CN112780953B - 一种基于模式检测的独立计量区域管网漏损检测方法 - Google Patents
一种基于模式检测的独立计量区域管网漏损检测方法 Download PDFInfo
- Publication number
- CN112780953B CN112780953B CN202110180597.2A CN202110180597A CN112780953B CN 112780953 B CN112780953 B CN 112780953B CN 202110180597 A CN202110180597 A CN 202110180597A CN 112780953 B CN112780953 B CN 112780953B
- Authority
- CN
- China
- Prior art keywords
- water consumption
- data
- deviation value
- night
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D5/00—Protection or supervision of installations
- F17D5/02—Preventing, monitoring, or locating loss
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
一种基于模式检测的独立计量区域管网漏损检测方法,包括以下步骤:步骤1:根据节点耗水量将供水管网分割为N个相似耗水量的独立计量区域;步骤2:根据独立计量区域进出口流量计数据计算该区域夜间t时段的耗水量;步骤3:对M组正常日的独立计量区域夜间耗水量数据取均值后建立夜间耗水量标准模板;步骤4:利用模式检测对比夜间耗水量数据与标准模板,得到夜间耗水量数据的偏离值,对偏离值进行训练,确立区分正常日与异常日的偏离值边界;步骤5:对比独立计量区域的待测日耗水量与标准模板得到偏离值,并将该偏离值与偏离值边界比较,若偏离值异常则报警并对该区域进行定位。本发明实现异常数据的报警与定位。
Description
技术领域
本发明涉及市政工程和城市供水管网领域,具体涉及一种基于模式检测的独立计量区域管网漏损检测方法。
技术背景
管道漏水是供水设施的一个主要问题,供水管网的漏损率与城市发展水平、供水系统寿命以及日常维护能力具有高度相关性。供水管网的漏损问题不仅造成经济资源的大量浪费,同时还存在污染水质的潜在性风险。在管道老化、技术落后等因素的影响下,我国城乡供水管网的漏损率普遍偏高,供水管网的漏损问题日益严重,如何对供水管网的漏损点进行快速精准的定位识别,已成为行业急需解决的重点问题之一。供水管网分区独立计量(DMA)技术是目前有效的供水管网漏损定位技术之一,DMA技术通过将整体供水管网划分为若干个独立计量区域,在各区域出入管段安装流量计,通过监测流量计数据得到各独立计量区域耗水情况,从而对区域内管段是否漏水进行监测。
现有技术中有关独立计量区域漏损检测的方法较为有限,专利CN202010095660.8公开了一种供水管网漏损的自动识别和定位方法,专利CN201910458598.1公开了一种基于时间序列分析的供水管网漏损监测预警方法等,然而此类方法存在以下两个问题:第一,此类发明根据单个时间点的耗水量数据进行检测,判断供水管网是否发生泄露,其检测过程易受到用户突然大量用水、仪器偶然误报等因素干扰;第二,此类发明根据单个时间点的耗水量数据进行检测,判断供水管网是否发生泄露,其需通过测量仪器将流量数据实时传送至维护端,导致仪器日常耗电量较大,不可长期持续运行。
发明内容
为了克服现有技术的缺陷,本发明提供一种基于模式检测的独立计量区域管网漏损检测方法,以解决现有技术背景中单个时间点漏损检测易造成系统误报以及能耗较大的问题。利用模式检测对DMA分区后的各独立计量区域进行窗口检测,来实现异常数据的报警与定位。
为了实现上述目的,本发明采用以下技术方案:
一种基于模式检测的独立计量区域管网漏损检测方法,包括以下步骤:
步骤1:采集供水管网需水节点S1,S2,…,Sn的耗水量,根据节点耗水量将供水管网分割为N个相似耗水量的独立计量区域DMA1,DMA2,…,DMAN;
步骤2:在独立计量区域出入管段上安装物联网流量计,根据独立计量区域DMAi进出口流量计数据计算该区域夜间t时段的耗水量Ci(t):
其中:Ne表示区块入水口数量;No表示区块出水口数量;Ij(t)表示第j个入水口在t时段内的进水量;Oj(t)表示第j个出水口在t时段内的出水量;
步骤3:对M组正常日的独立计量区域夜间耗水量数据取均值后建立夜间耗水量标准模板R:
其中:Cj(t)为第j组的夜间耗水量数据C在时间t时的采样值;R(t)为夜间耗水量标准模板R在时间t时的采样值;
步骤4:利用模式检测对比夜间耗水量数据与标准模板,得到夜间耗水量数据的偏离值D,对偏离值D进行训练,确立区分正常日与异常日的偏离值边界Db;
步骤5:对比独立计量区域DMAi的待测日耗水量Ci与标准模板R得到偏离值D,并将该偏离值与偏离值边界Db比较,若偏离值异常则报警并对该区域进行定位。
进一步地,所述步骤4包括以下步骤:
步骤4.1:利用模式检测计算夜间耗水量数据C与夜间耗水量标准模板R之间的偏离值D,依次寻找每个夜间耗水量数据C中的数据点与标准模板R中的数据点的对应关系,依照数据点之间的对应关系计算夜间耗水量数据C相对于夜间耗水量标准模板R的偏离值:
其中:D(C,R)表示夜间耗水量数据C相对于夜间耗水量标准模板R的偏离值;K表示夜间耗水量数据中数据点的数量;dt表示夜间耗水量的t时段数据点C(t)与模板标准模板tr时段数据点R(tr)之间的连接线长度,该长度具体用(C(t)-R(tr))2计算;
将C(0)与R(0)对齐,依次寻找夜间耗水量数据C与标准模板R中数据点的对应关系,对于C中除C(0)外的任意数据点C(m),该点只与C(m-1)所对应的标准模板中的数据点R(k)或该标准模板数据点下一时刻的数据点R(k+1)所对应;对于R中除R(0)外的任意数据点R(k),该点只与R(k-1)所对应的耗水量数据中的数据点C(m)或该耗水量数据点下一时刻的数据点C(m+1)所对应。进而将C与R中的数据点相对应;
步骤4.2:根据步骤4.1得到若干正常日与异常日的偏离值D,对D进行组合分堆。为避免样本不均匀所产生的模型失衡性,选取50%的正常日偏离值与50%的异常日偏离值并标记后随机打乱,将打乱后的数据集合中70%的数据作为训练集,训练集用于对模型的锻炼,剩余30%的数据作为测试集,测试集用于对模型的检验;
步骤4.3:建立偏离值分类模型,模型预测函数如下:
其中:p(D)表示偏离值D预期分类结果;σ表示Sigmoid函数;ω表示模型参数值,该参数值通过训练模型进行更新;
步骤4.4:计算分类模型的损失函数,模型预测结果y标签为0和1,分别表示偏离值正常与偏离值异常,将所采集的X组数据{(D1,y1),(D2,y2)…(DX,yX)}的总概率P记作样本函数:
进而建立参数值为ω0时的模型损失函数:
该损失值F用于评价参数值为ω0时预测值和真实值之间的误差;
步骤4.5:利用梯度下降得到参数ω的最优值,对损失函数的最大似然对数函数进行求解,通过对其求偏导得到参数ω0的更新方向:
设定α表示更新步长,进而得到更新后的ω值ω1:
通过重复步骤4.5完成对参数ω的更新,直至模型损失值不再下降,进而获得模型最终参数ω;
步骤4.6:通过步骤5.4所得的最终ω值,得到偏离值边界Db:
若偏离值D大于偏离值边界Db,则判定当日该偏离值所对应独立计量区域发生漏水,否则判定该独立计量区域未发生漏水。
本发明的有益表现是:本发明提出了一种基于模式检测的独立计量区域管网漏损检测方法,通过将供水管网按照耗水量分为若干独立计量区域,利用区域进出口处流量计采集并计算各区域夜间耗水量数据,根据若干日夜间耗水量数据取均值得到夜间耗水量标准模板,利用模式检测对比区域夜间耗水量数据与标准模板得到偏离值并对该偏离值进行分类训练得到区分正常日与异常日的偏离值边界,从而对待测日夜间耗水量是否异常进行判定。所提出的利用模式检测对供水管网独立计量区域进行漏损检测的方法对于供水管网漏损检测具有很大的参考价值。
附图说明
图1为本发明方法流程图;
图2为本发明实施例提供的某区域供水管网分区图;
图3为本发明实施例提供的独立计量区域夜间耗水量数据折线图;
图4为本发明实施例提供的独立计量区域夜间耗水量标准模板;
图5为本发明实施例提供的模式检测过程示意图;
图6为本发明实施例提供的偏离值边界训练优化过程图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式进一步详细叙述(以A市某供水管网为例)。
参照图1~图6,一种基于模式检测的独立计量区域管网漏损检测方法,包括以下步骤:
步骤1:供水管网独立计量分区。
A市某供水管网共有人口约61270人,主要供水节点144个,管段316个,管段总长217千米,根据节点耗水量将供水管网分割为6个相似耗水量的独立计量区域DMA1,DMA2,…,DMA6如图2所示。
步骤2:计算独立计量区域耗水量。
在独立计量区域出入管段上安装物联网流量计,根据独立计量区域DMAi进出口流量计数据计算该区域夜间t时段的耗水量Ci(t):
其中:Ne表示区块入水口数量;No表示区块出水口数量;Ij(t)表示第j个入水口在t时段内的进水量;Oj(t)表示第j个出水口在t时段内的出水量;
以A市某供水管网为例,记录该管网各独立计量区域某日夜间耗水量数据如
表1所示,表1为独立计量区域夜间耗水量数据表:
表1
根据该管网各独立计量区域夜间各时段耗水量数据得到各独立计量区域夜间耗水数据折线图如图3所示。
步骤3:建立夜间耗水量标准模板。
对A市某供水管网随机30组正常日的独立计量区域夜间耗水量数据取均值后建立夜间耗水量标准模板R:
其中:Cj(t)为第j组的夜间耗水量数据C在时间t时的采样值;R(t)为夜间耗水量标准模板R在时间t时的采样值,计算所得夜间耗水量算术均值如表2所示,表2为独立计量区域夜间耗水量算术均值;
表2
根据该管网独立计量区域夜间耗水量算术均值得到夜间耗水量标准模板数据折线图如图4所示。
步骤4:计算耗水量偏离值并设定正常偏离值边界。
利用模式检测对比夜间耗水量数据与标准模板,得到夜间耗水量数据的偏离值D,对偏离值D进行训练,确立区分正常日与异常日的偏离值边界Db,包括以下步骤:
步骤4.1:利用模式检测计算夜间耗水量数据C与夜间耗水量标准模板R之间的偏离值D。依次寻找每个夜间耗水量数据C中的数据点与标准模板R中的数据点的对应关系,依照数据点之间的对应关系计算夜间耗水量数据C相对于夜间耗水量标准模板R的偏离值:
其中:D(C,R)表示夜间耗水量数据C相对于夜间耗水量标准模板R的偏离值;K表示夜间耗水量数据中数据点的数量;dt表示夜间耗水量的t时段数据点C(t)与模板标准模板tr时段数据点R(tr)之间的连接线长度,该长度具体用(C(t)-R(tr))2计算。
将C(0)与R(0)对齐,依次寻找夜间耗水量数据C与标准模板R中数据点的对应关系。对于C中除C(0)外的任意数据点C(m),该点只与C(m-1)所对应的标准模板中的数据点R(k)或该标准模板数据点下一时刻的数据点R(k+1)所对应;对于R中除R(0)外的任意数据点R(k),该点只与R(k-1)所对应的耗水量数据中的数据点C(m)或该耗水量数据点下一时刻的数据点C(m+1)所对应。进而将C与R中的数据点相对应。
以该管网为例,管网中某独立计量区域某日的待测夜间耗水量数据与夜间耗水量标准模板关联过程如图5所示,得到关联后的待测夜间耗水量数据偏离值为37.63。
步骤4.2:根据步骤4.1得到100组正常日与异常日的偏离值D如表3所示,表3为独立计量区域偏离值与漏损情况表:
表3
为避免样本不均匀所产生的模型失衡性,选取50%的正常日偏离值与50%的异常日偏离值并标记后随机打乱,将打乱后的数据集合中70%的数据作为训练集,训练集用于对模型的锻炼,剩余30%的数据作为测试集,测试集用于对模型的检验。
步骤4.3:建立偏离值分类模型,模型预测函数如下:
其中:p(D)表示偏离值D预期分类结果;σ表示Sigmoid函数;ω表示模型参数值,该参数值通过训练模型进行更新。
步骤4.4:计算分类模型的损失函数,模型预测结果y标签为0和1,分别表示偏离值正常与偏离值异常,将所采集的70组训练集数据{(D1,y1),(D2,y2)…(D70,y70)的总概率P记作样本函数:
进而建立参数值为ω0时的模型损失函数:
该损失值F用于评价参数值为ω0时预测值和真实值之间的总误差。
步骤4.5:利用梯度下降得到参数ω的最优值,对损失函数的最大似然对数函数进行求解,通过对其求偏导得到参数ω0的更新方向:
设定α表示更新步长,进而得到更新后的ω值ω1:
通过重复步骤4.5完成对参数ω的更新,直至模型损失值不再下降,进而获得模型最终参数ω值为0.0128。在模型的70次训练中参数ω的调整过程如表4所示,表4为参数ω训练过程表:
表4
根据该结果利用模型测试集对该模型进行测试,得到模型准确率在95%以上。
步骤4.6:通过步骤5.4所得的ω值,计算偏离值边界Db:
在训练过程中偏离值边界Db的变化过程如图6所示,最终偏离值边界Db为39,即表示若偏离值D大于39,则判定当日该偏离值所对应独立计量区域发生漏水,否则判定该独立计量区域未发生漏水。
步骤5:检测待测区域夜间耗水量。
对比独立计量区域DMAi的待测日耗水量Ci与标准模板R得到偏离值D,并将该偏离值与偏离值边界值39比较,若偏离值异常则报警并对该区域进行定位。
以上内容仅为本发明的较佳实施例,对于本领域的普通技术人员,依据本发明的基本思想与方法,在具体实施方式及应用范围上均有改变之处,本发明书内容不应理解为对本发明的限制。
Claims (2)
1.一种基于模式检测的独立计量区域管网漏损检测方法,其特征在于,所述方法包括以下步骤:
步骤1:采集供水管网需水节点S1,S2,…,Sn的耗水量,根据节点耗水量将供水管网分割为N个相似耗水量的独立计量区域DMA1,DMA2,…,DMAN;
步骤2:在独立计量区域出入管段上安装物联网流量计,根据独立计量区域DMAi进出口流量计数据计算该区域夜间t时段的耗水量Ci(t):
其中:Ne表示区块入水口数量;No表示区块出水口数量;Ij(t)表示第j个入水口在t时段内的进水量;Oj(t)表示第j个出水口在t时段内的出水量;
步骤3:对M组正常日的独立计量区域夜间耗水量数据取均值后建立夜间耗水量标准模板R:
其中:Cj(t)为第j组的夜间耗水量数据C在时间t时的采样值;R(t)为夜间耗水量标准模板R在时间t时的采样值;
步骤4:利用模式检测对比夜间耗水量数据与标准模板,得到夜间耗水量数据的偏离值D,对偏离值D进行训练,确立区分正常日与异常日的偏离值边界Db;
步骤5:对比独立计量区域DMAi的待测日耗水量Ci与标准模板R得到偏离值D,并将该偏离值与偏离值边界Db比较,若偏离值异常则报警并对该区域进行定位。
2.如权利要求1所述的一种基于模式检测的独立计量区域管网漏损检测方法,其特征在于,所述步骤4包括以下步骤:
步骤4.1:利用模式检测计算夜间耗水量数据C与夜间耗水量标准模板R之间的偏离值D,依次寻找每个夜间耗水量数据C中的数据点与标准模板R中的数据点的对应关系,依照数据点之间的对应关系计算夜间耗水量数据C相对于夜间耗水量标准模板R的偏离值:
其中:D(C,R)表示夜间耗水量数据C相对于夜间耗水量标准模板R的偏离值;K表示夜间耗水量数据中数据点的数量;dt表示夜间耗水量的t时段数据点C(t)与模板标准模板tr时段数据点R(tr)之间的连接线长度,该长度具体用(C(t)-R(tr))2计算;
将C(0)与R(0)对齐,依次寻找夜间耗水量数据C与标准模板R中数据点的对应关系,对于C中除C(0)外的任意数据点C(m),该点只与C(m-1)所对应的标准模板中的数据点R(k)或该标准模板数据点下一时刻的数据点R(k+1)所对应;对于R中除R(0)外的任意数据点R(k),该点只与R(k-1)所对应的耗水量数据中的数据点C(m)或该耗水量数据点下一时刻的数据点C(m+1)所对应,进而将C与R中的数据点相对应;
步骤4.2:根据步骤4.1得到若干正常日与异常日的偏离值D,对D进行组合分堆,为避免样本不均匀所产生的模型失衡性,选取50%的正常日偏离值与50%的异常日偏离值并标记后随机打乱,将打乱后的数据集合中70%的数据作为训练集,训练集用于对模型的锻炼,剩余30%的数据作为测试集,测试集用于对模型的检验;
步骤4.3:建立偏离值分类模型,模型预测函数如下:
其中:p(D)表示偏离值D预期分类结果;σ表示Sigmoid函数;ω表示模型参数值,该参数值通过训练模型进行更新;
步骤4.4:计算分类模型的损失函数,模型预测结果y标签为0和1,分别表示偏离值正常与偏离值异常,将所采集的X组数据{(D1,y1),(D2,y2)...(DX,yX)}的总概率P记作样本函数:
进而建立参数值为ω0时的模型损失函数:
该损失值F用于评价参数值为ω0时预测值和真实值之间的误差;
步骤4.5:利用梯度下降得到参数ω的最优值,对损失函数的最大似然对数函数进行求解,通过对其求偏导得到参数ω0的更新方向:
设定α表示更新步长,进而得到更新后的ω值ω1:
通过重复步骤4.5完成对参数ω的更新,直至模型损失值不再下降,进而获得模型最终参数ω;
步骤4.6:通过步骤5.4所得的最终ω值,得到偏离值边界Db:
若偏离值D大于偏离值边界Db,则判定当日该偏离值所对应独立计量区域发生漏水,否则判定该独立计量区域未发生漏水。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110180597.2A CN112780953B (zh) | 2021-02-08 | 2021-02-08 | 一种基于模式检测的独立计量区域管网漏损检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110180597.2A CN112780953B (zh) | 2021-02-08 | 2021-02-08 | 一种基于模式检测的独立计量区域管网漏损检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112780953A CN112780953A (zh) | 2021-05-11 |
CN112780953B true CN112780953B (zh) | 2022-07-12 |
Family
ID=75761381
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110180597.2A Active CN112780953B (zh) | 2021-02-08 | 2021-02-08 | 一种基于模式检测的独立计量区域管网漏损检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112780953B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113739082B (zh) * | 2021-09-14 | 2023-05-30 | 杭州莱宸科技有限公司 | 一种基于多区域联合评估的供水管网漏损监测方法 |
CN116757876B (zh) * | 2023-08-21 | 2023-11-14 | 埃睿迪信息技术(北京)有限公司 | 一种供水分区耗水量的确定方法、装置及设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103423598A (zh) * | 2013-09-02 | 2013-12-04 | 大连莱力柏信息技术股份有限公司 | 一种基于供水管网流量实时监测的渗漏判断方法 |
WO2015149374A1 (zh) * | 2014-04-04 | 2015-10-08 | 华为技术有限公司 | 众核下网络数据的分发方法及系统 |
CN106287239A (zh) * | 2016-08-16 | 2017-01-04 | 浙江大学 | 用于城市供水管网泄漏定位的智能管内检测球装置及方法 |
CN108027594A (zh) * | 2015-06-29 | 2018-05-11 | 苏伊士集团 | 用于检测配水系统中的异常的方法 |
CN109242265A (zh) * | 2018-08-15 | 2019-01-18 | 杭州电子科技大学 | 基于误差平方和最小的城市需水量组合预测方法 |
CN109359698A (zh) * | 2018-10-30 | 2019-02-19 | 清华大学 | 基于长短时记忆神经网络模型的漏损识别方法 |
MY169994A (en) * | 2012-10-02 | 2019-06-19 | Ranhill Water Services Sdn Bhd | A systems for monitoring and identifying nrw in a water utility network |
CN110414712A (zh) * | 2019-06-21 | 2019-11-05 | 浙江大学 | 服务于控制漏损的供水管网优化调度模型建立方法 |
CN111259334A (zh) * | 2020-01-14 | 2020-06-09 | 杭州电子科技大学 | 一种工业企业大用户用水异常监测预警方法 |
CN111402081A (zh) * | 2020-06-03 | 2020-07-10 | 浙江和达科技股份有限公司 | 一种dma数据管理系统 |
-
2021
- 2021-02-08 CN CN202110180597.2A patent/CN112780953B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
MY169994A (en) * | 2012-10-02 | 2019-06-19 | Ranhill Water Services Sdn Bhd | A systems for monitoring and identifying nrw in a water utility network |
CN103423598A (zh) * | 2013-09-02 | 2013-12-04 | 大连莱力柏信息技术股份有限公司 | 一种基于供水管网流量实时监测的渗漏判断方法 |
WO2015149374A1 (zh) * | 2014-04-04 | 2015-10-08 | 华为技术有限公司 | 众核下网络数据的分发方法及系统 |
CN108027594A (zh) * | 2015-06-29 | 2018-05-11 | 苏伊士集团 | 用于检测配水系统中的异常的方法 |
CN106287239A (zh) * | 2016-08-16 | 2017-01-04 | 浙江大学 | 用于城市供水管网泄漏定位的智能管内检测球装置及方法 |
CN109242265A (zh) * | 2018-08-15 | 2019-01-18 | 杭州电子科技大学 | 基于误差平方和最小的城市需水量组合预测方法 |
CN109359698A (zh) * | 2018-10-30 | 2019-02-19 | 清华大学 | 基于长短时记忆神经网络模型的漏损识别方法 |
CN110414712A (zh) * | 2019-06-21 | 2019-11-05 | 浙江大学 | 服务于控制漏损的供水管网优化调度模型建立方法 |
CN111259334A (zh) * | 2020-01-14 | 2020-06-09 | 杭州电子科技大学 | 一种工业企业大用户用水异常监测预警方法 |
CN111402081A (zh) * | 2020-06-03 | 2020-07-10 | 浙江和达科技股份有限公司 | 一种dma数据管理系统 |
Non-Patent Citations (1)
Title |
---|
李飞.《供水管网漏损评估与控制方法》.《中国给水排水》.2012,第28卷(第18期),35-39. * |
Also Published As
Publication number | Publication date |
---|---|
CN112780953A (zh) | 2021-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102235575B (zh) | 用于检查管道泄露的数据处理方法及系统 | |
CN114444259B (zh) | 一种雨污管网溯源追踪系统及方法 | |
CN105069537B (zh) | 一种组合式空气质量预报模型的构建方法 | |
CN112780953B (zh) | 一种基于模式检测的独立计量区域管网漏损检测方法 | |
CN110929359B (zh) | 基于pnn神经网络和swmm技术的管网淤积风险预测建模方法 | |
CN110196083A (zh) | 排水管网污染路径的监测识别方法、装置及电子设备 | |
CN112836758A (zh) | 基于双层循环神经网络的独立计量区域管网漏损检测方法 | |
CN114236645B (zh) | 一种大规模降雨监测异常站点筛查方法 | |
CN114528929B (zh) | 一种多源数据的台区量测系统和方法 | |
CN109442221A (zh) | 一种基于压力扰动提取的供水管网爆管侦测方法 | |
CN113505471A (zh) | 一种河流断面污染物浓度预测计算方法 | |
CN117540329B (zh) | 基于机器学习的排水管网缺陷在线预警方法及系统 | |
CN108615054B (zh) | 排水管网节点间相似性衡量的综合指标构建方法 | |
CN116877938B (zh) | 一种基于图像数据处理的城市排水管网破损检测定位系统 | |
CN108345289A (zh) | 一种基于替代数据法的工业过程平稳性检测方法 | |
CN115204688A (zh) | 排水系统健康性综合评价方法 | |
CN114324800A (zh) | 一种排水管道来水监测方法及其系统、存储介质 | |
CN112862265A (zh) | 基于人工智能和云计算的油气工程建设项目造价分析管理系统 | |
CN112097125B (zh) | 一种基于自适应校核的供水管网爆管侦测及定位方法 | |
CN111242945A (zh) | 一种基于大数据的管道缺陷检测系统 | |
CN117152926B (zh) | 基于数据分析的自动压力检测预警系统 | |
KR100485374B1 (ko) | 하수관거의 침입수/누수 검출 방법 및 장치 | |
CN116127663A (zh) | 一种农村供水管网泄漏诊断的方法 | |
CN117233342A (zh) | 一种基于置信区间算法的入河排污口精准监测方法及系统 | |
CN117537285A (zh) | 供水管道内表面结垢状态的在线监测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |