基于多因素长短时神经网络的日用水量预测方法研究

针对城市日用水量非线性变化问题,为实现水资源的优化调度和合理利用,提出一种深度学习的水量预测方法,建立多因素长短时神经网络模型预测日用水量。该方法选取影响日用水量的因素作为输入特征,日用水量时间序列数据作为训练样本,利用数据挖掘,输出用水量预测值。结合杭州示范区实际案例,与传统的人工神经网络方法进行对比,结果表明,长短时神经网络的预测结果优于传统的人工神经网络,并且基于多因素长短时神经网络模型的预测结果优于单因素长短时神经网络模型,预测结果具有较强的精度和稳定性。     

供水管网水量整体计量误差分析方法研究

提出了一种基于独立计量区域(District metering area,DMA)小区总表记录值反演区域居民用水强度分布规律的方法,并结合水表检定得出的区域水表误差特性,计算区域居民用水计量误差。在HZ水务集团CX分公司辖区内通过分层抽样选取了466块水表进行检定,统计得出该考核区内DN20户表的计量误差在最小流量Q1处为0.55%,分界流量Q2处为1.15%,常用流量Q3处为1.02%。在辖区内随机抽取的16个DMA小区中,通过其考核表的记录值计算出区域内居民用水90%的水量服从参数μ=1.8,σ=0.5的对数正态分布,10%的水量服从参数μ=1.7,σ=0.4的对数正态分布,该区域居民用水整体计量误差为1.31%。     

基于分布式光纤传感器的地下原水管道(廊)沉降监测研究

地下管廊、原水管道沿途地质情况复杂,地基承载力低、承载后变形量大,易发生不均匀沉降事件,致使敷设在其上的供水管道遭受破坏。为减轻巡查工作,节约沉降测量成本,研究基于分布式光纤传感的管道监测系统,将传感光纤铺设在管片上,对管廊进行实时监测。基于应变-沉降机理模型,对监测系统进行了实验验证,根据实验数据得到应变-沉降曲线的平均绝对误差约为1.23mm。研究结果表明,该系统对于管道（廊）不均匀沉降事件具有监测距离长、响应及时和误报率低等特点。