[發(fā)明專利]基于門控循環(huán)單元的神經(jīng)網(wǎng)絡(luò)模型的管網(wǎng)漏損識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710998436.8
• 申請(qǐng)日: 2017-10-24
• 公開（公告）號(hào): CN108051035B
• 公開（公告）日: 2019-08-09
• 發(fā)明（設(shè)計(jì)）人: 劉書明;郭冠呈;吳雪
• 申請(qǐng)（專利權(quán)）人: 清華大學(xué)
• 主分類號(hào): G01F1/00
• 分類號(hào): G01F1/00;G06N3/04
• 代理公司: 北京聿宏知識(shí)產(chǎn)權(quán)代理有限公司 11372
• 代理人: 吳大建;常怡

本發(fā)明提供了一種基于門控循環(huán)單元的神經(jīng)網(wǎng)絡(luò)模型及其訓(xùn)練方法和應(yīng)用。其中，基于門控循環(huán)單元的神經(jīng)網(wǎng)絡(luò)模型，包括：多個(gè)門控循環(huán)單元層，其被配置成接收供水管網(wǎng)在不同時(shí)間段的流量特征；第一全連接層，其與所述多個(gè)門控循環(huán)單元層并聯(lián)構(gòu)成輸入層，所述第一全連接層被配置成接收供水管網(wǎng)的氣象特征；與所述輸入層以張量串聯(lián)的模式連接的合并層；均與所述合并層以張量串聯(lián)的模式連接的第二全連接層至第M全連接層，M為大于或等于2的整數(shù)；以及與所述第M全連接層以張量串聯(lián)的模式連接的輸出層，其被配置成輸出供水管網(wǎng)在下一時(shí)刻的預(yù)測(cè)流量。

技術(shù)領(lǐng)域

本發(fā)明涉及神經(jīng)網(wǎng)絡(luò)領(lǐng)域，具體涉及一種基于門控循環(huán)單元的神經(jīng)網(wǎng)絡(luò)模型及其訓(xùn)練方法和應(yīng)用。

背景技術(shù)

在管道老化、技術(shù)投入有限、監(jiān)管體制落后等因素的影響下，我國城市供水管網(wǎng)漏損現(xiàn)象較為普遍。供水管網(wǎng)漏損不僅給自來水公司帶來了巨大的經(jīng)濟(jì)損失，也造成了能源和資源的浪費(fèi)。我國大部分自來水公司對(duì)于供水管網(wǎng)缺乏科學(xué)有效的管理辦法，管網(wǎng)的基礎(chǔ)數(shù)據(jù)也不完善，這些問題一直制約著自來水公司的管理效率和服務(wù)水平。因此，對(duì)待測(cè)管網(wǎng)進(jìn)行漏損識(shí)別，輔助管理者的科學(xué)決策，及時(shí)發(fā)現(xiàn)和維護(hù)管網(wǎng)漏損區(qū)域，具有重要的經(jīng)濟(jì)意義和現(xiàn)實(shí)意義。

常見的用于識(shí)別管網(wǎng)漏損的模型主要分為兩大類：一類是基于實(shí)驗(yàn)室試驗(yàn)的物理機(jī)理研究模型；一類是基于計(jì)算機(jī)模擬的數(shù)據(jù)挖掘模型，包括統(tǒng)計(jì)模型、概率模型、機(jī)器學(xué)習(xí)模型等，通常需要大量的歷史數(shù)據(jù)。隨著云時(shí)代的來臨，大數(shù)據(jù)吸引了越來越多的關(guān)注，已經(jīng)在諸多領(lǐng)域取得了不錯(cuò)的成績，因此第二類模型也成為目前的研究熱點(diǎn)，尤其是機(jī)器學(xué)習(xí)模型。

我國城市供水管網(wǎng)數(shù)據(jù)量大，基礎(chǔ)數(shù)據(jù)質(zhì)量不高，導(dǎo)致管網(wǎng)漏損的因素眾多且關(guān)系復(fù)雜。現(xiàn)有的管網(wǎng)漏損識(shí)別模型，大多基于一些經(jīng)典的傳統(tǒng)算法對(duì)管網(wǎng)的正常流量或壓力進(jìn)行預(yù)測(cè)，例如多元線性回歸、指數(shù)平滑法、反向傳播(Back Propagation，簡稱BP)神經(jīng)網(wǎng)絡(luò)等，隨后通過比較預(yù)測(cè)值和實(shí)際監(jiān)測(cè)值識(shí)別漏損事故。這些傳統(tǒng)的預(yù)測(cè)方法在處理大量復(fù)雜非線性數(shù)據(jù)方面的能力有限，不能較好的挖掘出抽象數(shù)據(jù)之間的隱含特征，存在預(yù)測(cè)精度不高的問題，這也使得漏損事故識(shí)別的準(zhǔn)確性無從保障。

發(fā)明內(nèi)容

為了節(jié)約水資源，降低供水管網(wǎng)的漏損率，減少經(jīng)濟(jì)損失，符合可持續(xù)發(fā)展的理念，我們需要利用現(xiàn)有技術(shù)深入挖掘出供水管網(wǎng)數(shù)據(jù)的隱含特征，建立精度高、穩(wěn)定性好的模型來識(shí)別管網(wǎng)漏損區(qū)域。針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明旨在提供一種新的基于門控循環(huán)單元的神經(jīng)網(wǎng)絡(luò)模型及其訓(xùn)練方法和應(yīng)用，通過構(gòu)建區(qū)別于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型的新型神經(jīng)網(wǎng)絡(luò)，可處理大量數(shù)據(jù)、挖掘非線性關(guān)系、并綜合評(píng)估模型效果，將其應(yīng)用于供水管網(wǎng)的漏損事故識(shí)別，能夠提高漏損識(shí)別的準(zhǔn)確率，以便日常管理者能夠及時(shí)發(fā)現(xiàn)管網(wǎng)漏損區(qū)域，減少經(jīng)濟(jì)損失，節(jié)約水資源，輔助自來水公司做出科學(xué)合理的決策。

本發(fā)明一方面提供一種基于門控循環(huán)單元的神經(jīng)網(wǎng)絡(luò)模型，用于識(shí)別供水管網(wǎng)的漏損事故，包括：

多個(gè)門控循環(huán)單元(Gated Recurrent Unit，簡稱GRU)層，其被配置成接收供水管網(wǎng)在不同時(shí)間段的流量特征；

第一全連接層，其與所述多個(gè)門控循環(huán)單元層并聯(lián)構(gòu)成輸入層，所述第一全連接層被配置成接收供水管網(wǎng)的氣象特征；

與所述輸入層以張量串聯(lián)的模式連接的合并層；

均與所述合并層以張量串聯(lián)的模式連接的第二全連接層至第M全連接層，M為大于或等于2的整數(shù)；以及

與所述第M全連接層以張量串聯(lián)的模式連接的輸出層，其被配置成輸出供水管網(wǎng)在下一時(shí)刻的預(yù)測(cè)流量。