的异常用水决策树:首先确定判别异常用水的重要指标及其优先级作为决策树判别的节点,然后依次运行K‑means算法分析计算节点的临界值,通过对居民用水数据的决策树判别,找到异常用水的居民用户,并根据对应异常用水的特点分析异常的原因,同时获取异常用水的时间。
【技术特征摘要】
1.针对居民异常用水的决策树判别方法,其特征在于对居民用水数据运用K-means算法分析计算决策树节点的判别临界值,基于K-means算法确定重要指标临界值的异常用水决策树:首先确定判别异常用水的重要指标及其优先级作为决策树判别的节点,然后依次运行K-means算法分析计算节点的临界值,通过对居民用水数据的决策树判别,找到异常用水的居民用户,并根据对应异常用水的特点分析异常的原因,同时获取异常用水的时间。2.根据权利要求1所述的针对居民异常用水的决策树判别方法,其特征在于所述确定判别异常用水的重要指标及其优先级具体是:对居民用户日常用水情况的剖析,逐步确定异常用水的表征在居民用水数据上的体现,首先确定判别异常用水与正常用水的用水数据特征变量,挖掘出异常用水的居民用户,再通过频率和平均用水量两个维度去识别判别出现居民异常用水的可能原因。3.根据权利要求1所述的针对居民异常用水的决策树判别方法,其特征在于所述依次运行K-means算法分析计算节点的临界值具体是:首先对第一个特征变量使用K-means聚类后得到正常用水居民客户群体,取这个群体最大边界值作为正常与异常用水的临界值;随后依次计算异常用水用户频率和平均用水量两个变量的临界值。4.根据权利要求3所述的针对居民异常用水的决策树判别方法,其特征在于使用簇类最大边界值作为变量临界值误差很大,为降低误差,对异常用水用户特征分析判别的临界值取K=2时两个中心点的均...
【专利技术属性】
技术研发人员:吴坚,李伟胜,华栋,谢燕平,赵海林,黄伟杰,
申请(专利权)人:广州华工弈高科技有限公司,广州市纳特威信息技术有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。