基于双层支持向量机的污水处理系统健康状态评估

为有效保障高速公路服务区污水处理系统的健康运行,结合污水处理系统的构成和系统运行特征,设计了一种用于评估污水处理系统健康状态的双层支持向量机（support vector machine,SVM）模型,并将健康状态分为健康、亚健康、故障和异常四个等级。首先,分析提升泵、进水泵、自吸泵等6个子系统的运行特征,使用随机函数和欠采样处理构建特征向量集。其次,采用SVM构建下层各子系统健康状态评估模型,并使用ThunderSVM算法来提高模型训练速度。然后,融合下层各子系统健康状态评估的结果,构建上层SVM系统评估模型,得到整个污水处理系统的健康状态。最后,依据青兰高速山西段服务区污水处理系统进行验证,结果表明所提出的双层SVM模型相较树类模型和单层SVM模型,不仅可评估整个污水处理系统的健康状态,还可评估各子系统的健康状态,且模型训练速度和判断精度均有提升。     

多源数据驱动的高速公路服务区运营状态评价

针对各地高速公路服务区运营状态缺少标准评价指标的问题,利用高速公路智慧服务区所采集的大量多源异构数据,构建了一个高速公路服务区运营状态分级评价体系。首先,制定相应数据清洗规则来处理服务区所采集的原始数据。其次,基于k-means聚类算法搭建评价模型,对服务区运营状态进行分级评价研究。最后,以山西省盂县高速公路服务区为案例进行实证分析,对该服务区一周内每天同一时段以及一天内各个时段两方面的运营状态,分别进行横向及纵向比较分析,结果发现一天中下午及午高峰时段运营状态最差,平峰及凌晨时段运营状态较好。