BP神经网络-家用热水器用户行为分析与事件识别
1 # -*- coding: utf-8 -*- 2 """ 3 Created on Mon Mar 20 15:35:58 2023 4 5 @author: sanmu 6 """ 7 8 import pandas as pd 9 import matplotlib.pyplot as plt 10 import numpy as np 11 from sklearn.preprocessing import StandardScaler 12 from sklearn.neural_network import MLPClassifier 13 import joblib 14 from sklearn.metrics import classification_report 15 from sklearn.metrics import roc_curve 16 17 inputfile = 'D:/anaconda/data/original_data.xls' 18 data = pd.read_excel(inputfile) 19 # 查看有无水流的分布 20 # 数据提取 21 lv_non = pd.value_counts(data['有无水流'])['无'] 22 lv_move = pd.value_counts(data['有无水流'])['有'] 23 # 绘制条形图 24 25 fig = plt.figure(figsize = (6 ,5)) # 设置画布大小 26 plt.rcParams['font.sans-serif'] = 'SimHei' # 设置中文显示 27 plt.rcParams['axes.unicode_minus'] = False 28 plt.bar(x=range(2), height=[lv_non,lv_move], width=0.4, alpha=0.8, 29 color='skyblue') 30 plt.xticks([index for index in range(2)], ['无','有']) 31 plt.xlabel('水流状态') 32 plt.ylabel('记录数') 33 plt.title('不同水流状态记录数学号2020310143040') 34 plt.show() 35 plt.close() 36 37 # 查看水流量分布 38 water = data['水流量'] 39 # 绘制水流量分布箱型图 40 fig = plt.figure(figsize = (5 ,8)) 41 plt.boxplot(water, 42 patch_artist=True, 43 labels = ['水流量'], # 设置x轴标题 44 boxprops = {'facecolor':'lightblue'}) # 设置填充颜色 45 plt.title('水流量分布箱线图学号2020310143040') 46 # 显示y坐标轴的底线 47 plt.grid(axis='y') 48 plt.show() 49 50 # 属性规约 51 print('初始状态的数据形状为:', data.shape) 52 # 删除热水器编号、有无水流、节能模式属性 53 data.drop(labels=["热水器编号","有无水流","节能模式"],axis=1,inplace=True) 54 print('删除冗余属性后的数据形状为:', data.shape) 55 data.to_csv('water_heart.csv',index=False) 56 57 # 划分用水事件 58 # 读取数据 59 data = pd.read_csv('water_heart.csv') 60 # 划分用水事件 61 threshold = pd.Timedelta('4 min') # 阈值为4分钟 62 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 63 data = data[data['水流量'] > 0] # 只要流量大于0的记录 64 sjKs = data['发生时间'].diff() > threshold # 相邻时间向前差分,比较是否大于阈值 65 sjKs.iloc[0] = True # 令第一个时间为第一个用水事件的开始事件 66 sjJs = sjKs.iloc[1:] # 向后差分的结果 67 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 68 # 创建数据框,并定义用水事件序列 69 sj = pd.DataFrame(np.arange(1,sum(sjKs)+1),columns = ["事件序号"]) 70 sj["事件起始编号"] = data.index[sjKs == True]+1 # 定义用水事件的起始编号 71 sj["事件终止编号"] = data.index[sjJs == True]+1 # 定义用水事件的终止编号 72 print('当阈值为4分钟的时候事件数目为:',sj.shape[0]) 73 sj.to_csv('sj.csv',index = False) 74 75 # 确定单次用水事件时长阈值 76 # 确定单次用水事件时长阈值 77 n = 4 # 使用以后四个点的平均斜率 78 threshold = pd.Timedelta(minutes=5) # 专家阈值 79 data['发生时间'] = pd.to_datetime(data['发生时间'], format='%Y%m%d%H%M%S') 80 data = data[data['水流量'] > 0] # 只要流量大于0的记录 81 # 自定义函数:输入划分时间的时间阈值,得到划分的事件数 82 def event_num(ts): 83 d = data['发生时间'].diff() > ts # 相邻时间作差分,比较是否大于阈值 84 return d.sum() + 1 # 这样直接返回事件数 85 dt = [pd.Timedelta(minutes=i) for i in np.arange(1, 9, 0.25)] 86 h = pd.DataFrame(dt, columns=['阈值']) # 转换数据框,定义阈值列 87 h['事件数'] = h['阈值'].apply(event_num) # 计算每个阈值对应的事件数 88 h['斜率'] = h['事件数'].diff()/0.25 # 计算每两个相邻点对应的斜率 89 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 90 ts = h['阈值'][h['斜率指标'].idxmin() - n] 91 # 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 92 # 所以结果要进行平移(-n) 93 if ts > threshold: 94 ts = pd.Timedelta(minutes=4) 95 print('计算出的单次用水时长的阈值为:',ts) 96 97 data = pd.read_csv('water_heart.csv') # 读取热水器使用数据记录 98 sj = pd.read_csv('sj.csv') # 读取用水事件记录 99 # 转换时间格式 100 data["发生时间"] = pd.to_datetime(data["发生时间"],format="%Y%m%d%H%M%S") 101 102 # 构造特征:总用水时长 103 timeDel = pd.Timedelta("0.5 sec") 104 sj["事件开始时间"] = data.iloc[sj["事件起始编号"]-1,0].values- timeDel 105 sj["事件结束时间"] = data.iloc[sj["事件终止编号"]-1,0].values + timeDel 106 sj['洗浴时间点'] = [i.hour for i in sj["事件开始时间"]] 107 sj["总用水时长"] = np.int64(sj["事件结束时间"] - sj["事件开始时间"])/1000000000 + 1 108 109 # 构造用水停顿事件 110 # 构造特征“停顿开始时间”、“停顿结束时间” 111 # 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 112 for i in range(len(data)-1): 113 if (data.loc[i,"水流量"] != 0) & (data.loc[i + 1,"水流量"] == 0) : 114 data.loc[i + 1,"停顿开始时间"] = data.loc[i +1, "发生时间"] - timeDel 115 if (data.loc[i,"水流量"] == 0) & (data.loc[i + 1,"水流量"] != 0) : 116 data.loc[i,"停顿结束时间"] = data.loc[i , "发生时间"] + timeDel 117 118 # 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 119 indStopStart = data.index[data["停顿开始时间"].notnull()]+1 120 indStopEnd = data.index[data["停顿结束时间"].notnull()]+1 121 Stop = pd.DataFrame(data={"停顿开始编号":indStopStart[:-1], 122 "停顿结束编号":indStopEnd[1:]}) 123 # 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 124 Stop["停顿时长"] = np.int64(data.loc[indStopEnd[1:]-1,"停顿结束时间"].values- 125 data.loc[indStopStart[:-1]-1,"停顿开始时间"].values)/1000000000 126 # 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, 127 # 且停顿的结束时间要小于事件的结束时间 128 for i in range(len(sj)): 129 Stop.loc[(Stop["停顿开始编号"] > sj.loc[i,"事件起始编号"]) & 130 (Stop["停顿结束编号"] < sj.loc[i,"事件终止编号"]),"停顿归属事件"]=i+1 131 132 # 删除停顿次数为0的事件 133 Stop = Stop[Stop["停顿归属事件"].notnull()] 134 135 # 构造特征 用水事件停顿总时长、停顿次数、停顿平均时长、 136 # 用水时长,用水/总时长 137 stopAgg = Stop.groupby("停顿归属事件").agg({"停顿时长":sum,"停顿开始编号":len}) 138 sj.loc[stopAgg.index - 1,"总停顿时长"] = stopAgg.loc[:,"停顿时长"].values 139 sj.loc[stopAgg.index-1,"停顿次数"] = stopAgg.loc[:,"停顿开始编号"].values 140 sj.fillna(0,inplace=True) # 对缺失值用0插补 141 stopNo0 = sj["停顿次数"] != 0 # 判断用水事件是否存在停顿 142 sj.loc[stopNo0,"平均停顿时长"] = sj.loc[stopNo0,"总停顿时长"]/sj.loc[stopNo0,"停顿次数"] 143 sj.fillna(0,inplace=True) # 对缺失值用0插补 144 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 145 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 146 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) 147 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', 148 sj.iloc[:5,:5]) 149 150 data["水流量"] = data["水流量"] / 60 # 原单位L/min,现转换为L/sec 151 sj["总用水量"] = 0 # 给总用水量赋一个初始值0 152 for i in range(len(sj)): 153 Start = sj.loc[i,"事件起始编号"]-1 154 End = sj.loc[i,"事件终止编号"]-1 155 if Start != End: 156 for j in range(Start,End): 157 if data.loc[j,"水流量"] != 0: 158 sj.loc[i,"总用水量"] = (data.loc[j + 1,"发生时间"] - 159 data.loc[j,"发生时间"]).seconds* \ 160 data.loc[j,"水流量"] + sj.loc[i,"总用水量"] 161 sj.loc[i,"总用水量"] = sj.loc[i,"总用水量"] + data.loc[End,"水流量"] * 2 162 else: 163 sj.loc[i,"总用水量"] = data.loc[Start,"水流量"] * 2 164 165 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 166 # 构造特征:水流量波动 167 # 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 168 sj["水流量波动"] = 0 # 给水流量波动赋一个初始值0 169 for i in range(len(sj)): 170 Start = sj.loc[i,"事件起始编号"] - 1 171 End = sj.loc[i,"事件终止编号"] - 1 172 for j in range(Start,End + 1): 173 if data.loc[j,"水流量"] != 0: 174 slbd = (data.loc[j,"水流量"] - sj.loc[i,"平均水流量"])**2 175 slsj = (data.loc[j + 1,"发生时间"] - data.loc[j,"发生时间"]).seconds 176 sj.loc[i,"水流量波动"] = slbd * slsj + sj.loc[i,"水流量波动"] 177 sj.loc[i,"水流量波动"] = sj.loc[i,"水流量波动"] / sj.loc[i,"用水时长"] 178 179 # 构造特征:停顿时长波动 180 # 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 181 sj["停顿时长波动"] = 0 # 给停顿时长波动赋一个初始值0 182 for i in range(len(sj)): 183 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 184 for j in Stop.loc[Stop["停顿归属事件"] == (i+1),"停顿时长"].values: 185 sj.loc[i,"停顿时长波动"] = ((j - sj.loc[i,"平均停顿时长"])**2) * j + \ 186 sj.loc[i,"停顿时长波动"] 187 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"] 188 189 print('用水量和波动特征构造完成后数据的特征为:\n',sj.columns) 190 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]) 191 # 筛选候选洗浴事件 192 sj_bool = (sj['用水时长'] >100) & (sj['总用水时长'] > 120) & (sj['总用水量'] > 5) 193 sj_final = sj.loc[sj_bool,:] 194 sj_final.to_excel('sj_final.xlsx',index=False) 195 print('筛选出候选洗浴事件前的数据形状为:',sj.shape) 196 print('筛选出候选洗浴事件后的数据形状为:',sj_final.shape) 197 198 # 模型构建 199 # 读取数据 200 Xtrain = pd.read_excel('sj_final.xlsx') 201 ytrain = pd.read_excel('D:/anaconda/data/water_heater_log.xlsx') 202 test = pd.read_excel('D:/anaconda/data/test_data.xlsx') 203 # 训练集测试集区分。 204 x_train, x_test, y_train, y_test = Xtrain.iloc[:,5:],test.iloc[:,4:-1],\ 205 ytrain.iloc[:,-1],test.iloc[:,-1] 206 # 标准化 207 stdScaler = StandardScaler().fit(x_train) 208 x_stdtrain = stdScaler.transform(x_train) 209 x_stdtest = stdScaler.transform(x_test) 210 # 建立模型 211 # 经过参数优化,发现两个隐藏层,隐藏节点分别为17和10时,优化效果较好 212 bpnn = MLPClassifier(hidden_layer_sizes = (17,10), max_iter = 200, solver = 'lbfgs',random_state=50) 213 bpnn.fit(x_stdtrain, y_train) 214 # 保存模型 215 joblib.dump(bpnn,'water_heater_nnet.m') 216 print('构建的模型为:\n',bpnn) 217 218 # 模型检验 219 # 模型评价 220 bpnn = joblib.load('water_heater_nnet.m') # 加载模型 221 y_pred = bpnn.predict(x_stdtest) # 返回预测结果 222 print('神经网络预测结果评价报告:\n',classification_report(y_test,y_pred)) 223 # 绘制roc曲线图 224 plt.rcParams['font.sans-serif'] = 'SimHei' # 显示中文 225 plt.rcParams['axes.unicode_minus'] = False # 显示负号 226 fpr, tpr, thresholds = roc_curve(y_pred,y_test) # 求出TPR和FPR 227 plt.figure(figsize=(6,4)) # 创建画布 228 plt.plot(fpr,tpr) # 绘制曲线 229 plt.title('用户用水事件识别ROC曲线学号2020310143040') # 标题 230 plt.xlabel('FPR') # x轴标签 231 plt.ylabel('TPR') # y轴标签 232 plt.savefig('D:/anaconda/data/用户用水事件识别ROC曲线.png') # 保存图片 233 plt.show() # 显示图形