城市供水管网漏失定位的研究

论文摘要

城市供水管网漏失造成水资源和供水能源浪费,引发公共环境危害。针对我国城市供水管网漏失严重这一现状,深入系统地研究漏失问题,积极探索有效的漏失定位方法,对于有效地利用水资源、减少对环境的危害、减少运行和管理费用、提高供水企业的经济效益和社会效益等具有非常重要的意义。对于大型供水管网,基于资金方面的考虑,一般不可能在所有的节点上安装监测系统,为此必须通过有限个监测节点的信息来实现供水管网漏失定位。结合BP神经网络以及遗传算法具有解决非线性问题的特点,本文提出将BP神经网络和遗传算法用于供水管网的漏失定位。针对BP神经网络具有复杂非线性映射的功能,本文采用BP神经网络通过已知监测节点爆管前后的压力变化值来预测其余未监测节点的压变值,再结合等值线图来实现供水管网的漏失定位。通过实例分析可知,该方法可以实现漏失预定位,但还存在较大的误差。针对BP神经网络易陷入局部最小值这一问题,本文提出采用具有全局搜索功能的遗传算法（GA）来优化BP神经网络,并将GA-BP网络用于供水管网的漏失定位。通过实例分析可知,该方法可以实现管网漏失定位,且定位误差较小。通过两种方法的对比得出遗传算法可以克服BP神经网络易陷入局部最小值的问题,即GA-BP网络的压力变化值预测效果要优于BP神经网络,从而预定位效果也要好。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 国内外供水管网漏失定位技术
• 1.1.1 流量及压力监测法
• 1.1.2 负压波检测定位法
• 1.1.3 声波检测定位法
• 1.1.4 模型检测定位法
• 1.1.5 信号分析处理技术
• 1.2 遗传算法及BP 神经网络在管道漏失检测领域的应用
• 1.2.1 人工神经网络在管道漏失检测中的应用
• 1.2.2 遗传算法在管道漏失检测中的应用
• 1.3 论文的研究内容
• 第二章 供水管网水力建模
• 2.1 供水管网基本信息
• 2.2 采用EPANETH 实现供水管网水力模拟
• 2.2.1 EPANETH 简介
• 2.2.2 供水管网水力模拟的基本方法
• 2.2.3 管网正常工况水力计算
• 2.2.4 管网爆管工况水力计算
• 2.3 本章小结
• 第三章 基于BP 神经网络的供水管网漏失定位研究
• 3.1 BP 神经网络概述
• 3.2 BP 神经网络运算的基本流程
• 3.3 设计BP 神经网络时需考虑的因素
• 3.3.1 样本数据
• 3.3.2 初始权值
• 3.3.3 隐含层层数
• 3.3.4 隐含层节点数
• 3.3.5 传递函数和训练函数
• 3.3.6 学习速率和动量系数
• 3.4 神经网络模型的性能和泛化能力
• 3.5 BP 算法的优点及缺陷
• 3.6 采用BP 神经网络进行爆管预定位
• 3.6.1 获取样本数据
• 3.6.2 构建BP 神经网络
• 3.6.3 压力变化值的预测
• 3.6.4 爆管预定位
• 3.7 本章小结
• 第四章 基于遗传算法优化BP 神经网络的供水管网漏失定位研究
• 4.1 遗传算法（GA）与BP 算法相结合的可行性分析
• 4.2 遗传算法优化BP 神经网络权值的步骤
• 4.3 采用GA-BP 神经网络进行爆管预定位
• 4.3.1 构建基于遗传算法优化的BP 神经网络
• 4.3.2 压力变化预测
• 4.3.3 爆管预定位
• 4.4 本章小结
• 第五章 两种方案的比较
• 5.1 预测方法
• 5.2 预测精度
• 5.3 定位精度
• 结论
• 参考文献
• 攻读硕士学位期间取得的研究成果
• 致谢
• 附表