一種基于小波奇異性分析和arma模型的水管漏水檢測方法
【專利摘要】本發(fā)明屬于基于數(shù)據(jù)分析的水管故障在線檢測方法。通過對采集得到的瞬時流量和每日用水量兩項數(shù)據(jù)分析，提出對水管爆裂、慢漏這兩種情形下的漏水檢測方法。利用小波奇異性分析來檢測瞬時流量數(shù)據(jù)中是否有階躍型奇異點，從而判斷水管是否產(chǎn)生爆裂，考慮到現(xiàn)實中開閉水閥等因素也可能會造成類似階躍型奇異點的變化，根據(jù)《城市給水管網(wǎng)漏損控制及評定標準》規(guī)定城市供水管網(wǎng)基本漏損率不應大于12％，為兼顧有效性，選取奇異點幅度變化超過10％的點作為階躍型奇異點的候選點；利用小波分析對日用水量數(shù)據(jù)進行多層分解，對細節(jié)序列和近似序列分別建立自回歸平均滑動模型行預測，通過歷史數(shù)據(jù)預測日用水量并與實際值比較，根據(jù)產(chǎn)生的誤差來判斷是否存在慢漏想象。
【專利說明】—種基于小波奇異性分析和ARMA模型的水管漏水檢測方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于基于數(shù)據(jù)分析的水管故障在線檢測方法。通過對采集得到的瞬時流量和每日用水量兩項數(shù)據(jù)分析，提出對水管爆裂、慢漏這兩種情形下的漏水檢測方法。利用小波奇異性分析來檢測瞬時流量數(shù)據(jù)中是否有階躍型奇異點，從而判斷水管是否產(chǎn)生爆裂；利用小波分解系數(shù)的ARMA模型，通過歷史數(shù)據(jù)預測日用水量并與實際值比較，根據(jù)產(chǎn)生的誤差來判斷是否存在慢漏想象。

【背景技術(shù)】
[0002]城市居民用水都是以自來水的形式供應，自來水是由自來水管道運輸?shù)摹Ｗ詠硭芫W(wǎng)分布復雜，很多管道是深埋地下的，長時間受到腐蝕及水垢影響，抗壓能力下降容易形成爆裂，同時，人為因素或者氣候因素的影響也可能使管道爆裂。爆裂會造成大流量的泄漏，而腐蝕穿孔或者裂紋等情況下會造成小流量的泄漏。自來水管道的泄漏會造成管道腐蝕加快、水質(zhì)受到污染、水資源的大量流失，還會造成土質(zhì)松動、地面塌陷甚至建筑物倒塌。所以，對于自來水管道的監(jiān)控很重要，需要實時掌握管道的狀況，在發(fā)生漏水狀況時可及時采取措施來降低損失。
[0003]管道漏水檢查的傳統(tǒng)的方法是人工聽音檢查。為了避免受到周圍環(huán)境和居民用水的干擾，檢查時間會選擇在夜間，檢查時利用電子聽音設(shè)備去聽管道，根據(jù)有無泄漏聲音判斷是否漏水，再根據(jù)聲音大小去尋找漏水點。這個過程效率很低，受環(huán)境和時間限制較大，并且聽音檢查需要經(jīng)過一定訓練的專業(yè)人員。還有一些更加有效的間接檢測法，比如負壓波檢測法和振動音檢測法。但是，由于這些檢測的信號會隨著距離變長而衰落，并且采集信息時，需要在水管上間隔性地加裝采集裝置，成本高且負壓波和振動音容易受到介質(zhì)和環(huán)境噪聲等因素的影響。因此，找到簡單、高效、低成本的檢測方法至關(guān)重要。
[0004]現(xiàn)在，基于物聯(lián)網(wǎng)技術(shù)的用水管網(wǎng)檢測系統(tǒng)已經(jīng)建立，各級管網(wǎng)的瞬時流量和日用水量都容易獲得，如何利用這些監(jiān)測得到的數(shù)據(jù)，通過數(shù)據(jù)分析算法來判斷是否產(chǎn)生漏水是一個有效的方法。由于水管爆裂時其瞬時流量變化劇烈，所以可以通過對瞬時流量信息的實時分析來檢測爆裂。而慢漏時其瞬時流量上的反應則是較微弱的，很難區(qū)分，但是對日用水量造成的影響則是可以區(qū)分的，同時以日用水量數(shù)據(jù)為分析對象具有一定的時效性，所以可以通過日用水量的分析來檢測慢漏。


【發(fā)明內(nèi)容】

[0005]自來水管道的漏水模式可以簡要地分為兩種，一種是突然的爆裂，對于這種情況有個明顯的特征就是瞬時流量的突增，另一種則是相對漏水量少一些的慢漏，這種情況造成的現(xiàn)象則是相對于正常情況下日用水量有小幅增加。這兩種漏水模式的特征是本發(fā)明判斷漏水模式的基礎(chǔ)。同時，由于物聯(lián)網(wǎng)技術(shù)的應用，能夠?qū)Ω骷壒艿兰右员O(jiān)測，這就為本發(fā)明所需數(shù)據(jù)的獲取提供了前提。
[0006]爆裂是突然形成的，對瞬時流量造成的影響也是即刻出現(xiàn)的。在瞬時流量數(shù)據(jù)中的具體反應就是實時的瞬時流量數(shù)據(jù)呈波動狀態(tài)，當爆裂發(fā)生時數(shù)據(jù)突增形成了一個階躍型奇異點，因此爆裂是否發(fā)生的判斷依據(jù)為是否形成階躍型奇異點。小波變換具有良好的時頻局部化能力使得其成為信號奇異性檢測的有力工具。以平滑函數(shù)的一階導數(shù)作為小波基函數(shù)對信號做小波變換時，其小波變換在不同尺度下的模極大值點對應于信號的奇異點的位置。Lipschitz指數(shù)α常被用來描述函數(shù)的局部奇異性，小波變換模極大值在多尺度上的表現(xiàn)與Lipschitz指數(shù)α之間存在著相應的關(guān)系,尤其是當α = O時所對應的奇異點為階躍型奇異點，并且α = O時小波變換模極大值的幅值不隨尺度的變化而變化。因此，對于爆裂的檢測就可以轉(zhuǎn)化為對瞬時流量數(shù)據(jù)奇異點的檢測并通過奇異點的Lipschitz指數(shù)α判斷其是否為階躍型奇異點進而得出檢測結(jié)果。
[0007]考慮到現(xiàn)實中開閉水閥等因素也可能會造成類似階躍型奇異點的變化，這給判斷帶來了干擾，為了盡量減少此類干擾應當縮小奇異點的候選范圍。根據(jù)《城市給水管網(wǎng)漏損控制及評定標準》，城市供水管網(wǎng)基本漏損率不應大于12 %，為了兼顧有效性，選取奇異點幅度變化超過10%的點作為階躍型奇異點的候選點。同時，由于計算Lipschitz指數(shù)α比計算奇異點幅度變化復雜，先計算奇異點幅度變化，保留結(jié)果大于等于10%的點再去計算Lipschtiz指數(shù)α。以高斯函數(shù)作為小波基函數(shù)對瞬時流量數(shù)據(jù)做多尺度的小波變換，從大尺度到小尺度分別尋找各尺度上小波變換模極大值點，由于階躍奇異點對應的模極大值點幅值不隨尺度變化，所以只要確定那些幅值在各個尺度上不變的奇異點，根據(jù)(奇異點處峰值-前一點值)/前一點值計算比值，保留比值大于等于10%的點，最后計算出奇異點對應的Lipschitz指數(shù)α，如果α = O則出現(xiàn)階躍型奇異點，也就是出現(xiàn)了爆裂。
[0008]慢漏是相對緩慢的過程，瞬時流量數(shù)據(jù)幾乎無法反應其帶來的變化，但是慢漏的累計效應是可以檢測出的，在同時兼具時效性的情況下，以日用水流量為處理對象是合適的。具體反應到日用水量上的變化是，當慢漏發(fā)生時，實際日用水量相比假設(shè)沒有發(fā)生慢漏當天的日用水量要高出一些。日用水量的影響因素是多樣的，日用水量通常呈復雜的波動狀態(tài)，但是從統(tǒng)計學的角度看短期內(nèi)的日用水量在數(shù)據(jù)上又存在著相互影響的關(guān)系。時間序列分析法是假設(shè)預測量只依賴于歷史數(shù)據(jù)和觀測模式，通過對序列數(shù)據(jù)的特征分析找出其變化規(guī)律便可推測未來數(shù)據(jù)。日用水量數(shù)據(jù)這種時間序列可以作為信號來處理，其中包含大量的有用成分和不需要的成分，可以利用小波分析將信號多層分解，對細節(jié)序列和近似序列分別建立模型進行預測，將預測后的數(shù)據(jù)重構(gòu)以此來提高預測的可靠性。
[0009]本發(fā)明采用自回歸平均滑動模型ARMA對日用水量進行短期預測。選取前2個月的日用水量數(shù)據(jù)為歷史數(shù)據(jù)，如果所取數(shù)據(jù)中有當天出現(xiàn)爆裂情形的，此數(shù)據(jù)應當被替換，替換對象應為上周同一天經(jīng)過同比縮放之后的數(shù)據(jù)，縮放比例為前一天與上周相對應那天的數(shù)據(jù)比例。處理數(shù)據(jù)時，首先用sym2小波對數(shù)據(jù)進行二層分解后得到細節(jié)系數(shù)⑶1、⑶2和近似系數(shù)CA2。利用赤池信息準則AIC分別對各系數(shù)定階，即選擇AIC最小時的階數(shù)，再進行參數(shù)估計從而建立各自的ARMA模型。然后分別作2步預測，再重構(gòu)得到日用水量的2個預測值。參照現(xiàn)有的漏損率定義為(供水量-實際用量)/供水量，在預測數(shù)據(jù)中相似的可以定義為(預測量-實際用量)/預測量，在國際上漏損率最低的是德國的4.9%，因此在考慮到預測誤差和漏損率要求的情況下當(預測量-實際用量)/預測量>5%時即認為有慢漏發(fā)生。為了增加可靠性，在本發(fā)明中預測2天的日用水量，同時都滿足(預測量-實際用量)/預測量>5%時才判定發(fā)生慢漏。

【專利附圖】

【附圖說明】
[0010]圖1是本發(fā)明的具體實施方法

【具體實施方式】
[0011]步驟1:用高斯函數(shù)對瞬時流量數(shù)據(jù)進行四個不同尺度小波變換。
[0012]步驟2:找到幅值不變的模極大值點。
[0013]小波變換下的模極大值點對應著原信號的奇異點，本發(fā)明需要尋找是否有階躍型奇異點，所以應該根據(jù)階躍型奇異點的特點從全部奇異點中尋找。找到各尺度下小波變換的模極大值點，由于階躍型奇異點的幅值不隨尺度變化同時大尺度時又有一定的平滑作用，因此從大尺度往小尺度找到那些幅值不變的奇異點，那些即為階躍型奇異點的候選范圍。
[0014]步驟3:縮小候選點的范圍。
[0015]為了盡量排除開閉水閥等外界因素的干擾，需要考慮排除那些非爆裂導致的奇異點。對步驟二中的奇異點分別計算(奇異點峰值-前一點值)/前一點值，保留比值中大于等于10%的奇異點，比值的計算比起Lipschitz指數(shù)的計算要簡單一些,所以放在Lipschitz指數(shù)計算之前從而減少需要計算Lipschtiz指數(shù)的奇異點數(shù)目。
[0016]步驟4:根據(jù)Lipschitz指數(shù)判斷是否爆裂。
[0017]判斷爆裂的依據(jù)是瞬時流量數(shù)據(jù)中是否有階躍型奇異點，根據(jù)階躍型奇異點的Lipschitz指數(shù)為O,計算步驟三中確定的那些奇異點的Lipschitz指數(shù)，如果出現(xiàn)Lipschitz指數(shù)為O則認為有階躍型奇異點，并判斷發(fā)生了爆裂。由于爆裂發(fā)生時對日用水量會產(chǎn)生較大影響，所以應該在判斷發(fā)生爆裂時存儲好日期信息。
[0018]步驟5:選取日用水量的歷史數(shù)據(jù)。
[0019]將最近2個月的日用水量數(shù)據(jù)作為歷史數(shù)據(jù)，還要根據(jù)爆裂判斷中存儲的日期信息看這2個月中是否發(fā)生過爆裂情況。爆裂發(fā)生時將會大大影響當日的用水量并給數(shù)據(jù)帶來不利影響，所以應當剔除有爆裂發(fā)生時的數(shù)據(jù)。但是為了減小給處理結(jié)果帶來的誤差需要用合理的數(shù)據(jù)代替被剔除的數(shù)據(jù)，短期內(nèi)可以不考慮季節(jié)等因素的影響從某種程度上看每周的日用水量有相似之處，所以考慮用發(fā)生爆裂前一周同一天數(shù)據(jù)的同比縮放來代替，縮放比例為爆裂前一天與上周相應那天數(shù)據(jù)的比例。
[0020]步驟6:用sym2小波對日用水量歷史數(shù)據(jù)作2層分解。
[0021 ] 步驟7:建立ARMA模型并作預測。
[0022]對細節(jié)系數(shù)⑶1、⑶2和近似系數(shù)CA2分別根據(jù)AIC準則進行定階并作參數(shù)估計，從而建立各自的ARMA模型。根據(jù)各自的ARMA模型分別做2步預測。
[0023]步驟8:慢漏判斷。
[0024]通過重構(gòu)得到關(guān)于日用水量的真正預測值，對2步預測值分別計算漏損率即(預測值-實際用量)/預測值，如果2個數(shù)值都大于5%則判斷為發(fā)生了慢漏。如果沒有發(fā)生慢漏，那么所得的2個新的實際值將放入歷史數(shù)據(jù)中，同時刪除時間距離最遠的2個值。
【權(quán)利要求】
1.一種基于小波奇異性分析和ARMA模型的水管漏水檢測方法，其特征是通過對用水數(shù)據(jù)分析判斷是否存在水管突然爆裂或長期慢漏現(xiàn)象。
2.如權(quán)利要求1所述的一種基于小波奇異性分析和ARMA模型的水管漏水檢測方法，其特征是基于小波奇異值檢測的爆裂現(xiàn)象的判斷 爆裂是突然形成的，對瞬時流量造成的影響也是即刻出現(xiàn)的。在瞬時流量數(shù)據(jù)中的具體反應就是實時的瞬時流量數(shù)據(jù)呈波動狀態(tài)，當爆裂發(fā)生時數(shù)據(jù)突增形成了一個階躍型奇異點，因此爆裂是否發(fā)生的判斷依據(jù)為是否形成階躍型奇異點。小波變換具有良好的時頻局部化能力使得其成為信號奇異性檢測的有力工具。以平滑函數(shù)的一階導數(shù)作為小波基函數(shù)對信號做小波變換時，其小波變換在不同尺度下的模極大值點對應于信號的奇異點的位置。Lipschitz指數(shù)α常被用來描述函數(shù)的局部奇異性，小波變換模極大值在多尺度上的表現(xiàn)與Lipschitz指數(shù)α之間存在著相應的關(guān)系，尤其是當α = O時所對應的奇異點為階躍型奇異點，并且α =O時小波變換模極大值的幅值不隨尺度的變化而變化。因此，對于爆裂的檢測就可以轉(zhuǎn)化為對瞬時流量數(shù)據(jù)奇異點的檢測并通過奇異點的Lipschitz指數(shù)α判斷其是否為階躍型奇異點進而得出檢測結(jié)果。 考慮到現(xiàn)實中開閉水閥等因素也可能會造成類似階躍型奇異點的變化，這給判斷帶來了干擾，為了盡量減少此類干擾應當縮小奇異點的候選范圍。根據(jù)《城市給水管網(wǎng)漏損控制及評定標準》，城市供水管網(wǎng)基本漏損率不應大于12%，為了兼顧有效性，選取奇異點幅度變化超過10%的點作為階躍型奇異點的候選點。同時，由于計算Lipschitz指數(shù)α比計算奇異點幅度變化復雜，先計算奇異點幅度變化，保留結(jié)果大于等于10%的點再去計算Lipschtiz指數(shù)α。以高斯函數(shù)作為小波基函數(shù)對瞬時流量數(shù)據(jù)做多尺度的小波變換，從大尺度到小尺度分別尋找各尺度上小波變換模極大值點，由于階躍奇異點對應的模極大值點幅值不隨尺度變化，所以只要確定那些幅值在各個尺度上不變的奇異點，根據(jù)(奇異點處峰值-前一點值)/前一點值計算比值，保留比值大于等于10%的點，最后計算出奇異點對應的Lipschitz指數(shù)α，如果α = O則出現(xiàn)階躍型奇異點，也就是出現(xiàn)了爆裂。
3.如權(quán)利要求1所述的一種基于小波奇異性分析和ARMA模型的水管漏水檢測方法，其特征是基于ARMA模型的水管慢漏現(xiàn)象的判斷 慢漏是相對緩慢的過程，瞬時流量數(shù)據(jù)幾乎無法反應其帶來的變化，但是慢漏的累計效應是可以檢測出的，在同時兼具時效性的情況下，以日用水流量為處理對象是合適的。具體反應到日用水量上的變化是，當慢漏發(fā)生時，實際日用水量相比假設(shè)沒有發(fā)生慢漏當天的日用水量要高出一些。日用水量的影響因素是多樣的，日用水量通常呈復雜的波動狀態(tài)，但是從統(tǒng)計學的角度看短期內(nèi)的日用水量在數(shù)據(jù)上又存在著相互影響的關(guān)系。時間序列分析法是假設(shè)預測量只依賴于歷史數(shù)據(jù)和觀測模式，通過對序列數(shù)據(jù)的特征分析找出其變化規(guī)律便可推測未來數(shù)據(jù)。日用水量數(shù)據(jù)這種時間序列可以作為信號來處理，其中包含大量的有用成分和不需要的成分，可以利用小波分析將信號多層分解，對細節(jié)序列和近似序列分別建立模型進行預測，將預測后的數(shù)據(jù)重構(gòu)以此來提高預測的可靠性。 本發(fā)明采用自回歸平均滑動模型ARMA對日用水量進行短期預測。選取前2個月的日用水量數(shù)據(jù)為歷史數(shù)據(jù)，如果所取數(shù)據(jù)中有當天出現(xiàn)爆裂情形的，此數(shù)據(jù)應當被替換，替換對象應為上周同一天經(jīng)過同比縮放之后的數(shù)據(jù)，縮放比例為前一天與上周相對應那天的數(shù)據(jù)比例。處理數(shù)據(jù)時，首先用sym2小波對數(shù)據(jù)進行二層分解后得到細節(jié)系數(shù)CD1、CD2和近似系數(shù)CA2。利用赤池信息準則AIC分別對各系數(shù)定階，即選擇AIC最小時的階數(shù)，再進行參數(shù)估計從而建立各自的ARMA模型。然后分別作2步預測，再重構(gòu)得到日用水量的2個預測值。參照現(xiàn)有的漏損率定義為(供水量-實際用量)/供水量，在預測數(shù)據(jù)中相似的可以定義為(預測量-實際用量)/預測量，在國際上漏損率最低的是德國的4.9%，因此在考慮到預測誤差和漏損率要求的情況下當(預測量-實際用量)/預測量>5%時即認為有慢漏發(fā)生。為了增加可靠性，在本發(fā)明中預測2天的日用水量，同時都滿足(預測量-實際用量)/預測量>5%時才判定發(fā)生慢漏。
【文檔編號】G06Q50/06GK104268649SQ201410507513
【公開日】2015年1月7日 申請日期:2014年9月28日 優(yōu)先權(quán)日:2014年9月28日
【發(fā)明者】于鳳芹, 張雷 申請人:江南大學