1.一种供水管网异常数据检测方法，其特征在于包括如下步骤：步骤1，基于正常工况聚类的监测点合理分组；

S1.1，对覆盖整个供水管网的监测点，按邻近原则划分成1组、2组、…、N/2组，N为测点数，若N为奇数则对N/2向下取整，共有L种分组方式；

每种分组下，针对测点组所包括的正常的流量与压力数据，进行k‑means聚类，得到测点组的聚类结果；

在k‑means聚类时，其聚类类别数量k值的选取按照手肘法选取，手肘法的核心指标是误差平方和SSE；

计算多个k值下的SSE，以X轴为聚类类别数量k值，Y轴为SSE值，绘制曲线图即得到肘形图，选取肘部对应的k值作为聚类类别数量；

S1.2，计算分组的分离性指标ε，其计算如式(4)

其中，Dpq表示类p与类q聚类中心之间的欧氏距离，按式(5)计算，dp与dq表示类p与类q的类内距；

其中，m表示聚类中心点的维度，Cpt和Cqt分别表示第p个类中心和第q个类中心的第t个属性；

类内距σ为各类中样本点到聚类中心距离的标准差，按式(6)计算：其中，N表示同一类别中样本点到聚类中心的距离数量总数，xe表示样本点e到该类中心的距离，μ表示所有距离值的平均值，按式(7)计算：取所有分离性指标的均值作为分组方式下聚类的分离性指标ε(l)′，其计算方式如式(8)其中，εo表示该分组第o个分离性指标，o∈[1,U]，U表示该分组方式下共有U个分离性指标；

S1.3，计算分组方式的轮廓系数S(l)′，轮廓系数的具体计算过程如下：S1.3.1，对某一类别中的样本点w，计算该点与同一类别中所有其它元素的距离，再取距离的平均值，记作a(w)，表示类内的凝聚度；

S1.3.2，另取样本点w所属类外的一个类，计算样本点w与该类中所有样本点的距离，再求距离的平均值，遍历所有其它类别，找到距离最近的类别，并将点w到该类别所有样本点距离的平均值记作b(w)，表示类间的分离度；

S1.3.3，对于样本点w，其轮廓系数计算公式如下

S1.3.4，计算所有样本点的轮廓系数，求所有轮廓系数的平均值，即为该分组方式的轮廓系数S(l)′；

S1.4，得到各个分组方式下的分离性指标和轮廓系数，绘制以分离性指标和轮廓系数为Y轴、监测点数量为X轴的双轴显示折线图，根据两个指标的折线交点选出合理的邻近监测点分组方式，确定测点合理分组；

步骤2，在步骤1基于正常工况聚类的监测点合理分组的基础上，计算组内所有样本到其类中心的欧式距离值；

得到所有欧式距离值后，按测点组组别i和聚类类别j标记欧式距离值Disij，记为Distance；

步骤3，采用箱型图确定各测点组内每类的判异阈值，并对所有样本数据进行检验；

利用箱型图分析合理分组后的欧式距离数据Distance，得到每个测点组中所有类别的箱型图参数，正常数据判断阈值区间即为箱型图上限到箱型图下限，记为[min，max]；

根据测点组分组情况，将所有样本数据按测点划分至对应的组别，再计算所有样本数据到所属类中心的欧式距离；根据欧式距离的远近，将样本数据划分至欧式距离最近的类别，按测点组组别i和聚类类别j标记欧式距离值disij，记为disiance；

将disij中的欧式距离值与对应的判异阈值区间[maxij,minij]对比，在区间外即为异常；

再根据检验结果得到混淆矩阵，并计算检测准确率；

步骤4，实际异常数据检测；

针对监测点当前采样得到的节点流量压力数据；

S4.1，按测点分组，构建各测点组当前样本；

S4.2，各测点组当前样本，计算到本组内各类中心距离，划入本组内距离最近的某一类s，记录类内距dis′rs；

S4.3，各测点组当前样本，其类内距dis′rs中的距离值与所属类的判异阈值区间[maxij,minij]比较，若在区间内则为正常，反之则为异常；

各组当前样本全部检测完毕，完成当前采样数据的检异。

2.根据权利要求1所述的一种供水管网异常数据检测方法，其特征在于：步骤1中所述的k‑means聚类，具体流程如下：给定一个数据集X，该数据集中包含n个样本点，且每个样本点的维度均是m维，即：X＝{X1,X2,X3,…,Xn}；

S1.1.1，首先在数据集X中随机选择k个样本点D＝{D1,D2,D3,…,Dk}，作为初始化类中心，计算各个样本点Xi到所有各聚类中心的的欧氏距离，计算公式为式(2)；

Xa表示第a个样本点，a∈[1,n]，Db表示第b个聚类中心，b∈[1,k]，Xat表示第a个样本点的第t个属性，t∈[1,m]，Dbt表示第b个聚类中心的第t个属性；

S1.1.2，比较每个样本到各个聚类中心的距离，找到距离最小的类中心，将该样本点划分至距离最近的聚类中心所在的类别，得到k个类别的数据集合{F1,F2,F3,…,Fk}；

S1.1.3，根据S1.1.2中所划分的类别，计算每个类别的中心点，作为新的聚类中心，聚类中心的计算公式为式(3)：其中，Cg表示第g个聚类中心，g∈[1,k]，Fg表示第g个类别，Ng表示Fg中包含样本点的个数，Xh表示Fg中第g个样本点，h∈[1,Ng]；

S1.1.4，迭代S1.1.2、S1.1.3两步，直至聚类中心不再发生改变为止。

3.根据权利要求1所述的一种供水管网异常数据检测方法，其特征在于：步骤3中所述箱型图参数的计算过程如下：S3.1，计算距离数据上四分位数Q3和下四分位数Q1，距离数据共有v个，对这v个数据按照从小到大排序，Q3为第T1个位置上的数，Q1为第T2个位置上的数，其中T1与T2的计算公式如式(11)与式(12)S3.2，计算四分位间距IQR，如式(13)

IQR＝Q3‑Q1                          (13)S3.3，计算上限Max与下限Min，计算方法分别如式(14)与式(15)Max＝Q1+W*IQR                      (14)Min＝Q3‑W*IQR                      (15)其中，W为四分位间距IQR的权重系数。

4.根据权利要求1或3所述的一种供水管网异常数据检测方法，其特征在于：步骤3中所述准确率未达到95％，则对该测点组各类别的判异阈值区间进行调整，小幅调整式(14)与式(15)中IQR前面的权重系数W；在进行小幅度调整后，再做所有样本数据检验，若准确率仍不达标，则继续调整直至达标。

5.根据权利要求4所述的一种供水管网异常数据检测方法，其特征在于：所述权重系数W缺省值为1.5。