城市供水管网漏损预测模型及检漏方法的研究

介绍了多元线性回归模型、灰色预测模型、漏损检测周期的优化数字模型等几种供水管网漏损预测模型，并对供水管网漏损的检漏方法进行了阐述，从而为消除其对管道基础、公共设施造成的危害提供了保证。     

供水管道漏损预测模型研究

根据某市供水管网漏损数据的大量统计,应用多元线性回归分析理论,通过供水管道漏损原因相关分析,对供水管道投入使用后产生漏损的初妈中时间进行了科学预测,建立了供水管道漏损预测模型,该方法为改变供水行业被动式的漏损管理模式,对管道漏损做到早预防、早解决提供了一个新的思路。     

供水管网漏损预测模型的应用比较

管网漏损现象普遍存在于我国城市供水管网中,在造成经济损失的同时,也对城市公共安全形成隐患。本文以我国城市供水管网平均漏损率为研究对象,建立了时间序列分析方法的二次指数平滑模型和三次指数平滑模型,并分别进行预测。通过精度分析和比较发现,二次指数平滑模型能更好地反映出平均漏损率的变化趋势。该模型可以为供水行业管理水平评价提供参考,具有重要的指导意义。     

城镇供水管网漏损的现状

主持人:目前城镇供水管网漏损的现状如何? 郑小明:首先解释一下什么是管网漏损率?管网漏损率是管网漏水量与供水总量之比.其次,管网漏损的现状:目前,我国600多个城市供水管网的平均漏损率超过15％,最高达70％以上;另一项针对408个城市的统计表明,城市公共供水系统的管网漏损率平均为21.5％.由于管网渗漏和收不到水费等因素,我国某省会城市的供水干线产销差率高达41％.以自来水为例,我国平均漏失率为15.7％,有些地方甚至高达30％以上,而发达国家最高水平是6％至8％.     

我国西南地区城市供水管网漏损分析及控制研究

城市供水管网是城市经济发展的命脉。以我国西南地区城市管网漏损现状为研究对象,结合近九年的西南地区供水管网运营数据,采用MATLAB软件,运用统计回归法,对影响供水管网的五大因素包括年代、管网密度、管径、管材、管网压力进行分析并建立西南地区城市供水管网漏损估计模型。根据所建立的模型,提出降低我国城市供水管网漏损的意见和建议。     

智能化管理城市供水管网

根据中国水协2001年对全国593个城市的调查．2001来全国自来水平均漏损率为15．6％；另据有关部门公布的2002年对全国408个城市的统计显示．2002年我国城市公共供水系统管网漏损率平均达215％，个别城市更是高达30％上，北方一些缺水城市的供水管网漏损率甚至高达40％左右．远远高于12％的国家考核标准。数据表明，近年来我国管网漏损率仍居高不下且有增长趋势。     

切实降低管网漏损率提高水司有效供水

城市供水管网漏损长期以来是困扰供水企业的突出问题，也是各供水企业努力破解的一道难题。我国供水行业的平均漏损率为20％，由于技术、设施、管理等因素影响，县镇供水部门平均漏损率还高于这一比例。     

供水管网背景漏失指数研究

管线漏损水量的大小与管网特征、压力等均有关系,常用的基于百分比的漏损评价指标,如漏损率、漏失率、产销差率等,表征的是某一特定管网条件下的漏损或漏失水量占供水量的百分比,不宜用于不同管网系统间的漏损水平的比较。针对此情况,分析了国际上应用广泛的供水管网漏失指数(ILI),选取Y市19个计量分区的数据进行分析,探讨ILI在我国的适用性,并通过多元线性回归分析法对ILI进行改进,提出了适合我国楼宇计量分区和平房计量分区的真实漏损水量评价指标——供水管网背景漏失指数(BLI)。BLI考虑了管网的管长、用户连接个数、管网平均压力,不受供水总量的影响,能够反映管网的真实漏损水平,适用于不同系统间的比较。     

基于SVR的城市供水管网余氯预测分析

支持向量机回归(SupportVector Regression SVR)算法是结构风险最小化原理在函数回归方面的应用。根据北方某城市供水管网余氯的人工采样数据,建立了基于SVR的余氯预测模型,并与人工神经网络、多元线性回归方法进行比较分析,结果表明:在有限样本情况下,SVR模型具有良好的泛化推广能力,各监测点模型预测平均相对误差为1.80%~8.73%,并可获得全局最优解,达到了实用要求,较好地解决了以往管网余氯小样本预测时,常常出现拟合精度高、预测效果较差的问题。     

城市供水管网经济漏损水平研究

在我国各城市普遍缺水的同时,城市供水管网的漏损状况却相当的严重。2002年到2003年建设部组织进行的供水管网普查,我国城市供水管网漏损状况已呈逐年增加趋势。部分被调查的城市供水管网漏损率为21.4％左右,一些北方地区城市供水管网漏损率甚至达到40％,这已远远超过12％的国家控制标准。据统计,全国每年有100亿吨水因漏损而付之东流,造成巨大损失。在大力建设节约型社会的今天,降低管网漏损迫在眉睫。     

混沌局域法与神经网络组合供水量预测

城市供水量是非线性、非平稳时间序列,组合预测模型能获得更高精度预测结果。通过深入分析混沌局域法与神经网络预测模型特点,提出了一种新的组合预测模型。首先,应用混沌局域法对城市日供水量进行初预测,然后,应用神经网络对预测结果进行修正。由于所提出的组合模型利用了混沌局域法及神经网络进行优势互补,能同时提高预测精度与计算效率。为验证所提出组合预测模型的可行性,采用某市7a实测供水量数据,对混沌局域法、BPNN、RBF及GRNN神经网络4种单一预测模型及相应的3种组合模型预测精度进行定量分析,结果表明,组合预测模型精度都高于对应单一预测模型,混沌局域法与GRNN神经网络组合模型预测精度最高,且运算时间远低于单一神经网络模型运算时间。     

组合模型在给水管网漏损预测中的应用

将灰色模型应用于对给水管网漏损的预测，并用方差一协方差优选组合模型将灰色模型和二次指数平滑模型进行组合。实例分析表明，组合模型的预测精度优于单个模型，可用于对实际管网漏损的预测。     

随机森林回归模型及其在污水排放量预测中的应用

以万元GDP用水量及万元工业增加值用水量为影响因子,提出了基于随机内插构造样本的随机森林回归（RFR）年污水排放量预测模型.结果表明,采用RFR模型对全国2000—2011年污水排放量进行预测,随机连续运行100次的平均相对误差绝对值和最大相对误差绝对值分别为1.50％ ～2.58％和3.36％～6.11％,均值分别为1.92％和4.39％;模型对全国2012-2015年、2020年及2030年污水排放量的预测平均值分别为679.1×108,679.5×108,700.6×108,710.6×108,735.0×108和765.4×108 m3.RFR模型具有预测精度高、泛化能力强、稳健性能好以及调节参数少等特点.     

基于集对分析的供水管网漏损预测模型

探讨了集对分析法在供水管网漏损预测中的实现途径,从同、异、反三个方面度量漏损预测样本与历史样本的相似性,建立了基于集对分析的漏损预测(SPA-LF)模型。应用结果表明,SPA-LF对预测过程不确定性的描述较为详细,供水管网漏点数及漏损频率预测结果均显示出SPA-LF模型的有效性,减小了预测过程的不确定性,与灰色系统模型、指数平滑模型及神经网络模型预测结果相比,SPA-LF模型取得了满意的预测精度。SPA-LF模型计算简单,使用方便,可为供水管网的维护及管道更新提供决策支持。     

配水管网中细菌再生长的预测研究

管网中细菌的再生长及其所带来的问题日益得到了人们的关注和重视，为此以某高校的校园管网为研究对象，建立了细菌总数的预测模型。算例结果表明，线性回归模型对细菌再生长的预测结果不理想，但创新性地选用Logistic回归模型并结合主成分分析法则可对细菌总数（二分变量）的超标概率进行准确预测，当将模型判别概率设为0．85时其精度〉90％，满足水质预警的要求。     

Predicting a water infrastructure leakage index via machine learning

In this study, the infrastructure leakage index (ILI) indicator that is preferred frequently by the water utilities with sufficient data to determine the performances of water distribution systems is modeled for the first time through the three different methodologies using different input data. In addition to the variables in the literature used for the classical ILI calculations, the age parameter is also included in the models. In the first step, the ILI values have been estimated via multiple linear regression (MLR) using water supply quantity, water accrual quantity, network length, service connection length, number of service connections, and pressure variables. Secondly, the Artificial Neural Network (ANN) approach has been applied with raw data to improve the ILI prediction performance. Finally, the data set has been standardized with the Z-Score method for increasing the learning power of the ANN models, and then the ANN predictions have been made by converting the data through the principal component analysis (PCA) method to minimize complexity by reducing the data set size. The model predictions have been evaluated via mean square error, G-value, mean absolute error, mean bias error, and adjusted-R² model performance scale. When the model outputs obtained at the end of the study are evaluated together with the classical ILI calculations, it is seen that the successful ILI predictions with three and four variables, including the age parameter, rather than six variables, have been made through the PC-ANN method. Water utilities with insufficient physical and operational data for ILI indicator calculation can make network performance evaluations by predicting the ILI through the models suggested in this study with high accuracy in a reliable way.     

组合模型在城市用水量预测中的应用

将灰色模型和一元线性回归模型应用于城市用水量的预测,并用方差-协方差优选组合模型将灰色模型和一元线性回归模型进行组合.实例分析表明,组合模型的预测精度优于单个模型,可用于城市用水量的预测.     

基于KPCA-FA-ELM 模型的管道剩余寿命预测

针对管道剩余寿命的预测问题,提出了一种基于KPCA-FA-ELM组合模型的预测方法,对腐蚀管道剩余寿命预测模型的构建方法以及预测模型的性能验证方法进行研究。以我国某油田的回注水管道和油气集输管道为例,对本次研究所提出的管道剩余寿命预测方法进行验证。研究表明：本次研究所提出的KPCA-FA-ELM模型在进行油田注水管道剩余寿命预测过程中,其最小相对误差为0.38%,最大相对误差为6.1%,平均相对误差为2.35%,均方根误差为0.207,希尔不等系数为0.011,在进行油气集输管道剩余寿命预测过程中,其评价指标均小于其他模型,因此,该种模型的性能优于其他常见预测模型。