/2

管网漏损与居民用水异常分析模型模型体验

模型简介 技术文档 购买咨询
政府 0 454 0 ¥399

管网漏损与居民用水异常分析

一、模型应用

供水管网漏损是供水行业普遍存在的严重现象。漏失不仅浪费了宝贵的水资源,还给供水企业造成了很大的经济损失。就我国供水管网而言,为数众多的应该“退役”的管线还在运行,尤其在经济欠发达地区更为严重。据最近中国供水协会公布的统计数据表明,我国的供水管网漏失率平均达到28%,中小城镇的管网漏失率更是高达35~42%,有的甚至超过了50%,远大于经济发达国家。

传统的防止管网漏损方法主要通过定期巡查、定期校检水表、用户举报商业偷水等手段来发现漏水或计量装置故障。但这种方法对人的依赖性太强,抓住漏损的目标不明确。目前很多供水局主要通过用水稽查人员、用水检查人员和计量工作人员利用计量异常预警功能和用水量数据查询功能开展用户用水情况的监测工作,通过采集水量异常、终端报警、主站报警、管网漏损异常等信息,建立数据分析模型,来实时监测、识别管网漏损情况和发现计量装备的故障,进而及时控制逛网漏损现象,降低管网漏损的损失。

居民用水是自来水供水管网中重要的一个用水分支,分析居民用户的用水行为,也是分析供水管网漏损问题的一个重要的方面。

图片3.png

二、实现流程

本用例要对不同用户的用水数据进行分析和建模,找出不同用户的用水行为特征,确定管网漏损所在的位置以及发生的时间。由于给定数据中只是给出了不同时间的水表记录信息,并没有直接给出用户的用水量,我们考虑利用差分法,分别计算不同用户在不同时间段的用水量大小,统计出用户每次持续用水的时间长度以及每次用水时累计用水量。综合考虑平均用水量、用水最大时长以及周期性三个因素,通过建立新的指标变量,对不同用户用水行为进行决策树分类,得到用水行为正常或异常的判断结果,在此基础上,判断异常用户用水行为可能发生的位置和时间。

1.png

三、核心技术

  • 决策树

  • 数据变换

  • K-Means聚类

四、你可以将本模型用于

  • 教与学:可落地操作、学生参与度高、交互性强;

  • 科研:将用水异常特征与具体行业应用结合,为科学研究提供素材;

  • 生产:将模型改进后直接用于实际生产环境:管网漏损与用水异常诊断。

五、运行环境

windows/linux/mac OS,64位操作系统,CPU:4GB(GPU更好),Python3.5或以上。

六、资源展示

图片4.png

您尚未登录,请登录后购买! 【马上登录

评论已有 0