-
公开(公告)号：CN111553811B
公开(公告)日：2022-09-20
申请号：CN202010369142.0
申请日：2020-05-02
Applicant: 大连理工大学
Abstract: 基于迭代机器学习的供水管网泄漏区域识别方法，属于供水管网泄漏检测技术领域。对于每一次迭代，选择其中一个已经识别的泄漏区域，采用k‑means聚类将其聚类为两类，将泄漏节点的所有组合类型作为随机森林分类器模型的标签，随后根据泄漏节点的组合类型对泄漏区域的节点随机添加泄漏系数从而生成泄漏样本，采用生成的泄漏样本进行分类器模型的训练。模型在训练的过程中考虑了特征的选择从减少模型训练时所需要的特征样本。将泄漏特征输入经过训练的分类器模型从而输出识别的泄漏区域及其包含的泄漏节点的数目，重复以上步骤直至最终识别准确率小于95％即结束迭代。该发明首次将单标签分类器应用于供水管网多漏点区域的识别，操作简单且识别效果较好。
-
公开(公告)号：CN111553811A
公开(公告)日：2020-08-18
申请号：CN202010369142.0
申请日：2020-05-02
Applicant: 大连理工大学
Abstract: 基于迭代机器学习的供水管网泄漏区域识别方法，属于供水管网泄漏检测技术领域。对于每一次迭代，选择其中一个已经识别的泄漏区域，采用k-means聚类将其聚类为两类，将泄漏节点的所有组合类型作为随机森林分类器模型的标签，随后根据泄漏节点的组合类型对泄漏区域的节点随机添加泄漏系数从而生成泄漏样本，采用生成的泄漏样本进行分类器模型的训练。模型在训练的过程中考虑了特征的选择从减少模型训练时所需要的特征样本。将泄漏特征输入经过训练的分类器模型从而输出识别的泄漏区域及其包含的泄漏节点的数目，重复以上步骤直至最终识别准确率小于95％即结束迭代。该发明首次将单标签分类器应用于供水管网多漏点区域的识别，操作简单且识别效果较好。
-
Search Results
2
records
(took 0.016 seconds)
