摘要
本发明提供一种基于结构化深度聚类的供水管网压力测点优化方法,涉及管网压力监测技术领域,所述方法通过SDCN模型对原始数据获取高维特征表示,去除原始数据中的冗余信息,然后将数据中的高维特征和结构性特征融合,SDCN模型在学习数据高维特征的同时学习数据的结构性特征,使得SDCN模型在压力监测点布置问题上能够获得一个良好的聚类效果,基于良好的聚类效果,优化传统GA算法和PSO算法的初始种群,以获得更优的压力监测点布置方案,所述SDCN模型能够有效地应用到供水管网压力监测点的布置方案中,优化监测点空间位置和数量,从而提高管网泄漏监控能力,实现监测系统经济性和有效性的平衡。
技术关键词
供水管网压力
监测点
编码器
管网压力监测技术
数据
聚类
DNN模型
算法
解码器
模块
监测系统
无监督
优化器
传感器
训练集
有效性
节点
表达式
周期
系统为您推荐了相关专利信息
微粒
油气田开发工程技术
数值模型方法
方程
数据驱动优化
故障预测模型
液压支架
运维知识库
智能运维方法
历史工况数据
主板故障检测
噪声强度系数
电源模块
开关噪声
指纹
内网交换机
文本
知识库问答
语音识别模块
数据接口