机器学习在供水网络管理系统的应用研究.pdfVIP

第４８卷第１５期山西建筑Ｖｏｌ．４８Ｎｏ．１５

２０２２年８月Ａｕｇ．２０２２·１２３·

ＳＨＡＮＸＩＡＲＣＨＩＴＥＣＴＵＲＥ

·水·暖·电·

１０．１３７１９／ｊ．ｃｎｋｉ．１００９－６８２５．２０２２．１５．０３２

ＤＯＩ：

机器学习在供水网络管理系统的应用研究

卢冰锋

（晋能控股煤业集团供水分公司，山西大同０３７００３）

摘要：为研究机器学习系统在供水网络管理中的应用趋势，发现供水网络数据中的奇点，分析了８项国内外机器学习在供

水网络管理中的研究，从数据处理到模型验证，对每项研究中使用的方法进行了分析。结果表明，类别不平衡问题主要是来

自供水网络的典型数据，建议使用抽样方法来训练分类器解决此类问题；此外变量的缩放和转换通常会对模型的性能产生积

极影响。

关键词：供水网络；机器学习；预测模型

中图分类号：ＴＵ９９１．４１文献标识码：Ａ１００９－６８２５（２０２２）１５－０１２３－０４

文章编号：

１概述系统。监督学习技术在供水行业中较为常见，因为它们

易于与支持决策系统工具集成。

在完整的水循环中，有许多可能的机器学习应用程

图１为监督学习系统的具体实施阶段。首先，将数

序来优化流程和支持决策。例如，关于下水道网络，目前

据分为训练集和验证集；其次，训练数据用于估计定义机

有新兴技术可以对管道内部的图像进行处理和分类，以

器学习模型的参数；然后通过验证集上的某些质量指标

检测泄漏和异常情况。实时查看数千张图像对人类来说

来衡量模型的性能。

是一项艰巨的任务；然而，机器学习系统可以在几秒钟内

完成。因此，将这些系统集成为支持工具可以大大减少

意外事件的数量，从而缩短应急响应时间。基础设施老

化明显，意外泄漏和中断的发生仍然是供水网络管理公

司关心的问题，利用数据并应用机器学习算法可减少意

［１］

外的管道故障。本文介绍了机器学习及其在供水网络为了展示使用供水网络数据实施监督学习系统可能

管理中的应用。回顾了其实施的主要阶段及其关键问出现的主要问题和解决方案，对８项国内外研究进行了

题。此外，８项研究描述了用于解决这些关键问题的机分析。表１列出了参考文献及其应用的模型、预测的输

制，这些研究均是使用监督机器学习系统来预测供水网出变量以及他们用来评估这些模型性能的真实案例研究

络的管道故障。它们中的大多数都展示了来自世界各地的一些参数。

的真实案例研究并包含了可靠的数据。此外，选定的研表１模型、输出变量与案例研究统计表

究修改了领域内常用的机器学习技术，并为其在案例研