基于用水量预测的智慧水务可视化预警系统设计与实现

发布时间：2020-12-05 07:55

　　城市用水是我们生活重要组成部分,城市供水管网日益扩大,漏损越来越难以检测,准确预测城市用水量可以对智慧水务漏损等异常预警提供支持,可视化可以突出更有用的信息,具有极大的现实意义与经济利益。现有用水量预测方法大多忽视了用水量数据自身特征,而且一般不能模拟较为复杂的数学运算。而智慧水务预警系统大多是对数据进行简单收集与展示,设定固定阈值预警。本文主要是基于水量点预测及区间预测进行预警,结合数据可视化辅助分析人员快速定位异常点。本文首先根据水务分析人员分析异常的流程,对可视化预警系统进行了总体设计,然后对实时数据的获取及保存提出了可行且实用的方法,并对原始数据进行了异常数据清洗及归一化等预处理操作。其次,在预处理的基础上,提出了基于形态特征的分段聚合近似表示方法（Shape-based Piecewise Aggregate Approximation,SPAA）,对高维用水量曲线进行降维,同时满足了精细化运营和计算运行效率的要求;接着提出了自适应聚类数的基于序列形态相似性的k-shape聚类算法,解决了传统基于欧氏距离的聚类算法无法包含曲线形状特征的问题,并且采用了一种基于质心的聚类中心计... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

数据接收示意图

= (， 为用水量序列中的某一时刻初始数， 为该序列中最大数， 为最小数， 为该时刻在该序列中的归一化后计算出的值。由于输入序列进化处理，输出的数据并不是最终的结果，所以对模型的输出的序列应该进化处理，反归一化公式如下所示： = ( ) + (， 是输出序列某一时刻值，需要进行反归一化； 和 分别是原始中的最大值和最小值， 是反归一化还原后的该时刻的真实用水量。为了更直观看到数据预处理的效果，使用部分流量曲线实例进行预处理， 2-5 展示了经过处理前后的曲线对比。清除了流量特别异常的曲线，经过充，明显的 0 值和负值不存在了，使得数据分布更加均匀，减少了噪声的干了数据的有效性。

= ( ) + ， 是输出序列某一时刻值，需要进行反归一化； 和 分别是原始中的最大值和最小值， 是反归一化还原后的该时刻的真实用水量。为了更直观看到数据预处理的效果，使用部分流量曲线实例进行预处理， 2-5 展示了经过处理前后的曲线对比。清除了流量特别异常的曲线，经过充，明显的 0 值和负值不存在了，使得数据分布更加均匀，减少了噪声的干了数据的有效性。图 2-4 城市短时用水量原始曲线（部分）


本文编号：2899149