龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：西安建筑科技大学
申请日：2024-02-28
公开（公告）日：2024-05-17
公开（公告）号：CN118052326A
主分类号：G06Q10/04
分类号：G06Q10/04;G06Q50/06;G06Q50/20;G06N3/08
优先权：
专利状态码：在审-公开
法律状态：2024.05.17#公开
摘要：本发明公开了一种基于神经网络的校园供水管网用水量预测方法，应用在市政工程领域技术领域，本发明通过利用深度学习，采用基于神经网络的方法预测用水量，首先，用传感器或监测点收集管网正常供水条件下的管道特征和流量数据，其次，对数据清洗筛选，建立时间序列方法，然后，基于所收集的数据，构建并训练得到基于BP神经网络的管网节点流量预测模型，最后，得出预测值，实现对用水量的合理评估与调度，对比预测值与真实值的差异，进一步预测管网漏损情况，此外，本发明使用数据驱动的方法，减少了对于人工抄录水表的繁琐及管网内部水力物理机制的依赖性，可有效扩大模型的适用范围。
主权项：1.一种基于神经网络的校园供水管网用水量预测方法，其特征在于：包括以下步骤：S1.收集数据，收集研究区域内各管网节点与管道流量密切相关的特征，包括但不限于管道流量和压力；S2.数据预处理，统计节点数据，对缺失值进行补全，对异常值清理筛选，由于输入的数据可能存在数量级的差别，采用离差标准化方法对输入数据进行归一化；S3.建立神经网络模型，网络分为三个部分，输入层，流量序列输入；其次是隐含层，将节点表征通过层级网络对输入特征训练，并在每个时刻进行输出；最后是输出层，输出转化为预测的用水量，网络模型基本思想是梯度下降法，利用梯度搜索技术，通过反向传播来不断调整网络的权重和阈值，以期使网络的实际输出值和期望输出值的误差均方差为最小，得到精度提高的预测数值；S4.模型训练，将数据划分为训练集和测试集，使用训练集输入模型进行训练；S5.使用训练好的模型在测试集上进行测试，根据真实数据对预测结果进行评估及误差计算，直到整个训练样本集的误差减小到符合要求为止。
全文数据：
权利要求：
百度查询： 西安建筑科技大学 一种基于神经网络的校园供水管网用水量预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号