為了找到更高精確度的供水管網(wǎng)定位方法,基于支持向量機(jī)搭建了PSO-SVM給水管網(wǎng)漏失診斷模型,對(duì)影響支持向量機(jī)（SVM）性能的兩個(gè)重要參數(shù)c和g使用粒子群優(yōu)化算法（PSO）做了優(yōu)化處理,使得支持向量機(jī)的運(yùn)算速率和準(zhǔn)確度顯著提高,利用單漏點(diǎn)供水管網(wǎng)仿真模擬試驗(yàn)平臺(tái)測(cè)得管網(wǎng)各運(yùn)行工況下的漏點(diǎn)特征數(shù)據(jù),測(cè)得數(shù)據(jù)通過(guò)后期歸一化處理作為PSO-SVM模型的輸入樣本數(shù)據(jù)集,樣本數(shù)據(jù)經(jīng)PSO-SVM模型運(yùn)行后證明該模型可有效對(duì)管網(wǎng)漏失點(diǎn)做出精準(zhǔn)定位,并能對(duì)各漏失點(diǎn)的漏失量做出精準(zhǔn)預(yù)測(cè)。 

【文章來(lái)源】：水電能源科學(xué). 2020,38(07)北大核心

【文章頁(yè)數(shù)】：4 頁(yè)

【部分圖文】：

儀器及漏損點(diǎn)布置圖

圖4為漏失量預(yù)測(cè)樣本經(jīng)PSO-SVM模型分類后輸出的真實(shí)值和預(yù)測(cè)值的擬合圖。由圖4可看出，同一樣本數(shù)據(jù)其菱形點(diǎn)與十字形點(diǎn)距離越接近其擬合程度越高，大多點(diǎn)能做到漏點(diǎn)位置與漏量的對(duì)應(yīng)。決定系數(shù)為0.982 39，總體得分較高，說(shuō)明模型可靠。圖3 測(cè)試數(shù)據(jù)殘差圖

測(cè)試數(shù)據(jù)殘差圖

【參考文獻(xiàn)】：
期刊論文
[1]一種動(dòng)態(tài)鄰域自適應(yīng)粒子群優(yōu)化算法[J]. 楊穎穎,陳壽文.  通化師范學(xué)院學(xué)報(bào). 2019(08)
[2]基于半監(jiān)督學(xué)習(xí)的多示例多標(biāo)簽改進(jìn)算法[J]. 李村合,張振凱,朱洪波.  電子技術(shù)應(yīng)用. 2019(07)
[3]基于BP神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的供水管網(wǎng)漏損智能定位方法[J]. 王珞樺,李紅衛(wèi),呂謀,李麗,苗小波.  水電能源科學(xué). 2019(05)

碩士論文
[1]城市供水管網(wǎng)泄漏定位技術(shù)研究[D]. 吳雷.吉林大學(xué) 2018
[2]城市供水管網(wǎng)漏損定位與運(yùn)行狀態(tài)估計(jì)研究[D]. 邱志磊.華北水利水電大學(xué) 2018



本文編號(hào)：3025473