1.一种基于VARX模型的供水管网异常事件侦测方法，其特征在于该方法包括以下步骤：步骤1.测点分组，确定输入样本，具体是：建立供水管网预测数据库；其中输入数据包括：测量点压力、流量值；输出数据包括：预测压力、流量值；

(1)监测点分组

将监测点通过相关性分组，相关性计算公式如下：其中x，y是两组时间序列数据；Ex，Ey是对应的两组时间序列数据的期望值；Dx，Dy是对应的两组时间序列的方差；corr(x,y)则是对应的两组时间序列数据的相关系数，用来表征相关性；相关系数的取值范围在0～1，0表示不相关，反之1表示相关性明显；

(2)确定输入样本

根据监测点分组确定输入样本为{xt,yt}i，其中xt为d维外生变量，yt为k维内生变量，即d个外生变量的监测点k个内生变量的监测点，t为时间单位，i表示第i组监测点；

步骤2.按分组建立VARX模型

为每一组监测点的每一次预测建立VARX模型，根据输入样本数据{xt,yt}i进行模型定阶并建立模型；

(1)VARX模型定阶

采用AIC定阶准则；其定义如下：

其中 为残差，T为样本周期，p为模型滞后项，AIC值取最小值时的p值为模型最佳选择值；

(2)建立VARX模型

VARX模型的表达式为：

其中：xt为d维外生变量；Θj为k×d维待估计的系数矩阵；yt为k维的内生变量；c为k维的常数项；Φi为k×k维待估计的系数矩阵；p,q为滞后阶数；{εt}为k维白噪声序列；

VARX模型的参数估计使用极大似然法得到，设定：β＝vec([c Φ1 ...Φp Θ1 ...Φq])， 则上式可表示为：yt＝Wt-1β+εt

随后根据极大似然算法有：

从β和 方面可以衍生模型参数如下：

步骤3.压力预测并计算差异

根据样本数据和建立好的模型得到每个监测点的预测值,并计算监测点n天内每一时刻预测值和观测值的差异；其中VARX模型预测值为(Y'1j,Y'2j,...,Y'ij)，观测值为(x1j,x2j,...,xij)，i＝1:k，j＝1:n，k表示监测点压力数据个数，则差异可表示为：Δyij＝(x1j-Y'1j,x2j-Y'2j,...,xij-Y'ij)步骤4.计算差异的平均值和标准差

计算每个监测点在M天中差异的平均值和标准差；假定压力时间序列的采样频率为m min/次，n天的差异可表示如步骤3，那么一天差异的平均值 可由下面的公式计算得到，其中q＝1:m:1440/m；

标准差(σ1,σ2,...,σq)可通过下式计算得到：步骤5.侦测异常事件

按照下述异常事件判定规则，实时侦测供水管网的异常情况：a.任一时间点压力、流量观测值低于-4σ边界；

b.连续2个时间点压力、流量观测值低于-3σ边界；

c.连续4个时间点压力、流量观测值低于-2σ边界；

d.连续8个时间点压力、流量观测值低于-1σ边界；

一旦观测值触动判定规则，则认定管网异常事件发生，记录发生时刻，并触发相应预警。