本發(fā)明涉及水質(zhì)監(jiān)測，特別是涉及一種基于神經(jīng)網(wǎng)絡(luò)的供水管網(wǎng)水質(zhì)監(jiān)測方法與系統(tǒng)。

背景技術(shù)：

1、隨著城市化進(jìn)程的加快，供水管網(wǎng)的復(fù)雜性和重要性日益凸顯。供水管網(wǎng)不僅負(fù)責(zé)將水從水處理廠輸送到居民和企業(yè)，還需確保水質(zhì)在運(yùn)輸過程中的安全與穩(wěn)定。傳統(tǒng)水質(zhì)監(jiān)測方法主要依賴于人工采樣和實(shí)驗(yàn)室分析，這種方式不僅耗時(shí)耗力，而且無法實(shí)時(shí)反饋水質(zhì)狀況，容易造成隱患。

2、近年來，水污染事件頻發(fā)，例如由于管網(wǎng)老化、腐蝕、泄漏等原因，導(dǎo)致水質(zhì)惡化，嚴(yán)重影響了居民的健康。因此，快速、準(zhǔn)確和智能的水質(zhì)監(jiān)測方法顯得尤為迫切。

技術(shù)實(shí)現(xiàn)思路

1、為解決上述問題，本發(fā)明實(shí)施例的目的在于提供一種基于神經(jīng)網(wǎng)絡(luò)的供水管網(wǎng)水質(zhì)監(jiān)測方法與系統(tǒng)。

2、一種基于神經(jīng)網(wǎng)絡(luò)的供水管網(wǎng)水質(zhì)監(jiān)測方法，包括：

3、步驟1：采集供水管網(wǎng)檢測點(diǎn)的多光譜數(shù)據(jù)；

4、步驟2：計(jì)算多光譜數(shù)據(jù)的噪聲水平，篩選出噪聲水平在預(yù)設(shè)范圍內(nèi)的波段圖像；

5、步驟3：對波段圖像的性能指標(biāo)進(jìn)行評估，篩選出性能指標(biāo)在預(yù)設(shè)范圍內(nèi)的特征表達(dá)圖像；

6、步驟4：對每個(gè)特征表達(dá)圖像所對應(yīng)的水質(zhì)指標(biāo)進(jìn)行標(biāo)定形成訓(xùn)練樣本；

7、步驟5：將訓(xùn)練樣本輸入到神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練得到水質(zhì)監(jiān)測模型；

8、步驟6：利用所述水質(zhì)監(jiān)測模型完成目標(biāo)供水管網(wǎng)檢測點(diǎn)的水質(zhì)監(jiān)測。

9、優(yōu)選的，所述步驟2：計(jì)算多光譜數(shù)據(jù)的噪聲水平，篩選出噪聲水平在預(yù)設(shè)范圍內(nèi)的波段圖像，包括：

10、步驟2.1：將每個(gè)波段的多光譜數(shù)據(jù)圖像劃分為大小相等的窗口結(jié)構(gòu)；

11、步驟2.2：計(jì)算出每個(gè)窗口結(jié)構(gòu)中像素的權(quán)重值；

12、步驟2.3：在像素權(quán)重值的最小值和最大值之間劃分多個(gè)區(qū)間；

13、步驟2.4：將每個(gè)窗口結(jié)構(gòu)中對應(yīng)的像素權(quán)重值劃分到各個(gè)區(qū)間中；

14、步驟2.5：將區(qū)間中最多的窗口結(jié)構(gòu)所對應(yīng)的權(quán)重值作為整個(gè)波段圖像的噪聲水平；

15、步驟2.6：篩選出噪聲水平在預(yù)設(shè)范圍內(nèi)的波段圖像。

16、優(yōu)選的，在所述步驟2.2中，窗口結(jié)構(gòu)中像素權(quán)重值的計(jì)算公式為：

17、

18、其中，lv表示窗口結(jié)構(gòu)中像素權(quán)重值，b表示窗口結(jié)構(gòu)的長度和寬度，si表示窗口結(jié)構(gòu)中第i個(gè)像素的值，lm表示窗口結(jié)構(gòu)的平均像素方差。

19、優(yōu)選的，所述步驟3：對波段圖像的性能指標(biāo)進(jìn)行評估，篩選出性能指標(biāo)在預(yù)設(shè)范圍內(nèi)的特征表達(dá)圖像，包括：

20、步驟3.1：將每個(gè)波段圖像拉伸為一維向量，形成扁平圖像；

21、步驟3.2：計(jì)算每個(gè)波段扁平圖像之間的相關(guān)性；

22、步驟3.3：根據(jù)相關(guān)性構(gòu)建光譜數(shù)據(jù)相關(guān)矩陣；

23、步驟3.4：根據(jù)所述光譜數(shù)據(jù)相關(guān)矩陣計(jì)算波段選擇閾值；

24、步驟3.5：篩選出相關(guān)性小于波段選擇閾值所對應(yīng)的波段圖像作為特征表達(dá)圖像。

25、優(yōu)選的，所述步驟3.2：計(jì)算每個(gè)波段扁平圖像之間的相關(guān)性，包括：

26、采用公式：

27、

28、計(jì)算每個(gè)波段扁平圖像之間的相關(guān)性；其中，pij表示第i個(gè)波段扁平圖像與第j個(gè)波段扁平圖像之間的相關(guān)性，bni表示扁平圖像中第n個(gè)像素值，表示扁平圖像中像素均值。

29、優(yōu)選的，在所述步驟3.3中，光譜數(shù)據(jù)相關(guān)矩陣為：

30、

31、其中，表示光譜數(shù)據(jù)相關(guān)矩陣中第i行第j列的元素，且1≤i≤l，1≤j≤l。

32、優(yōu)選的，所述步驟3.4：根據(jù)所述光譜數(shù)據(jù)相關(guān)矩陣計(jì)算波段選擇閾值，包括：

33、步驟3.4.1：提取出光譜數(shù)據(jù)相關(guān)矩陣中的最大值；

34、步驟3.4.2：利用所述最大值計(jì)算波段選擇閾值；其中，波段選擇閾值的計(jì)算公式為：

35、

36、其中，tfine表示波段選擇閾值，表示光譜數(shù)據(jù)相關(guān)矩陣中的最大值，表示波段選擇函數(shù)。

37、優(yōu)選的，所述步驟5：將訓(xùn)練樣本輸入到神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練得到水質(zhì)監(jiān)測模型，包括：

38、步驟5.1：將訓(xùn)練樣本輸入到3d-cnn和2d-cnn中提取特征形成特征圖像；其中，特征提取公式為：

39、

40、其中，x3d表示使用3d-cnn層提取的特征，conv3d3×3表示卷積核大小為3的3d-cnn層，xin表示輸入的訓(xùn)練樣本，xconv表示使用2d-cnn層提取的特征，conv2d1×1表示卷積核大小為1的2d-cnn層，conv2d3×3表示卷積核大小為3的2d-cnn層，conv2d5×5表示卷積核大小為5的2d-cnn層，表示通道拼接操作，表示元素相加操作，xout表示輸出的特征圖像；

41、步驟5.2：將特征圖像輸入到transformer網(wǎng)絡(luò)中進(jìn)行訓(xùn)練得到水質(zhì)監(jiān)測模型。

42、本發(fā)明還提供了一種基于神經(jīng)網(wǎng)絡(luò)的供水管網(wǎng)水質(zhì)監(jiān)測系統(tǒng)，包括：

43、多光譜數(shù)據(jù)采集模塊，用于采集供水管網(wǎng)檢測點(diǎn)的多光譜數(shù)據(jù)；

44、波段圖像篩選模塊，用于計(jì)算多光譜數(shù)據(jù)的噪聲水平，篩選出噪聲水平在預(yù)設(shè)范圍內(nèi)的波段圖像；

45、性能指標(biāo)評估模塊，用于對波段圖像的性能指標(biāo)進(jìn)行評估，篩選出性能指標(biāo)在預(yù)設(shè)范圍內(nèi)的特征表達(dá)圖像；

46、樣本標(biāo)定模塊，用于對每個(gè)特征表達(dá)圖像所對應(yīng)的水質(zhì)指標(biāo)進(jìn)行標(biāo)定形成訓(xùn)練樣本；

47、訓(xùn)練模塊，用于將訓(xùn)練樣本輸入到神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練得到水質(zhì)監(jiān)測模型；

48、水質(zhì)監(jiān)測模塊，用于利用所述水質(zhì)監(jiān)測模型完成目標(biāo)供水管網(wǎng)檢測點(diǎn)的水質(zhì)監(jiān)測。

49、本發(fā)明還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述的的一種基于神經(jīng)網(wǎng)絡(luò)的供水管網(wǎng)水質(zhì)監(jiān)測方法中的步驟。

50、根據(jù)本發(fā)明提供的具體實(shí)施例，本發(fā)明公開了以下技術(shù)效果：

51、本發(fā)明涉及一種基于神經(jīng)網(wǎng)絡(luò)的供水管網(wǎng)水質(zhì)監(jiān)測方法，與現(xiàn)有技術(shù)相比，本發(fā)明通過計(jì)算噪聲水平并篩選合適的波段圖像，這種方法有效提高了數(shù)據(jù)質(zhì)量，波段圖像性能指標(biāo)的評估使得只有具備良好性能的特征表達(dá)圖像被選入，有助于神經(jīng)網(wǎng)絡(luò)聚焦于對水質(zhì)最有影響的變量，大大增加了模型的預(yù)測能力，提升了水質(zhì)監(jiān)測結(jié)果的準(zhǔn)確性。

52、為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能更明顯易懂，下文特舉較佳實(shí)施例，并配合所附附圖，作詳細(xì)說明如下。

技術(shù)特征：

1.一種基于神經(jīng)網(wǎng)絡(luò)的供水管網(wǎng)水質(zhì)監(jiān)測方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的一種基于神經(jīng)網(wǎng)絡(luò)的供水管網(wǎng)水質(zhì)監(jiān)測方法，其特征在于，所述步驟2：計(jì)算多光譜數(shù)據(jù)的噪聲水平，篩選出噪聲水平在預(yù)設(shè)范圍內(nèi)的波段圖像，包括：

3.根據(jù)權(quán)利要求2所述的一種基于神經(jīng)網(wǎng)絡(luò)的供水管網(wǎng)水質(zhì)監(jiān)測方法，其特征在于，在所述步驟2.2中，窗口結(jié)構(gòu)中像素權(quán)重值的計(jì)算公式為：

4.根據(jù)權(quán)利要求3所述的一種基于神經(jīng)網(wǎng)絡(luò)的供水管網(wǎng)水質(zhì)監(jiān)測方法，其特征在于，所述步驟3：對波段圖像的性能指標(biāo)進(jìn)行評估，篩選出性能指標(biāo)在預(yù)設(shè)范圍內(nèi)的特征表達(dá)圖像，包括：

5.根據(jù)權(quán)利要求4所述的一種基于神經(jīng)網(wǎng)絡(luò)的供水管網(wǎng)水質(zhì)監(jiān)測方法，其特征在于，所述步驟3.2：計(jì)算每個(gè)波段扁平圖像之間的相關(guān)性，包括：

6.根據(jù)權(quán)利要求5所述的一種基于神經(jīng)網(wǎng)絡(luò)的供水管網(wǎng)水質(zhì)監(jiān)測方法，其特征在于，在所述步驟3.3中，光譜數(shù)據(jù)相關(guān)矩陣為：

7.根據(jù)權(quán)利要求6所述一種基于神經(jīng)網(wǎng)絡(luò)的供水管網(wǎng)水質(zhì)監(jiān)測方法，其特征在于，所述步驟3.4：根據(jù)所述光譜數(shù)據(jù)相關(guān)矩陣計(jì)算波段選擇閾值，包括：

8.根據(jù)權(quán)利要求7所述一種基于神經(jīng)網(wǎng)絡(luò)的供水管網(wǎng)水質(zhì)監(jiān)測方法，其特征在于，所述步驟5：將訓(xùn)練樣本輸入到神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練得到水質(zhì)監(jiān)測模型，包括：

9.一種基于神經(jīng)網(wǎng)絡(luò)的供水管網(wǎng)水質(zhì)監(jiān)測系統(tǒng)，其特征在于，包括：

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-8中任一項(xiàng)所述的一種基于神經(jīng)網(wǎng)絡(luò)的供水管網(wǎng)水質(zhì)監(jiān)測方法中的步驟。

技術(shù)總結(jié)
本發(fā)明涉及一種基于神經(jīng)網(wǎng)絡(luò)的供水管網(wǎng)水質(zhì)監(jiān)測方法與系統(tǒng)，包括：采集供水管網(wǎng)檢測點(diǎn)的多光譜數(shù)據(jù)；計(jì)算多光譜數(shù)據(jù)的噪聲水平，篩選出噪聲水平在預(yù)設(shè)范圍內(nèi)的波段圖像；對波段圖像的性能指標(biāo)進(jìn)行評估，篩選出性能指標(biāo)在預(yù)設(shè)范圍內(nèi)的特征表達(dá)圖像；對每個(gè)特征表達(dá)圖像所對應(yīng)的水質(zhì)指標(biāo)進(jìn)行標(biāo)定形成訓(xùn)練樣本；將訓(xùn)練樣本輸入到神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練得到水質(zhì)監(jiān)測模型。本發(fā)明通過計(jì)算噪聲水平并篩選合適的波段圖像，這種方法有效提高了數(shù)據(jù)質(zhì)量，波段圖像性能指標(biāo)的評估使得只有具備良好性能的特征表達(dá)圖像被選入，有助于神經(jīng)網(wǎng)絡(luò)聚焦于對水質(zhì)最有影響的變量，大大增加了模型的預(yù)測能力，提升了水質(zhì)監(jiān)測結(jié)果的準(zhǔn)確性。

技術(shù)研發(fā)人員：齊軼昆
受保護(hù)的技術(shù)使用者：北京市自來水集團(tuán)有限責(zé)任公司管網(wǎng)管理分公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15