共查询到16条相似文献,搜索用时 807 毫秒
1.
2.
3.
4.
5.
6.
为了找到更高精确度的供水管网定位方法,基于支持向量机搭建了PSO-SVM给水管网漏失诊断模型,对影响支持向量机(SVM)性能的两个重要参数c和g使用粒子群优化算法(PSO)做了优化处理,使得支持向量机的运算速率和准确度显著提高,利用单漏点供水管网仿真模拟试验平台测得管网各运行工况下的漏点特征数据,测得数据通过后期归一化处理作为PSO-SVM模型的输入样本数据集,样本数据经PSO-SVM模型运行后证明该模型可有效对管网漏失点做出精准定位,并能对各漏失点的漏失量做出精准预测。 相似文献
7.
为进一步降低供水管网漏损率,节约能源,提高水资源利用率,通过EPANET工具箱、Matlab及C#联合编程,以节流阀的开启度为影响因素,以漏失费用为目标,建立阀门实时调度模型。首先,该模型通过模糊C-均值聚类法(FCM)实时对管网进行分区;其次,对各区域内每一时刻的阀门开启度进行调整;最后,通过布谷鸟算法(CS)进行优化调度,从而均衡管网压力,降低管网漏失量。F市实际供水管网优化调度结果表明,优化后漏失率降低了11.96%,提高了水资源的有效利用率。研究成果对于供水管网优化调度意义重大。 相似文献
8.
9.
为进一步优化配水系统分区,提出了一种基于多尺度分区算法的供水管网区块化优化方法。该方法考虑了供水管网系统的节点压力信息,改进了分区评价函数,并结合城市供水管网实际情况进行分区。以A市为例,利用EPANET建模器建立供水管网水力模型,在此基础上结合配水系统分区理念,将A市供水管网分为了11个区块。结果表明,分区后的供水管网实现了单独区域水量计量,缩小了查找漏失范围;管网压力更加趋于均衡,降低了漏失水量和产销差,使供水管网运行更加科学化、合理化。研究成果可为供水管网分区优化管理提供参考。 相似文献
10.
11.
12.
13.
针对传统BP神经网络反演渗透参数的准确性很大程度依赖于初始权值和阈值的选择的问题,引入全局寻优能力极强、待调参数较少、收敛速度快的思维进化算法优化BP神经网络,以弥补传统BP神经网络在解决该问题时拟合能力有限、容易陷入局部最优、收敛速度慢的缺陷,进而提出了思维进化算法优化BP神经网络反演渗透参数的新方法。对某混凝土面板堆石坝进行渗透参数反演结果表明,与传统BP神经网络相比,思维进化算法优化BP神经网络具有更好的泛化能力,反演得到的渗压测点水头与实际值吻合更好,渗透参数符合实际。 相似文献
14.
为克服传统BP神经网络在渗流压力预测过程中收敛慢、计算量大和易陷入局部极小等缺陷,依据渗流压力的影响因素,研究了模型的结构和输入输出因子,建立了基于遗传算法和LM算法相结合的GA-LMBP神经网络的大坝渗流压力预测模型,即通过遗传算法(GA)的选择、交叉和变异操作得到BP网络的一组全局最优近似解(即网络的初始权值和阈值),再以该近似解为初值,利用LM算法对BP网络进行优化训练,将训练好的网络用于渗流压力的预测。实例应用结果表明,在相同精度的要求下,GA-LMBP神经网络模型收敛速度快、预测精度高,对大坝渗流压力的预测效果更佳,是值得采用的一种模型。 相似文献
15.
实际供水管网的漏损和流量随机性均会导致管网水力分布的波动,水压监测中通过压差阈值界定两种状态,但传统阈值只能控制误报率,不能控制诊断误差。为降低漏损诊断误差,在监测目标明确的情况下,给出对应最小误差的诊断阈值,并将其应用于Lansey供水管网中。结果表明,在随机流量供水管网中,该阈值稳定性好,对应的漏损诊断精度高;由于得到的漏报率和误报率接近,实际管网漏损诊断中,可以采用该误报率的2倍作为漏损诊断误差。 相似文献
16.
神经网络自学习PID控制器的研究 总被引:5,自引:0,他引:5
从兼顾人工神经网络控制系统自学习能力和实时性角度出发,通过构建新的人工神经网络自学习PID控制器的结构,控制系统的样本拾取,更新与优化均采用在线学习方式,使控制系统具有较强的自学习能力。在分析了目前广为应用的多层前向神经网络误差反向传播算法(BP)的局限性及原因的基础上,提高了改进的BP算法-自适应动量项BP算法。从而提高了神经网络的收敛速度和收敛精度,并通过实例验证了自学习PID控制器的可行性及改进算法的合理性。图6参4 相似文献