一种基于注意力机制和LSTM的管网漏损量预测方法及系统技术方案

本发明专利技术公开了一种基于注意力机制和LSTM的管网漏损量预测方法及系统，所述方法包括以下步骤：实时获取供水区域内各管段的压力和流量数据；根据压力和流量特征数据，基于管网漏损量预测模型，对每个管段进行漏损量预测，其中，所述管网漏损量预测模型是采用基于注意力机制的LSTM模型预先训练得到的。本发明专利技术采用基于注意力机制的LSTM模型进行漏损量预测，比夜间最小流量法获取的数据更加准确，有利于缓解水资源供需矛盾。水资源供需矛盾。水资源供需矛盾。

【技术实现步骤摘要】
一种基于注意力机制和LSTM的管网漏损量预测方法及系统


[0001]本专利技术属于城市供水管网漏损预测
，尤其涉及一种基于注意力机制和LSTM的管网漏损量预测方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。
[0003]独立计量区域(District Metering Area,DMA)方法是目前国际上公认的解决分区问题最好的实践方法，即把一个开放的供水管网分割成一些独立且易于管理的区域或检漏区。该方法便于供水企业充分了解管网结构，分析漏损区域的压力和流量。建立DMA分区的准则包括区域的大小(或连接的数量)、关闭阀门的数量、流量计的数量、DMA边界的地面情况和拓扑结构的特性。供水企业使用最小夜间流量(MNF)和合法的夜间流量(LNF)计算净夜间流量(NNF)，确定某个DMA区域的管网漏损量，从而建立可持续供水的DMA。
[0004]目前国内外普遍采用最小夜间流量法检测供水管网的漏损。对某个独立计量区域(DMA)的夜间流量进行分析，进而估算出该区域的实际漏损情况。夜本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于注意力机制和LSTM的管网漏损量预测方法，其特征在于，包括以下步骤：实时获取供水区域内各管段的压力和流量数据；根据压力和流量特征数据，基于管网漏损量预测模型，对每个管段进行漏损量预测，其中，所述管网漏损量预测模型是采用基于注意力机制的LSTM模型预先训练得到的。2.如权利要求1所述的基于注意力机制和LSTM的管网漏损量预测方法，其特征在于，获取供水区域内各管段的压力和流量数据后，还计算压力和流量数据的统计量，并对压力数据、流量数据及其统计量进行归一化处理。3.如权利要求1所述的基于注意力机制和LSTM的管网漏损量预测方法，其特征在于，所述管网漏损量预测模型训练方法包括：获取供水区域内一段时间的压力和流量数据作为训练数据；基于滑动窗口对训练数据进行特征提取；采用基于注意力机制的单层LSTM模型，训练得到管网漏损量预测模型。4.如权利要求3所述的基于注意力机制和LSTM的管网漏损量预测方法，其特征在于，获取训练数据后，还根据设定时间粒度对训练数据进行下采样。5.如权利要求3所述的基于注意力机制和LSTM的管网漏损量预测方法，其特征在于，获取供水区域内一段时间的压力和流量数据后，还计算压力和流量数据的统计量，并对压力数据、流量数据及其统计量进行归一化处理。6...

【专利技术属性】
技术研发人员：陈桂友，王晓彤，潘柯，
申请(专利权)人：山东潍微科技股份有限公司，
类型：发明
国别省市：