CN116451885A - 一种供水管网健康度预测方法、装置及计算设备 - Google Patents
一种供水管网健康度预测方法、装置及计算设备 Download PDFInfo
- Publication number
- CN116451885A CN116451885A CN202310727727.9A CN202310727727A CN116451885A CN 116451885 A CN116451885 A CN 116451885A CN 202310727727 A CN202310727727 A CN 202310727727A CN 116451885 A CN116451885 A CN 116451885A
- Authority
- CN
- China
- Prior art keywords
- water supply
- supply network
- pipe section
- health degree
- work order
- 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.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 218
- 230000036541 health Effects 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012423 maintenance Methods 0.000 claims abstract description 59
- 238000010586 diagram Methods 0.000 claims abstract description 34
- 238000012549 training Methods 0.000 claims abstract description 22
- 238000007781 pre-processing Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 18
- 239000003086 colorant Substances 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000007726 management method Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000009933 burial Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005215 recombination Methods 0.000 description 2
- 230000006798 recombination Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000009172 bursting Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- Y02A20/152—Water filtration
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种供水管网健康度预测方法、装置及计算设备，涉及供水管网预测技术领域，所述方法包括：获取供水管网各管段的特征参数和历史工单数据；将所述历史工单数据中管段位置信息与供水管网进行关联，得到供水管网问题节点拓扑结构图；根据所述供水管网问题节点拓扑结构图对应的管段数据集，训练供水管网健康度预测模型；将供水管网中各管段的实际特征参数，输入所述供水管网健康度预测模型对所述供水管网未来一段时间的健康度进行预测，得到供水管网的健康度预测结果。本发明可以得到供水管网的健康度预测结果，可以更准确地分析和预测管网出现维修相关工单的可能性，评估管网的健康度。
Description
技术领域
本发明涉及供水管网预测技术领域，特别是指一种供水管网健康度预测方法、装置及计算设备。
背景技术
供水管网作为城市基础设施的重要组成部分，承担着将水从水源输送到用户的重要任务。然而，由于管网老化、维护不足、腐蚀和污染等原因，管网管道爆裂、渗漏等问题时有发生，给供水质量和安全带来极大影响，同时也极大地增加了维修成本。因此，如何有效地预测管网健康度，提高供水质量和安全，降低维修成本，成为当前急需解决的问题。
目前，虽然市场上已经存在了一些对管网健康度的评估方法，但往往只依赖人工巡检，数据获取时间长、效率低。另外，现有的预测方法主要基于统计学方法，处理能力有限且准确性不高。
发明内容
本发明要解决的技术问题是提供一种供水管网健康度预测方法、装置及计算设备，数据采集速度快、准确性高、效率高，同时降低了人工巡检的成本，可为供水企业提供更加精准、高效的管网健康度评估服务。
为解决上述技术问题，本发明的技术方案如下：
第一方面，一种供水管网健康度预测方法，所述方法包括：
获取供水管网各管段的特征参数和历史工单数据；
将所述历史工单数据中管段位置信息与供水管网进行关联，得到供水管网问题节点拓扑结构图；
根据所述供水管网问题节点拓扑结构图对应的管段数据集，训练供水管网健康度预测模型；
将供水管网中各管段的实际特征参数，输入所述供水管网健康度预测模型对所述供水管网未来一段时间的健康度进行预测，得到供水管网的健康度预测结果。
进一步的，获取供水管网各管段的特征参数和历史工单数据后，还包括：
从历史工单数据中，提取供水管网中发生故障的管段；
判断所述历史工单数据中是否存在发生故障的管段的位置坐标；
若是，则获取发生故障的管段的位置坐标；
若否，则提取历史工单数据中描述发生故障地点的关键词，并获取所述关键词在供水管网中的具体位置坐标，并进行标注。
进一步的，将所述历史工单数据中管段位置信息与供水管网进行关联，得到供水管网问题节点拓扑结构图，包括：
对获取的供水管网中各管段的特征参数和历史工单数据进行预处理，以得到特征参数预处理数据和历史工单预处理数据；
根据历史工单预处理数据提取有维修工单记录的管段数据集，并将有维修工单记录的管段数据集与供水管网进行关联，以构建供水管网问题节点拓扑结构图。
进一步的，根据历史工单预处理数据提取有维修工单记录的管段数据集，并将有维修工单记录的管段数据集与供水管网进行关联，以构建供水管网问题节点拓扑结构图，包括：
根据有维修工单记录的管段数据集对供水管网中各个管段分别进行分类；
为分类后的各个管段分别设置标识符和工单标记，其中，所述标识符用于标记管段是否维修以及对应的维修日期，所述工单标记用于标记管段是否更换以及更换后的材质。
进一步的，根据所述供水管网问题节点拓扑结构图对应的管段数据集，训练供水管网健康度预测模型，包括：
对不同管段分别对应的特征参数进行处理，形成不同管段分别对应的管段数据集；
选取至少一个有维修工单记录的管段对应的管段数据集；
通过至少一个有维修工单记录的管段对应的管段数据集对供水管网健康度预测模型进行训练。
进一步的，所述的供水管网健康度预测方法，还包括：
对供水管网健康度预测模型进行训练时将不同管材的特征参数按照重要性进行排序。
进一步的，将供水管网中各管段的实际特征参数，输入所述供水管网健康度预测模型对所述供水管网未来一段时间的健康度进行预测，得到供水管网的健康度预测结果，包括：
获取所需的供水管网特征参数，并对供水管网特征参数进行处理，得到每个管段的实际特征参数；
将每个管段的实际特征参数输入至训练后的供水管网健康度预测模型中，得到未来一段时间内各个管段分别对应的预测维修次数；
根据所述预测维修次数，对供水管网中的各个管段分别进行分级，以生成每个管段所对应的级别；
根据每个管段所对应的级别，分别设定不同的颜色。
第二方面，一种供水管网健康度预测装置，包括：
获取模块，用于获取供水管网各管段的特征参数和历史工单数据；将所述历史工单数据中管段位置信息与供水管网进行关联，得到供水管网问题节点拓扑结构图；
处理模块，用于根据所述供水管网问题节点拓扑结构图对应的管段数据集，训练供水管网健康度预测模型；将供水管网中各管段的实际特征参数，输入所述供水管网健康度预测模型对所述供水管网未来一段时间的健康度进行预测，得到供水管网的健康度预测结果。
第三方面，一种计算设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现所述的方法。
第四方面，一种计算机可读存储介质，所述计算机可读存储介质中存储有程序，该程序被处理器执行时实现所述的方法。
本发明的上述方案至少包括以下有益效果：
本发明的上述方案，通过根据所述供水管网问题节点拓扑结构图对应的管段数据集，训练供水管网健康度预测模型；将供水管网中各管段的实际特征参数，输入所述供水管网健康度预测模型对所述供水管网未来一段时间的健康度进行预测，得到供水管网的健康度预测结果，可以得到供水管网的健康度预测结果，可以更准确地分析和预测管网出现维修相关工单的可能性，评估管网的健康度。
附图说明
图1是本发明的实施例提供的供水管网健康度预测方法的流程示意图。
图2是本发明的实施例提供的供水管网健康度预测装置示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
如图1所示，本发明的实施例提出一种供水管网健康度预测方法，所述方法包括以下步骤：
步骤11，获取供水管网各管段的特征参数和历史工单数据；
步骤12，将所述历史工单数据中管段位置信息与供水管网进行关联，得到供水管网问题节点拓扑结构图；
步骤13，根据所述供水管网问题节点拓扑结构图对应的管段数据集，训练供水管网健康度预测模型；
步骤14，将供水管网中各管段的实际特征参数，输入所述供水管网健康度预测模型对所述供水管网未来一段时间的健康度进行预测，得到供水管网的健康度预测结果。
在本发明实施例中，管段的特征参数例如可以包括管线编号、管材、管径、管龄、管长、接口类型、埋深、道路负荷和运行压力等，并将数据存储在供水管网中；其中，所述供水管网的特征参数的来源，可以是管网工程规划、设计、施工和竣工验收的纸质档案及数字化档案；资产管理信息；各管段及附属设施的基础信息；运行维护管理的相关信息等。如果某个管段进行过更换，则在供水管网中用最新的管段信息替换原始信息，更新管龄等信息，保证供水管网中的管段信息的有效性。更换前的管段相关数据信息保存为另一条数据，管龄截止到更换当天，更换前的旧管段相关信息保存在历史管道供水管网中。特别的，在具有条件的区域可以补充采集管网的监测信息，通过传感器实时监测供水管网各节点的流量、压力、水质、温度等参数，将数据存储在供水管网中。其次，工单数据采集为从热线、抢修、维护等工单中，提取发生问题的管段信息、故障信息、故障原因等，存储在供水管网中，其中故障信息包括爆管、破损、漏水等不同情况；其中故障原因分为人为因素和非人为因素，人为因素包括第三方施工等，非人为因素包括管段腐蚀、自然老化等；无法区分故障原因的标记为未知。
需要说明的是，在步骤11中，首先需要获取供水管网各个管段的相关特征参数，例如管段长度、管径、埋深、管材等信息，同时收集历史工单数据，如维修时间、维修方式、维修部位等。在步骤12中，通过管网问题节点拓扑结构图能够精确地确定管道损坏点及其相互连接关系。在步骤13中，通过训练供水管网健康度预测模型，可拟合供水管网的健康度与相关特征参数之间的关系，以便更好地预测管网未来的损耗情况。在步骤14中，通过得到供水管网的健康度预测结果，这一结果反映了管网的健康状况，针对预测结果可以进行管道维修、更新等操作，以保障供水质量和安全。因此，本发可以实现对管网健康度的分析和预测，能够准确发现管道隐患并及时维修，提高供水质量和安全，降低维修成本。
在本发明一优选的实施例中，在上述步骤11之后，还可以包括：
步骤111，从历史工单数据中，提取供水管网中发生故障的管段；
步骤112，判断所述历史工单数据中是否存在发生故障的管段的位置坐标；若是，则获取发生故障的管段的位置坐标；若否，则提取历史工单数据中描述发生故障地点的关键词，并获取所述关键词在供水管网中的具体位置坐标，并进行标注。
需要说明的是，在步骤111中，通过历史工单数据来提取出在供水管网中发生故障的管道，这些故障可能包括管道泄漏、管道损坏等，提取出这些信息为后续的管道健康度预测模型提供了更加准确的数据支持。在步骤112中，针对历史工单数据中未提供管道位置坐标信息的情况，针对这种情况，该步骤会通过描述所发生故障的关键词来根据供水管网分布图来确定可能涉及到的管段，并进行标注，对于已知具体的位置坐标的故障管段，将会对其进行定位，以更好地确定管道健康度预测模型的训练数据。因此，在这两个步骤中，通过提取历史工单数据并结合供水管网分布图，可以更加准确地确定可能存在隐患或已发生故障的管道，并利用这些信息来进一步优化管道健康度预测模型的构建，从而更好地预测未来的管道维修需求，提高供水管网的健康度和安全性。
在本发明一优选的实施例中，上述步骤12，可以包括：
步骤121，对获取的供水管网中各管段的特征参数和历史工单数据进行预处理，以得到特征参数预处理数据和历史工单预处理数据；
步骤122，根据历史工单预处理数据提取有维修工单记录的管段数据集，并将有维修工单记录的管段数据集与供水管网进行关联，以构建供水管网问题节点拓扑结构图。
需要说明的是，在步骤121中，预处理主要包括数据清洗、缺失值填补、异常值处理、特征标准化等操作，通过这些预处理操作，可以提高数据的质量，减少后续模型建立过程中的误差和干扰。在步骤122中，通过建立有维修工单记录的管段数据集与供水管网之间的关联关系，可以方便构建供水管网问题节点拓扑结构图，供水管网问题节点拓扑结构图可以更加清晰地了解供水管网的结构特点，并找出其中的问题节点，进而根据问题节点提出改进策略，并对未来的管道维修需求进行预测。
在本发明一优选的实施例中，上述步骤122，可以包括：
步骤1221，根据有维修工单记录的管段数据集对供水管网中各个管段分别进行分类；
步骤1222，为分类后的各个管段分别设置标识符和工单标记，其中，所述标识符用于标记管段是否维修以及对应的维修日期，所述工单标记用于标记管段是否更换以及更换后的材质。
需要说明的是，在步骤1221中，将工单信息与管网基本信息和历史信息整合，并按照管段进行分类，在实际的运维应用中，一个工单可能会影响多个管段，因此需要将工单信息按照管段进行分类，便于后续的管道健康度分析和预测模型的建立。在步骤1222中，可以为每个管段设置唯一的标识符和工单标记，在后续对数据进行处理时可以方便地找到对应的管道和工单，在实际的管道维护过程中，可能会存在整体更换某个管道的情况，这种情况需要将整条管道拆分为更换前后的两个管段，才能进行准确的数据处理和健康度分析，通过该步骤，可以识别并分离整体更换的管道，为后续的数据处理和模型建立提供准确的数据基础。
在本发明一优选的实施例中，上述步骤13，可以包括：
步骤131，对不同管段分别对应的特征参数进行处理，形成不同管段分别对应的管段数据集；
步骤132，选取至少一个有维修工单记录的管段对应的管段数据集；
步骤133，通过至少一个有维修工单记录的管段对应的管段数据集对供水管网健康度预测模型进行训练。
需要说明的是，将管网数据按照不同材质进行分类，并将其作为训练模型的数据集，便于后续对不同管材的管道健康度进行分析和建模，可以根据构建好的数据集，对预设的模型进行训练和优化，提高模型的准确性和稳定性。
在本发明另一优选的实施例中，所述的供水管网健康度预测方法，还包括：
对供水管网健康度预测模型进行训练时将不同管材的特征参数按照重要性进行排序。
在本发明实施例中，在训练模型时，需要对不同的特征进行筛选和排序，以提高模型的准确性和可靠性，其包括以下步骤：收集数据并对数据进行筛选，去除无用信息和噪声数据，保留有价值的特征信息。对数据进行分类处理，将不同管材的数据集分别处理，并形成一个合适的训练数据集。对不同管材的数据集中的特征进行排序，以确定每个特征对管道健康度预测的重要性。基于特征排序结果，优化和调整模型的算法和参数，提高模型的准确性和可靠性。对模型进行验证和测试，评估模型的预测能力和精度。通过对不同管材的数据集中特征的排序、优化和调整算法和参数，可以大幅提高模型的准确性和稳定性。此外，在模型验证和测试的过程中，还可以进一步优化和调整模型，以达到更好的预测效果。这种特征排序和优化的方法，可以提高模型对供水管网健康度的预测准确性和稳定性，实现对管网健康度的科学管理和精准掌控。
在本发明一优选的实施例中，上述步骤14，可以包括：
步骤141，获取所需的供水管网特征参数，并对供水管网特征参数进行处理，得到每个管段的实际特征参数；
步骤142，将每个管段的实际特征参数输入至训练后的供水管网健康度预测模型中，得到未来一段时间内各个管段分别对应的预测维修次数；
步骤143，根据所述预测维修次数，对供水管网中的各个管段分别进行分级，以生成每个管段所对应的级别；
步骤144，根据每个管段所对应的级别，分别设定不同的颜色。
在本发明实施例中，在上述步骤141中，获取供水管网各个管段的特征参数，如管道材质、管径、埋深等参数，并对这些特征参数进行处理，得到每个管段的实际特征参数。在步骤142中，将前面处理得到的每个管段的实际特征参数，按照不同管材种类进行分类，并将这些数据输入已经训练好的供水管网健康度预测模型中进行预测和分析。在步骤143中，针对每个输入的管段使用训练好的供水管网健康度预测模型进行预测，根据特征参数的不同，给出相应的预测维修次数。这些预测维修次数可以反映出管道在未来一段时间内可能遇到的维修需要。在步骤144中，根据前面预测得到的预测维修次数将所有管段进行分级，记录下每个管段所属的级别，以实现对供水管网健康状况的评估和分类管理。按照前面记录好的管段级别情况，为不同级别的管段分别设定不同的颜色。由于不同级别的管段健康度状况不同，因此需要采用不同的颜色进行区分和表示。将每个管段的健康度预测结果呈现为不同颜色的图示，以显示供水管网的健康度状况，通过图示，可以直观、清晰地了解管道的健康情况，及时进行管网管理和维护工作。因此，通过对供水管网各个方面的数据、特征参数进行收集、处理、分类、预测和分级，并结合图示表示，实现了供水管网健康度的评估、分析和管理，为管网维护和管理提供了可靠的科学依据，并能够避免管道突发事故的发生，具有重要的实用价值。
如图2所示，本发明的实施例还提供一种供水管网健康度预测装置20，包括：
获取模块21，用于获取供水管网各管段的特征参数和历史工单数据；将所述历史工单数据中管段位置信息与供水管网进行关联，得到供水管网问题节点拓扑结构图；
处理模块22，用于根据所述供水管网问题节点拓扑结构图对应的管段数据集，训练供水管网健康度预测模型；将供水管网中各管段的实际特征参数，输入所述供水管网健康度预测模型对所述供水管网未来一段时间的健康度进行预测，得到供水管网的健康度预测结果。
可选的，获取供水管网各管段的特征参数和历史工单数据后，还包括：
从历史工单数据中，提取供水管网中发生故障的管段；
判断所述历史工单数据中是否存在发生故障的管段的位置坐标；
若是，则获取发生故障的管段的位置坐标；
若否，则提取历史工单数据中描述发生故障地点的关键词，并获取所述关键词在供水管网中的具体位置坐标，并进行标注。
可选的，将所述历史工单数据中管段位置信息与供水管网进行关联，得到供水管网问题节点拓扑结构图，包括：
对获取的供水管网中各管段的特征参数和历史工单数据进行预处理，以得到特征参数预处理数据和历史工单预处理数据；
根据历史工单预处理数据提取有维修工单记录的管段数据集，并将有维修工单记录的管段数据集与供水管网进行关联，以构建供水管网问题节点拓扑结构图。
可选的，根据历史工单预处理数据提取有维修工单记录的管段数据集，并将有维修工单记录的管段数据集与供水管网进行关联，以构建供水管网问题节点拓扑结构图，包括：
根据有维修工单记录的管段数据集对供水管网中各个管段分别进行分类；
为分类后的各个管段分别设置标识符和工单标记，其中，所述标识符用于标记管段是否维修以及对应的维修日期，所述工单标记用于标记管段是否更换以及更换后的材质。
可选的，根据所述供水管网问题节点拓扑结构图对应的管段数据集，训练供水管网健康度预测模型，包括：
对不同管段分别对应的特征参数进行处理，形成不同管段分别对应的管段数据集；
选取至少一个有维修工单记录的管段对应的管段数据集；
通过至少一个有维修工单记录的管段对应的管段数据集对供水管网健康度预测模型进行训练。
可选的，所述的供水管网健康度预测方法，还包括：
对供水管网健康度预测模型进行训练时将不同管材的特征参数按照重要性进行排序。
可选的，将供水管网中各管段的实际特征参数，输入所述供水管网健康度预测模型对所述供水管网未来一段时间的健康度进行预测，得到供水管网的健康度预测结果，包括：
获取所需的供水管网特征参数，并对供水管网特征参数进行处理，得到每个管段的实际特征参数；
将每个管段的实际特征参数输入至训练后的供水管网健康度预测模型中，得到未来一段时间内各个管段分别对应的预测维修次数；
根据所述预测维修次数，对供水管网中的各个管段分别进行分级，以生成每个管段所对应的级别；
根据每个管段所对应的级别，分别设定不同的颜色。
需要说明的是，该装置是与上述方法相对应的装置，上述方法实施例中的所有实现方式均适用于该实施例中，也能达到相同的技术效果。
本发明的实施例还提供一种计算设备，包括：处理器、存储有计算机程序的存储器，所述计算机程序被处理器运行时，执行如上所述的方法。上述方法实施例中的所有实现方式均适用于该实施例中，也能达到相同的技术效果。
本发明的实施例还提供一种计算机可读存储介质，存储指令，当所述指令在计算机上运行时，使得计算机执行如上所述的方法。上述方法实施例中的所有实现方式均适用于该实施例中，也能达到相同的技术效果。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
此外，需要指出的是，在本发明的装置和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行，某些步骤可以并行或彼此独立地执行。对本领域的普通技术人员而言，能够理解本发明的方法和装置的全部或者任何步骤或者部件，可以在任何计算装置（包括处理器、存储介质等）或者计算装置的网络中，以硬件、固件、软件或者它们的组合加以实现，这是本领域普通技术人员在阅读了本发明的说明的情况下运用他们的基本编程技能就能实现的。
因此，本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此，本发明的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说，这样的程序产品也构成本发明，并且存储有这样的程序产品的存储介质也构成本发明。显然，所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。还需要指出的是，在本发明的装置和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种供水管网健康度预测方法，其特征在于，所述方法包括：
获取供水管网各管段的特征参数和历史工单数据；
将所述历史工单数据中管段位置信息与供水管网进行关联，得到供水管网问题节点拓扑结构图；
根据所述供水管网问题节点拓扑结构图对应的管段数据集，训练供水管网健康度预测模型；
将供水管网中各管段的实际特征参数，输入所述供水管网健康度预测模型对所述供水管网未来一段时间的健康度进行预测，得到供水管网的健康度预测结果。
2.根据权利要求1所述的供水管网健康度预测方法，其特征在于，获取供水管网各管段的特征参数和历史工单数据后，还包括：
从历史工单数据中，提取供水管网中发生故障的管段；
判断所述历史工单数据中是否存在发生故障的管段的位置坐标；
若是，则获取发生故障的管段的位置坐标；
若否，则提取历史工单数据中描述发生故障地点的关键词，并获取所述关键词在供水管网中的具体位置坐标，并进行标注。
3.根据权利要求2所述的供水管网健康度预测方法，其特征在于，将所述历史工单数据中管段位置信息与供水管网进行关联，得到供水管网问题节点拓扑结构图，包括：
对获取的供水管网中各管段的特征参数和历史工单数据进行预处理，以得到特征参数预处理数据和历史工单预处理数据；
根据历史工单预处理数据提取有维修工单记录的管段数据集，并将有维修工单记录的管段数据集与供水管网进行关联，以构建供水管网问题节点拓扑结构图。
4.根据权利要求3所述的供水管网健康度预测方法，其特征在于，根据历史工单预处理数据提取有维修工单记录的管段数据集，并将有维修工单记录的管段数据集与供水管网进行关联，以构建供水管网问题节点拓扑结构图，包括：
根据有维修工单记录的管段数据集对供水管网中各个管段分别进行分类；
为分类后的各个管段分别设置标识符和工单标记，其中，所述标识符用于标记管段是否维修以及对应的维修日期，所述工单标记用于标记管段是否更换以及更换后的材质。
5.根据权利要求4所述的供水管网健康度预测方法，其特征在于，根据所述供水管网问题节点拓扑结构图对应的管段数据集，训练供水管网健康度预测模型，包括：
对不同管段分别对应的特征参数进行处理，形成不同管段分别对应的管段数据集；
选取至少一个有维修工单记录的管段对应的管段数据集；
通过至少一个有维修工单记录的管段对应的管段数据集对供水管网健康度预测模型进行训练。
6.根据权利要求5所述的供水管网健康度预测方法，其特征在于，还包括：
对供水管网健康度预测模型进行训练时将不同管材的特征参数按照重要性进行排序。
7.根据权利要求6所述的供水管网健康度预测方法，其特征在于，将供水管网中各管段的实际特征参数，输入所述供水管网健康度预测模型对所述供水管网未来一段时间的健康度进行预测，得到供水管网的健康度预测结果，包括：
获取所需的供水管网特征参数，并对供水管网特征参数进行处理，得到每个管段的实际特征参数；
将每个管段的实际特征参数输入至训练后的供水管网健康度预测模型中，得到未来一段时间内各个管段分别对应的预测维修次数；
根据所述预测维修次数，对供水管网中的各个管段分别进行分级，以生成每个管段所对应的级别；
根据每个管段所对应的级别，分别设定不同的颜色。
8.一种供水管网健康度预测装置，其特征在于，包括：
获取模块，用于获取供水管网各管段的特征参数和历史工单数据；将所述历史工单数据中管段位置信息与供水管网进行关联，得到供水管网问题节点拓扑结构图；
处理模块，用于根据所述供水管网问题节点拓扑结构图对应的管段数据集，训练供水管网健康度预测模型；将供水管网中各管段的实际特征参数，输入所述供水管网健康度预测模型对所述供水管网未来一段时间的健康度进行预测，得到供水管网的健康度预测结果。
9.一种计算设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序，该程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310727727.9A CN116451885B (zh) | 2023-06-20 | 2023-06-20 | 一种供水管网健康度预测方法、装置及计算设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310727727.9A CN116451885B (zh) | 2023-06-20 | 2023-06-20 | 一种供水管网健康度预测方法、装置及计算设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116451885A true CN116451885A (zh) | 2023-07-18 |
| CN116451885B CN116451885B (zh) | 2023-09-01 |
Family
ID=87132485
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310727727.9A Active CN116451885B (zh) | 2023-06-20 | 2023-06-20 | 一种供水管网健康度预测方法、装置及计算设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116451885B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105678481A (zh) * | 2016-03-25 | 2016-06-15 | 清华大学 | 一种基于随机森林模型的管线健康状态评估方法 |
| US20210203157A1 (en) * | 2019-12-30 | 2021-07-01 | Utopus Insights, Inc. | Scalable systems and methods for assessing healthy condition scores in renewable asset management |
| CN115439628A (zh) * | 2021-06-01 | 2022-12-06 | 辉达公司 | 通过拓扑采样进行接合点形状和外观优化 |
-
2023
- 2023-06-20 CN CN202310727727.9A patent/CN116451885B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105678481A (zh) * | 2016-03-25 | 2016-06-15 | 清华大学 | 一种基于随机森林模型的管线健康状态评估方法 |
| US20210203157A1 (en) * | 2019-12-30 | 2021-07-01 | Utopus Insights, Inc. | Scalable systems and methods for assessing healthy condition scores in renewable asset management |
| CN115439628A (zh) * | 2021-06-01 | 2022-12-06 | 辉达公司 | 通过拓扑采样进行接合点形状和外观优化 |
Non-Patent Citations (1)
| Title |
|---|
| 张金晔 等: "网络设备故障预测与健康管理系统设计", 软件导刊, pages 171 - 173 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116451885B (zh) | 2023-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11720816B2 (en) | Predicting pipe failure | |
| CN108375715B (zh) | 一种配电网线路故障风险日预测方法及系统 | |
| CN108027594A (zh) | 用于检测配水系统中的异常的方法 | |
| CN104966141A (zh) | 工业资产健康状况模型更新 | |
| CN109858886B (zh) | 一种基于集成学习的费控成功率提升分析方法 | |
| CN105678481A (zh) | 一种基于随机森林模型的管线健康状态评估方法 | |
| CN113518922A (zh) | 用于评估管道状况的改进的方法 | |
| CN103025592A (zh) | 用于油田设备预测和健康管理的系统、方法和装置 | |
| CN115225463B (zh) | 一种基于it运维的硬件故障监测方法及系统 | |
| CN112016743A (zh) | 电网设备的检修预测方法、装置、计算机设备和存储介质 | |
| CN111722058A (zh) | 基于知识图谱的电力信息系统故障检测方法、装置及介质 | |
| Sarih et al. | Data preparation and preprocessing for broadcast systems monitoring in PHM framework | |
| CN115481940A (zh) | 一种基于大数据的油气管道区域风险监测系统 | |
| CN116523312A (zh) | 一种智慧城市数据管理方法及系统 | |
| CN117172556A (zh) | 一种桥梁工程的施工风险预警方法与系统 | |
| CN108052540A (zh) | 一种基于gis管网系统的管道故障预判与预处理方法 | |
| CN112686773B (zh) | 一种基于融合业务拓扑的电力计量全链路关键业务异常定位模型构建方法 | |
| CN116451885B (zh) | 一种供水管网健康度预测方法、装置及计算设备 | |
| CN104335161B (zh) | 使用图对网络鲁棒性的有效评估 | |
| CN112381242A (zh) | 核电站设备维修项目数据处理方法及系统 | |
| CN110599021A (zh) | 一种炼化装置中preama腐蚀适应性评估标准系统及方法 | |
| CN115775092A (zh) | 基于数字孪生技术的施工过程安全风险管控系统 | |
| US20140350992A1 (en) | Integrated maintenance scoring apparatus and method | |
| CN115600695A (zh) | 一种计量设备的故障诊断方法 | |
| CN115630571A (zh) | 一种基于集成学习的油井示功图自动诊断方法 |
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 |