基于DRA-SSTFN耦合模型的城市供水管网结构稳定风险评估

针对供水管网结构稳定风险评估过程中部分指标数据缺省和难以量化等特征,构建了城市供水管网结构稳定风险评估的DRA-SSTFN耦合模型。该耦合模型利用模糊语义的11级划分标准定量表征供水管网各指标的风险等级和风险重要对比度,并计算出不同待评节点管段综合风险的95%置信区间范围。经耦合模型对供水节点管段进行模拟试验N=20 000次时,其仿真结果已收敛,并给出不同节点管道的动态风险区间值和正态概率分布图,可为城市基础设施规划提供借鉴。     

基于支持向量机的城市供水管网测压点水压预测研究

随着SCADA系统的不断成熟,供水管网实时状态数据也越来越完整,充分利用这些实时数据对城市供水管网的测压点压力进行预测,是进行管网优化调度的基础。建立了供水管网测压点压力预测的支持向量机(Support Vector Machine,SVM)模型,利用实时数据进行求解,采用交叉验证的方法优化选择核函数和惩罚参数。实例表明,与BP神经网络相比,SVM模型的预测精度高、结果稳定,各个节点的预测误差均在0.2m以内。     

多水厂供水管网水量溯源分析

为了提高城市供水安全性和服务可靠性,常采用多水厂向管网供水。多水厂供水区域可分为完全由单一水厂供水区和多水厂联合供水区。这些供水区的划分,以及管网中各节点(管段)由各水厂供水百分比,可利用给水管网水质模型中的水量溯源功能分析。在叙述水量溯源原理与分析过程后,以单工况示例和延时模拟示例进行了说明。水量溯源对了解各水厂向管网供水状况具有重要意义。     

基于三角模糊数的贝叶斯供水管网评价模型改进及其应用

研究提出科学、实用的方法对城市供水管网健康状态进行评价,对于城市供水管网系统的维护更新和健康稳定具有重要意义。针对基于三角模糊数的贝叶斯供水管网评价模型中权重确定方法单一、管道健康等级确定方法不确定性较大的不足,对其进行改进:采用变异系数法和模糊层次分析法(FAHP)计算综合权重,通过计算综合得分判定管道健康等级。将改进后的模型应用于浙江省云和县供水管网健康状态评价,结果表明:53%的管道健康等级为Ⅰ级,44%的管道健康等级为Ⅱ级,3%的管道健康等级为Ⅲ级,现阶段中没有处于等级Ⅳ的管道,与传统的三角模糊数的贝叶斯供水管网评价模型相比,在表达模型结构和模型参数不确定性方面具有更明显的优势,所评价结果更符合实际情况。     

基于整数编码粒子群算法的树状供水管网优化

以管网年费用折算值为目标函数,以管网布置形式及管径为优化参数,建立了树状供水管网的优化设计模型.利用基于整数编码的粒子群算法对这一模型进行了求解,该方法以某一管网连接状态及各管段管径作为粒子群个体,采用整数编码,通过不断地更新粒子的位置来搜索最优的管网结构及管径值,实现了对管网布置形式及管径的同时优化.优化过程中,对进化过程中产生的不可行解进行处理,提高了优化效率.实例表明,将粒子群算法应用于树状管网优化设计中可以获得更好的优化结果和效率.     

北京市某区供水管网水质变化研究及模拟

管网水质稳定性是安全供水的一个重要问题,因此需要研究管网中水质变化规律。由于管道的封闭性,通常很难进行大面积管网水质监测。管网水力与水质模型为研究管网水质变化提供有力支持。通过实际监测和实验室内管段模拟试验分析了北京市某区供水管网中水质变化的规律,建立了供水管网水力水质模型,并应用建立的模型模拟了该区管网水质的变化过程。     

EPANET 模型在再生水管网规划设计中的应用

在北京市再生水管网规划设计中,通过GIS建立规划管网的EPANET水力模型,消除了管网多水源供水、回用范围大、环状支状管网混合、结构复杂对水力计算的不利影响.并且针对水力计算结果--节点压力、管段流速和水力坡降(水头损失)进行分析,通过调整初始设计管径不合理的管段管径以及根据北京市地形分布将再生水管网划分为4个弱连接的供水分区,解决了再生水厂多数集中在地形较低的东部地区和大范围回用高程变化所带来的管网压力过高的问题,提高了管网设计的合理性,降低了管网的投资和运行成本.研究中应用的方法和过程具有通用性,可以用于有压给水、再生水管网系统的模拟.     

基于KPCA-PSO-SVM的径流预测研究

为提高径流预测模型的准确性与稳定性,对KPCA-PSO-SVM的径流预测方法进行了研究。在分析径流影响因素的基础上,利用核主成分分析(KPCA)法对径流影响因子进行非线性特征提取,获得主成分作为支持向量机(SVM)的输入变量,建立了径流预测SVM模型,其中模型参数通过粒子群算法(PSO)进行优化。模型建立后,以新疆伊犁河雅马渡站中长期径流预测为例进行分析。预测分析结果表明,在拟合和检验阶段模型的平均相对误差分别为0.77%和7.64%,与其他预测模型比较,基于KPCA-PSO-SVM方法建立的径流预测模型有较好的预测和泛化能力,是一种行之有效的中长期径流预测方法。     

基于改进GWO和SVM的大坝变形预测

建立准确可靠的大坝变形预测模型是大坝安全评价的重要内容,为此,将差分进化算法的交叉和变异算子引入灰狼优化算法(GWO),提出一种基于改进灰狼算法(MGWO)优化支持向量机(SVM)的大坝变形预测方法。通过差分进化算法丰富初始种群,提出改进灰狼优化算法(MGWO),并采用MGWO算法优化SVM的惩罚因子和核函数,建立基于MGWO-SVM算法的大坝变形预测模型。以锦屏一级特高拱坝实测数据为例,将MGWO-SVM模型与SVM、GWO-SVM模型的预测结果进行比较。结果表明,MGWO-SVM模型可以有效提高大坝变形预测精度。     

静电放电算法-混合核SVM的月径流预报模型及应用

为提高水文预测预报精度,构建基于多项式核与高斯核混合的支持向量机(SVM),利用静电放电算法(ESDA)优化混合核SVM关键参数和混合权重系数,提出混合核ESDA-SVM枯水期月径流预测模型,并构建高斯核ESDA-SVM、多项式核ESDA-SVM及ESDA-BP作对比预测模型,以云南省某水文站枯水期1—4月月径流预测为例进行实例研究,利用实例前24 a和后10 a资料对各模型进行训练和预测。结果表明,混合核ESDA-SVM模型对实例1—4月月径流预测的平均相对误差绝对值分别为4.09%、3.32%、3.51%和5.64%,预测精度均高于多项式核ESDA-SVM等3种模型。混合核ESDA-SVM模型综合了多项式全局核函数和高斯局部核函数二者优点,在预测精度、泛化能力等方面均优于对比模型,具有较好的实际应用价值。