买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华南防灾减灾研究院(深圳)有限公司申请的专利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获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120008828B 。

龙图腾网通过国家知识产权局官网在2025-11-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510082122.8，技术领域涉及：G01M3/24；该发明授权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是由汤天赐;杨晓峰设计研发完成，并于2025-01-20向国家知识产权局提交的专利申请。

本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在说明书摘要公布了：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。

本发明授权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在权利要求书中公布了：1.一种融合大数据分析与机器学习的地下管网泄漏检测方法，其特征在于，包括： 在地下管网的预设位置部署传感器，其中，所述传感器包括声学传感器、压力传感器和流量传感器；所述声学传感器以预设的间隔沿管道布设，用于采集声学信号数据；所述压力传感器设置于管网的关键节点，用于监测压力变化数据；流量传感器设置于管网的进出口处，用于记录流量数据； 利用所述传感器采集运行数据，所述运行数据包括声学信号数据、压力变化数据以及流量数据；对采集的运行数据进行降噪处理和标准化处理，获得预处理后数据； 从所述预处理后数据中，提取声学信号数据的频域特征、能量特征及时序特征，生成声学特征向量；结合声学信号的到达时间差及传感器的物理布置，计算泄漏位置的初步空间坐标； 根据所述预处理后数据，计算压力变化数据的动态变化率及波动模式，生成压力特征向量；分析流量数据的时空相关性指标，生成流量特征向量；将所述声学特征向量、压力特征向量及流量特征向量融合，形成多维特征向量； 将所述多维特征向量以及所述初步空间坐标输入预先训练的级联深度学习模型中，获得地下管网泄漏的泄漏概率以及泄漏位置，当所述泄漏概率超过预设阈值时，触发报警机制； 其中，所述结合声学信号的到达时间差及传感器的物理布置，计算泄漏位置的初步空间坐标，包括： 从沿管道布设的多个声学传感器中提取泄漏信号的到达时间差信息，按照传感器布置的物理位置形成传感器间的时间差矩阵； 利用时间差矩阵和传感器的已知位置，通过三角定位方法确定泄漏信号的传播路径，并结合信号传播介质的声速校正时间差误差； 通过管道的拓扑结构信息约束初步定位结果，以排除非实际物理路径的干扰坐标，并计算泄漏位置的初步空间坐标； 其中，所述级联深度学习模型包括特征聚合网络、空间验证网络和时空优化网络； 所述特征聚合网络的输入为多维特征向量，包括声学特征向量、压力特征向量和流量特征向量；所述特征聚合网络基于多层全连接网络，通过动态权重调整机制对多维特征向量进行特征重组和加权，以提取各类特征间的相关性，获得统一的特征聚合向量； 所述空间验证网络的输入为特征聚合向量和初步空间坐标；所述空间验证网络通过空间关系编码模块结合泄漏点周围的传感器布置拓扑，对初步空间坐标进行验证和修正，输出经验证的优化空间坐标；所述空间关系编码模块基于泄漏事件的物理特性，通过卷积运算提取管网拓扑结构与泄漏模式之间的关联性； 所述时空优化网络的输入为所述经验证的优化空间坐标和特征聚合向量；所述时空优化网络采用多层双向递归神经网络，通过时间上下文感知机制对泄漏事件的动态变化进行建模，以优化泄漏概率和泄漏位置，最终输出泄漏概率值和优化后的泄漏位置坐标； 其中，所述特征聚合网络中的动态权重调整机制结合地下管网泄漏的物理特性和特征非线性关系，通过如下公式1实现特征聚合向量的计算： ； 其中，表示最终生成的特征聚合向量；为声学特征向量；为压力特征向量；为流量特征向量；表示元素逐项相乘；和为可训练权重矩阵；ReLU为激活函数；为物理耦合函数，通过如下的公式2计算： ； 其中，和为与地下管网泄漏特征相关的可调参数；为正则化参数；表示向量的二范数，用于衡量特征间的距离； 其中，所述空间验证网络通过空间关系编码模块结合泄漏点周围的传感器布置拓扑，对初步空间坐标进行验证和修正，输出经验证的优化空间坐标，包括： 生成拓扑权重矩阵，其中，拓扑权重矩阵中的元素表示传感器节点和之间的连接权重；所述连接权重采用如下的公式3计算： ； 其中，表示传感器节点和之间的物理距离；为距离衰减系数；为特征相关性权重；和分别表示节点和的特征向量；表示节点特征向量的内积，用于衡量特征相似性； 利用所述拓扑权重矩阵对初步空间坐标进行修正，修正后的空间坐标通过以下的公式4计算： ； 其中，为特征聚合向量；为修正权重；为特征与空间修正的权重矩阵。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华南防灾减灾研究院(深圳)有限公司，其通讯地址为：518000 广东省深圳市南山区桃源街道峰景社区龙珠七路040号中爱花园办公楼401；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。