共查询到20条相似文献,搜索用时 187 毫秒
1.
针对供水管网泄漏辨识定位系统,研究了以管网压力、流量参数形成的时间序列数据为基础,应用支持向量机方法建立漏损辨识模型,采用粒子群算法对支持向量机中的c、g参数进行优化,最终通过压力梯度法实现漏点的准确定位。结果表明:所建立模型对管网漏损辨识定位的准确率较高,满足供水管网漏损监测的要求。 相似文献
2.
3.
4.
以1991~1999年的城市供水管网漏损率值为原始数据,分别建立传统灰色模型、无偏灰色模型、等维灰色模型和改进等维灰色模型,并对预测结果进行对比,得出等维灰色模型具有较高的预测精度,适合用于供水管网漏损的预测。灰色模型的应用对有效控制管网漏损、节约水资源具有重要的指导意义。 相似文献
5.
管道系统漏损控制技术进展 总被引:5,自引:0,他引:5
为了提高供水效率和运行管理水平,针对国内外关于供水管道系统漏损控制方面的现状,从管网故障监测技术及设备、泄漏定位模型方法、信号辨识与算法寻优、健康维护和智能管理等视角梳理了管道系统泄漏监测与漏损控制技术的进展及存在的主要问题,分析了各检测方法用于管网泄漏问题的适用性。在此基础上,从实用角度提出了管网漏损控制值得解决的关键问题和方向如下:(1)针对漏损的监测和预警,应研究面向漏损监控的管网网络组建优化布置及快速预警技术;(2)针对小泄漏的定位模型,应研究管网漏损区域辨识与基于水力反问题分析的主动检测理论和方法;(3)针对检测设备研制,应重点研发基于探地雷达、光纤传感和内窥机器人等新技术的关键设备;(4)针对管网健康维护和智能管理,应研究复杂管网独立计量区域划分方法及管网健康评价和优化维护技术。 相似文献
6.
影响城市供水管网漏损的因素很多,通过层次分析法确定主要的漏损原因,在此基础上,应用多元线性回归模型对供水管道正式使用后初次漏损时间进行了预测,然后运用二次指数平滑模型对随后几年的漏损时间进行了预测,由此建立了完善的供水管网漏损时间预测模型。 相似文献
7.
给水管网压力调节阀门优化控制 总被引:1,自引:0,他引:1
随着水资源不足的日益严重、制水成本的不断提高和能源紧张,城市给水管网漏损及其控制问题已成为供水行业的一项重要课题。管网运行压力是影响管道漏损的主要因素之一,因此可以通过在管网中设置压力控制阀门的方式来调整管网局部压力,降低漏损水量。提出了优化控制阀门的位置以及开度的混合离散非线性最优化数学模型,并利用遗传算法求解。实现了对管网输配水范围内的压力控制阀门位置和开度的优化调度及管理,并用算例进行了模型校验。 相似文献
8.
9.
10.
11.
如何有效检测管道泄漏是节水型社会建设迫切需要解决的关键和热点问题之一。近年来基于深度学习的管道泄漏检测方法发展迅速,本文针对传统单尺度卷积神经网络对泄漏特征提取不充分的问题,提出一种基于多尺度一维卷积神经网络(MS1DCNN)的管道系统泄漏检测模型。该方法利用多个不同卷积尺度的卷积通路并行提取管道泄漏的特征并进行泄漏信息的分类预测。基于经典的管道系统布置,利用瞬变流模型生成管道泄漏工况下的三个水压数据集对模型进行验证,三个数据集分别用于预测管道的泄漏位置、泄漏量和非恒定摩阻系数,对应样本数为39601、3980、4900,并将预测结果与其他深度学习方法和传统的机器学习方法进行对比分析。结果表明:MS1DCNN模型对数据集样本下泄漏位置、泄漏量、非恒定摩阻系数的分类准确率达到99.96%、98.48%、100%,三者平均预测精度比传统一维卷积神经网络(1DCNN)、BP神经网络、支持向量机(SVM)和k近邻算法(KNN)提高0.31%、2%、1.27%、22.8%;MS1DCNN在信噪比为-4~12 dB的噪声环境下各数据集的平均F1分数分别为99.2%、97.02... 相似文献
12.
针对粗粒土渗透性能受颗粒级配、密实程度等因素影响而呈现明显差异,提出一种粗粒土渗透系数预测方法。收集并整理得到93组粗粒土数据,以全级配(d10~d100)和孔隙比作为BP神经网络的输入变量,利用遗传算法优化BP神经网络的初始权值与阀值,构建基于BP神经网络和遗传算法的粗粒土渗透系数预测模型。结果表明:该GA-BP神经网络经过55次迭代之后精度满足要求;87组训练样本预测结果的平均相对误差为5.10%,其中有75%的样本相对误差小于平均相对误差;6组检测样本预测结果的平均相对误差为6.39%,该网络模型泛化性能良好。采用GA-BP神经网络,由全级配和孔隙比能较好地预测粗粒土的渗透系数,且收敛速度、预测精度及泛化性能均优于标准的BP神经网络模型。 相似文献
13.
14.
为解决跨海管道泄漏位置定位问题,利用EPANET 软件对海底管道泄漏探测进行建模,采用BP 神经网络模型和经K-CV 改进的SVR 模型进行泄漏位置预测。对BP 神经网络的隐含层数和学习函数进行优化和选择,使用K-CV 方法对SVR 算法的惩罚系数c 和核函数参数g 进行最优组合探寻。利用EPANET 软件建模数据形成训练集,随机选取测试集进行预测,同时使用均方根误差和相关系数对预测结果进行评价。实例验证结果表明:K-CV 方法能够有效提高SVR 模型预测精度;与水力学稳态方程相比,BP 神经网络模型在泄露位置预测问题中应用范围更广、预测精度更高。 相似文献
15.
16.
本文针对传统BP神经网络存在收敛速度慢、计算量大、易收敛于局部最小点的缺点,引入遗传算法与LM算法优化BP神经网络,并对优化后的BP神经网络进行训练与预测。实验结果表明:优化后的模型具有训练速度快、预测精度高的特点,更适用于大坝的实时预报。 相似文献
17.
18.
19.