本文關鍵詞：基于數據的城市供水管網建模分析和異常事件偵測

  更多相關文章： 城市供水管網系統(tǒng) 壓力預測 異常事件偵測 信噪比

【摘要】：城市供水管網系統(tǒng)是城市可持續(xù)發(fā)展的重要基礎設施。對供水管網進行建模分析可以更好地發(fā)現(xiàn)其運行規(guī)律,為日常調度、優(yōu)化管理提供科學指導。同時有效偵測管網中發(fā)生的異常事件,便于及時采取相應措施,保障城市供水。本文關于城市供水管網的數據建模和異常事件偵測的主要研究工作如下:(1)基于多變量回歸模型和小波降噪方法對城市供水管網壓力進行短期預測。對于SCADA系統(tǒng)現(xiàn)場采集的數據含有大量噪聲以及缺失現(xiàn)象,采用小波降噪和插值處理方法,有效地降低了壓力時間序列的噪聲,提高數據的質量。隨后分別使用VAR模型和VARX模型對供水管網壓力時間序列進行預測分析,其中VARX模型由于加入了外部變量(管網分區(qū)入水口壓力),相比VAR模型在預測精度上有了很大提高。(2)基于SPC統(tǒng)計方法和VARX預測模型嘗試管網異常事件偵測。前者經統(tǒng)計分析得到正常模式下管網壓力數據的變化規(guī)律,當壓力波動不符合該規(guī)律時即判斷為異常事件,該方法靈敏度高,但容易受干擾;后者通過VARX預測模型,將模型預測值和實際觀測值間的差異作為診斷異常事件的依據,具有抗擾動性強的特征,但偵測精度受異常事件規(guī)模大小限制。最后采用貝葉斯網絡推理方法有效結合上述兩種方法的優(yōu)點,提高模型異常事件偵測的準確性。(3)分析噪聲對供水管網壓力/流量數據的影響,利用EPANET模擬軟件和小波降噪方法獲得管網監(jiān)測點壓力信號中理想信號、突變信號和噪聲。接著,通過計算壓力信號中噪聲的有效值,確定供水管網內噪聲在一定范圍內波動。然后基于信噪比對第四章節(jié)管網異常事件偵測實驗結果進行分析,通過設定信噪比閾值判斷異常事件的有效性,進一步降低異常事件偵測方法的誤報率。
【關鍵詞】：城市供水管網系統(tǒng) 壓力預測 異常事件偵測 信噪比
【學位授予單位】：杭州電子科技大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TU991.33
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 第1章 緒論11-19
• 1.1 引言11
• 1.2 城市供水管網模型研究現(xiàn)狀11-17
• 1.2.1 城市供水管網模型研究概述11-13
• 1.2.2 城市供水管網動態(tài)數據預測模型研究狀況13-15
• 1.2.3 城市供水管網異常事件偵測定位研究狀況15-17
• 1.3 本課題研究的背景意義17
• 1.4 論文總體框架及主要內容17-19
• 第2章 城市供水管網系統(tǒng)描述19-24
• 2.1 城市供水管網系統(tǒng)19-20
• 2.2 供水管網DMA分區(qū)20-21
• 2.3 S市供水管網實例21-23
• 2.3.1 S市供水管網概況21-22
• 2.3.2 S市供水管網系統(tǒng)運行過程22-23
• 2.4 本章小結23-24
• 第3章 城市供水管網壓力預測24-34
• 3.1 數據預處理24-26
• 3.1.1 小波降噪25-26
• 3.1.2 實驗結果26
• 3.2 監(jiān)測點壓力數據相關性分析26-27
• 3.3 基于VAR模型的壓力時間序列預測分析27-30
• 3.3.1 VAR模型簡介27
• 3.3.2 VAR模型定階27-28
• 3.3.3 VAR模型參數估計28
• 3.3.4 VAR模型實際應用28-30
• 3.4 基于VARX的壓力時間序列預測模型30-33
• 3.4.1 VARX模型簡介30
• 3.4.2 顯著性檢驗30-31
• 3.4.3 VARX模型實際應用31-33
• 3.5 本章小結33-34
• 第4章 城市供水管網異常事件偵測34-48
• 4.1 S市某DMA區(qū)的爆管事件模擬實驗34-35
• 4.2 基于SPC統(tǒng)計分析的供水管網異常事件偵測35-40
• 4.2.1 方法概述36-37
• 4.2.2 方法應用37-39
• 4.2.3 結果分析39-40
• 4.3 基于VARX模型的供水管網異常事件偵測40-43
• 4.3.1 方法概述40-41
• 4.3.2 方法應用41-42
• 4.3.3 結果分析42-43
• 4.4 基于貝葉斯網絡的異常事件綜合分析43-47
• 4.4.1 貝葉斯網絡概述43-44
• 4.4.2 網絡參數學習44-45
• 4.4.3 實驗分析45-47
• 4.5 本章小結47-48
• 第5章 噪聲環(huán)境下的供水管網異常事件分析48-56
• 5.1 管網動態(tài)數據的噪聲分析48-49
• 5.1.1 噪聲概述48
• 5.1.2 噪聲對信號的干擾分析48-49
• 5.2 實測信號與EPANET模擬信號的對比分析49-52
• 5.2.1 EPANET簡介49-50
• 5.2.2 EPANET的模擬仿真結果50-51
• 5.2.3 結果分析51-52
• 5.3 基于信噪比的管網異常事件偵測優(yōu)化52-55
• 5.3.1 信噪比概述52-53
• 5.3.2 實驗結果分析53-55
• 5.4 本章小結55-56
• 第6章 總結與展望56-58
• 6.1 總結56
• 6.2 展望56-58
• 致謝58-59
• 參考文獻59-63
• 附錄63

【參考文獻】

中國期刊全文數據庫 前10條

1 汪健;王煜;秦正飛;高磊;;基于小波神經網絡對城市供水管網壓力的預測[J];供水技術;2015年04期

2 王琳;;多維大數據序列相關性分析方法在宏觀經濟中的應用[J];統(tǒng)計與決策;2014年09期

3 劉書明;王歡歡;徐錦華;劉文君;;基于智能優(yōu)化算法的供水管網漏水點定位[J];同濟大學學報(自然科學版);2014年05期

4 張曄明;;基于人工神經網絡的供水管網壓力管理探索[J];凈水技術;2014年02期

5 孫平;王麗萍;陳凱;蔣志強;張璞;;基于時間序列模型ARMA的水廠逐日需水量過程預測方法[J];中國農村水利水電;2013年11期

6 程偉平;趙丹丹;許剛;蔣建群;;供水管網爆管水力學模型與爆管定位[J];浙江大學學報(工學版);2013年06期

7 吳迪;何芳;林建敏;;利用供水管網水力模型輔助爆管點定位方法研究[J];給水排水;2012年S1期

8 李穩(wěn);崔建國;毛立波;;供水管網壓力異常工況下的趨勢面分析模型及應用[J];節(jié)水灌溉;2011年08期

9 李翠梅;王建華;王浩;;基于價格彈性系數的城市用水量中長期預測實例研究[J];給水排水;2011年06期

10 郭新蕾;楊開林;;管道泄漏檢測的水力瞬變全頻域數學模型[J];水利學報;2008年10期

，

本文編號：1058598