公开(公告)号：CN119692554A

公开(公告)日：2025-03-25

申请号：CN202411823284.4

申请日：2024-12-12

Applicant: 大连理工大学

Inventor： 李子林 ,  刘海星 ,  康馨月 ,  王亚妮 ,  张鹏 ,  张弛

IPC: G06Q10/04 ,  G06Q50/06 ,  G06F18/20 ,  G06N3/042 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/08 ,  G06F123/02

Abstract: 本发明提供一种基于门控图神经网络的供水管网水力状态预测方法，属于城市供水领域。所述的供水管网水力状态预测方法首先，利用传感器节点监测的水头数据，初始化其他没有布置传感器的管网节点的数据；其次，抽象出供水管网的拓扑结构，并构建有向图的管网邻接矩阵；最后，基于管网邻接矩阵和初始化后的节点水头信息，构造基于GGNN的水头预测模型，对供水管网中所有节点的水头进行预测。本发明通过结合基于传感器的初始化策略和物理约束，能够提高水头预测准确性；GGNN模型展现出了在各种不同配置的供水管网中都能有效适应的能力，适应性强；水头预测模型为实时监控和管网管理决策提供了可靠高效的解决方案，能够提高实时监测和决策支持能力。

公开(公告)号：CN115470850A

公开(公告)日：2022-12-13

申请号：CN202211104588.6

申请日：2022-09-09

Applicant: 大连理工大学

Inventor： 李子林 ,  刘海星 ,  徐子杨 ,  徐佳雨 ,  张弛

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N7/00 ,  G01N33/18

Abstract: 一种基于管网水质时空数据的水质异常事件识别预警方法，属于供水管网水处理技术领域。首先，对供水管网中具有相同变化趋势的相邻监测站点分组分析，进行数据的准备与处理。其次，构造对抗学习网络模型，通过模型训练和更新，找到稳定状态。第三，基于模型的生成器和判别器构造异常分数，并选择合适的异常分数阈值。第四，进行水质异常事件的概率计算，并计算各个时刻发生污染事件的概率，进行平滑处理。最后，分别利用单站点模型和多站点模型进行水质异常事故的概率计算，并进行融合，得到反映污染事件可能性的组合事件概率。本发明通过融合单站点和多站点的异常检测模型的结果提高污染事件的检测准确率；模型的构建和训练仅需要供水管网正常运行下的水质数据，应用范围广，实用性强。

公开(公告)号：CN116484219A

公开(公告)日：2023-07-25

申请号：CN202310437162.0

申请日：2023-04-23

Applicant: 大连理工大学

Inventor： 李子林 ,  刘海星 ,  徐佳雨 ,  刘璇 ,  张弛

IPC: G06F18/214 ,  G06F17/16 ,  G06F30/27 ,  G06F119/02

Abstract: 本发明提供一种基于门控图神经网络的供水管网水质异常污染源识别方法，属于供水管网水处理技术领域。本发明首先，抽象出管网的拓扑结构并构建有向图的邻接矩阵；其次，收集传感器监测站点的污染物浓度信息；再次，构造基于GGNN的污染源定位模型；最后，识别污染源节点的区域。本发明中提出的基于GGNN的污染源定位模型适用于任何规模的供水管网，能够预测污染事件发生后供水管网中每个节点成为污染源的概率。水务集团可以根据污染源定位模型的预测结果选择概率最高的几个节点，以缩小污染源的可能区域，为保障供水安全提供了更加可靠的手段。

公开(公告)号：CN111191855B

公开(公告)日：2022-09-20

申请号：CN202010029422.7

申请日：2020-01-13

Applicant: 大连理工大学

Inventor： 李子林 ,  刘海星 ,  刘双 ,  裴圣伟 ,  彭勇 ,  张弛

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N20/10

Abstract: 一种基于管网多元水质时序数据的水质异常事件识别预警方法，属于供水管网水处理技术领域。首先，对SCADA采集的监测点的水质数据进行预处理，模拟出模拟水质异常事件数据。其次，对正常运行状态下的多个水质指标建立预测回归模型，并选择每种水质指标的回归预测模型模型训练较好的模型进行集成，构建最终的回归预测模型。再次，确定各水质指标的预测值与真实值残差分布的标准差，并对回归预测模型进行评价，确定最优算数乘子。最后，利用时序贝叶斯原理进行水质异常事件的概率更新，并进行事件报警，给出最终模型的报警信号及水质异常事件的发生概率、异常水质指标。本发明具有运行成本低、操作简单、效果好等优点，能够大幅降低误报率与漏报率。

公开(公告)号：CN111191855A

公开(公告)日：2020-05-22

申请号：CN202010029422.7

申请日：2020-01-13

Applicant: 大连理工大学

Inventor： 李子林 ,  刘海星 ,  刘双 ,  裴圣伟 ,  彭勇 ,  张弛

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N20/10

Abstract: 一种基于管网多元水质时序数据的水质异常事件识别预警方法，属于供水管网水处理技术领域。首先，对SCADA采集的监测点的水质数据进行预处理，模拟出模拟水质异常事件数据。其次，对正常运行状态下的多个水质指标建立预测回归模型，并选择每种水质指标的回归预测模型模型训练较好的模型进行集成，构建最终的回归预测模型。再次，确定各水质指标的预测值与真实值残差分布的标准差，并对回归预测模型进行评价，确定最优算数乘子。最后，利用时序贝叶斯原理进行水质异常事件的概率更新，并进行事件报警，给出最终模型的报警信号及水质异常事件的发生概率、异常水质指标。本发明具有运行成本低、操作简单、效果好等优点，能够大幅降低误报率与漏报率。