【技术实现步骤摘要】
本专利技术属于排水管运维，具体涉及一种基于大数据分析的排水管网智慧运维方法及系统。
技术介绍
1、城市市政排水管网是城市基础设施的重要组成部分，其安全稳定运行直接关系到城市居民生活质量和城市环境安全。近年来，随着城市规模的不断扩大和人口密度的不断增加，排水管网面临着日益严峻的挑战，如管网老化、污水排放量增加、城市内涝等问题，导致排水管网异常情况频发，给城市安全和环境造成重大威胁。现有的排水管网异常检测方法主要依靠人工和传感器监测系统，存在以下不足：
2、一:人工巡查效率低，覆盖范围有限，难以及时发现隐患。人工巡查和定期检测需要大量人力物力投入，成本高昂。
3、二:流量测量设备测量精度差且不适应排水管道的恶劣环境；在密闭的强腐蚀性、低能见度排水管道环境中，现行电子传感器设备无法准确可靠地开展流速、流量动态监测和采集数据实时上传。
技术实现思路
1、为解决上述
技术介绍
中存在的技术问题，本专利技术提供了一种基于大数据分析的排水管网智慧运维方法及系统。
2、本专利技术的目的可以通过以下技术方案实现：
3、一种基于大数据分析的排水管网智慧运维方法及系统，包括以下步骤：
4、s1)设定各段排水管网的外源水流入位置，标记为#1、#2、#3···#n；排水管网流出位置记为#0；并记录每个位置对应的外源水类型；
5、优选地，所述外源水包括地表水、生活污水、工业污水；
6、s2)收集历史中不同数据因子条件下的各段排水管
7、优选地，所述水质指标包括电导率、磷酸盐、氨氮、总磷或总氮中的一种或多种组合。
8、优选地，所述数据因子包括时节、降雨量和维护周期；
9、s3)检测当前各段排水管网的水质指标数据，形成当前指标数据集[c]；
10、s4)将历史指标数据集[c’]和当前指标数据集[c]进行对比分析，进而判断当前指标数据集是否异常；
11、优选地，所述对比分析的具体流程如下：
12、数据预处理：收集历史指标数据集[c’]和当前指标数据集[c]；使用standardscaler对数据进行标准化处理，使每个特征的均值为0，方差为1；
13、模型训练：使用历史指标数据集[c’]训练one-class svm模型；选择rbf核函数，并定义gamma参数和nu参数；
14、异常检测：使用训练好的模型对当前指标数据集[c]进行检测。one-class svm的输出为1表示正常，-1表示异常；
15、s5)选择并检测各段排水管网的各类水质指标；根据化学质量平衡模型(cmbm)，即通过检测排水管网受外源水流入前后的水质指标的污染物浓度，建立排水管网流入和流出的污染物质量守恒方程，用于定量测算排水管网的外源水流入量比例；其关系式为：
16、
17、式中：ρi为排水管网流出处的水质指标i浓度；cij为排水管网中外源水j的水质指标i的浓度；xj为排水管网中外源水j流入量的比例；n为排水管网中外源水类型的数量；
18、s6)收集历史中不同数据因子条件下的各段排水管网在正常运行状态下的外源水流入比例，形成历史比例数据集[x’]；
19、s7)检测当前各段排水管网的水质指标数据，进而定量计算当前各段排水管网的外源水流入比例；形成当前比例数据集[x]；
20、s8)将历史比例数据集[x’]与当前比例数据集[x]进行对比分析，进而判断当前比例数据集是否异常；
21、所述对比分析的具体流程如下：
22、数据预处理：收集历史指标数据集[x’]和当前指标数据集[x]；使用standardscaler对数据进行标准化处理，使每个特征的均值为0，方差为1；
23、模型训练：使用历史正常数据集[x’]训练one-class svm模型；选择rbf核函数(kernel＝'rbf')，定义gamma参数和nu参数；
24、异常检测：使用训练好的模型对当前检测数据集[x]进行检测。one-class svm的输出为1表示正常，-1表示异常；
25、s9)在步骤s4)判断当前指标数据集[c]为异常的基础上，对比当前指标数据集[c]相较历史指标数据集的数值是否升高，若数值升高，则判定该位置标记处发生淤堵或排水污染超标；
26、同时，参照步骤s5-s8)，测算该位置标记处上游的当前比例数据集，并采用one-class svm模型进行检测，若位置标记处上游的当前比例数据集检测为异常，则判定该位置标记处发生淤堵；
27、若正常，则判定该位置标记处发生排水污染超标。
28、s10)在步骤s4)判断当前指标数据集[c]为异常的基础上，对比当前指标数据集[c]相较历史指标数据集的数值是否下降；
29、若数值下降，同时，参照步骤s5-s8)，测算该位置标记处下游的当前比例数据集，并采用one-class svm模型进行检测，若位置标记处下游的当前比例数据集检测为异常，则判定该位置标记处发生管网缺口型排水泄漏。
30、本专利技术的有益效果：
31、1、通过监测多个水质指标，如电导率、磷酸盐、氨氮、总磷和总氮，并结合化学质量平衡方程测算外源水流入比例，可以更全面地反映排水管网的运行状态，提高异常检测的准确性。
32、2、利用历史数据训练one-class svm模型，学习正常运行状态下的水质指标和外源水流入比例数据集，建立模型以识别异常数据。并根据水质指标和外源水流入比例的具体变化；能够及时识别排水管网中的异常情况，例如淤堵、排水污染超标、管网缺口等，及时采取措施，避免市政内涝事件。
33、3、利用大数据分析和算法实现早期识别异常情况并及时安排维护作业，避免突发暴雨等灾害而造成的更大损失，降低管网维护成本；为排水管网安全运行提供保障。
本文档来自技高网...【技术保护点】
1.一种基于大数据分析的排水管网智慧运维方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于大数据分析的排水管网智慧运维方法，其特征在于：所述外源水包括地表水、生活污水和工业污水。
3.根据权利要求1所述的一种基于大数据分析的排水管网智慧运维方法，其特征在于：所述水质指标包括电导率、磷酸盐、氨氮、总磷或总氮中的一种或多种组合。
4.根据权利要求1所述的一种基于大数据分析的排水管网智慧运维方法，其特征在于：所述数据因子包括时节、降雨量和维护周期。
5.根据权利要求1所述的一种基于大数据分析的排水管网智慧运维方法，其特征在于：所述步骤S4)中对比分析的具体流程如下：
6.根据权利要求5所述的一种基于大数据分析的排水管网智慧运维方法，其特征在于：所述历史指标数据集[C’]和当前指标数据集[C]中选择电导率作为水质指标。
7.根据权利要求1所述的一种基于大数据分析的排水管网智慧运维方法，其特征在于：所述步骤S8)中对比分析的具体流程如下：
8.根据权利要求5所述的一种基于大数据分析的排水管网
9.根据权利要求5所述的一种基于大数据分析的排水管网智慧运维方法，其特征在于，还包括步骤S10)：
10.一种基于大数据分析的排水管网智慧运维系统，用于执行如权利要求1-9任一项所述方法中的步骤，其特征在于，包括：存储器、处理器和通信模块；
...【技术特征摘要】
1.一种基于大数据分析的排水管网智慧运维方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于大数据分析的排水管网智慧运维方法，其特征在于：所述外源水包括地表水、生活污水和工业污水。
3.根据权利要求1所述的一种基于大数据分析的排水管网智慧运维方法，其特征在于：所述水质指标包括电导率、磷酸盐、氨氮、总磷或总氮中的一种或多种组合。
4.根据权利要求1所述的一种基于大数据分析的排水管网智慧运维方法，其特征在于：所述数据因子包括时节、降雨量和维护周期。
5.根据权利要求1所述的一种基于大数据分析的排水管网智慧运维方法，其特征在于：所述步骤s4)中对比分析的具体流程如下：
6.根据...
【专利技术属性】
技术研发人员：周莉芬，李颖，宗晓易，叶嘉，
申请(专利权)人：上海启呈信息科技有限公司，
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。