基于一维卷积神经网络的供水管道泄漏检测算法的研究

摘要

水在人们的生产生活中有着至关重要的作用，但是由于供水管道周围环境的变化和使用年限过长、人为破坏等自然或非自然因素的影响，管道破损、腐蚀问题层出不穷，如果不能及时的检测出管道是否漏水，将造成严重的经济财产损失和安全隐患，还导致水资源的大量浪费。传统的漏水检测方法耗时耗力，非常依赖人的经验。随着人工智能的发展，机器学习、深度学习逐渐应用到了漏水检测当中。前面的研究者将机器学习算法如s vm，人工神经网络等来检测泄漏信号，此类方法需要人工进行特征的提取，进行大量的实验，不同的特征组合对于准确率有着非常大的影响。针对此问题，本文提出了使用一维卷积神经网络对漏水数据进行分类，由算法自动的提取特征，然后经过全连接层将提取的特征两两相连，最后通过sigmoid激活函数输出预测值。由于深度学习非常依赖数据量，而实际采集的数据远远不能满足模型训练的需要，本文针对一维的时间序列信号提出了偏移采样的数据增强技术。为了增强模型对含噪声信号的分类准确率，提出了基于BN的一维CNN分类算法模型，通过对比实验选出最优的卷积神经网络隐含层数量、激活函数等，最高分类准确率达到了100%。分析验证了基于BN的一维CNN在不同信噪比条件下的分类准确率。

目录

声明

第一章 绪论

1. 1供水管道漏损现状及泄漏检测研究意义

1. 2 供水管道泄漏检测研究现状

1. 3 论文主要研究内容

1. 4 论文结构安排

第二章 供水管道泄漏信号分析

2. 1 管道泄漏的主要形式

2. 2 管道漏水处的振动形式

2. 3 漏水信号时频特性及噪声分析

2. 4 机器学习算法在漏水检测方面的应用

2. 5 本章小结

第三章 基于一维卷积神经网络的漏水检测算法

3. 1 卷积神经网络的发展

3. 2 基于1D-C NN的漏水检测模型搭建

3. 3 反向传播算法

3. 4 数据集准备

3. 5 模型超参数选择及实验分析

3. 6基于一维卷积神经网络的漏水检测模型

3. 7 本章小结

第四章 基于BN算法的1D-CNN漏水检测模型

4. 1 基于BN的1D-C NN模型

4. 2 本文模型的抗噪性能分析

4. 3 本章小结

第五章 总结与展望

参考文献

致谢