【技術實現步驟摘要】
本專利技術涉及智慧井蓋監測，尤其涉及一種基于ai抽樣的智慧井蓋監測預警方法及系統。
技術介紹
1、在現代化城市與園區管理中，智慧井蓋監測作為一種創新的技術手段，正逐漸成為提升園區排水系統智能化水平、保障園區排水環境安全的重要組成部分。智慧井蓋監測通過對井蓋狀態、降雨量、地下水位等關鍵數據進行實時監測，為園區防洪排澇提供有力的數據支持。
2、傳統園區內的智慧井蓋數據采集效率低下，需要逐一對每個井蓋進行數據采集，這不僅意味著繁瑣的開關機操作，而且受限于電池供電模式，頻繁的數據采集嚴重削弱了井蓋的電池續航能力。特別是在大型園區中，由于井蓋分布廣泛、監測點眾多，如何高效管理這些監測設備，確保其在有限的能源條件下持續穩定地工作，成為了亟待解決的技術難題。
技術實現思路
1、有鑒于此，本專利技術旨在提供一種基于ai抽樣的智慧井蓋監測預警方法及系統，解決傳統智慧井蓋監測方式電池續航能力不足的問題。
2、一種基于ai抽樣的智慧井蓋監測預警方法，包括：
3、s1：采集智慧井蓋原始數據并進行預處理，得到預處理后的智慧井蓋數據；
4、s2：根據井蓋位置，計算各井蓋之間的歐式距離并構建原始節點特征；然后，新建空白地圖，并結合井蓋位置得到柵格化后的井蓋地圖，再進行空間特征提取，得到井蓋柵格化特征；最后，結合原始節點特征與井蓋柵格化特征，提取節點融合特征；
5、s3：根據各井蓋之間的歐式距離，計算各節點的介數中心性、接近中心性、調和中心性與偏心中心性
6、s4：結合節點相關性矩陣與節點影響范圍矩陣，計算每個節點的綜合重要性指標，然后對所有節點進行降序排序并提取重要節點，包括：計算重要節點數量時，采用門控循環單元對節點重要性序列進行特征提取，再結合多層感知機與softmax函數，以分類的方式計算重要節點數量；
7、s5：結合重要節點的節點融合特征與節點影響范圍矩陣，提取重要節點特征，并計算第一刪除節點與第二刪除節點；然后根據第一刪除節點與第二刪除節點的節點編號，從所有節點中進行節點刪除，得到剩余節點編號，并據此進行智慧井蓋數據采集。
8、進一步的，所述s1步驟還包括：
9、s11：采集智慧井蓋原始數據，所述智慧井蓋原始數據包括：井蓋編號、數據采集日期、井蓋位置、相鄰井蓋編號、井蓋開關狀態、水位數據；
10、s12：對智慧井蓋原始數據，采用孤立森林算法對水位數據進行異常值檢測，并剔除水位數據中的異常值，得到異常值剔除后的水位數據；
11、s13：對異常值剔除后的水位數據，采用最大最小值方法進行數據歸一化，得到歸一化后的水位數據；然后將歸一化后的水位數據、井蓋編號、數據采集日期、井蓋位置、相鄰井蓋編號、井蓋開關狀態進行組合，得到預處理后的智慧井蓋數據。
12、進一步的，所述s2步驟還包括：
13、s21：根據井蓋位置，計算各井蓋之間的歐式距離，然后以井蓋編號為節點，以各井蓋之間的歐式距離為邊，構建原始節點特征，所述原始節點特征包括井蓋開關狀態、水位數據與井蓋位置；
14、s22：新建空白地圖，并將井蓋位置在標注在空白地圖中，然后以10米為一個單位，對地圖進行柵格化處理，得到柵格化后的井蓋地圖；
15、s23：結合卷積神經網絡，對柵格化后的井蓋地圖進行空間特征提取，得到井蓋柵格化特征，計算方式為：
16、
17、
18、
19、
20、其中，為第i個節點的初步空間特征向量，i為第一節點索引，為第i個節點的多層感知機，為卷積神經網絡，為柵格化后的井蓋地圖，為初步空間特征向量，為所有節點集合，為取絕對值，為節點數量，為自適應卷積核，為二維重塑操作，為多層感知機，為井蓋柵格化特征，為向量拼接操作，為采用自適應卷積核k的卷積神經網絡；
21、s24：對每個節點，結合原始節點特征與井蓋柵格化特征，提取節點融合特征，計算方式為：
22、
23、
24、
25、
26、其中，為第i個節點的第一節點特征，為原始節點特征，為relu函數，為第一多層感知機，為第i個節點的第二節點特征，為sigmoid函數，為第二多層感知機，為第i個節點的第三節點特征，為逐元素乘積，為第i個節點的節點融合特征，為圖卷積網絡。
27、本專利技術的s23步驟首先通過卷積操作，捕捉井蓋地圖中井蓋之間的相對位置信息，然后計算所有節點初步空間特征向量的平均值，融合各個節點的局部特征，形成了對整個地圖空間分布的全局理解；然后，通過二維重塑操作，利用全局空間特征生成自適應卷積核，自適應卷積核能夠根據地圖的具體空間特征動態調整，提高對空間特征的捕捉能力；傳統方法大多使用固定的卷積核進行空間特征提取，難以充分反映地圖的具體空間分布和井蓋之間的復雜關系，進而影響智慧井蓋監測預警系統的整體性能。
28、本專利技術的s24步驟通過使用relu函數激活的第一多層感知機，得到第一節點特征，relu函數能夠引入非線性變化，使得模型能夠捕捉到特征之間的非線性關系；接著，利用sigmoid函數激活的第二多層感知機，對同樣的拼接特征進行處理，得到第二節點特征，sigmoid函數能夠將特征值映射到0和1之間，為后續的特征融合提供了一種門控機制；最后，通過逐元素乘積，將第一節點特征和第二節點特征相結合，得到了第三節點特征；這種融合方式既保留了原始特征的信息，又通過門控機制對特征進行了篩選和增強，使得模型在園區智慧井蓋的數據采集和監控任務中能夠更準確地識別關鍵節點，提高數據采集的效率和準確性。
29、進一步的，所述s3步驟還包括：
30、s31：根據各井蓋之間的歐式距離，計算各節點的介數中心性、接近中心性、調和中心性與偏心中心性；
31、s32：結合各節點的介數中心性、接近中心性、調和中心性、偏心中心性與節點融合特征，計算節點相關性并得到節點相關性矩陣，計算方式為：
32、
33、
34、其中，第i個節點的深度融合特征，為第i個節點與第j個節點的節點相關性，j為第二節點索引，i≠j,為余弦相似度，為皮爾森相關系數，為第j個節點的深度融合特征，計算方式與相同，僅將計算公式中的節點i替換為節點j即可；計算得到后，以i為行，j為列，為元素，構建節點相關性矩陣sim；
35、s33：結合節點相關性與節點融合特征，計算節點會影響其他節點的概率，并構建節點影響范圍矩陣，計算方式為：
36、
37、其中，為節點i會影響節點j的概率，當p≥0.5時，認為節點i會影響節點j，為第j個節點的節點融合特征；計算得到后，以i為行，j為列，為元素，構建節點影響范圍矩陣p。
38、本專利技術在s3步驟中，首先根據各井蓋之間的歐式距離計算各節點的中心性指標，反映了本文檔來自技高網...
【技術保護點】
1.一種基于AI抽樣的智慧井蓋監測預警方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于AI抽樣的智慧井蓋監測預警方法，其特征在于，所述S1步驟包括：
3.根據權利要求1所述的基于AI抽樣的智慧井蓋監測預警方法，其特征在于，所述S2步驟包括：
4.根據權利要求3所述的基于AI抽樣的智慧井蓋監測預警方法，其特征在于，所述S2步驟包括：
5.根據權利要求4所述的基于AI抽樣的智慧井蓋監測預警方法，其特征在于，所述S3步驟包括：
6.根據權利要求5所述的基于AI抽樣的智慧井蓋監測預警方法，其特征在于，所述S4步驟包括：
7.根據權利要求6所述的基于AI抽樣的智慧井蓋監測預警方法，其特征在于，所述S5步驟包括：
8.一種基于AI抽樣的智慧井蓋監測預警系統，包括：
【技術特征摘要】
1.一種基于ai抽樣的智慧井蓋監測預警方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于ai抽樣的智慧井蓋監測預警方法，其特征在于，所述s1步驟包括：
3.根據權利要求1所述的基于ai抽樣的智慧井蓋監測預警方法，其特征在于，所述s2步驟包括：
4.根據權利要求3所述的基于ai抽樣的智慧井蓋監測預警方法，其特征在于，所述s2步驟包括...
【專利技術屬性】
技術研發人員：陽柳，丁勝，丁存懷，邵洋，蘇貞濤，陳炬志，
申請(專利權)人：中科盛陽信息技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。