| 申请/专利权人：沈阳水务集团有限公司 | 申请日：2024-05-21 |
| 发明/设计人：蒋勇;王洪超;吴侠;关振宇;杨浩;张璐 | 公开（公告）日：2024-06-18 |
| 代理机构：安徽思尔六知识产权代理事务所(普通合伙) | 公开（公告）号：CN118211168A |
| 代理人：何维胜 | 主分类号：G06F18/2433 |
| 地址：110003 辽宁省沈阳市和平区和平北大街43号 | 分类号：G06F18/2433;G06F18/213;G06N3/0464;G06N3/08;G06Q50/06 |
| 专利状态码：在审-公开 | 优先权： |
| 法律状态：2024.06.18#公开 |
| 摘要：本发明涉及通信技术领域，公开了一种水务营业查收表册管理系统及方法，其中，一种水务营业查收表册管理方法，包括：基于历史查收表册获取历史用水数据；基于历史用水数据构建历史用水事件图；构建类型判别模型，将历史用水事件图输入类型判别模型并对类别判断模型进行训练；获取实时用水数据；基于获取的实时用水数据构建实时用水事件图；将实时用水事件图输入训练后的类别判断模型，输出每个节点的类别概率；本发明可根据历史查收表册获取所有用户的历史用水数据，并通过历史用水数据训练类别判断模型，使得类别判断模型能够学习和获取每个用户的历史用水行为，从而可以对新采集的用水数据进行高精度的类别判断处理。 |
主权项：1.一种水务营业查收表册管理方法，其特征在于，包括：/n步骤100、基于历史查收表册获取历史用水数据，历史用水数据包括用户ID、用水时间段、用水时间段内的用水量、用水时间段内的平均水流速度；/n步骤200、基于历史用水数据构建历史用水事件图，历史用水事件图包含节点和边，每条边表示两个节点之间的关系；/n步骤300、构建类型判别模型，将历史用水事件图输入类型判别模型并对类别判断模型进行训练，具体为：/n将用水事件图表示为邻接矩阵A和节点特征矩阵X，邻接矩阵A是一个N×N的方阵，N为节点数，![]() 表示节点i和节点j之间是否有边相连，1表示有边，0表示无边，节点特征矩阵X是一个N×d的矩阵，其中N为节点数，d为节点特征的维度，/>![]() 表示第i个节点的特征向量，包括用水时间段内的用水量、用水时间段的时长、用水时间段内的平均水流速度、用户ID和节点度；/n类别判断模型包括第一层图卷积神经网络GCN、第二层GCN和输出层，类别判断模型的输入为邻接矩阵A和节点特征矩阵X，输出为节点的类别概率，类别包括异常用水和非异常用水；/n步骤400、获取实时用水数据，实时用水数据包括用户ID、用水时间段的起始时间、用水时间段的起始时间至预设终止时间内的用水量、用水时间段的起始时间至预设终止时间内的平均水流速度；/n步骤500、基于获取的实时用水数据构建实时用水事件图，实时用水事件图包含节点和边，每条边表示两个节点之间的关系；/n步骤600、将实时用水事件图输入训练后的类别判断模型，输出每个节点的类别概率，设置异常概率阈值，将类别概率高于异常概率阈值的节点筛出，将所述筛出的节点的属性按照类别概率大小进行排序，并形成异常数据集。/n |
