[發(fā)明專利]一種基于管網(wǎng)多元水質(zhì)時序數(shù)據(jù)的水質(zhì)異常事件識別預(yù)警方法

有效

• 申請?zhí)枺?/td>: 202010029422.7
• 申請日: 2020-01-13
• 公開（公告）號: CN111191855B
• 公開（公告）日: 2022-09-20
• 發(fā)明（設(shè)計）人: 李子林;劉海星;劉雙;裴圣偉;彭勇;張弛
• 申請（專利權(quán)）人: 大連理工大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N20/10
• 代理公司: 大連理工大學(xué)專利中心 21200
• 代理人: 李曉亮;潘迅

1.一種基于管網(wǎng)多元水質(zhì)時序數(shù)據(jù)的水質(zhì)異常事件識別預(yù)警方法，其特征在于，包括以下步驟：

(1)對SCADA采集的監(jiān)測點的水質(zhì)數(shù)據(jù)進行預(yù)處理，模擬出模擬水質(zhì)異常事件數(shù)據(jù)；

(2)對預(yù)處理過的正常運行狀態(tài)下的多個水質(zhì)指標(biāo)建立預(yù)測回歸模型，每一種水質(zhì)指標(biāo)的預(yù)測均采用相同形式的輸入輸出格式，每一種水質(zhì)數(shù)據(jù)的預(yù)測都采用多種機器學(xué)習(xí)方法進行下一時段水質(zhì)指標(biāo)值的預(yù)測；通過不同的機器學(xué)習(xí)回歸方法得到不同指標(biāo)的時段的預(yù)測值，利用水質(zhì)指標(biāo)的真實值與預(yù)測值的決定系數(shù)R²的值來評價回歸預(yù)測模型的性能，保存每一種水質(zhì)指標(biāo)預(yù)測較好的機器學(xué)習(xí)回歸預(yù)測模型，

(3)選擇步驟(2)中每種水質(zhì)指標(biāo)的回歸預(yù)測模型模型訓(xùn)練較好的模型進行集成，構(gòu)建集成學(xué)習(xí)Stacking模型，將優(yōu)選的回歸模型進行優(yōu)選后，stacking作為最終的回歸預(yù)測模型；

(4)將步驟(2)中各水質(zhì)指標(biāo)的預(yù)測值與真實值進行殘差計算，得到殘差分布，確定殘差分布的標(biāo)準(zhǔn)差；

(5)對步驟(3)得到的回歸預(yù)測模型進行評價，選擇合適的算數(shù)乘子，將其與殘差分布標(biāo)準(zhǔn)差相乘作為閾值，當(dāng)殘差的絕對值超出閾值后作為一初始的異常點識別，該關(guān)系采用以下公式表示：

γ_i＝Sd(ER_i)×mul_i (3)

式中，γ_i為水質(zhì)指標(biāo)i的殘差閾值；Sd(ER_i)是步驟(4)中所得到水質(zhì)指標(biāo)i的殘差分布的標(biāo)準(zhǔn)差；mul_i是確定水質(zhì)指標(biāo)i殘差閾值時需要確定的算數(shù)乘子；I[ER_i(t)]為指示函數(shù)，I[ER_i(t)]＝1表示水質(zhì)指標(biāo)i在時間t時模型識別為水質(zhì)異常點，I[ER_i(t)]＝0表示水質(zhì)指標(biāo)i在時間t時模型識別為水質(zhì)正常點；

(6)步驟(5)中的算數(shù)乘子的確定需要進行循環(huán)尋優(yōu)，在(0,20)的范圍內(nèi)選擇最優(yōu)的算數(shù)乘子，確定的原則是讓是讓TPR盡可能大，F(xiàn)PR盡可能小，

式中，TPR_i表示為當(dāng)水質(zhì)事件發(fā)生時水質(zhì)指標(biāo)i識別為異常點的概率，F(xiàn)PR_i表示為正常運行狀態(tài)下水質(zhì)指標(biāo)i識別為異常點的概率；TP_i是當(dāng)發(fā)生真實水質(zhì)事件時水質(zhì)指標(biāo)i的殘差識別為異常的個數(shù)，F(xiàn)N_i是當(dāng)發(fā)生真實水質(zhì)事件時水質(zhì)指標(biāo)i的殘差識別為正常的個數(shù)，F(xiàn)P_i是正常運行狀態(tài)下水質(zhì)指標(biāo)i的殘差識別為異常的個數(shù)，TN_i是正常運行狀態(tài)下水質(zhì)指i的殘差識別為正常的個數(shù)；

利用有污染事件的水質(zhì)數(shù)據(jù)進行TPR與FPR的計算，通過統(tǒng)計每一種水質(zhì)指標(biāo)預(yù)測情況下的TP，F(xiàn)P，F(xiàn)N，TN的個數(shù)，采用式(5)和式(6)計算得到每一種水質(zhì)的TPR和FPR；

(7)利用時序貝葉斯原理進行水質(zhì)異常事件的概率更新，當(dāng)概率超過某一閾值時則對該水質(zhì)指標(biāo)進行事件報警，具體可以用以下表達式表示：

P(E_t)＝α×P(E_t)+(1-α)×P(E_t-1) (10)

式中，O_t表示為t時刻殘差檢測為異常點情況；表示為t時刻殘差檢測為正常的情況；E_t表示為t時刻真實發(fā)生水質(zhì)事件的情況；P(E_t)表示為在t時刻模型預(yù)測的真實會發(fā)生水質(zhì)異常事件的概率；α為光滑系數(shù)；為防止快速收斂，給定P(E_t)的上下界P₁，P₀，初始時刻給定事件發(fā)生的概率為P₀，取一個合適的概率下界P₀∈[10^-6,10^-4]，防止概率公式更新時收斂到0，給定一個較高的上界P₁∈[0.90,0.98]，防止概率最終收斂到1；根據(jù)概率的定義得到，P(O|E)＝TPR，P(E_t(i))為利用指標(biāo)i識別為水質(zhì)異常事件的概率，E'_t(i)為指標(biāo)i發(fā)生水質(zhì)異常事件報警的指示函數(shù)，當(dāng)E'_t(i)＝1時表示水質(zhì)指標(biāo)i在t時刻為報警項，E'_t(i)＝0表示水質(zhì)指標(biāo)i在t時刻為正常值，P₂為指標(biāo)發(fā)生異常的一個概率閾值；

(8)同一時刻內(nèi)統(tǒng)計多個指標(biāo)的報警情況，設(shè)置一個指標(biāo)報警數(shù)目的一個閾值m，當(dāng)水質(zhì)指標(biāo)的報警數(shù)目n不小于m時，給出最終模型的報警信號，并給出水質(zhì)異常事件的發(fā)生概率P'(E_t)及異常水質(zhì)指標(biāo)，具體采用以下表達式表達：

P_max＝max{P(E_t(i))＞P₂} (14)

P_min＝min{P(E_t(i))＞P₂} (15)

P'(E_t)＝sigmoid(n-m)*P_max+(1-sigmoid(n-m))*P_min，E'_t＝1 (18)

式中：n為時間t報警水質(zhì)指標(biāo)數(shù)；P_max為所有報警水質(zhì)指標(biāo)中發(fā)生報警概率最大值；P_min為所有報警水質(zhì)指標(biāo)中發(fā)生報警概率最小值；sigmoid(x)為水質(zhì)異常事件識別激活函數(shù)，當(dāng)x的值越小，sigmoid(x)的值越趨近于0，當(dāng)x越大，sigmoid(x)的值越趨近于1；E'_t為最終模型的報警指示函數(shù)，當(dāng)E'_t＝0時表示最終模型在時間t識別為正常狀態(tài)不報警，當(dāng)E'_t＝1時表示最終模型在時間t識別為水質(zhì)異常事件并進行報警，并給出水質(zhì)異常事件發(fā)生的概率為P'(E_t)，當(dāng)n＝m時，P'(E_t)為P_max和P_min的平均值，n越大，P'(E_t)越趨向于P_max，水質(zhì)異常事件發(fā)生的概率也越大。