邢台市水表口径选型分析数据通过大用户水表上传的瞬时流量数据集,对比水表的自身计量区间,分析瞬时流量在各区间段内的时间占比,判断是否存在大表小流量、小表大流量情况,并生成推荐换表型号,供水务公司管理决策。1、数据获取
获取大用户表的用户号、站点名称、日期、水表类型、当前口径(mm)、精度等级、Q1值、Q2值、Q3值、Q4值及设备远传数据。
2、规则设定
设定结论判断条件,根据设备瞬时流量在各Q值段内的时间占比(零值时间占比、Q1~Q2时间占比、Q2~Q3时间占比、Q3~Q4时间占比、大于Q4时间占比)设置判断条件。
3、结果输出
根据数据挖掘算法及机器学习算法(随机森林、支持向量机、神经网络等),每月执行计算,统计设备当月数据在各Q值区段内的之间占比,对照几轮判断规则,生成分析结论。
邢台市大用户异常用水评分数据通过整合大用户远传及营收抄表数据,从设备离线、水量异常、超期服役、精度偏差、营业对比、违章稽查六个维度进行评分分析,筛选低分用户,供水务公司管理决策。1、数据获取
获取用户号、水表编号、用户名称、日用水量(m³)。
2、规则设定
选定6个判断大用户存在异常的分析维度,根据综合评分法,每日执行分值计算。
从设备离线(分)、水量异常(分)、超期服役(分)、精度偏差(分)、营业对比(分)、违章稽查(分)六个维度进行评分计算,每个维度设定不同的扣分标准及处置建议,单个维度最高5分,满分30分。
3、结果输出
输出评分日期及综合得分(分),筛选出特定日期的低分大用户,并可查看具体的扣分模块及扣分原因。
乐清市小区漏损治理评估数据通过整合小区远传供水数据及营收抄表数据,调整供水及售水统计周期,并结合校准漏损率、月均KL值、抄表率,设置治理意见判断规则,生成小区月度异常分析报表,供水务公司管理决策。1、数据获取
获取小区名称、日期、供水量(m³),校准售水(m³)、校准漏损量(m³)、校准漏损率(%)、月均夜间最小流量(m³)、月均KL值、水表总数(个)、抄见表数(个)、未抄表数(个)、抄表率(%)。
2、规则设定
设定结论判断条件,根据校准漏损率(%)、月均KL值、抄表率(%)设置判断条件。
3、结果输出
根据数据挖掘算法及机器学习算法(随机森林、支持向量机、神经网络等),每月执行计算,用当月数据对比设定的判断条件,生成治理意见。
嘉兴市工商业用户用水行为预测分析数据工商业用户用水量较大,通过采集其每日用水数据、用水设备数量和信息等,运用大数据构建其正常用水行为特征,确定正常用水时间范围和用水量范围等信息,从而对其用水行为进行预测。1、获取用户的历史数据,包括地区、户号、每日用水量(立方米)、设备编号等维度特征,运用大数据,对其进行历史行为分析,形成历史行为画像;2、通过用户的开户日期、安装日期、用水时间,结合GBDT算法进行建模,形成用户画像;3、通过DeepFM深度学习算法,结合历史行为画像和用户画像,并基于历史数据对用户进行用水行为预测,判断其是否存在用水行为异常。
苍南市大用户异常用水分析数据通过大用户水表营收抄表数据集,分析用水变化规律,并根据不同水量区间,设定异常判断标准,筛选水量异常下降的大用户,判断水量下降原因,供水务公司管理决策.1、数据获取
获取用户号、用户名称、水表口径(mm)、上次换表时间、下次换表时间、日期
2、规则设定
①根据水表口径(mm),设定不同口径水表的理论换表年限(年)。
②设定结论判断条件,根据超期服役,月均用水变化(m³/月)及历年水量变化(m³/年)设置判断条件。
3、结果输出
使用ARIMA模型,每月执行计算,用当月数据对比设定的判断条件,生成分析结论。
青岛市长期不用气及户用安全风险告警数据随着社会逐步进入老龄化社会,面临的独居老人生活问题越来越受到政府、爱心人士的关心。燃气公司通过户主年龄,户内用气量与平均用气量比较,推断用户是否为独居老人。结合日用气量的连续特征,判断燃气用户用气是否正常,并结合报警情况和报警时间,及时发现户内老人发生安全风险的情况并及时处理。1、获取要素字段数据:用气时间、日用气量、户号、地址区域、地址区域内用户数、平均每户正常用气量、近期缴费方式(柜台、线上缴费)、开户时间、通气时间
2、输入日用气量、用气时间,使用ARIMA模型训练,输出平均每户正常用气量,根据60岁以上人群,按每5年一组进行分组,统计组内平均每户正常用气量,根据60岁以上且用气量显著低于平均每户正常用气量,且缴费方式为柜台,判断为独居老人,将该名单记录。
3、结合时序分析和深度学习预测结果,建立综合的安全风险评估模型。采用K-means聚类算法,根据用户的地址区域、平均每户正常用气量的特征,识别异常用气行为,异常用气行为包括用气时间大于统计时间3个月及以上及用气量较之前异常变小。对异常用气行为进行报警,记录报警时间,通知燃气公司对报警用户进行安全风险排查。
邢台市大用户异常用水分析数据通过大用户水表营收抄表数据集,分析用水变化规律,并根据不同水量区间,设定异常判断标准,筛选水量异常下降的大用户,判断水量下降原因,供水务公司管理决策。1、数据获取
获取用户号、用户名称、水表口径(mm)、上次换表时间、下次换表时间、日期
2、规则设定
①根据水表口径(mm),设定不同口径水表的理论换表年限(年)。
②设定结论判断条件,根据去年年度水量区间,超期服役,月均用水变化(m³/月)及历年水量变化(m³/年)设置判断条件。
3、结果输出
使用ARIMA模型,每月执行计算,用当月数据对比设定的判断条件,生成分析结论。
邢台市分区计量漏损评分数据通过整合分区远传供水数据及营收抄表数据,从分区供水、夜间流量、报警中心、漏损报表、漏损分析、水量修正六个维度进行评分分析,筛选低分分区,供水务公司管理决策。1、数据获取
获取分区名称、日供水量(m³)。
2、规则设定
选定6个判断分区存在异常的分析维度,根据综合评分法,每日执行分值计算。
从分区供水(分)、夜间流量(分)、报警中心(分)、漏损报表(分)、漏损分析(分)、水量修正(分)六个维度进行评分计算,每个维度设定不同的扣分标准及处置建议,单个维度最高5分,满分30分。
3、结果输出
输出评分日期及综合得分(分),筛选出特定日期的低分分区,并可查看具体的扣分模块及扣分原因。
保定市地区缴费渠道及缴费模式分析数据对于水费用缴费运营公司而言,用户缴纳的费用其可以获得收益,对于用户而言,先交费还是后交费,缴费平台是否便利,以及平台是否给予优惠都对其缴费行为有影响。通过大数据分析该地区用户喜欢的缴费渠道和缴费模式,有利于运营公司开展对缴费渠道商的谈判,提升其运营收益。1、获取不同地址区域的数据,缴费渠道:支付宝、微信、营业厅、一体机,缴费模式:预付费/后付费,设备类型、地址区域等信息;2、结合各地址区域的信号覆盖,缴费时间、月度用水量(吨)等信息,对缴费渠道及缴费模式进行分析;3、通过构建决策树或随机森林模型,得出各地址区域的缴费渠道的可扩展度。
苍南市水表口径选型分析数据通过大用户水表上传的瞬时流量数据集,对比水表的自身计量区间,分析瞬时流量在各区间段内的时间占比,判断是否存在大表小流量、小表大流量情况,并生成推荐换表型号,供水务公司管理决策。1、数据获取
获取大用户表的用户号、站点名称、日期、水表类型、当前口径(mm)、精度等级、Q1值、Q2值、Q3值、Q4值。
2、规则设定
设定结论判断条件,根据设备瞬时流量在各Q值段内的时间占比(零值时间占比、Q1~Q2时间占比、Q2~Q3时间占比、Q3~Q4时间占比、大于Q4时间占比)设置判断条件。
3、结果输出
根据数据挖掘算法及机器学习算法(随机森林、支持向量机、神经网络等),每月执行计算,统计设备当月数据在各Q值区段内的之间占比,对照几轮判断规则,生成分析结论。