一种污水管道防堵塞测量方法及其测量系统技术方案

本发明专利技术公开了一种污水管道防堵塞测量方法及其测量系统，其包括传感器节点、神经网络分析模块和云计算平台，传感器节点用于实时采集污水管道内流体通过时的介电常数，并发送给神经网络分析模块，神经网络分析模块可得出表示管道内流体堵塞情况的实时状态数据，并发送给云计算平台；云计算平台包含数据库、神经网络预测模块和API接口，数据库用于存放接收到的实时状态数据，神经网络预测模块可预测出管道内流体未来设定时间内发生堵塞的概率，API接口用于实时状态数据和预测结果发送给客户端；本方案实现实时在线监测楼宇污水管道内流体的堵塞情况，完善了智慧城市的楼宇污水管道数据信息。数据信息。数据信息。

【技术实现步骤摘要】
一种污水管道防堵塞测量方法及其测量系统


[0001]本专利技术涉及防堵塞测量
，具体涉及一种污水管道防堵塞测量方法及其测量系统。

技术介绍

[0002]楼宇污水管道大多是隐蔽工程，随着时间的推移，楼宇污水管道壁附着力增大、杂物淤积、房屋沉降等原因，造成楼宇污水管道经常出现堵塞、反水的问题，轻则要采用人工或机械进行疏通，且在原因不明以及经过人工或机械疏通后还不能解决的情况下，必须对楼宇排污系统进行重新改造，这不仅会影响居民的正常生活秩序，破坏原有的园林景观绿化等，甚至会产生不必要的纠纷。

技术实现思路

[0003]针对上述现有技术的不足，本专利技术提供了一种污水管道防堵塞测量方法及其测量系统，为楼宇污水管道的堵塞提供预测性维护，解决了楼宇污水管道堵塞发现不及时的问题。
[0004]为实现上述目的，本专利技术所采用的技术方案为：
[0005]提供一种污水管道防堵塞测量方法，其特征在于，包括以下步骤：
[0006]S1：接收传感器节点采集的楼宇污水管道内流体通过时管道内流体的介电常数；
[0007本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种污水管道防堵塞测量方法，其特征在于，包括以下步骤：S1：接收传感器节点采集的楼宇污水管道内流体通过时管道内流体的介电常数；S2：将实时采集的介电常数输入神经网络分析模块，计算出表示管道内流体流动状态的实时状态数据；S3：将预设时间段内的若干历史状态数据输入神经网络预测模块，预测出管道内流体未来设定时间内发生堵塞的概率；S4：将实时状态数据和预测结果发送给客户端。2.根据权利要求1所述的污水管道防堵塞测量方法，其特征在于，所述神经网络分析模块和神经网络预测模块均包括：卷积层，用于将实时采集的介电常数或管道历史状态数据映射到隐层特征空间，其网络模型为：其中，*为卷积运算符，input为归一化后实时采集的介电常数或历史状态数据，weig ts为卷积核权重，bias为输出偏移；(N
i
，C
in
，L)为输入张量尺寸，(N
i
，C
out
，L)为输出张量尺寸，N
i
为处理批次数，C
in
为传感器输出信号通道数，C
out
为网络输出通道数，L为处理信号序列长度，out1为网络输出，即隐层特征空间的特征序列；循环神经层用于将卷积层提取的隐层特征空间的特征序列按时间序列映射为特征值，其网络模型为：H
t
＝f(W
i
*out1+b
i
+W*
(t
‑
1)
+B)其中H
t
为t时刻的特征序列的特征值，W
ih
为输入权重矩阵，W
hh
为状态转移矩阵，h
(t
‑
1)
为t
‑
1时刻的网络状态，b
ih
和B
hh
均为偏移量，out1为卷积层的输出张量，f为神经网络的激活函数；全连接层用于将循环神经层提取出的特征值进行线性回归，其网络模型为：y＝f(H
t
*A
T
+b)其中，H
t
为循环神经层的输出张量，A
T
为权重矩阵，b为偏移量，f为神经网络的激活函数，y为...

【专利技术属性】
技术研发人员：林海幂，王士星，唐锦源，田青青，张铠，罗大辉，李建辰，段开泰，王思威，邓利平，彭舸，张勇，李先正，王琪，谢启航，苏婉琳，冉化，郑学军，
申请(专利权)人：中铁八局集团建筑工程有限公司，
类型：发明
国别省市：