买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广州市河涌监测中心

摘要：本发明提供基于水务数据的排水单元风险预测模型训练方法和系统。模型训练方法包括：获取排水单元外延范围的液位监测点和水质监测点；通过空间位置关联液位和水质数据并构建数据集；以排水单元为建模特征、液位和水质数据为标签构建并训练排水单元风险预测模型；训练排水单元风险预测模型包括：迭代遍历数据集中每个未使用的属性；计算所述属性的熵和或信息增益；选取熵最小和或信息增益最大的属性；根据选取的属性对数据样本进行分类；通过ID3决策树生成算法选取占比最高的类别作为风险等级预测结果，解决排水单元风险等级划分问题，指导有限投资下监测传感器的优先部署，为污水处理提资增效溯源分析及排水单元排查工作提供业务支撑。

主权项：1.一种基于水务数据的排水单元风险预测模型训练方法，其特征在于，包括：获取排水单元外延范围的液位监测点和水质监测点；通过空间位置关联液位和水质数据并构建数据集；以排水单元为建模特征、液位和水质数据为标签构建并训练排水单元风险预测模型；所述排水单元风险预测模型采用结合规则判断的TreeBagger模型，包括水质风险等级预测模型和液位风险等级预测模型；所述训练排水单元风险预测模型包括：迭代遍历数据集中每个未使用的属性；计算所述属性的熵和或信息增益；选取熵最小和或信息增益最大的属性；根据选取的属性对数据样本进行分类；通过ID3决策树生成算法选取占比最高的类别作为风险等级预测结果；所述计算所述属性的熵的计算方法为： 所述pi表示样本类型为i的样本概率；所述计算所述属性的信息增益的计算方法为： Gain为信息增益，S为该属性的所有实例，A为数据样本集，Entropy为信息熵，v为样本类型，Sv为属性S中的样本类型；所述根据选取的属性对数据样本进行分类，水质风险等级预测模型分类的类别包括高风险、中风险和低风险；所述高风险为：氨氮浓度低于23.6mgL，COD浓度低于110mgL且雨污合流；所述中风险为：氨氮浓度低于23.6mgL、COD浓度低于110mgL以及雨污合流三个条件中存在1-2个不满足；所述低风险为：氨氮浓度≥23.6mgL，COD浓度≥110mgL且雨污分流；所述根据选取的属性对数据样本进行分类，液位风险等级预测模型分类的类别包括高风险、中风险和低风险；所述高风险为液位监测值≥告警水位且雨污合流；所述低风险为液位监测值＜告警水位且雨污分流；所述中风险为高风险和低风险之外其他情形。

全文数据：

权利要求：

百度查询： 广州市河涌监测中心 基于水务数据的排水单元风险预测模型训练方法和系统