一种基于多维序列数据相关性分析的泵站后池水位预测方法和系统

    公开(公告)号:CN118569480A

    公开(公告)日:2024-08-30

    申请号:CN202410617369.0

    申请日:2024-05-17

    Abstract: 本发明提出一种基于多维序列数据相关性分析的泵站后池水位预测方法和系统。方法包括:对泵站监测数据进行数据预处理,得到趋势序列、周期序列和残差序列;对趋势序列进行预测,编码器由多层复合卷积层构成,对趋势序列进行特征提取,引入加权机制的并行神经网络,学习特征信息中不同位置之间的关系,对特征信息进行加权处理,解码器由有门控机制的循环神经网络层构成,对加权信息解码,进行预测;基于多层感知器对周期序列进行预测,将趋势序列预测值和周期序列的预测值与残差序列值相加得到最终的水位预测。本申请提出的方法能够关注输入序列中的不同部分,理解数据的变化规律深入挖掘数据之间复杂的相关作用关系,实现了对泵站水位的准确预测。

    一种泵站异常数据检测方法及系统

    公开(公告)号:CN119004310A

    公开(公告)日:2024-11-22

    申请号:CN202410983638.5

    申请日:2024-07-22

    Abstract: 本申请涉及一种泵站异常数据检测方法及系统,获取泵站机组工作历史数据;历史数据包括泵站机组频率数据以及泵站工作流量数据;基于历史数据根据一元线性回归拟合出频率与流量之间的线性关系,得到拟合直线的拟合斜率与拟合截距值;对历史数据进行两两线性变换,得到多组直线的检测斜率与检测截距值;基于拟合斜率与拟合截距值并结合多组检测斜率与检测截距值确定正常点的斜率和截距值阈值范围;确定多组直线的检测斜率与检测截距值是否落在正常点的斜率和截距阈值范围内,以筛查异常数据,本申请对智能泵站的各个机组的频率与流量进行检测,进而发现异常数据点,从而得到更好的智能泵站机组频率特性以便对机组进行运维。

Patent Agency Ranking