连续洗浴事件识别
import pandas as pd import matplotlib.pyplot as plt inputfile = 'D://人工智能/original_data.xls' # 输入的数据文件 data = pd.read_excel(inputfile) # 读取数据 # 查看有无水流的分布 # 数据提取 lv_non = pd.value_counts(data['有无水流'])['无'] lv_move = pd.value_counts(data['有无水流'])['有'] # 绘制条形图 fig = plt.figure(figsize = (6 ,5)) # 设置画布大小 plt.rcParams['font.sans-serif'] = 'SimHei' # 设置中文显示 plt.rcParams['axes.unicode_minus'] = False plt.bar(x=range(2), height=[lv_non,lv_move], width=0.4, alpha=0.8, color='skyblue') plt.xticks([index for index in range(2)], ['无','有']) plt.xlabel('水流状态') plt.ylabel('记录数') plt.title('不同水流状态记录数20信计1班2020310143024许伊诺') plt.show() plt.close() # 查看水流量分布 water = data['水流量'] # 绘制水流量分布箱型图 fig = plt.figure(figsize = (5 ,8)) plt.boxplot(water, patch_artist=True, labels = ['水流量'], # 设置x轴标题 boxprops = {'facecolor':'lightblue'}) # 设置填充颜色 plt.title('水流量分布箱线图20信计1班2020310143024许伊诺') # 显示y坐标轴的底线 plt.grid(axis='y') plt.show()
import pandas as pd import numpy as np data = pd.read_excel('D://人工智能/original_data.xls') print('初始状态的数据形状为：', data.shape) # 删除热水器编号、有无水流、节能模式属性 data.drop(labels=["热水器编号","有无水流","节能模式"],axis=1,inplace=True) print('删除冗余属性后的数据形状为：', data.shape) data.to_csv('D://人工智能/water_heart.csv',index=False) # 代码10-3 # 读取数据 data = pd.read_csv('D://人工智能/water_heart.csv') # 划分用水事件 threshold = pd.Timedelta('4 min') # 阈值为4分钟 data['发生时间'] = pd.to_datetime(data['发生时间'], format = '%Y%m%d%H%M%S') # 转换时间格式 data = data[data['水流量'] > 0] # 只要流量大于0的记录 sjKs = data['发生时间'].diff() > threshold # 相邻时间向前差分，比较是否大于阈值 sjKs.iloc[0] = True # 令第一个时间为第一个用水事件的开始事件 sjJs = sjKs.iloc[1:] # 向后差分的结果 sjJs = pd.concat([sjJs,pd.Series(True)]) # 令最后一个时间作为最后一个用水事件的结束时间 # 创建数据框，并定义用水事件序列 sj = pd.DataFrame(np.arange(1,sum(sjKs)+1),columns = ["事件序号"]) sj["事件起始编号"] = data.index[sjKs == 1]+1 # 定义用水事件的起始编号 sj["事件终止编号"] = data.index[sjJs == 1]+1 # 定义用水事件的终止编号 print('当阈值为4分钟的时候事件数目为：',sj.shape[0]) sj.to_csv('D://人工智能/sj.csv',index = False) # 代码10-4 # 确定单次用水事件时长阈值 n = 4 # 使用以后四个点的平均斜率 threshold = pd.Timedelta(minutes=5) # 专家阈值 data['发生时间'] = pd.to_datetime(data['发生时间'], format='%Y%m%d%H%M%S') data = data[data['水流量'] > 0] # 只要流量大于0的记录 # 自定义函数：输入划分时间的时间阈值，得到划分的事件数 def event_num(ts): d = data['发生时间'].diff() > ts # 相邻时间作差分，比较是否大于阈值 return d.sum() + 1 # 这样直接返回事件数 dt = [pd.Timedelta(minutes=i) for i in np.arange(1, 9, 0.25)] h = pd.DataFrame(dt, columns=['阈值']) # 转换数据框，定义阈值列 h['事件数'] = h['阈值'].apply(event_num) # 计算每个阈值对应的事件数 h['斜率'] = h['事件数'].diff()/0.25 # 计算每两个相邻点对应的斜率 h['斜率指标']= h['斜率'].abs().rolling(4).mean() # 往前取n个斜率绝对值平均作为斜率指标 ts = h['阈值'][h['斜率指标'].idxmin() - n] # 用idxmin返回最小值的Index，由于rolling_mean()计算的是前n个斜率的绝对值平均 # 所以结果要进行平移（-n） if ts > threshold: ts = pd.Timedelta(minutes=4) print('计算出的单次用水时长的阈值为：',ts) # 代码10-5 data = pd.read_excel('D://人工智能/water_hearter.xlsx') # 读取热水器使用数据记录 sj = pd.read_csv('D://人工智能/sj.csv') # 读取用水事件记录 # 转换时间格式 data["发生时间"] = pd.to_datetime(data["发生时间"],format="%Y%m%d%H%M%S") # 构造特征：总用水时长 timeDel = pd.Timedelta("0.5 sec") sj["事件开始时间"] = data.iloc[sj["事件起始编号"]-1,0].values- timeDel sj["事件结束时间"] = data.iloc[sj["事件终止编号"]-1,0].values + timeDel sj['洗浴时间点'] = [i.hour for i in sj["事件开始时间"]] sj["总用水时长"] = np.int64(sj["事件结束时间"] - sj["事件开始时间"])/1000000000 + 1 # 构造用水停顿事件 # 构造特征“停顿开始时间”、“停顿结束时间” # 停顿开始时间指从有水流到无水流，停顿结束时间指从无水流到有水流 for i in range(len(data)-1): if (data.loc[i,"水流量"] != 0) & (data.loc[i + 1,"水流量"] == 0) : data.loc[i + 1,"停顿开始时间"] = data.loc[i +1, "发生时间"] - timeDel if (data.loc[i,"水流量"] == 0) & (data.loc[i + 1,"水流量"] != 0) : data.loc[i,"停顿结束时间"] = data.loc[i , "发生时间"] + timeDel # 提取停顿开始时间与结束时间所对应行号，放在数据框Stop中 indStopStart = data.index[data["停顿开始时间"].notnull()]+1 indStopEnd = data.index[data["停顿结束时间"].notnull()]+1 Stop = pd.DataFrame(data={"停顿开始编号":indStopStart[:-1], "停顿结束编号":indStopEnd[1:]}) # 计算停顿时长，并放在数据框stop中，停顿时长=停顿结束时间-停顿结束时间 Stop["停顿时长"] = np.int64(data.loc[indStopEnd[1:]-1,"停顿结束时间"].values- data.loc[indStopStart[:-1]-1,"停顿开始时间"].values)/1000000000 # 将每次停顿与事件匹配,停顿的开始时间要大于事件的开始时间， # 且停顿的结束时间要小于事件的结束时间 for i in range(len(sj)): Stop.loc[(Stop["停顿开始编号"] > sj.loc[i,"事件起始编号"]) & (Stop["停顿结束编号"] < sj.loc[i,"事件终止编号"]),"停顿归属事件"]=i+1 # 删除停顿次数为0的事件 Stop = Stop[Stop["停顿归属事件"].notnull()] # 构造特征 用水事件停顿总时长、停顿次数、停顿平均时长、 # 用水时长，用水/总时长 stopAgg = Stop.groupby("停顿归属事件").agg({"停顿时长":sum,"停顿开始编号":len}) sj.loc[stopAgg.index - 1,"总停顿时长"] = stopAgg.loc[:,"停顿时长"].values sj.loc[stopAgg.index-1,"停顿次数"] = stopAgg.loc[:,"停顿开始编号"].values sj.fillna(0,inplace=True) # 对缺失值用0插补 stopNo0 = sj["停顿次数"] != 0 # 判断用水事件是否存在停顿 sj.loc[stopNo0,"平均停顿时长"] = sj.loc[stopNo0,"总停顿时长"]/sj.loc[stopNo0,"停顿次数"] sj.fillna(0,inplace=True) # 对缺失值用0插补 sj["用水时长"] = sj["总用水时长"] - sj["总停顿时长"] # 定义特征用水时长 sj["用水/总时长"] = sj["用水时长"] / sj["总用水时长"] # 定义特征 用水/总时长 print('用水事件用水时长与频率特征构造完成后数据的特征为：\n',sj.columns) print('用水事件用水时长与频率特征构造完成后数据的前5行5列特征为：\n', sj.iloc[:5,:5]) # ´代码10-6 data["水流量"] = data["水流量"] / 60 # 原单位L/min，现转换为L/sec sj["总用水量"] = 0 # 给总用水量赋一个初始值0 for i in range(len(sj)): Start = sj.loc[i,"事件起始编号"]-1 End = sj.loc[i,"事件终止编号"]-1 if Start != End: for j in range(Start,End): if data.loc[j,"水流量"] != 0: sj.loc[i,"总用水量"] = (data.loc[j + 1,"发生时间"] - data.loc[j,"发生时间"]).seconds* \ data.loc[j,"水流量"] + sj.loc[i,"总用水量"] sj.loc[i,"总用水量"] = sj.loc[i,"总用水量"] + data.loc[End,"水流量"] * 2 else: sj.loc[i,"总用水量"] = data.loc[Start,"水流量"] * 2 sj["平均水流量"] = sj["总用水量"] / sj["用水时长"] # 定义特征 平均水流量 # 构造特征：水流量波动 # 水流量波动=∑(((单次水流的值-平均水流量)^2)*持续时间)/用水时长 sj["水流量波动"] = 0 # 给水流量波动赋一个初始值0 for i in range(len(sj)): Start = sj.loc[i,"事件起始编号"] - 1 End = sj.loc[i,"事件终止编号"] - 1 for j in range(Start,End + 1): if data.loc[j,"水流量"] != 0: slbd = (data.loc[j,"水流量"] - sj.loc[i,"平均水流量"])**2 slsj = (data.loc[j + 1,"发生时间"] - data.loc[j,"发生时间"]).seconds sj.loc[i,"水流量波动"] = slbd * slsj + sj.loc[i,"水流量波动"] sj.loc[i,"水流量波动"] = sj.loc[i,"水流量波动"] / sj.loc[i,"用水时长"] # 构造特征：停顿时长波动 # 停顿时长波动=∑(((单次停顿时长-平均停顿时长)^2)*持续时间)/总停顿时长 sj["停顿时长波动"] = 0 # 给停顿时长波动赋一个初始值0 for i in range(len(sj)): if sj.loc[i,"停顿次数"] > 1: # 当停顿次数为0或1时，停顿时长波动值为0，故排除 for j in Stop.loc[Stop["停顿归属事件"] == (i+1),"停顿时长"].values: sj.loc[i,"停顿时长波动"] = ((j - sj.loc[i,"平均停顿时长"])**2) * j + \ sj.loc[i,"停顿时长波动"] sj.loc[i,"停顿时长波动"] = sj.loc[i,"停顿时长波动"] / sj.loc[i,"总停顿时长"] print('用水量和波动特征构造完成后数据的特征为：\n',sj.columns) print('用水量和波动特征构造完成后数据的前5行5列特征为：\n',sj.iloc[:5,:5]) # 代码10-7 sj_bool = (sj['用水时长'] >100) & (sj['总用水时长'] > 120) & (sj['总用水量'] > 5) sj_final = sj.loc[sj_bool,:] sj_final.to_excel('D://人工智能/sj_final.xlsx',index=False) print('筛选出候选洗浴事件前的数据形状为：',sj.shape) print('筛选出候选洗浴事件后的数据形状为：',sj_final.shape)
初始状态的数据形状为： (18840, 12)
删除冗余属性后的数据形状为： (18840, 9)
当阈值为4分钟的时候事件数目为： 172
计算出的单次用水时长的阈值为： 0 days 00:04:00
用水事件用水时长与频率特征构造完成后数据的特征为：
Index(['事件序号', '事件起始编号', '事件终止编号', '事件开始时间', '事件结束时间', '洗浴时间点', '总用水时长',
'总停顿时长', '停顿次数', '平均停顿时长', '用水时长', '用水/总时长'],
dtype='object')
用水事件用水时长与频率特征构造完成后数据的前5行5列特征为：
事件序号 事件起始编号 事件终止编号 事件开始时间 事件结束时间
0 1 3 3 2014-10-19 07:01:55.500 2014-10-19 07:01:56.500
1 2 57 57 2014-10-19 07:38:15.500 2014-10-19 07:38:16.500
2 3 382 385 2014-10-19 09:46:37.500 2014-10-19 09:47:15.500
3 4 405 405 2014-10-19 11:50:16.500 2014-10-19 11:50:17.500
4 5 408 408 2014-10-19 13:56:20.500 2014-10-19 13:56:21.500
用水量和波动特征构造完成后数据的特征为：
Index(['事件序号', '事件起始编号', '事件终止编号', '事件开始时间', '事件结束时间', '洗浴时间点', '总用水时长',
'总停顿时长', '停顿次数', '平均停顿时长', '用水时长', '用水/总时长', '总用水量', '平均水流量', '水流量波动',
'停顿时长波动'],
dtype='object')
用水量和波动特征构造完成后数据的前5行5列特征为：
事件序号 事件起始编号 事件终止编号 事件开始时间 事件结束时间
0 1 3 3 2014-10-19 07:01:55.500 2014-10-19 07:01:56.500
1 2 57 57 2014-10-19 07:38:15.500 2014-10-19 07:38:16.500
2 3 382 385 2014-10-19 09:46:37.500 2014-10-19 09:47:15.500
3 4 405 405 2014-10-19 11:50:16.500 2014-10-19 11:50:17.500
4 5 408 408 2014-10-19 13:56:20.500 2014-10-19 13:56:21.500
筛选出候选洗浴事件前的数据形状为： (172, 16)
筛选出候选洗浴事件后的数据形状为： (75, 16)
import pandas as pd from sklearn.preprocessing import StandardScaler from sklearn.neural_network import MLPClassifier import joblib # 读取数据 Xtrain = pd.read_excel('D://人工智能/sj_final.xlsx') ytrain = pd.read_excel('D://人工智能/water_heater_log.xlsx') test = pd.read_excel('D://人工智能/test_data.xlsx') # 训练集测试集区分。 x_train, x_test, y_train, y_test = Xtrain.iloc[:,5:],test.iloc[:,4:-1],\ ytrain.iloc[:,-1],test.iloc[:,-1] # 标准化 stdScaler = StandardScaler().fit(x_train) x_stdtrain = stdScaler.transform(x_train) x_stdtest = stdScaler.transform(x_test) # 建立模型 bpnn = MLPClassifier(hidden_layer_sizes = (17,10), max_iter = 200, solver = 'lbfgs',random_state=50) bpnn.fit(x_stdtrain, y_train) # 保存模型 joblib.dump(bpnn,'D://人工智能/water_heater_nnet.m') print('构建的模型为：\n',bpnn)
构建的模型为： MLPClassifier(hidden_layer_sizes=(17, 10), random_state=50, solver='lbfgs')
# 模型评价 from sklearn.metrics import classification_report from sklearn.metrics import roc_curve import joblib import matplotlib.pyplot as plt bpnn = joblib.load('D://人工智能/water_heater_nnet.m') # 加载模型 y_pred = bpnn.predict(x_stdtest) # 返回预测结果 print('神经网络预测结果评价报告：\n',classification_report(y_test,y_pred)) # 绘制roc曲线图 plt.rcParams['font.sans-serif'] = 'SimHei' # 显示中文 plt.rcParams['axes.unicode_minus'] = False # 显示负号 fpr, tpr, thresholds = roc_curve(y_pred,y_test) # 求出TPR和FPR plt.figure(figsize=(6,4)) # 创建画布 plt.plot(fpr,tpr) # 绘制曲线 plt.title('用户用水事件识别ROC曲线20信计1班2020310143024') # 标题 plt.xlabel('FPR') # x轴标签 plt.ylabel('TPR') # y轴标签 plt.savefig('D://人工智能/用户用水事件识别ROC曲线.png') # 保存图片 plt.show() # 显示图形
神经网络预测结果评价报告：
precision recall f1-score support
0 0.47 0.75 0.58 12
1 0.90 0.73 0.81 37
accuracy 0.73 49
macro avg 0.69 0.74 0.69 49
weighted avg 0.80 0.73 0.75 49
