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！

龙图腾网获悉广州市市政工程设计研究总院有限公司申请的专利基于多维动态指标的双模型城市供水管爆管风险预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：CN121212814B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511745544.5，技术领域涉及：G06Q10/0635；该发明授权基于多维动态指标的双模型城市供水管爆管风险预测方法是由周午阳;周建华;陈彦;李文涛;李鲁新;孙婧怡;邱维设计研发完成，并于2025-11-26向国家知识产权局提交的专利申请。

本基于多维动态指标的双模型城市供水管爆管风险预测方法在说明书摘要公布了：本发明涉及城市供水管网智能运维管理技术领域，尤其涉及一种基于多维动态指标的双模型城市供水管爆管风险预测方法。所述方法包括以下步骤：采集供水管网的多维度数据结合含气水锤模拟分析，形成标准化指标特征集；建立包括主客观权重融合模型和机器学习模型的双模型预测系统，并根据双模型预测系统中模型预测精度的变化对模型进行风险评估权重比例动态调整设定；根据动态调整后的权重比例计算管段的风险概率得分，并在双模型预测系统的预测结果差异超过预设阈值时进行管段标记，进而划分管网的风险等级。本发明通过基于多维度数据与双模型预测以及运行效能评估，实现了从预测到决策的闭环管理，提升了供水管网运维的科学性和效率。

本发明授权基于多维动态指标的双模型城市供水管爆管风险预测方法在权利要求书中公布了：1.一种基于多维动态指标的双模型城市供水管爆管风险预测方法，其特征在于，包括以下步骤： 步骤S1：采集城市供水管网的多维度数据，并对多维度数据进行缺失值补全和空间关联处理，以形成标准化指标特征集；其中，步骤S1包括以下步骤： 步骤S11：采集管网多维度数据，包括管段属性数据、运行工况数据和环境荷载数据，管网拓扑结构数据； 步骤S12：基于管网拓扑结构数据中的相邻管段数据对管段属性数据中的缺失项进行延伸补全，并设置最大延伸距离限制，得到管段属性数据指标； 步骤S13：获取并使用城市供水管网内出现频率最高的数值对环境荷载数据中的缺失项进行众数填充，得到环境荷载数据指标； 步骤S14：设置并将压力监测点与管段建立空间映射关系，计算压力波动指标； 步骤S15：对管段属性数据指标、运行工况数据、环境荷载数据指标和压力波动指标进行数据标准化处理，形成标准化指标特征集； 步骤S2：建立包括主客观权重融合模型和机器学习模型的双模型预测系统，并根据双模型预测系统中模型预测精度的变化对模型进行风险评估权重比例动态调整设定；其中，步骤S2包括以下步骤： 步骤S21：利用预构建的供水专家知识库评定指标重要性，计算主观权重，并基于历史爆管样本计算客观权重，通过权重组合系数生成融合权重；其中，步骤S21包括： 利用供水专家知识库，使用量化评分表对指标重要性进行评定； 构建指标重要性判断矩阵，通过一致性比率检验进行合理性评定； 计算指标主观权重值； 基于历史爆管数据计算指标信息量与区分度，得到客观权重； 确定主观权重值与客观权重值的组合系数，生成融合权重； 步骤S22：对标准化指标特征集进行分割，设置模型参数，训练机器学习模型； 步骤S23：设置主客观权重融合模型初始权重为0.8，机器学习模型初始权重为0.2； 步骤S24：建立权重动态调整机制，根据预测精度变化调整两种模型的权重比例，其中，步骤S24中的权重动态调整机制包括： 每次获取新的爆管验证数据后，分别评估两种模型的预测准确率； 当机器学习模型在连续三次评估中准确率均超过85%时，将权重比调整为0.2:0.8； 当机器学习模型在连续五次评估中准确率均超过90%时，将权重比调整为0.1:0.9； 定期检查两种模型的预测一致性，当一致性下降超过预设阈值时触发模型校准； 步骤S3：利用双模型预测系统，获取并根据动态调整后的权重比例计算管段的风险概率得分，并在双模型预测系统的预测结果差异超过预设阈值时进行管段标记，进而划分管网的风险等级； 步骤S4：根据风险等级确定修复紧迫度，生成分级维修工单，并提取影响管段的风险驱动因子； 步骤S5：利用风险驱动因子进行管段修复，并采集修复后复检数据；根据修复后复检数据进行模型更新触发条件设置，并进行模型更新，得到更新后模型；对维修后的供水管进行运行效能评估，建立闭环反馈机制，以实现双模型预测系统的持续优化。

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广州市市政工程设计研究总院有限公司，其通讯地址为：510000 广东省广州市越秀区环市东路348号东座；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。