基于图卷积神经网络的城市用户用水异常检测方法、装置、设备及介质制造方法及图纸

技术编号:44733703 阅读:14 留言:0更新日期:2025-03-21 17:58
本发明专利技术公开了一种基于图卷积神经网络的城市用户用水异常检测方法、装置、设备及介质,采用图卷积神经网络对用户拓扑图中以目标用户节点为中心的K邻域的图数据进行图卷积处理,得到邻域特征,基于邻域特征预测目标用户的用水异常检测结果,通过图卷积神经网络充分挖掘以目标用户节点为拓扑中心的邻域的局部特征和建筑面积差之间的关系,有利于提高目标用户的用水异常检测的准确性。

【技术实现步骤摘要】

本专利技术涉及智慧水务技术,尤其涉及一种基于图卷积神经网络的城市用户用水异常检测方法、装置、设备及介质


技术介绍

1、智能水表已广泛应用于现代城市基础设施中,它能自动记录水的使用量,生成详细的时间序列数据。这些数据不仅用于计量和计费,还为水资源管理提供了丰富的信息。通过分析这些数据,可以实现更高效的水资源管理、检测漏水、识别异常用水模式等。

2、现有的异常用水识别方法大多依靠对用户的历史用水数据进行分析,确定同期的历史用水量,然后将当前采集的用水量与同期的历史用水量进行比对,若超出历史同期,则识别为异常用水。

3、现有技术的方案对于一些用水比较规律的用户具有较好的识别准确率,但对于用水不规律的用户,识别准确率较低,可能会出现错误预警的情况。


技术实现思路

1、本专利技术提供一种基于图卷积神经网络的城市用户用水异常检测方法、装置、设备及介质,以解决对于用水不规律的用户的用水异常检测出现的误报问题,提高检测准确度。

2、第一方面,本专利技术提供了一种基于图卷积神经网络的城市用本文档来自技高网...

【技术保护点】

1.一种基于图卷积神经网络的城市用户用水异常检测方法,其特征在于,包括:

2.根据权利要求1所述的基于图卷积神经网络的城市用户用水异常检测方法,其特征在于,从用户拓扑图中确定以目标用户的节点为中心的K邻域,包括:

3.根据权利要求1所述的基于图卷积神经网络的城市用户用水异常检测方法,其特征在于,所述图卷积神经网络包括M个图卷积层,所述采用图卷积神经网络对用户拓扑图中以目标用户节点为中心的K邻域的图数据进行图卷积处理,得到邻域特征,包括:

4.根据权利要求1-3任一所述的基于图卷积神经网络的城市用户用水异常检测方法,其特征在于,还包括

5....

【技术特征摘要】

1.一种基于图卷积神经网络的城市用户用水异常检测方法,其特征在于,包括:

2.根据权利要求1所述的基于图卷积神经网络的城市用户用水异常检测方法,其特征在于,从用户拓扑图中确定以目标用户的节点为中心的k邻域,包括:

3.根据权利要求1所述的基于图卷积神经网络的城市用户用水异常检测方法,其特征在于,所述图卷积神经网络包括m个图卷积层,所述采用图卷积神经网络对用户拓扑图中以目标用户节点为中心的k邻域的图数据进行图卷积处理,得到邻域特征,包括:

4.根据权利要求1-3任一所述的基于图卷积神经网络的城市用户用水异常检测方法,其特征在于,还包括:

5.根据权利要求4所述的基于图卷积神经网络的城市用户用水异常检测方法,其特征在于,所述长短期记忆神经网络包括n个传递细胞...

【专利技术属性】
技术研发人员:陈俊杨谢碧莹蒋文健陈值祺唐勇
申请(专利权)人:广东信拓网络科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1