一种制造技术

本发明专利技术提供一种

【技术实现步骤摘要】
一种PCCP断丝预测方法、装置、计算机设备及介质


[0001]本专利技术涉及数据分析领域，具体涉及一种
PCCP
断丝预测方法
、
装置
、
计算机设备及介质
。

技术介绍

[0002]PCCP(Prestressed Concrete Cylinder Pipe
，预应力钢筒混凝土管
)
是一种新型复合管材，由钢板
、
预应力钢丝
、
混凝土和水泥砂浆原材料在经过钢筒成型
、
混凝土浇筑
、
预应力控制技术的施加和保护层喷射等制造工艺而成
。PCCP
是引水调水
、
市政工程中的重要设施，具有承受压力高
、
抗震性强以及施工方便等优势
。
然而，随着
PCCP
使用年限的增加，受地质
、
水文的影响，
PCCP
可能出现断丝
、
渗漏以及爆管等现象，提前对
PCCP
断丝情况进行预测对预防管道事故具有重大意义
。
[0003]在现有技术中，通常对
PCCP
所处的地质水文环境
、
阴极保护情况
、
供水压力及其变化等相关因素进行分析，以对
PCCP
断丝情况进行预测
。
然而，相关因素对
PCCP
断丝的影响程度难以用定量进行表示，因此，不易对断丝情况进行预测
。

技术实现思路

[0004]因此，本专利技术要解决的技术问题在于克服现有技术中不易对断丝情况进行预测的问题，从而提供一种
PCCP
断丝预测方法
、
装置
、
计算机设备及介质
。
[0005]根据第一方面，本专利技术提供一种
PCCP
断丝预测方法，所述方法包括：
[0006]获取
PCCP
断丝影响因素，所述影响因素包括管道水压
、
调泵以及温度；
[0007]对所述影响因素进行时序特征数据分解；
[0008]基于注意力机制计算分解后的时序特征数据对应的加权平均向量；
[0009]将所述加权平均向量输入到预先训练好的预测模型中，得到
PCCP
断丝预测结果
。
[0010]在一实施例中，所述分解后的时序特征数据包括：趋势分量
、
周期分量以及余项
。
[0011]在一实施例中，所述基于注意力机制计算分解后的时序特征数据对应的加权平均向量，包括：
[0012]基于注意力机制，计算各个分解后的时序特征数据被选择的概率值；
[0013]根据所述各个分解后的时序特征数据被选择的概率值，计算分解后的时序特征数据对应的加权平均向量
。
[0014]在一实施例中，按照如下公式计算分解后的时序特征数据对应的加权平均向量：
[0015][0016]其中，
X
为分解后的时序特征数据，
q
为查询向量，
α
i
为选择第
i
个分解后的时序特征数据的概率，
x
i
为第
i
个分解后的时序特征数据
。
[0017]在一实施例中，按照如下公式计算选择第
i
个分解后的时序特征数据的概率：
[0018][0019]其中，
s(x
i
，
q)
为注意力打分函数，
N
为分解后的时序特征数据的数量
。
[0020]在一实施例中，在将所述加权平均向量输入到预先训练好的预测模型中，得到
PCCP
断丝预测结果之前，所述方法还包括：
[0021]利用回声状态网络和门控循环神经网络对模型进行训练，得到预测模型
。
[0022]在一实施例中，在将所述加权平均向量输入到预先训练好的预测模型中，得到
PCCP
断丝预测结果之后，所述方法还包括：
[0023]获取
PCCP
实际断丝结果；
[0024]根据所述
PCCP
实际断丝结果和
PCCP
断丝预测结果，计算预测模型的评价指标数值；
[0025]根据所述预测模型的评价指标数值，对预测模型进行参数调整
。
[0026]根据第二方面，本专利技术提供一种
PCCP
断丝预测装置，所述装置包括：
[0027]获取模块，用于获取
PCCP
断丝影响因素，所述影响因素包括管道水压
、
调泵以及温度；
[0028]分解模块，用于对所述影响因素进行时序特征数据分解；
[0029]计算模块，用于基于注意力机制计算分解后的时序特征数据对应的加权平均向量；
[0030]得到模块，用于将所述加权平均向量输入到预先训练好的预测模型中，得到
PCCP
断丝预测结果
。
[0031]根据第三方面，本专利技术提供一种计算机设备，包括存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面及其可选实施方式中任一项所述的
PCCP
断丝预测方法
。
[0032]根据第四方面，本专利技术提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行第一方面及其可选实施方式中任一项的
PCCP
断丝预测方法
。
[0033]本专利技术技术方案，具有如下优点：
[0034]本专利技术实施例提供了一种
PCCP
断丝预测方法，获取
PCCP
断丝影响因素，并对影响因素进行时序特征数据分解，以直观分析影响因素和断丝之间的关联，基于注意力机制计算分解后的时序特征数据对应的加权平均向量，以降低数据分析的复杂度，利用预测模型对
PCCP
断丝结果进行处理，从而实现对
PCCP
断丝结果进行预测，对
PCCP
断丝情况提前预测，对管道事故进行预防
。
附图说明
[0035]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图
。
[0036]图1是本专利技术实施例提出的一种
PCCP
断丝预测方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种
PCCP
断丝预测方法，其特征在于，所述方法包括：获取
PCCP
断丝影响因素，所述影响因素包括管道水压
、
调泵以及温度；对所述影响因素进行时序特征数据分解；基于注意力机制计算分解后的时序特征数据对应的加权平均向量；将所述加权平均向量输入到预先训练好的预测模型中，得到
PCCP
断丝预测结果
。2.
根据权利要求1所述的方法，其特征在于，所述分解后的时序特征数据包括：趋势分量
、
周期分量以及余项
。3.
根据权利要求1所述的方法，其特征在于，所述基于注意力机制计算分解后的时序特征数据对应的加权平均向量，包括：基于注意力机制，计算各个分解后的时序特征数据被选择的概率值；根据所述各个分解后的时序特征数据被选择的概率值，计算分解后的时序特征数据对应的加权平均向量
。4.
根据权利要求3所述的方法，其特征在于，按照如下公式计算分解后的时序特征数据对应的加权平均向量：其中，
X
为分解后的时序特征数据，
q
为查询向量，
α
i
为选择第
i
个分解后的时序特征数据的概率，
x
i
为第
i
个分解后的时序特征数据
。5.
根据权利要求4所述的方法，其特征在于，按照如下公式计算选择第
i
个分解后的时序特征数据的概率：其中，
s(x
i
，
q)
为注意力打分函数，
N
为分解后的时序特征数据的数量
。6.
根据权利要...

【专利技术属性】
技术研发人员：王建慧，张海鹏，林跃朝，绍青，张立，陈新，臧少慧，黄悦，刘卫东，
申请(专利权)人：北京市水科学技术研究院，
类型：发明
国别省市：