【技术实现步骤摘要】
一种基于机器学习的市政设备设施智能管理方法及系统
[0001]本申请属于数据分析与处理
,尤其涉及一种基于机器学习的市政设备设施智能管理方法及系统
。
技术介绍
[0002]市政设施设备作为城市发展和建设的重要组成部分,包括道路
、
路灯
、
桥梁等,其在国民经济建设中的地位日益突出,近年来,随着城市的不断发展壮大,市政设施设备的数量也在不断增加
。
[0003]目前,对于市政设施设备的管理主要采取人工巡查
、
发现问题
、
派单解决的管理模式
。
[0004]显然,上述的市政设施设备的管理方法,难以提前发现设施设备的异常情况,并进行预警,导致应急响应能力不足
。
技术实现思路
[0005]鉴于此,本申请实施例提供了一种基于机器学习的市政设备设施智能管理方法及系统,以解决上述技术问题
。
[0006]本申请第一方面提供了一种基于机器学习的市政设备设施智能管理方法,包括:
[0007]获取市政设施设备的各相关数据作为基础数据;
[0008]对基础数据进行处理,得到标准数据;
[0009]根据标准数据构建决策树,进而对市政设施设备进行运行态势预警,其中,决策树构建,包括:
[0010]通过相异度计算将标准数据分成若干类;
[0011]从所有类中选择相异度值最小的两类进行训练构建一个支持向量机,生成一个非叶结点,并且,对这两个类进行合并 ...
【技术保护点】
【技术特征摘要】
1.
一种基于机器学习的市政设备设施智能管理方法,其特征在于,所述方法包括:获取市政设施设备的各相关数据作为基础数据;对基础数据进行处理,得到标准数据;根据标准数据构建决策树,进而对市政设施设备进行运行态势预警,其中,决策树构建,包括:通过相异度计算将标准数据分成若干类;从所有类中选择相异度值最小的两类进行训练构建一个支持向量机,生成一个非叶结点,并且,对这两个类进行合并构成新类,新类和剩下的类再次进行相异度计算,以再次选择相异度值最小的两类进行训练构建另一个支持向量机,生成另一个非叶结点,不断重复本步骤,直至遍历所有类,完成基于支持向量机的决策树的构建
。2.
根据权利要求1所述方法,其特征在于,其中,各相关数据包括市政设施设备的属性数据
、
地理位置数据
、
运行数据
、
维护管理数据
。3.
根据权利要求1所述方法,其特征在于,所述对基础数据进行处理,以得到标准数据,包括:对基础数据进行降维处理,以得到标准数据
。4.
根据权利要求3所述方法,其特征在于,所述对基础数据进行降维处理,以得到标准数据,包括:将基础数据按列组成
N
行
M
列矩阵
X
;对矩阵
X
的每一行进行零均值化;计算出均值化矩阵
X
的协方差矩阵
C
;求出协方差矩阵
C
的特征值及对应的特征向量;将特征向量按对应特征值大小从上到下按行排列成矩阵,取前
k
行组成矩阵
P
;计算出降维到
k
维后的标准数据
Y
=
PX。5.
根据权利要求1所述方法,其特征在于,所述对基础数据进行处理,以得到标准数据,包括:对基础数据进行平滑处理,以得到标准数据
。6.
根据权利要求5所述方法,其特征在于,其中,通过如下公式进行平滑处理:
v
t
=
β
v
t
‑1+(1
‑
β
)
θ
t
上式中,
θ
t<...
【专利技术属性】
技术研发人员:俞伟良,杨海,朱思晨,黄银霞,
申请(专利权)人:杭州中微感联信息技术有限公司,
类型:发明
国别省市:
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。