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:沈阳水务集团有限公司
摘要:本发明涉及通信技术领域,公开了一种水务营业查收表册管理系统及方法,其中,一种水务营业查收表册管理方法,包括:基于历史查收表册获取历史用水数据;基于历史用水数据构建历史用水事件图;构建类型判别模型,将历史用水事件图输入类型判别模型并对类别判断模型进行训练;获取实时用水数据;基于获取的实时用水数据构建实时用水事件图;将实时用水事件图输入训练后的类别判断模型,输出每个节点的类别概率;本发明可根据历史查收表册获取所有用户的历史用水数据,并通过历史用水数据训练类别判断模型,使得类别判断模型能够学习和获取每个用户的历史用水行为,从而可以对新采集的用水数据进行高精度的类别判断处理。
主权项:1.一种水务营业查收表册管理方法,其特征在于,包括:步骤100、基于历史查收表册获取历史用水数据,历史用水数据包括用户ID、用水时间段、用水时间段内的用水量、用水时间段内的平均水流速度;步骤200、基于历史用水数据构建历史用水事件图,历史用水事件图包含节点和边,每条边表示两个节点之间的关系;步骤300、构建类型判别模型,将历史用水事件图输入类型判别模型并对类别判断模型进行训练,具体为:将用水事件图表示为邻接矩阵A和节点特征矩阵X,邻接矩阵A是一个N×N的方阵,N为节点数,表示节点i和节点j之间是否有边相连,1表示有边,0表示无边,节点特征矩阵X是一个N×d的矩阵,其中N为节点数,d为节点特征的维度,表示第i个节点的特征向量,包括用水时间段内的用水量、用水时间段的时长、用水时间段内的平均水流速度、用户ID和节点度;类别判断模型包括第一层图卷积神经网络GCN、第二层GCN和输出层,类别判断模型的输入为邻接矩阵A和节点特征矩阵X,输出为节点的类别概率,类别包括异常用水和非异常用水;步骤400、获取实时用水数据,实时用水数据包括用户ID、用水时间段的起始时间、用水时间段的起始时间至预设终止时间内的用水量、用水时间段的起始时间至预设终止时间内的平均水流速度;步骤500、基于获取的实时用水数据构建实时用水事件图,实时用水事件图包含节点和边,每条边表示两个节点之间的关系;步骤600、将实时用水事件图输入训练后的类别判断模型,输出每个节点的类别概率,设置异常概率阈值,将类别概率高于异常概率阈值的节点筛出,将所述筛出的节点的属性按照类别概率大小进行排序,并形成异常数据集。
全文数据:
权利要求:
百度查询: 沈阳水务集团有限公司 一种水务营业查收表册管理系统及方法
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。