基于分区模型的城市供水管网压力监测点布置

为掌握整个城市供水管网的压力分布情况,提出基于供水管网分区模型的压力监测点布置方法．首先采用欧氏距离度量供水管网中任意两两节点在一个运行周期内水压波动的相似度;然后按照给定的分区内最大允许欧氏距离限定要求,依次对每根管段上两个端节点的子区归属进行判断,从而实现对管网的分区;最后在各子区内选择一个最能代表本子区节点水压波动情况的节点作为压力监测点．将该分区布置模型应用于东北某市开发区的供水管网,分区结果表明,各子区内的所有节点是连通的,任意两两节点间的欧氏距离均在给定的最大允许值范围内,并且不同的最大允许欧氏距离形成不同精度的分区方案．在各子区内布置一个压力监测点,当压力监测点布置数目为4时,平均相对误差为4.53％,此时基本能反映供水管网的压力分布情况.     

山地城市供水管网分区优化两步法

为解决山地城市供水管网能耗大、漏损严重、爆管频繁和压力分布不均等问题,建立了山地城市供水管网分区优化模型,提出针对已建成管网的分区优化方法.该法先对已建管网进行分区,然后采用NSGA-Ⅱ算法对各区进行管径组合方案优化.供水管网分区先以两个节点间的高差作为管段的特征值,以管段为单位,兼顾各区内部节点的连通性,依次对每根管段上的两个节点按照一个给定的区内最大允许高差值进行分区,使得每个分区内最高点同最低点的高差均在该值范围内.管径组合方案优化采用NSGA-Ⅱ算法进行求解,该算法以各管段管径逼近其经济管径的方向为遗传变异方向.通过编制计算程序,对某一山区管网进行分区优化设计. 结果表明,采用该法进行分区优化,既能有效地降低供水能耗,又能很好地保证管网内压力分布的均匀性.[JP]     

基于改进GRU的城市供水管网流量预测研究

城市供水管网随着城市规模的扩大和人口的增加等因素的变化而越来越复杂,供水管网的流量预测在管网的优化调度工作中发挥了有效作用。本文通过分析某城市供水管网系统的多个监测节点的流量数据,以类似局部加权线性回归的方法优化GRU算法,构建了基于多监测节点的流量预测模型,提高了模型的泛化能力。利用该市供水管网监测平台采集的监测节点流量数据进行验证,实验的结果表明,基于改进的GRU流量预测模型有着较好的预测精度。     

极小降压空间下城市供水管网的DMA分区方法

在实施独立计量区域（DMA）分区时关闭边界阀门会造成管网中局部压力不满足管网规定最小服务水压.针对上述问题,以谱聚类算法分区后边界管段(BPs)的数量及其平均体积流量、管径和长度作为目标函数,通过MATLAB中的函数gamultiobj得到最优分区BPs.设置一系列不同的最小服务水压并将它们作为约束条件,以分区后节点平均水龄和分区成本为目标函数,经gamultiobj优化计算得到Pareto最优解,根据解的情况确定BPs上设备的最优布置方案.采用模拟退火算法找出最佳管段更换方案,使得管网水压满足要求.以仅有0.09 m降压空间的Modena管网为例,采用本研究方法,在顺利完成分区的基础上还使分区后大体积流量用户和管网末梢用户的水质得到改善.该方法可以实现极小降压空间下管网的DMA分区,且在分区后仍能保证管网正常运行.     

船舶海水冷却管网分区供水研究

船舶海水冷却管网不仅需要准确分配管网流量,而且更需要节能。针对某船舶海水冷却管网系统,进行了分区供水研究。在流量分区的基础上,综合考虑压力、结构等因素优化了船舶海水冷却管网分区供水方案。通过理论分析和实验研究,在满足变工况运行时海水用户所需额定流量的前提下,优化分区方案相比经验分区方案具有更低的能耗。该研究对于船舶海水冷却管网分区供水设计具有理论指导意义。     

基于FastICA算法的物理漏损流量分析模型

为解决传统供水管网物理漏损流量分析模型模拟准确度不高、无法体现物理漏损流量与水头关系的不确定性等问题,基于快速独立成分分析(FastICA)算法构建物理漏损流量分析模型.该模型将供水总流量划分为用水流量和物理漏损流量,并视为2个源信号.以供水总流量和管网入口处水头2个参数为输入参数,通过源信号分离获得2个流量的波形信息,通过比较相关系数确定源信号的顺序,通过水平衡方程确定物理漏损流量的真实尺度,实现物理漏损流量在时间序列上的模拟.该模型输入参数易于获取且有效避免了物理漏损流量与水头关系的复杂性,在单水源供水管网中模拟准确度较高,并且在供水管网水力模型节点流量分配中得到了较好的应用.     

基于FastICA算法的物理漏损流量分析模型

为解决传统供水管网物理漏损流量分析模型模拟准确度不高、无法体现物理漏损流量与水头关系的不确定性等问题,基于快速独立成分分析(FastICA)算法构建物理漏损流量分析模型.该模型将供水总流量划分为用水流量和物理漏损流量,并视为2个源信号.以供水总流量和管网入口处水头2个参数为输入参数,通过源信号分离获得2个流量的波形信息,通过比较相关系数确定源信号的顺序,通过水平衡方程确定物理漏损流量的真实尺度,实现物理漏损流量在时间序列上的模拟.该模型输入参数易于获取且有效避免了物理漏损流量与水头关系的复杂性,在单水源供水管网中模拟准确度较高,并且在供水管网水力模型节点流量分配中得到了较好的应用.     

结合图论的供水管网PMA分区方法

供水管网压力分区(PMA)以压力调控为主,兼顾区域计量,可有效地控制城市管网漏失,为此,提出结合图论的PMA分区方法,首先运用自适应AP聚类算法结合经济性计算对供水管网进行初步分区,确定分区数目;然后运用迪杰斯特拉(Dijkstra)算法计算各个聚类中心点到水源的最短路径,确定各个分区的供水管段;建立分区边界优化模型,运用模拟退火算法求解该模型;最后结合人工经验对部分分区进行适当合并,形成最终方案并运用于Y市供水管网实例,取得良好结果.该种分区方法是以计算机算法为主体并结合人工经验,很大程度降低分区的工作量,并且比传统的人工试错分区具有更大的搜索空间,可用于指导实际供水管网的PMA分区.     

独立计量分区截断管水质时空变化规律

为探究城市供水管网独立计量分区（DMA）建设过程中形成的分区截断管道和滞流区对供水管网水质的潜在影响,以管龄为9 a的实际供水管道为研究对象,设计并搭建试验平台,研究DMA分区截断管道内管网水关键水质理化指标、生物指标的时空变化规律. 研究结果表明：随着截断管深度的增加,管壁生物膜和管垢脱落速度加快,水质恶化速率加快;铁释放、浊度和活菌浓度在不同管深处随时间的变化情况不同,12 h后,水质恶化速率明显加快;各水质指标恶化的相关性分析显示,截断管越深,水质受到主干管的扰动越少,各指标相关性水平越高.     

谱聚类在给水管网分区优化中的应用

利用图划分技术和图论算法实现给水管网分区。根据给水管网分析,确定分区数量,建立权重邻接矩阵并计算图拉普拉斯矩阵及其特征向量,通过多路图划分对隐藏在特征向量中的聚类信息进行数据挖掘,采用遗传算法和K均值方法实现最佳节点聚类。利用PageRank和最短路径算法确定水表和阀门位置,最终实现给水管网优化分区。实际给水管网模型分区实例表明所提方法在给水管网分区的有效性。     

一种基于结构信息的改进CNM算法

CNM(clauset-newman-moore)算法能有效划分网络社区结构,但是对应划分出的社区准确度不高。对此,结合网络结构信息提出了一种改进CNM算法。通过对输入数据进行迭代删边预处理,精简网络结构,将原始网络分为两个子网络,然后将CNM算法应用到子网络,完成社区发现。在五个不同规模数据集上的试验结果表明,改进CNM方法提高了社区发现的质量和精度,社区模块度在小规模的数据集上得到了显著提升。     

基于模块度相似性的二分网络链路预测算法

基于社团结构,提出模块度相似性的二分网络链路预测算法,克服了二分网络在链路预测中丢失社团结构信息的局限性。首先,通过定义二分模块度,利用奇异值分解,将网络中的节点嵌入到欧式空间中的向量。其次,提出二分网络模块度相似性的框架,利用向量余弦相似度定义二分网络节点对之间的模块度相似性指标(MS指标)。最后,基于小提琴图和评价指标AUC,在3个真实网络上进行模拟仿真,与9种链路预测相似性指标进行对比,证明MS指标用于二分网络链路预测具有较高的精度。     

全互连立方体网络的路由算法研究

一种应用于大规模并行处理系统的结点度等于常数的递归多级分层互连网络,称为全互连立方体网络(FCCN,Fully Connected Cubic Network)．FCCN具有可扩展性好、延伸性能好等优点．一个m-FCCN可以由8个(m-1)-FCCN来递归得到,FCCN网络的结点度与网络的规模大小无关,网络的直径和平均结点距离都与结点数的立方根成正比．提出了FCCN中的简单自寻路算法．并与最短路由算法进行比较研究,计算结果表明,在85％以上的情况下,自寻路算法可以得到最短距离;并证明了FCCN在信息局部性系统中具有比较高的并行处理效率．     

基于改进Fisher准则的深度卷积神经网络识别算法

为了有效利用深度学习技术自动提取特征的能力,并解决当训练样本量减少或者迭代次数降低时识别性能急速下降的问题,提出了基于Fisher准则的深度学习算法.该方法在前馈传播时,采用卷积神经网络自动提取图像的结构信息等特征,同时利用卷积网络共享权值和池化、下采样等方法减少了权值个数,降低了模型复杂度;在反向传播权值调整时,采用了基于Fisher的约束准则.在权值的迭代调整时既考虑误差的最小化,又同时让样本保持类内距离小,类间距离大,从而使权值能更加快速地逼近有利于分类的最优值,当样本量不足或训练迭代次数不多时可有效地提高系统的识别率.大量的实验结果证明:该基于Fisher准则的混合深度学习算法在标签样本不足或者较少训练次数的情况下依然能达到较好的识别效果.     

基于最大流算法的复杂电力网络脆弱性分析

结合电力网络的电气特征,提出一种基于复杂网络理论和网络最大流算法得到定位电力网络关键线路的方法。首先,通过计算电力网络导纳矩阵,对连接线赋予相应权重;然后,基于网络最大流算法算出连接线最大流量,并综合导纳及线路最大流量值作为识别关键线路新的状态指标。最后,对IEEE 39节点系统和IEEE 118节点系统进行仿真分析。结果表明,该系统对随机攻击具有较强的鲁棒性,随机选择和移除元件对系统效率几乎没有影响,但对有高中心性指数的线路蓄意攻击后,网络效率急剧下降,IEEE 39系统约下降了60%,IEEE 118系统约下降了40%。     

移动荷载下基于RBF神经网络的地基土参数识别

研究了移动荷载作用下径向基神经网络在地基土的参数识别中的应用。针对径向基神经网络的不足，采用压缩映射递阶遗传算法来确定网络参数（连接权、隐节点中心和宽度），改进算法的收敛性。基于频率响应，采用主元分析方法，有效减少了网络的输入节点。结果表明该方法是可行的。     

模块密度谱分的网络社团发现方法

为有效地检测复杂网络中的社团结构,对评估与发现社团的模块密度函数(即D值)进行了优化．通过模块密度函数的优化进程,论证了模块密度函数被优化框定到广阔的谱分聚类方法中的矩阵松散最大化,并且提出了一种新的谱分算法．该算法允许自动选择最优的社团结构数目．在经典的计算机产生的随机网络及真实世界网络中检验了该算法．特别地,当网络中社团结构变得模糊时,实验结果显示这种新的算法在发现复杂网络社团上比基于模块密度的直接核方法及基于模块函数(Q)的谱分方法更加有效．     

基于多重特征向量的有向网络社团结构划分算法

有向网络社团结构的识别对于理解复杂系统的结构特性和动力学特性都有着重要的意义。提出了一种基于拉普拉斯矩阵多重特征向量的有向网络社团结构划分算法,该算法利用有向网络拉普拉斯矩阵的前c个较小特征值所对应的特征向量来划分有向网络的社团结构。在人工数据和实证数据上与模块度的谱优化算法和模拟退火算法做了对比实验。实验结果表明,当社团结构明显时,该算法的归一化互信息指标的值接近于1。当社团结构不明显时,该算法所取得的效果也优于谱优化和模拟退火算法。与这两种算法相比,在实证网络上模块度Q值也可以提高17.28%和19.21%。该文工作对于理解有向网络上拉普拉斯矩阵的多重特征向量与网络的社团结构的关系具有十分重要的意义。     

基于可变基函数和GentleAdaBoost的小波神经网络研究

针对传统小波神经网络(wavelet neural network, WNN)受隐含层节点数影响大、网络误差易陷入局部极小、预测结果不稳定的问题,提出使用GentleAdaBoost和小波神经网络相结合的方法,提高网络预测精度和泛化能力。该方法首先对样本数据进行预处理并初始化测试数据分布权值;然后通过选取不同的隐含层节点数、小波基函数构造出不同类型的小波神经网络弱预测器序列并对样本数据进行反复训练;最后使用GentleAdaBoost算法将得到的多个小波神经网络弱预测器组成新的强预测器并进行回归预测。对UCI数据库中数据集进行仿真实验,结果表明,本方法比传统小波神经网络预测平均误差减少40％以上,有效地提高了神经网络预测精度,为小波神经网络应用提供借鉴。     

基于拓扑势的网络社区结点重要度排序算法

针对经典网络社区划分方法存在的划分结果难以理解的问题,基于源自物理学中核子场的拓扑势理论,提出针对具有聚类效应的社会网络和复杂网络的社区结点重要度排序算法.在算法中,首先利用NSP方法(network soft partition based on topological potential)依据结点在社区中所起的作用将其分为内部结点和边界结点,其次分别对内部结点和边界结点的重要性进行量化并排序,最后将2个排序结果进行拼接以构成最终的排序结果.实验表明,文中算法不但可以解决前述问题,而且具有和快速排序算法同样的时间复杂度.