1 import pandas as pd
2 import matplotlib.pyplot as plt
3
4 inputfile ='original_data.xls' #' # 输入的数据文件
5 data = pd.read_excel(inputfile) # 读取数据
6
7 # 查看有无水流的分布
8 # 数据提取
9 lv_non = pd.value_counts(data['有无水流'])['无']
10 lv_move = pd.value_counts(data['有无水流'])['有']
11 # 绘制条形图
12
13 fig = plt.figure(figsize = (6 ,5)) # 设置画布大小
14 plt.rcParams['font.sans-serif'] = 'SimHei' # 设置中文显示
15 plt.rcParams['axes.unicode_minus'] = False
16 plt.bar([0,1], height=[lv_non,lv_move], width=0.4, alpha=0.8, color='skyblue')
17 plt.xticks([index for index in range(2)], ['无','有'])
18 plt.xlabel('水流状态')
19 plt.ylabel('记录数')
20 plt.title('不同水流状态记录数 学号：3150')
21 plt.show()
22 plt.close()
23
24 # 查看水流量分布
25 water = data['水流量']
26 # 绘制水流量分布箱型图
27 fig = plt.figure(figsize = (5 ,8))
28 plt.boxplot(water,
29 patch_artist=True,
30 labels = ['水流量'], # 设置x轴标题
31 boxprops = {'facecolor':'lightblue'}) # 设置填充颜色
32 plt.title('水流量分布箱线图 学号：3150')
33 # 显示y坐标轴的底线
34 plt.grid(axis='y')
35 plt.show()
1 import pandas as pd
2 import numpy as np
3 data = pd.read_excel('original_data.xls')
4 print('初始状态的数据形状为：', data.shape)
5 # 删除热水器编号、有无水流、节能模式属性
6 data.drop(labels=["热水器编号","有无水流","节能模式"],axis=1,inplace=True)
7 print('删除冗余属性后的数据形状为：', data.shape)
8 data.to_csv('water_heart.csv',index=False)
1
1 # 确定单次用水事件时长阈值
2 n = 4 # 使用以后四个点的平均斜率
3 threshold = pd.Timedelta(minutes=5) # 专家阈值
4 data['发生时间'] = pd.to_datetime(data['发生时间'], format='%Y%m%d%H%M%S')
5 data = data[data['水流量'] > 0] # 只要流量大于0的记录
6 # 自定义函数：输入划分时间的时间阈值，得到划分的事件数
7 def event_num(ts):
8 d = data['发生时间'].diff() > ts # 相邻时间作差分，比较是否大于阈值
9 return d.sum() + 1 # 这样直接返回事件数
10 dt = [pd.Timedelta(minutes=i) for i in np.arange(1, 9, 0.25)]
11 h = pd.DataFrame(dt, columns=['阈值']) # 转换数据框，定义阈值列
12 h['事件数'] = h['阈值'].apply(event_num) # 计算每个阈值对应的事件数
13 h['斜率'] = h['事件数'].diff()/0.25 # 计算每两个相邻点对应的斜率
14 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
15 ts = h['阈值'][h['斜率指标'].idxmin() - n]
16 # 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
17 # 所以结果要进行平移（-n）
18 if ts > threshold:
19 ts = pd.Timedelta(minutes=4)
20 print('计算出的单次用水时长的阈值为：',ts)
# 读取数据
2 data = pd.read_csv('water_heart.csv')
3 # 划分用水事件
4 threshold = pd.Timedelta('4 min') # 阈值为4分钟
5 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
6 data = data[data['水流量'] > 0] # 只要流量大于0的记录
7 sjKs = data['发生时间'].diff() > threshold # 相邻时间向前差分，比较是否大于阈值
8 sjKs.iloc[0] = True # 令第一个时间为第一个用水事件的开始事件
9 sjJs = sjKs.iloc[1:] # 向后差分的结果
10 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
11 # 创建数据框，并定义用水事件序列
12 sj = pd.DataFrame(np.arange(1,sum(sjKs)+1),columns = ["事件序号"])
13 sj["事件起始编号"] = data.index[sjKs == 1]+1 # 定义用水事件的起始编号
14 sj["事件终止编号"] = data.index[sjJs == 1]+1 # 定义用水事件的终止编号
15 print('当阈值为4分钟的时候事件数目为：',sj.shape[0])
16 sj.to_csv('sj.csv',index = False)
1 data = pd.read_csv('water_heart.csv') # 读取热水器使用数据记录
2 sj = pd.read_csv('sj.csv') # 读取用水事件记录
3 # 转换时间格式
4 data["发生时间"] = pd.to_datetime(data["发生时间"],format="%Y%m%d%H%M%S")
5
6 # 构造特征：总用水时长
7 timeDel = pd.Timedelta("0.5 sec")
8 sj["事件开始时间"] = data.iloc[sj["事件起始编号"]-1,0].values- timeDel
9 sj["事件结束时间"] = data.iloc[sj["事件终止编号"]-1,0].values + timeDel
10 sj['洗浴时间点'] = [i.hour for i in sj["事件开始时间"]]
11 sj["总用水时长"] = np.int64(sj["事件结束时间"] - sj["事件开始时间"])/1000000000 + 1
12
13 # 构造用水停顿事件
14 # 构造特征“停顿开始时间”、“停顿结束时间”
15 # 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
16 for i in range(len(data)-1):
17 if (data.loc[i,"水流量"] != 0) & (data.loc[i + 1,"水流量"] == 0) :
18 data.loc[i + 1,"停顿开始时间"] = data.loc[i +1, "发生时间"] - timeDel
19 if (data.loc[i,"水流量"] == 0) & (data.loc[i + 1,"水流量"] != 0) :
20 data.loc[i,"停顿结束时间"] = data.loc[i , "发生时间"] + timeDel
21
22 # 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
23 indStopStart = data.index[data["停顿开始时间"].notnull()]+1
24 indStopEnd = data.index[data["停顿结束时间"].notnull()]+1
25 Stop = pd.DataFrame(data={"停顿开始编号":indStopStart[:-1],
26 "停顿结束编号":indStopEnd[1:]})
27 # 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
28 Stop["停顿时长"] = np.int64(data.loc[indStopEnd[1:]-1,"停顿结束时间"].values-
29 data.loc[indStopStart[:-1]-1,"停顿开始时间"].values)/1000000000
30 # 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，
31 # 且停顿的结束时间要小于事件的结束时间
32 for i in range(len(sj)):
33 Stop.loc[(Stop["停顿开始编号"] > sj.loc[i,"事件起始编号"]) &
34 (Stop["停顿结束编号"] < sj.loc[i,"事件终止编号"]),"停顿归属事件"]=i+1
35
36 # 删除停顿次数为0的事件
37 Stop = Stop[Stop["停顿归属事件"].notnull()]
38
39 # 构造特征 用水事件停顿总时长、停顿次数、停顿平均时长、
40 # 用水时长，用水/总时长
41 stopAgg = Stop.groupby("停顿归属事件").agg({"停顿时长":sum,"停顿开始编号":len})
42 sj.loc[stopAgg.index - 1,"总停顿时长"] = stopAgg.loc[:,"停顿时长"].values
43 sj.loc[stopAgg.index-1,"停顿次数"] = stopAgg.loc[:,"停顿开始编号"].values
44 sj.fillna(0,inplace=True) # 对缺失值用0插补
45 stopNo0 = sj["停顿次数"] != 0 # 判断用水事件是否存在停顿
46 sj.loc[stopNo0,"平均停顿时长"] = sj.loc[stopNo0,"总停顿时长"]/sj.loc[stopNo0,"停顿次数"]
47 sj.fillna(0,inplace=True) # 对缺失值用0插补
48 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
49 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
50 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)
51 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',
52 sj.iloc[:5,:5])
1 data["水流量"] = data["水流量"] / 60 # 原单位L/min，现转换为L/sec
2 sj["总用水量"] = 0 # 给总用水量赋一个初始值0
3 for i in range(len(sj)):
4 Start = sj.loc[i,"事件起始编号"]-1
5 End = sj.loc[i,"事件终止编号"]-1
6 if Start != End:
7 for j in range(Start,End):
8 if data.loc[j,"水流量"] != 0:
9 sj.loc[i,"总用水量"] = (data.loc[j + 1,"发生时间"] -
10 data.loc[j,"发生时间"]).seconds* \
11 data.loc[j,"水流量"] + sj.loc[i,"总用水量"]
12 sj.loc[i,"总用水量"] = sj.loc[i,"总用水量"] + data.loc[End,"水流量"] * 2
13 else:
14 sj.loc[i,"总用水量"] = data.loc[Start,"水流量"] * 2
15
16 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
17 # 构造特征：水流量波动
18 # 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
19 sj["水流量波动"] = 0 # 给水流量波动赋一个初始值0
20 for i in range(len(sj)):
21 Start = sj.loc[i,"事件起始编号"] - 1
22 End = sj.loc[i,"事件终止编号"] - 1
23 for j in range(Start,End + 1):
24 if data.loc[j,"水流量"] != 0:
25 slbd = (data.loc[j,"水流量"] - sj.loc[i,"平均水流量"])**2
26 slsj = (data.loc[j + 1,"发生时间"] - data.loc[j,"发生时间"]).seconds
27 sj.loc[i,"水流量波动"] = slbd * slsj + sj.loc[i,"水流量波动"]
28 sj.loc[i,"水流量波动"] = sj.loc[i,"水流量波动"] / sj.loc[i,"用水时长"]
29
30 # 构造特征：停顿时长波动
31 # 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
32 sj["停顿时长波动"] = 0 # 给停顿时长波动赋一个初始值0
33 for i in range(len(sj)):
34 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
35 for j in Stop.loc[Stop["停顿归属事件"] == (i+1),"停顿时长"].values:
36 sj.loc[i,"停顿时长波动"] = ((j - sj.loc[i,"平均停顿时长"])**2) * j + \
37 sj.loc[i,"停顿时长波动"]
38 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"]
39
40 print('用水量和波动特征构造完成后数据的特征为：\n',sj.columns)
41 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])
1 sj_bool = (sj['用水时长'] >100) & (sj['总用水时长'] > 120) & (sj['总用水量'] > 5)
2 sj_final = sj.loc[sj_bool,:]
3 sj_final.to_excel('sj_final.xlsx',index=False)
4 print('筛选出候选洗浴事件前的数据形状为：',sj.shape)
5 print('筛选出候选洗浴事件后的数据形状为：',sj_final.shape)
1 import pandas as pd
2 from sklearn.preprocessing import StandardScaler
3 from sklearn.neural_network import MLPClassifier
4 import joblib
5
6 # 读取数据
7 Xtrain = pd.read_excel('sj_final.xlsx')
8 ytrain = pd.read_excel('water_heater_log.xlsx')
9 test = pd.read_excel('test_data.xlsx')
10 # 训练集测试集区分。
11 x_train, x_test, y_train, y_test = Xtrain.iloc[:,5:],test.iloc[:,4:-1],ytrain.iloc[:,-1],test.iloc[:,-1]
12
13
14 #标准化
15 stdScaler = StandardScaler().fit(x_train)
16 x_stdtrain = stdScaler.transform(x_train)
17 x_stdtest = stdScaler.transform(x_test)
18
19 # 建立模型
20 bpnn = MLPClassifier(hidden_layer_sizes = (17,10), max_iter = 200, solver = 'lbfgs',random_state=50)
21 bpnn.fit(x_stdtrain, y_train)
22
23 # 保存模型
24 joblib.dump(bpnn,'water_heater_nnet.m')
25 print('构建的模型为：\n',bpnn)
1 import joblib
2 from sklearn.metrics import classification_report
3 from sklearn.metrics import roc_curve
4 import matplotlib.pyplot as plt
5
6 bpnn = joblib.load('water_heater_nnet.m') # 加载模型
7 y_pred = bpnn.predict(x_stdtest) # 返回预测结果
8 print('神经网络预测结果评价报告：\n',classification_report(y_test,y_pred))
9 # 绘制roc曲线图
10 plt.rcParams['font.sans-serif'] = 'SimHei' # 显示中文
11 plt.rcParams['axes.unicode_minus'] = False # 显示负号
12 fpr, tpr, thresholds = roc_curve(y_pred,y_test) # 求出TPR和FPR
13 plt.figure(figsize=(6,4)) # 创建画布
14 plt.plot(fpr,tpr) # 绘制曲线
15 plt.title('用户用水事件识别ROC曲线 学号：3150') # 标题
16 plt.xlabel('FPR') # x轴标签
17 plt.ylabel('TPR') # y轴标签
18 plt.savefig('用户用水事件识别ROC曲线 .png') # 保存图片
19 plt.show() # 显示图形
