应用KS聚类算法处理DMA分区流量数据

摘要

通过应用具备实时监控功能的智能水表,水司获得了大量管网流量数据.目前,数据挖掘技术可实现对这些数据的信息利用最大化和合理分析.针对聚类算法中经典的K-means、自主映射(SOM)和模糊C均值(FCM)存在的聚类效果不理想问题,采用基于DMA分区水量曲线距离和形状的KS聚类算法处理流量数据提高聚类效果.通过对X市43个DMA分区预处理的流量数据的聚类分析,KS聚类算法的聚类效果优于K-means、SOM和FCM聚类算法,且可利用对KS聚类结果的分析,指导水司检测漏损、偷水的异常情况.