[發(fā)明專(zhuān)利]一種基于深度學(xué)習(xí)模型的超聲波水表數(shù)據(jù)修復(fù)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010871004.2
• 申請(qǐng)日: 2020-08-26
• 公開(kāi)（公告）號(hào): CN112132324A
• 公開(kāi)（公告）日: 2020-12-25
• 發(fā)明（設(shè)計(jì)）人: 付明磊;范婷超;張文安;仇翔;鄭樂(lè)進(jìn);吳德;周力
• 申請(qǐng)（專(zhuān)利權(quán)）人: 浙江工業(yè)大學(xué);杭州萊宸科技有限公司
• 主分類(lèi)號(hào): G06Q10/04
• 分類(lèi)號(hào): G06Q10/04;G06N3/08;G06N3/04;G06K9/62;G06F16/2458
• 代理公司: 杭州斯可睿專(zhuān)利事務(wù)所有限公司 33241
• 代理人: 王利強(qiáng)

1.一種基于深度學(xué)習(xí)模型的超聲波水表數(shù)據(jù)修復(fù)方法，其特征在于，所述方法包括以下步驟：

步驟1：通過(guò)超聲波水表時(shí)間芯片計(jì)算超聲波飛行時(shí)間差，獲得超聲波水表時(shí)間序列原始數(shù)據(jù)r_m，其中1m≤M，M表示超聲波水表在測(cè)試時(shí)段內(nèi)測(cè)量所得時(shí)序數(shù)據(jù)集的總數(shù)，采用動(dòng)態(tài)閾值法對(duì)上述超聲波水表時(shí)序數(shù)據(jù)集進(jìn)行異常值篩選；

步驟2：進(jìn)行超聲波水表時(shí)序數(shù)據(jù)預(yù)處理，剔除數(shù)據(jù)集中的異常數(shù)值，并根據(jù)LSTM模型特征進(jìn)行訓(xùn)練集、測(cè)試集的配置；

步驟3：正向LSTM預(yù)測(cè)模型預(yù)測(cè)超聲波水表時(shí)序數(shù)據(jù)，所述正向LSTM預(yù)測(cè)模型包括模型優(yōu)化參數(shù)設(shè)置，模型構(gòu)建及訓(xùn)練，并以此正向LSTM預(yù)測(cè)模型進(jìn)行超聲波水表時(shí)序數(shù)據(jù)預(yù)測(cè)，過(guò)程如下：

步驟3.1：結(jié)合超聲波水表時(shí)序數(shù)據(jù)，采用自適應(yīng)矩估計(jì)法(Adam)設(shè)置正向LSTM預(yù)測(cè)模型優(yōu)化參數(shù)；

步驟3.2：正向LSTM預(yù)測(cè)模型構(gòu)建及網(wǎng)絡(luò)訓(xùn)練，并對(duì)超聲波水表時(shí)序數(shù)據(jù)進(jìn)行預(yù)測(cè)；

步驟4：反向LSTM模型推演超聲波水表時(shí)序數(shù)據(jù)，所述反向LSTM模型包括模型優(yōu)化參數(shù)設(shè)置，模型構(gòu)建及訓(xùn)練，并以此反向LSTM模型進(jìn)行超聲波水表時(shí)序數(shù)據(jù)推演，過(guò)程如下：

步驟4.1：結(jié)合超聲波水表時(shí)序數(shù)據(jù)，采用Adam設(shè)置反向LSTM模型優(yōu)化參數(shù)；

步驟4.2：反向LSTM模型構(gòu)建及網(wǎng)絡(luò)訓(xùn)練，并對(duì)超聲波水表時(shí)序數(shù)據(jù)進(jìn)行推演；

步驟5：根據(jù)預(yù)測(cè)值y′_t與推演值y″_t加權(quán)計(jì)算異常數(shù)據(jù)的恢復(fù)值。

2.如權(quán)利要求1所述的一種基于深度學(xué)習(xí)模型的超聲波水表數(shù)據(jù)修復(fù)方法，其特征在于，所述步驟1的處理過(guò)程如下：

步驟1：通過(guò)超聲波水表時(shí)間芯片計(jì)算超聲波飛行時(shí)間差，獲得超聲波水表時(shí)間序列原始數(shù)據(jù)r_m，其中1m≤M，M表示超聲波水表在測(cè)試時(shí)段內(nèi)測(cè)量所得時(shí)序數(shù)據(jù)集的總數(shù)，采用動(dòng)態(tài)閾值法對(duì)上述超聲波水表時(shí)序數(shù)據(jù)集進(jìn)行異常值篩選，過(guò)程如下：

步驟1.1：采用加權(quán)移動(dòng)平均法計(jì)算超聲波水表時(shí)序數(shù)據(jù)的動(dòng)態(tài)平均值，其計(jì)算公式如下：

其中，μ_m表示r_m處的動(dòng)態(tài)平均值；2N+1為加權(quán)移動(dòng)平均值計(jì)算所選數(shù)據(jù)段周期；v_n表示各項(xiàng)的權(quán)值，-N≤n≤N；N的值及各項(xiàng)權(quán)值，根據(jù)超聲波水表時(shí)序數(shù)據(jù)量及數(shù)據(jù)特征進(jìn)行設(shè)置；

步驟1.2：定義所選數(shù)據(jù)段的平均權(quán)值為r_m處的平均權(quán)值，記為采用加權(quán)標(biāo)準(zhǔn)差法計(jì)算超聲波水表時(shí)序數(shù)據(jù)的動(dòng)態(tài)標(biāo)準(zhǔn)差，其計(jì)算公式如下：

步驟1.3：結(jié)合上述動(dòng)態(tài)平均值、動(dòng)態(tài)標(biāo)準(zhǔn)差，采用3σ準(zhǔn)則設(shè)置超聲波水表時(shí)序數(shù)據(jù)的動(dòng)態(tài)閾值，定義：

其中，max_m表示r_m處動(dòng)態(tài)閾值范圍的上邊界；min_m表示r_m處動(dòng)態(tài)閾值范圍的下邊界；

步驟1.4：結(jié)合上述動(dòng)態(tài)閾值，若min_m≤r_m≤max_m，那么r_m判定為正常數(shù)據(jù)，無(wú)需修復(fù)；若r_mmin_m或r_mmax_m，那么r_m判定為異常數(shù)據(jù)，需要進(jìn)行修復(fù)。

3.如權(quán)利要求2所述的一種基于深度學(xué)習(xí)模型的超聲波水表數(shù)據(jù)修復(fù)方法，其特征在于，所述步驟2的處理過(guò)程如下：

步驟2：進(jìn)行超聲波水表時(shí)序數(shù)據(jù)預(yù)處理，剔除數(shù)據(jù)集中的異常數(shù)值，并根據(jù)LSTM模型特征進(jìn)行訓(xùn)練集、測(cè)試集的配置；

步驟2.1：剔除超聲波水表時(shí)序數(shù)據(jù)集中的異常數(shù)值，其判定方式如下：

步驟2.2：根據(jù)超聲波水表時(shí)序數(shù)據(jù)集的數(shù)據(jù)特征及LSTM模型對(duì)訓(xùn)練集的基礎(chǔ)要求，選取適合時(shí)長(zhǎng)的數(shù)據(jù)集作為訓(xùn)練集，根據(jù)上述異常數(shù)據(jù)判定結(jié)果，將異常數(shù)值前p項(xiàng)至異常數(shù)值后q項(xiàng)(共p+q+1項(xiàng))作為測(cè)試集，并將測(cè)試集中數(shù)據(jù)記為y_t，其中1≤t≤p+q+1。