[發明專利]一種基于小波奇異性分析和ARMA模型的水管漏水檢測方法

在審

• 申請號: 201410507513.1
• 申請日: 2014-09-28
• 公開（公告）號: CN104268649A
• 公開（公告）日: 2015-01-07
• 發明（設計）人: 于鳳芹;張雷
• 申請（專利權）人: 江南大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于小波奇異性分析和ARMA模型的水管漏水檢測方法，其特征是通過對用水數據分析判斷是否存在水管突然爆裂或長期慢漏現象。

2.如權利要求1所述的一種基于小波奇異性分析和ARMA模型的水管漏水檢測方法，其特征是基于小波奇異值檢測的爆裂現象的判斷

爆裂是突然形成的，對瞬時流量造成的影響也是即刻出現的。在瞬時流量數據中的具體反應就是實時的瞬時流量數據呈波動狀態，當爆裂發生時數據突增形成了一個階躍型奇異點，因此爆裂是否發生的判斷依據為是否形成階躍型奇異點。小波變換具有良好的時頻局部化能力使得其成為信號奇異性檢測的有力工具。以平滑函數的一階導數作為小波基函數對信號做小波變換時，其小波變換在不同尺度下的模極大值點對應于信號的奇異點的位置。Lipschitz指數α常被用來描述函數的局部奇異性，小波變換模極大值在多尺度上的表現與Lipschitz指數α之間存在著相應的關系，尤其是當α＝0時所對應的奇異點為階躍型奇異點，并且α＝0時小波變換模極大值的幅值不隨尺度的變化而變化。因此，對于爆裂的檢測就可以轉化為對瞬時流量數據奇異點的檢測并通過奇異點的Lipschitz指數α判斷其是否為階躍型奇異點進而得出檢測結果。

考慮到現實中開閉水閥等因素也可能會造成類似階躍型奇異點的變化，這給判斷帶來了干擾，為了盡量減少此類干擾應當縮小奇異點的候選范圍。根據《城市給水管網漏損控制及評定標準》，城市供水管網基本漏損率不應大于12％，為了兼顧有效性，選取奇異點幅度變化超過10％的點作為階躍型奇異點的候選點。同時，由于計算Lipschitz指數α比計算奇異點幅度變化復雜，先計算奇異點幅度變化，保留結果大于等于10％的點再去計算Lipschtiz指數α。以高斯函數作為小波基函數對瞬時流量數據做多尺度的小波變換，從大尺度到小尺度分別尋找各尺度上小波變換模極大值點，由于階躍奇異點對應的模極大值點幅值不隨尺度變化，所以只要確定那些幅值在各個尺度上不變的奇異點，根據(奇異點處峰值-前一點值)/前一點值計算比值，保留比值大于等于10％的點，最后計算出奇異點對應的Lipschitz指數α，如果α＝0則出現階躍型奇異點，也就是出現了爆裂。

3.如權利要求1所述的一種基于小波奇異性分析和ARMA模型的水管漏水檢測方法，其特征是基于ARMA模型的水管慢漏現象的判斷

慢漏是相對緩慢的過程，瞬時流量數據幾乎無法反應其帶來的變化，但是慢漏的累計效應是可以檢測出的，在同時兼具時效性的情況下，以日用水流量為處理對象是合適的。具體反應到日用水量上的變化是，當慢漏發生時，實際日用水量相比假設沒有發生慢漏當天的日用水量要高出一些。日用水量的影響因素是多樣的，日用水量通常呈復雜的波動狀態，但是從統計學的角度看短期內的日用水量在數據上又存在著相互影響的關系。時間序列分析法是假設預測量只依賴于歷史數據和觀測模式，通過對序列數據的特征分析找出其變化規律便可推測未來數據。日用水量數據這種時間序列可以作為信號來處理，其中包含大量的有用成分和不需要的成分，可以利用小波分析將信號多層分解，對細節序列和近似序列分別建立模型進行預測，將預測后的數據重構以此來提高預測的可靠性。

本發明采用自回歸平均滑動模型ARMA對日用水量進行短期預測。選取前2個月的日用水量數據為歷史數據，如果所取數據中有當天出現爆裂情形的，此數據應當被替換，替換對象應為上周同一天經過同比縮放之后的數據，縮放比例為前一天與上周相對應那天的數據比例。處理數據時，首先用sym2小波對數據進行二層分解后得到細節系數CD1、CD2和近似系數CA2。利用赤池信息準則AIC分別對各系數定階，即選擇AIC最小時的階數，再進行參數估計從而建立各自的ARMA模型。然后分別作2步預測，再重構得到日用水量的2個預測值。參照現有的漏損率定義為(供水量-實際用量)/供水量，在預測數據中相似的可以定義為(預測量-實際用量)/預測量，在國際上漏損率最低的是德國的4.9％，因此在考慮到預測誤差和漏損率要求的情況下當(預測量-實際用量)/預測量>5％時即認為有慢漏發生。為了增加可靠性，在本發明中預測2天的日用水量，同時都滿足(預測量-實際用量)/預測量>5％時才判定發生慢漏。