一种基于多分类G-WLSTSVM模型的流体管道泄漏识别方法

技术特征：

1.一种基于多分类g-wlstsvm模型的流体管道泄漏识别方法，其特征在于，包括：

2.根据权利要求1所述的一种基于多分类g-wlstsvm模型的流体管道泄漏识别方法，其特征在于，利用gmm模型确定训练集中各工况下的数据样本的权值，表示为：

3.根据权利要求1所述的一种基于多分类g-wlstsvm模型的流体管道泄漏识别方法，其特征在于，利用正则项和权重矩阵改进lstsvm模型，得到非线性g-wlstsvm模型，表示为：

4.根据权利要求1所述的一种基于多分类g-wlstsvm模型的流体管道泄漏识别方法，其特征在于，并根据“一对一”策略将非线性g-wlstsvm作为子分类器，构建用于管道工况识别的多分类g-wlstsvm模型，具体包括：

5.根据权利要求1所述的一种基于多分类g-wlstsvm模型的流体管道泄漏识别方法，其特征在于，将训练集中的数据样本输入多分类g-wlstsvm模型，进行模型的训练，具体包括：

6.根据权利要求1所述的一种基于多分类g-wlstsvm模型的流体管道泄漏识别方法，其特征在于，将测试集中的数据样本输入训练完成后的多分类g-wlstsvm模型，检测模型的识别准确率，具体包括：

技术总结
本发明属于管道泄漏识别技术领域，具体涉及一种基于多分类G‑WLSTSVM模型的流体管道泄漏识别方法，包括：获取供水管道的不同泄漏工况下的泄漏数据，对数据进行预处理，对预处理后的数据划分训练集和测试集，利用GMM模型确定训练集中各工况下的数据样本的权值，并构建权重矩阵，利用正则项和权重矩阵改进非线性LSTSVM模型，并根据“一对一”策略将改进的模型作为子分类器，构建多分类G‑WLSTSVM模型，通过训练集训练该模型，并通过测试集测试该模型的识别准确率，得到最优的检测模型。本发明解决了管道各工况数据采集过程中不可避免的环境噪声使得泄漏样本中存在离群样本的问题，提高了管道泄漏识别的准确率。

技术研发人员：李帅永,蔡梦嵌,代正栩,张超
受保护的技术使用者：重庆邮电大学
技术研发日：
技术公布日：2024/1/12