给水管网水质监控的理论研究

利用计算机技术，采用跟踪配水管网溶解物浓度的方法，建立了监测水质的数学模型，该模型是建立在符合对流体输和反应动力学的质量平衡关系基础上，可根据部分水质的有效数据推测出管网其它各处的水质情况，从而评估同水管网系统的水质状况。     

给水管网水质模拟研究

目的使用基于水力瞬变模型数值求解水质模型的方法．解决给水管网的水质变化问题．方法通过耦合求解水力瞬变模型和水质模型，用数值模拟管网的水质状况．在计算中适当调整水质时段和水力时段，使模拟结果收敛．结果从余氯衰减模拟结果看，水力瞬变事件通常会加速管网内水质恶化；并且，应用水力瞬变模型也可以模拟稳态下的水质．结论基于水力瞬变模型，应用有限差分法，用数值求解水质模型能够全面准确地反映不同工况下给水管网内的水质变化状况．     

基于水质指数的给水管网属性识别模型

给水管网中各监测点的水质因子项目繁多,仅仅靠单因子指标不能反映出监测点的水质总体情况,也不利于将水质状况对外发布.为了对给水管网水质进行总体的综合分析,需要进行综合性的科学评价.本文讨论了三种水质指数评价模型:原始水质指数模型、水质综合指数模型、Nemerow水质指数模型,阐述了不同水质指数的原理并给出了具体计算公式.结合实例分别应用三种水质指数模型对管网水质进行评价.实例证明:水质指数模型具有综合概括、简明扼要的特点,使给水管网水质的评价结果更加客观、合理.     

应用GRNN模型对给水管网水质的综合评价

给水管网水质是多种污染因子的综合作用结果。为克服水质综合评价过程中的随机性与评价专家主观上的不确定性,利用神经网络的非线性和良好的函数逼近特性,建立了给水管网水质评价的广义回归神经网络(GRNN)模型。该模型具有网络结构自适应确定及输出与初始权值无关等优良特性。通过对在水质评价各等级间随机内插足够数量的训练样本的训练,确定合适的光滑因子。通过实例验证了模型评价结果与实际情况的一致性,为给水管网水质的评价提供了一种新方法.     

污水处理出水水质指标的非线性动态软测量模型

由于缺乏稳定可靠的水质在线分析仪表,污水处理厂很难实现实时水质闭环控制和操作优化.通过选择污水过程中容易获得的进水流量和水质、溶解氧浓度、曝气氧量等辅助变量,提出一种基于PLS的多变量非线性动态多模型软测量建模方法.该方法基于有源自回归（Auto-Re-gressive with extra inputs,ARX）模型与模糊C-均值（Fuzzy C-Means,FCM）聚类方法识别操作工况,在不同操作工况分别采用神经网络偏最小二乘法NNPLS（Neural Net Partial Least Square）,建立多个非线性子模型拟和系统全局非线性.所提方法应用于某污水处理厂出水水质组分浓度软测量,仿真试验结果表明：该方法建立的多变量出水水质指标模型精度优于传统线性PLS模型.     

应用灰色聚类模型对给水管网水质的综合评价

灰色聚类法是灰色系统理论的一种,它以模糊数学为基础,并在此基础上有所发展、创新。灰色聚类模型的特点是对数据的分辨力高,多个评价因子的综合评价中有独到的优势。给水管网水质是多个因子的综合作用结果,不利于直观判断。因而可借助灰色聚类模型理论,确定实际的各项指标的数值与评价标准的关系,把各个因子定量的监测数据转化成综合性的结论。依靠灰色聚类理论来确定管网水质的归类以此方法来评价给水管网各个监测点的水质情况,确定管网水质的归类,最后用实例验证模型计算值与实际情况的一致性。     

管网在线-人工监测系统余氯预测Logistic回归模型

根据国内管网水质监测现状,对南方某城市供水管网多项水质指标进行检测,选择余氯为预测指标,以在线监测水质指标为影响变量,建立在线-人工监测系统的Logistic回归模型,对管网末梢余氯达标与否进行概率预测.经实例验证,预测结果达到了较高的准确度,可通过少量在线监测点预测并了解整个管网水质状况.     

基于有源自回归模型与模糊C-均值聚类的挖掘机液压系统故障诊断

为了提高挖掘机的可靠性水平和智能化程度,提出了基于有源自回归(ARX)模型与模糊C-均值(FCM)聚类的挖掘机液压系统故障诊断方法。该方法将故障诊断分成故障特征提取和故障分类两个部分。在故障特征提取中,针对已知故障和测试故障分别建立ARX模型,提取ARX模型的自回归系数作为故障特征。在故障分类中,以FCM聚类作为故障分类器,将测试故障归入已知故障的某个分类中,判断系统的故障类型。仿真和实验结果表明,ARX模型与FCM聚类相结合的故障诊断方法能有效地应用于挖掘机液压系统。     

面向大规模供水管网的水质监测点布局优化

在供水管网的重要位置布设一定数量的水质监测点,对管网水质进行实时监测,是保障水质安全的有效途径。现有水质监测点布局优化方法的研究大多针对小规模管网,在复杂的大规模管网中迭代求解效率和解集质量低,难以实际应用。为此,针对大规模供水管网节点数量众多且邻近节点相似程度较高等特点,以最小化监测时间和最大化污染事件覆盖比例为目标,建立水质监测点布局优化求解框架。该框架使用基于复杂网络重要性指标和耦合水力特征综合评价的节点筛选模型,对大规模管网中的重要节点进行污染事件模拟,并基于节点空间相似性改进遗传算法的演化策略,提升解集质量。针对实际大规模管网的模拟实验表明,此方法能解决供水管网规模较大时迭代效率和解集质量低的问题,获得有效的水质监测点布局。     

基于神经网络的钢筋混凝土剪力墙抗剪承载力研究

神经网络(ANN)模型作为土木工程领域中一种有效的方法能够用于解决复杂的问题.基于试验数据采用神经网络对钢筋混凝土剪力墙的抗剪承载力进行预测,收集160个钢筋混凝土剪力墙在低周往复荷载下的试验数据,建立数据库,选取140个试验样本对ANN模型进行训练,20个试验样本进行测试验证.ANN1和ANN2有14个输入参数:混凝...     

考虑气象因子的城市日用水量预测模型

讨论了影响城市用水量变化的气象因素,对某市6个月的用水量及气象数据进行分析,评估了温度、湿度、降水量与城市用水量的相关程度,并通过分别引入单气象因子和多气象因子,建立了日用水量预测的ARX模型.结果表明,在单步长(1 d)预测中,综合考虑最高温度和平均湿度的影响后,预测精度较时间序列的自回归模型有较大改进,同时也优于仅考虑单气象因子的预测模型.此外,在多步长的预测中,考虑气象因子后的预测模型精度仍具有明显的优势,是对用水量自回归时间序列预测方法的有效完善.     

基于异常值识别的计量小区短期需水量预测

需水量预测是进行水资源调配、节能降耗和降低管网水龄的关键问题。现有需水量预测研究主要对预测模型进行改进,而忽视了对预测准确性至关重要的预处理步骤,如异常值处理,限制了预测模型的精度。为此,建立基于密度的局部离群因子模型(local outlier factor, LOF)对需水量数据中的异常值进行识别及矫正,并将其与一种新兴的高精度、高效率梯度提升树算法(light gradient boosting machine, LightGBM)结合,形成组合需水量预测模型(LOF+LightGBM)。通过实际案例进行模型性能测试,结果表明,相比基于原始数据的预测模型,基于经过LOF模型处理后的需水量数据进行预测的模型均方根误差平均降低10%。LightGBM模型在不同数据集上的绝对平均误差比人工神经网络和支持向量机平均降低了24.7%。整体上,LOF+LightGBM表现最佳预测性能,3个计量小区(district metered area, DMA)的纳什效率系数分别为0.886、0.951、0.942。所有模型训练及预测时间均小于0.7 s。无论是LOF模型、LightGBM模型还是LO...     

利用BP神经网络描述作物-水模型

研究了利用BP神经网络描述作物－水模型的方法，将各生育阶段的耗水量作为输入，将作物单产作出输出，构建了具有1个隐含单元层的BP神经网络结构，利用北京永乐店试验站1998－1999年度的冬小麦灌溉试验资料进行了样本进行训练和检验，得到了作物－水模型的人工神经网络模型。结果表明，作物－水模型的人工神经网络模型具有较高的拟合精度和预测精度。     

预测城市用水量的人工神经网络模型研究

为了提高多层前馈神经网络权的学习效率,引入变尺度方法来训练神经网络的权值,并根据训练误差自适应调整学习系数和动量因子.将该方法应用于城市用水量预测中,建立了非线性人工神经网络预测模型.该模型考虑了城市工业用水重复利用率、用水人口、经济发展等众多因素对用水量需求的影响,具备系统决策功能.杭州市预测实例表明,建立的模型及其相应计算方法具有较高的预测精度和准确度.     

基于人工神经网络的磨料水射流切削工艺建模

磨料水射流（AWJ）切割工艺已经被遍及世界的许多车间所采用，其优点广为人知。为了进行精密加工，如精密切割、铣削、钻孔和磨削等，必须精确预测AWJ的侵蚀深度。文章基于人工神经网络（ANN）对AWJ切割工艺进行建模。模型采用三层结构，输入变量有水射流压力、水喷嘴直径、磨料粒子粒度（直径）、磨料流量和切割头进给速度。输出量为AWJ的切割深度。样本数据在JJ-Ⅰ水射流切割机床上实验获取，A3钢样板作为切割试件。采用改进的BP算法和样本数据对建立的人工神经网络进行训练。训练好的网络以一定精度建立了AWJ切割工艺中各参数之间的映射关系。所建模型可以精确预测AWJ的切深。将该模型集成到AWJ切割机床的计算机数控器中，可以实现AWJ精密加工。     

给水管网的半理论增广混合回归模型

以给水管网的调度优化为应用背景,分析了配水系统的水力学特点,建立了管网的供水泵站与管网中节点水压之间关系的半理论回归模型,并指出水源泵站水头对节点水压的影响系数之和接近于1.在此基础上,建立了考虑管网周期相关特性的半理论回归模型和半理论的增广混合回归模型.利用实际管网的实测数据进行了模型参数识别.分析了不同模型的模拟效果,结果表明所有模型所揭示的规律基本上符合理论分析,半理论的增广混合回归模型是一种能比较充分地反映水源与节点之间水头呈线性关系的模型.     

汉江水质综合评价的BP网络方法

以往的水质综合评价因子权重的确定方法使得评价结果带有较强的主观性,神经网络方法则可以有效排除主观因素的干扰.构造了一个多因子水质综合评价的3层BP网络模型,以生化耗氧量、氨氮和总磷为评价因子,对汉江武汉段水质的富营养化状况进行了评价.结果表明,该方法评价结果更为客观,符合实际情况.     

城市给水管网交互式虚拟仿真平台研究

为克服了传统二维和三维模型结果显示的缺点,应用虚拟现实技术对城市给水管网进行分析研究,建立给水管网视景仿真平台,形成城市给水管网系统研究的新方法.通过给水管网虚拟场景与给水管网数学模型的有机集成,实现虚拟场景中给水管网的交互控制和计算结果的可视化显示.建模过程中将虚拟场景中实体按照相关图集绘制,保证模型具有较高精度,并通过相关算法对模型进行优化.本文通过程序设计建立了城市给水管网交互式虚拟仿真平台,实现了城市给水管网视景仿真系统.该平台不仅具有高度的逼真性,而且具有沉浸性、交互性的特点,用户可以直观的观察到深埋地下的给水管网,对给水管网进行交互控制,对管网工况进行可视化分析.     

基于人工神经网络的磨料水射流精密特种加工

磨料水射流是一种先进的绿色加工工具.为了获得较高的表面精度,必须精确控制水射流加工的各种工艺参数.一种可行的办法是建立水射流加工过程中的主要参数之间的非线性关系,通过加工速度的补偿来间接控制工件表面质量.本文基于人工神经网络理论,建立了水射流加工过程的神经网络模型.在获取大量样本数据的基础上,对网络模型进行训练.经过训练的水射流加工神经网络模型可以准确预测与给定压力、磨料流量、工件厚度、期望的表面粗糙度所对应的切割速度,实验验证获得满意结果.     

神经网络在水环境影响评价方面的应用

水质模型是水环境研究的重要工具，在水环境管理规划中起着重要作用．介绍了当前使用较多的水质数学模型及其优缺点．提出人工智能技术用于水质模型的改进方法．将神经网络应用于水环境影响评价，采用改进的BP算法进行水质模拟．该方法较之原有的水质数学模型，结果更加精确，适用范围更广．