一种融合大数据分析与机器学习的地下管网泄漏检测方法

本发明公开了一种融合大数据分析与机器学习的地下管网泄漏检测方法，包括在地下管网的预设位置部署声学传感器、压力传感器和流量传感器。对采集的运行数据进行降噪和标准化处理后，提取声学信号的频域、能量及时序特征生成声学特征向量，并基于声学信号的到达时间差及传感器布置计算泄漏位置的初步空间坐标；生成压力特征向量，并分析流量数据的时空相关性生成流量特征向量。融合声学、压力和流量特征向量形成多维特征向量，将其与初步空间坐标输入预先训练的级联深度学习模型，输出地下管网泄漏的泄漏概率及泄漏位置。当泄漏概率超过预设阈值时，触发报警机制。本发明实现了对地下管网泄漏的高效检测及精准定位，具备较高的实时性与定位精度。