本发明涉及管道检漏，具体涉及一种基于大模型的城乡供水管网漏损监测方法。
背景技术：
1、供水管网漏损检测和定位已经成为供水管理系统的一个重要工作，对大型供水管网进行漏损监测是一项具有挑战性的任务，可靠的漏损检测和定位技术对减少供水管网的损失至关重要。
2、传统的声学检漏技术借助安装在管道上的声学传感器，利用相关函数对声波的传播时间进行测量。如果漏损点位于某两个声学传感器之间，传感器就会检测到由泄漏所发出的噪声，然后便可利用相关函数计算同一泄漏噪声传播至两个传感器所产生的时间差，当确定了管道中的声速后，就能测算出漏损点的具体位置。
3、但是，声学检漏技术的实现需要依赖庞大数量的硬件设备，造成声学传感器的布设密度较大，检测成本较高，并且容易受到外部噪声干扰。然而，如果降低声学传感器的布设密度，又会出现无法准确测算漏损点具体位置的问题。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术所存在的上述缺点，本发明提供了一种基于大模型的城乡供水管网漏损监测方法，能够有效克服现有技术所存在的在降低声学传感器布设密度的情况下无法准确确定具体漏损位置，以及容易受到外部噪声干扰的缺陷。
3、(二)技术方案
4、为实现以上目的，本发明通过以下技术方案予以实现：
5、一种基于大模型的城乡供水管网漏损监测方法，构建供水管网漏损检测大模型，获取供水管网各监测点采集的实时音频信号，并将实时音频信号转换为频谱热力图输入至供水管网漏损检测大模型，由供水管网漏损检测大模型进行供水管网漏损监测；
6、基于供水管网漏损检测大模型的检测结果确定供水管网漏损监测的目标函数，并确定供水管网漏损监测的约束条件，根据供水管网漏损监测的目标函数和约束条件构建供水管网漏损监测模型，对供水管网漏损监测模型进行求解，确定具体漏损位置。
7、优选地，所述构建供水管网漏损检测大模型之后，包括：
8、s11、收集供水管网各监测点采集的历史音频信号，并对历史音频信号进行人工标注，建立音频信号样本库；
9、s12、将音频信号样本库中所有历史音频信号转换为频谱热力图，建立频谱热力图数据集；
10、s13、利用频谱热力图数据集对供水管网漏损检测大模型进行模型训练，得到训练好的供水管网漏损检测大模型；
11、其中，供水管网漏损检测大模型为基于多层卷积神经网络cnn的大模型。
12、优选地，s12中将音频信号样本库中所有历史音频信号转换为频谱热力图，建立频谱热力图数据集，包括：
13、s121、对历史音频信号进行预加重处理：
14、y(t)＝x(t)-α·x(t-1)；
15、其中，x(t)为t时刻的历史音频信号，y(t)为t时刻的预加重后的历史音频信号，x(t－1)为t－1时刻的历史音频信号，α为预加重系数，α∈(0.9,1)；
16、s122、对预加重后的历史音频信号进行短时傅里叶变换stft，得到对应的频谱图，并将频谱图的振幅转换为对数尺度；
17、s123、将时间作为横坐标、频率作为纵坐标，并用不同颜色表示频谱幅值，以将历史音频信号转换为频谱热力图；
18、s124、重复s121～s123，完成所有历史音频信号至频谱热力图的转换，建立频谱热力图数据集。
19、优选地，s13中利用频谱热力图数据集对供水管网漏损检测大模型进行模型训练，得到训练好的供水管网漏损检测大模型，包括：
20、s131、按照预设比例将频谱热力图数据集分成训练集、验证集和测试集；
21、s132、设定供水管网漏损检测大模型的损失函数和优化器，将训练集输入供水管网漏损检测大模型进行模型训练；
22、s133、基于损失函数计算损失值，优化器根据损失值和网络梯度信息更新模型参数；
23、s134、若损失值小于预设阈值，则模型训练结束，当前供水管网漏损检测大模型即为训练好的供水管网漏损检测大模型，否则返回s132，继续利用训练集进行模型训练；
24、s135、将验证集输入训练好的供水管网漏损检测大模型，通过观察验证集上的性能来评估模型的泛化能力，并调优模型的超参数和结构；
25、s136、将测试集输入调优后的供水管网漏损检测大模型，进行模型性能评估。
26、优选地，s132中将训练集输入供水管网漏损检测大模型进行模型训练，包括：
27、s1321、获取供水管网漏损检测大模型在训练集上的检测结果，并绘制roc曲线，计算roc曲线下方的auc面积，将auc面积最大的点对应的概率值作为概率阈值pth；
28、s1322、将训练集数据输入供水管网漏损检测大模型后，若检测结果大于概率阈值pth，则表明该训练集数据对应漏损标签，否则该训练集数据对应正常标签。
29、优选地，所述基于供水管网漏损检测大模型的检测结果确定供水管网漏损监测的目标函数，包括：
30、s21、根据供水管网的拓扑关系和运行参数构建正常工况下的供水管网水压分布模型；
31、s22、基于供水管网漏损检测大模型检测到的异常监测点，将异常监测点之间的供水管道作为目标供水管道；
32、s23、在目标供水管道中设置多个子监测点，采集各子监测点的实际水压；
33、s24、在供水管网水压分布模型中模拟多种供水管网漏损工况，获取各供水管网漏损工况下各子监测点的模拟水压；
34、s25、根据各子监测点的实际水压和模拟水压，确定供水管网漏损监测的目标函数。
35、优选地，s25中根据各子监测点的实际水压和模拟水压，确定供水管网漏损监测的目标函数，包括：
36、根据各子监测点的实际水压和模拟水压，采用下式确定供水管网漏损监测的目标函数f：
37、
38、其中，psmn为第m种供水管网漏损工况下第n个子监测点的模拟水压，prmn为第m种供水管网漏损工况下第n个子监测点的实际水压，n1为子监测点数量，共有m种供水管网漏损工况。
39、优选地，所述对供水管网漏损监测模型进行求解，确定具体漏损位置，包括：
40、采用磷虾群算法kha对供水管网漏损监测的目标函数f进行求解，得到满足供水管网漏损监测的约束条件的具体漏损位置。
41、优选地，所述采用磷虾群算法kha对供水管网漏损监测的目标函数f进行求解，得到满足供水管网漏损监测的约束条件的具体漏损位置，包括：
42、s31、进行参数初始化，并随机生成一定规模的磷虾群，将磷虾群中每个磷虾个体的初始位置作为初始解；
43、s32、根据其他磷虾个体的诱导、觅食及个体的随机物理扩散，对每个磷虾个体进行位置更新；
44、s33、利用供水管网漏损监测的目标函数f对每个磷虾个体进行评估，计算对应的适应度值；
45、s34、记录并更新全局最优解；
46、s35、判断是否满足迭代终止条件，若不满足迭代终止条件，则返回s32，否则将当前全局最优解作为满足供水管网漏损监测的约束条件的具体漏损位置。
47、优选地，s32中根据其他磷虾个体的诱导、觅食及个体的随机物理扩散，对每个磷虾个体进行位置更新，包括：
48、s321、磷虾个体的运动会受到其周围其他磷虾个体的诱导，形成诱导运动：
49、ni+1＝εi·vmax+ωn·ni；
50、其中，ni为第i个磷虾个体诱导前的位置，ni+1为第i个磷虾个体诱导后的位置，εi为第i个磷虾个体的诱导运动系数，vmax为最大诱导速度，ωn为诱导运动惯性权重，ωn∈[0,1]；
51、为全局最优磷虾引导系数，σ1为全局最优磷虾对第i个磷虾个体的影响程度系数，rand为(0,1)之间的随机数，t为当前迭代次数，tmax为最大迭代次数，为第i个磷虾个体与全局最优磷虾的归一化适应度值，为第i个磷虾个体与全局最优磷虾的归一化位置信息；
52、为周围其他磷虾引导系数，为第i个磷虾个体与周围第j个磷虾个体的归一化适应度值，为第i个磷虾个体与周围第j个磷虾个体的归一化位置信息，n2为周围磷虾数量；
53、s322、磷虾个体的运动会受到食物的影响，形成觅食运动：
54、fi+1＝βi·vfood+ωf·fi；
55、其中，fi为第i个磷虾个体觅食前的位置，fi+1为第i个磷虾个体觅食后的位置，βi为第i个磷虾个体的觅食运动系数，vfood为觅食移动速度，ωf为觅食运动惯性权重，ωf∈[0,1]；
56、为食物的影响系数，σ2为食物对第i个磷虾个体的影响程度系数，为第i个磷虾个体与食物的归一化适应度值，为第i个磷虾个体与全局最优磷虾的归一化位置信息；
57、为全局最优磷虾历史位置的影响系数，
58、s323、磷虾个体会进行随机物理扩散，以增加种群多样性，形成自由运动：
59、
60、其中，di+1为第i个磷虾个体自由运动后的位置，v'max为最大随机物理扩散速度，δ为随机方向矢量；
61、s324、根据其他磷虾个体的诱导、觅食及个体的随机物理扩散，对每个磷虾个体进行位置更新：
62、
63、其中，li(t)为第i个磷虾个体在t时刻的位置，δt为速度的比例因子。
64、(三)有益效果
65、与现有技术相比，本发明所提供的一种基于大模型的城乡供水管网漏损监测方法，具有以下有益效果：
66、1)构建供水管网漏损检测大模型，获取供水管网各监测点采集的实时音频信号，并将实时音频信号转换为频谱热力图输入至供水管网漏损检测大模型，由供水管网漏损检测大模型进行供水管网漏损监测，通过将实时音频信号转换为频谱热力图，并利用基于多层卷积神经网络cnn的供水管网漏损检测大模型进行智能检测，能够避免受到外部噪声干扰，准确检测供水管网是否发生漏损，以及漏损点所位于的目标供水管道；
67、2)基于供水管网漏损检测大模型的检测结果确定供水管网漏损监测的目标函数，并确定供水管网漏损监测的约束条件，根据供水管网漏损监测的目标函数和约束条件构建供水管网漏损监测模型，对供水管网漏损监测模型进行求解，确定具体漏损位置，通过构建供水管网漏损监测模型，并采用磷虾群算法对目标函数进行求解，能够在降低声学传感器布设密度的情况下准确、高效地确定供水管网的具体漏损位置。
1.一种基于大模型的城乡供水管网漏损监测方法，其特征在于：构建供水管网漏损检测大模型，获取供水管网各监测点采集的实时音频信号，并将实时音频信号转换为频谱热力图输入至供水管网漏损检测大模型，由供水管网漏损检测大模型进行供水管网漏损监测；
2.根据权利要求1所述的基于大模型的城乡供水管网漏损监测方法，其特征在于：所述构建供水管网漏损检测大模型之后，包括：
3.根据权利要求2所述的基于大模型的城乡供水管网漏损监测方法，其特征在于：s12中将音频信号样本库中所有历史音频信号转换为频谱热力图，建立频谱热力图数据集，包括：
4.根据权利要求2所述的基于大模型的城乡供水管网漏损监测方法，其特征在于：s13中利用频谱热力图数据集对供水管网漏损检测大模型进行模型训练，得到训练好的供水管网漏损检测大模型，包括：
5.根据权利要求4所述的基于大模型的城乡供水管网漏损监测方法，其特征在于：s132中将训练集输入供水管网漏损检测大模型进行模型训练，包括：
6.根据权利要求1所述的基于大模型的城乡供水管网漏损监测方法，其特征在于：所述基于供水管网漏损检测大模型的检测结果确定供水管网漏损监测的目标函数，包括：
7.根据权利要求6所述的基于大模型的城乡供水管网漏损监测方法，其特征在于：s25中根据各子监测点的实际水压和模拟水压，确定供水管网漏损监测的目标函数，包括：
8.根据权利要求7所述的基于大模型的城乡供水管网漏损监测方法，其特征在于：所述对供水管网漏损监测模型进行求解，确定具体漏损位置，包括：
9.根据权利要求8所述的基于大模型的城乡供水管网漏损监测方法，其特征在于：所述采用磷虾群算法kha对供水管网漏损监测的目标函数f进行求解，得到满足供水管网漏损监测的约束条件的具体漏损位置，包括：
10.根据权利要求9所述的基于大模型的城乡供水管网漏损监测方法，其特征在于：s32中根据其他磷虾个体的诱导、觅食及个体的随机物理扩散，对每个磷虾个体进行位置更新，包括：
