基于神经网络算法的长距离供水管网漏损定位方法研究.pdf
《基于神经网络算法的长距离供水管网漏损定位方法研究.pdf》由会员分享,可在线阅读,更多相关《基于神经网络算法的长距离供水管网漏损定位方法研究.pdf(5页珍藏版)》请在咨信网上搜索。
1、 年第 期水利技术监督检验检测:/基于神经网络算法的长距离供水管网漏损定位方法研究潘瑞军(湖州市水务集团有限公司 浙江 湖州)摘要:为解决长距离供水管网漏损定位的不确定性难题 以某长距离供水管网为对象 对比不同神经网络法在管网漏损定位中的效果 结果表明 神经网络的训练过程可实现训练误差的迅速收敛 神经网络法的训练误差最大 循环神经网络法次之 长短记忆神经网络法最小 对比实际监测结果 神经网络法的预测误差最小 循环神经网络法和 长短记忆神经网络法的预测误差相近 研究结果为管网漏损定位提供参考关键词:神经网络算法 长距离供水管网 漏损定位 神经网络 神经网络 神经网络中图分类号:文献标识码:文章编
2、号:()收稿日期:作者简介:潘瑞军(年)男 高级工程师:城镇化的加剧扩张需要以大量完善的基础设施为铺垫 城市供水管网作为解决城市用水需求的重要基础设施之一 在城市化建设中占据举足轻重的作用 然而 由于城市环境的复杂性 供水管网穿越的面积大、距离长 埋藏环境受到土壤腐蚀、人类活动的影响 在长时间的运营中 供水水管不可避免地发生老化、位移、渗漏和腐蚀破坏等现象 特别是对于长距离的供水管网 受到维修资金费用巨大、管网漏损定位困难等因素的影响 导致供水管网的维护不及时、水资源浪费严重、供水管内淡水受污染、地表塌陷等后果 据不完全统计 我国城市供水管网的漏损率达到 给城市水环境的稳定和供水系统的安全造成
3、极大的不良影响目前 城市供水管网的漏损定位问题受到大量研究学者的关注 并展开了相关的研究 赵桓等针对沿海城镇管网的漏损问题 采用现场监测和数值模拟的综合分析方法 构建了实测值与模拟值误差最小的目标函数 综合运用蝙蝠算法和粒子群算法对大量的管网漏损数据进行全局收缩 指出蝙蝠算法在管网漏损定位上具有更好的计算性能优势何锐等则依托华东 市的管网节点压力数据提出一种压力优化布置的启发算法 通过编程实现在管网中间增加漏损口的方法模拟管网爆裂以及水压射流 指出该算法能够在最优经济条件下达到对全体管网有效监测的目的 高金良等为解决管网漏损量控制问题 采用盲源分离中约束独立成分分析算法对小样本的管网渗漏数据搭
4、建渗漏分析模型 选取最优目标函数 计算结果与快速独立成分算法计算结果相对比 表明管网漏损量的相关系数达到 王彤等基于压力敏感区域方法对供水管网的渗流区域进行快速定位 指出敏感区域的覆盖节点水力渗漏特性与管道压力参数相关联 在设定渗漏响应阈值为 时可以达到较好的捡漏效率综合分析表明 现阶段的供水管网渗漏定位方法众多 各种方法之间的通用性较差 研究多基于管网的压力和流量进行分析 本结合工程案例 采用神经网络算法供水管网数据进行分析和漏损预测 工程概况某市政给水管道为长距离供水管道 共包含 个 节 点 个 阶 段 起 止 桩 号 为 全长约 全线管道以地埋方式为主 部分地段采用出地面架空方式 管道穿
5、越的地形复杂 沿线环境包括居民楼、检验检测水利技术监督 年第 期河道、工业区、水源地等 管道的埋置深度随着地线起伏的变化而变化 桩号 、采用 钢制供水管道其余桩号采用 钢制供水管道 管道修建于 年 经过 年的运行 部分节点出现不同程度的腐蚀渗漏以及机械位移 在管道上共布置了 个压力和流量监测点 其中 个压力和流量监测点存在渗漏现象 压力和流量监测点分别位于节段、节段、节段、节段 和节段 上 神经网络算法的计算实现长距离供水管网的漏损定位的难点是因为管道的腐蚀过程较为缓慢 漏损过程存在一定的时变性 某个节点的漏损会引发另一个节点的压力变化 导致漏损预测则存在不确定性 采用传统的漏损定位方法不仅效
6、率低下 而且预测精度较差 给故障诊断和监测模式识别带来一定的困难 人工神经网络由于具有非线性的自学习能力、自适应控制能力和强大的信息运算功能 可以对大批量的数据进行学习训练 实现大规模的无监督学习 对复杂的、难以解决的模式识别问题可以得到良好的求解 因此人工神经网络应用于长距离供水管网漏损预测具有较好的可行性人工神经网络是一种对人脑记忆过程和辨识能力模仿的数学模型 其典型的计算结构如图 所示 图中中间层可以有多层 目前 人工神经网络发展出了 种应用较为广泛的算法 分别 神经网络法、循环神经网络法和 长短期记忆神经网络法图 人工神经网络典型计算结构 神经网络算法的计算实现 神经网络是计算每个神经
7、网络节点有 个输入值 对每个输入值 赋予权重和偏值后 仅有一个中间输出结果 每个中间输出结果 通过 激活得到每个神经元的输出()计算方法如公式()()所示 ()()()()式中 每个输入值的权重 偏值对于 神经网络法的输出结果 一般采用损失函数(如均方误差)进行样本训练效果的评价通过求得损失函数的最小极值达到训练过程的收敛 该求解过程实现主要运用反向传播迭代完成定义损失函数如公式()()所示 则可以按照梯度下降法迭代得到最优解 如公式()()所示()()()()()()()()()()()式中 神经网络的第 层()损失函数()神经网络输出激活函数 第 层神经元的输出 ()()()()循环神经网
8、络算法的计算实现 循环神经网络算法对于序列性数据具有良好的适用性 可以实现正反向传播和递归式运算 使得网络算法具备了记忆能力 循环神经网路的典型计算结构如图 所示图 循环神经网络算法计算结构 年第 期水利技术监督检验检测同样地 可以构建 循环神经网络的损失函数 如公式()()所示 ()()()()()()()()()()()()()()()式中 循环神经网络的激活函数 时间系列的隐藏状态 长短期记忆神经网络算法的计算实现 长短记忆神经网络算法通过在隐藏层中引入 个门控单元和细胞状态实现网络的长期记忆 门控单位元分别是遗忘门、更新门和输出门 长短记忆神经网络算法的典型计算结构如图 所示 遗忘门为
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 神经网络 算法 长距离 供水 管网 定位 方法 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。