發(fā)布時(shí)間：2020-12-05 07:55

　　城市用水是我們生活重要組成部分,城市供水管網(wǎng)日益擴(kuò)大,漏損越來(lái)越難以檢測(cè),準(zhǔn)確預(yù)測(cè)城市用水量可以對(duì)智慧水務(wù)漏損等異常預(yù)警提供支持,可視化可以突出更有用的信息,具有極大的現(xiàn)實(shí)意義與經(jīng)濟(jì)利益。現(xiàn)有用水量預(yù)測(cè)方法大多忽視了用水量數(shù)據(jù)自身特征,而且一般不能模擬較為復(fù)雜的數(shù)學(xué)運(yùn)算。而智慧水務(wù)預(yù)警系統(tǒng)大多是對(duì)數(shù)據(jù)進(jìn)行簡(jiǎn)單收集與展示,設(shè)定固定閾值預(yù)警。本文主要是基于水量點(diǎn)預(yù)測(cè)及區(qū)間預(yù)測(cè)進(jìn)行預(yù)警,結(jié)合數(shù)據(jù)可視化輔助分析人員快速定位異常點(diǎn)。本文首先根據(jù)水務(wù)分析人員分析異常的流程,對(duì)可視化預(yù)警系統(tǒng)進(jìn)行了總體設(shè)計(jì),然后對(duì)實(shí)時(shí)數(shù)據(jù)的獲取及保存提出了可行且實(shí)用的方法,并對(duì)原始數(shù)據(jù)進(jìn)行了異常數(shù)據(jù)清洗及歸一化等預(yù)處理操作。其次,在預(yù)處理的基礎(chǔ)上,提出了基于形態(tài)特征的分段聚合近似表示方法（Shape-based Piecewise Aggregate Approximation,SPAA）,對(duì)高維用水量曲線進(jìn)行降維,同時(shí)滿足了精細(xì)化運(yùn)營(yíng)和計(jì)算運(yùn)行效率的要求;接著提出了自適應(yīng)聚類(lèi)數(shù)的基于序列形態(tài)相似性的k-shape聚類(lèi)算法,解決了傳統(tǒng)基于歐氏距離的聚類(lèi)算法無(wú)法包含曲線形狀特征的問(wèn)題,并且采用了一種基于質(zhì)心的聚類(lèi)中心計(jì)... 

【文章來(lái)源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：82 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

數(shù)據(jù)接收示意圖

= (， 為用水量序列中的某一時(shí)刻初始數(shù)， 為該序列中最大數(shù)， 為最小數(shù)， 為該時(shí)刻在該序列中的歸一化后計(jì)算出的值。由于輸入序列進(jìn)化處理，輸出的數(shù)據(jù)并不是最終的結(jié)果，所以對(duì)模型的輸出的序列應(yīng)該進(jìn)化處理，反歸一化公式如下所示： = ( ) + (， 是輸出序列某一時(shí)刻值，需要進(jìn)行反歸一化； 和 分別是原始中的最大值和最小值， 是反歸一化還原后的該時(shí)刻的真實(shí)用水量。為了更直觀看到數(shù)據(jù)預(yù)處理的效果，使用部分流量曲線實(shí)例進(jìn)行預(yù)處理， 2-5 展示了經(jīng)過(guò)處理前后的曲線對(duì)比。清除了流量特別異常的曲線，經(jīng)過(guò)充，明顯的 0 值和負(fù)值不存在了，使得數(shù)據(jù)分布更加均勻，減少了噪聲的干了數(shù)據(jù)的有效性。

= ( ) + ， 是輸出序列某一時(shí)刻值，需要進(jìn)行反歸一化； 和 分別是原始中的最大值和最小值， 是反歸一化還原后的該時(shí)刻的真實(shí)用水量。為了更直觀看到數(shù)據(jù)預(yù)處理的效果，使用部分流量曲線實(shí)例進(jìn)行預(yù)處理， 2-5 展示了經(jīng)過(guò)處理前后的曲線對(duì)比。清除了流量特別異常的曲線，經(jīng)過(guò)充，明顯的 0 值和負(fù)值不存在了，使得數(shù)據(jù)分布更加均勻，減少了噪聲的干了數(shù)據(jù)的有效性。圖 2-4 城市短時(shí)用水量原始曲線（部分）


本文編號(hào)：2899149