基于在线字典学习的大型水网故障处理

供水分配网络中的故障检测与隔离是一个活跃课题，因其模型的数学复杂性以及通过传感器布设而增长的数据可用性。在此我们提供一种数据驱动的替代方案来简化模型：在进行传感器布设时考虑网络拓扑，随后基于 incoming 传感器数据通过在线字典学习构建网络模型。在线学习速度快，且因每次处理小批量信号而能应对大型网络，并具有将新数据持续整合进现有网络模型的优点，无论是在初期训练还是在生产中遇到新数据样本时。该算法在小型与大型网络测试上均表现出良好性能。