一种地下管道环境指标预测方法和系统技术方案

本发明专利技术涉及神经网络技术领域中的一种地下管道环境指标预测方法和系统，包括以下步骤：基于不同时刻下地下管道各个节点的环境指标数据，以及各个节点空间位置生成的二维矩阵，建立数据集合，其中数据集合包括训练集合和测试集合；构建由卷积层

【技术实现步骤摘要】
一种地下管道环境指标预测方法和系统


[0001]本专利技术涉及神经网络
，具体涉及一种地下管道环境指标预测方法和系统
。

技术介绍

[0002]随着城镇建设的快速推进，城镇的地下管道的长度不断增加
。
近些年来，地下管道中有毒有害气体超标
、
水质水位超标等一系列危及人民生命安全的事故频频发生，地下管道的管理已经成为城镇建设中急需解决的重要问题，为了解决该问题，相关工作人员通过在地下管道中的各个节点处安装大量传感器对地下管道中的环境指标进行监测，而近些年，工作人员开始根据地下管道环境指标的历史数据来预测出未来环境指标的变化趋势，从而提前采取防护措施，达到减少经济损失，为人民生命安全提供保障
。
[0003]传统的预测方法大都是基于区域内地下管道各个节点自身传感器的时间序列数据进行预测，没有考虑到区域内其他节点对预测节点环境指标的影响，因此预测精度较低
。

技术实现思路

[0004]本专利技术针对现有技术中的缺点，提供了一种地下管道环境指标预测方法和系统，解决了单一节点的时间序列上的环境指标对预测节点环境指标具有局限性，导致预测精度较低的问题
。
[0005]为了解决上述技术问题，本专利技术通过下述技术方案得以解决：
[0006]一种地下管道环境指标预测方法，包括以下步骤：
[0007]基于不同时刻下地下管道各个节点的环境指标数据，以及各个节点空间位置生成的二维矩阵，建立数据集合，其中所述数据集合包括训练集合和测试集合；
[0008]构建由卷积层
、
长短记忆网络层以及反卷积层组成的网络结构，并使用训练集训练所述网络结构，得到最优网络结构模型；
[0009]在所述最优网络结构模型中输入测试集合，并输出预测结果
。
[0010]可选的，所述网络结构运行时，执行以下步骤：
[0011]将所述二维矩阵作为输入，并基于所述卷积层得到具有空间相关性的第一特征向量；
[0012]基于所述长短记忆网络层以及某一时间段内的第一特征向量，得到具有时间相关性的第二特征向量；
[0013]基于所述反卷积层，将所述第二特征向量进行二维矩阵还原，并得到二维预测矩阵
。
[0014]可选的，第一特征向量的获取，包括以下步骤：
[0015]输入某一时刻的二维矩阵，并通过卷积处理，得到卷积特征向量；
[0016]池化处理所述卷积特征向量，并通过激活函数激活，得到第一特征向量
。
[0017]可选的，第二特征向量的获取，包括以下步骤：
[0018]将某一时间段内的第一特征向量集中的每个第一特征向量转换成一维特征向量，得到一维特征向量集；
[0019]基于所述一维特征向量集获取下一时刻的一维特征向量，并将下一时刻的一维特征向量转换为与第一特征向量相同大小的第二特征向量
。
[0020]可选的，建立数据集合后，还包括以下步骤：
[0021]将所述数据集合进行归一化处理，并将归一化处理后的数据集合按比例划分为训练集合和测试集合
。
[0022]可选的，建立数据集合前，还包括：采集不同时刻下地下管道各个节点的环境指标数据以及各个节点的空间位置
。
[0023]可选的，还包括：检验预测结果准确性
。
[0024]可选的，检验预测结果准确性，包括以下步骤：
[0025]将所述预测结果进行反归一化处理，得到预测数据；
[0026]比对所述预测数据与采集的实际数据，得到准确性比对结果
。
[0027]一种地下管道环境指标预测系统，所述地下管道环境指标预测系统执行如上述任意一项所述的地下管道环境指标预测方法，包括数据集合建立单元
、
网络模型构建单元和测试分析单元；
[0028]所述数据集合建立单元用于，基于不同时刻下地下管道各个节点的环境指标数据，以及各个节点空间位置生成的二维矩阵，建立数据集合，其中所述数据集合包括训练集合和测试集合；
[0029]所述网络模型构建单元用于，构建由卷积层
、
长短记忆网络层以及反卷积层组成的网络结构，并使用训练集训练所述网络结构，得到最优网络结构模型；
[0030]所述测试分析单元用于，在所述最优网络结构模型中输入测试集合，并输出预测结果
。
[0031]一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时，执行如上述任意一项所述的地下管道环境指标预测方法
。
[0032]采用本专利技术提供的技术方案，与现有技术相比，具有如下有益效果：
[0033]相比传统的时间序列预测方法，没有考虑到区域内地下管道其他节点对预测节点环境指标的影响，本申请通过构建包含卷积层和长短记忆网络层的网络结构，从而通过卷积层和长短记忆网络层实现提取地下管道环境指标的时空特征
(
即第一特征向量以及第二特征向量
)
，并通过反卷积层将所提取的特征还原为原始二维矩阵的大小，以进行指标环境的预测，充分考虑到地下管道其他节点对预测节点处的环境指标的影响，提高了预测的准确性
。
附图说明
[0034]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图
。
[0035]图1为本实施例一提出的二维矩阵图；
[0036]图2为本实施例一提出的网络结构图；
[0037]图3为本实施例一提出的卷积层数据处理操作示意图
。
具体实施方式
[0038]下面结合实施例对本专利技术做进一步的详细说明，以下实施例是对本专利技术的解释而本专利技术并不局限于以下实施例
。
[0039]实施例一
[0040]一种地下管道环境指标预测方法，包括以下步骤：采集不同时刻下地下管道各个节点的环境指标数据以及各个节点的空间位置；基于不同时刻下地下管道各个节点的环境指标数据，以及各个节点空间位置生成的二维矩阵，建立数据集合，其中数据集合包括训练集合和测试集合
。
[0041]具体地，通过设定传感器的采样频率
f
，每通过相同时间间隔
T
＝
1/f
，采集一次地下管道各个节点的环境指标数据，其中，环境指标数据可以为污水流量
、CO2浓度
、
污水中有害金属离子浓度等，在本实施例以地下管道污水流量预测作为具体实例进行说明，采集地下管道各节点污水流量数据，建立数据集
α
＝
{x1，
x2，
……
，
x...

【技术保护点】

【技术特征摘要】
1.
一种地下管道环境指标预测方法，其特征在于，包括以下步骤：基于不同时刻下地下管道各个节点的环境指标数据，以及各个节点空间位置生成的二维矩阵，建立数据集合，其中所述数据集合包括训练集合和测试集合；构建由卷积层
、
长短记忆网络层以及反卷积层组成的网络结构，并使用训练集训练所述网络结构，得到最优网络结构模型；在所述最优网络结构模型中输入测试集合，并输出预测结果
。2.
根据权利要求1所述的一种地下管道环境指标预测方法，其特征在于，所述网络结构运行时，执行以下步骤：将所述二维矩阵作为输入，并基于所述卷积层得到具有空间相关性的第一特征向量；基于所述长短记忆网络层以及某一时间段内的第一特征向量，得到具有时间相关性的第二特征向量；基于所述反卷积层，将所述第二特征向量进行二维矩阵还原，并得到二维预测矩阵
。3.
根据权利要求2所述的一种地下管道环境指标预测方法，其特征在于，第一特征向量的获取，包括以下步骤：输入某一时刻的二维矩阵，并通过卷积处理，得到卷积特征向量；池化处理所述卷积特征向量，并通过激活函数激活，得到第一特征向量
。4.
根据权利要求2所述的一种地下管道环境指标预测方法，其特征在于，第二特征向量的获取，包括以下步骤：将某一时间段内的第一特征向量集中的每个第一特征向量转换成一维特征向量，得到一维特征向量集；基于所述一维特征向量集获取下一时刻的一维特征向量，并将下一时刻的一维特征向量转换为与第一特征向量相同大小的第二特征向量
。5.
根据权利要求1所述的一种地下管道环境指标预测方法，其特征在于，建立数据集合后，还包括以下步骤：将所述数据集合进...

【专利技术属性】
技术研发人员：肖爱国，周光宝，王峰，
申请(专利权)人：杭州柏孚智能科技有限公司，
类型：发明
国别省市：