水資源短缺,制水成本增加和能源短缺的問題日益突出,對城市水務(wù)供水管網(wǎng)漏損管理提出了更高的要求。因此,精確地預(yù)測漏損并及時(shí)檢測管道漏點(diǎn)顯得至關(guān)重要。針對目前存在的單一漏損預(yù)測模型不能準(zhǔn)確預(yù)測多因素非線性漏損和嵌套預(yù)測模型組合模式偏少且預(yù)測精度不高等問題,在詳細(xì)分析現(xiàn)有的漏損預(yù)測模型、管道安全使用時(shí)間預(yù)測模型和管網(wǎng)漏損檢測周期預(yù)測模型基礎(chǔ)上,采用GTMS軟件計(jì)算和Matlab軟件編程,構(gòu)建嵌套BP（Error back propagation,誤差反向傳播）/GMS（Grey model species,灰度模型種類）漏損預(yù)測模型,并將該模型應(yīng)用于重慶市北碚區(qū)管網(wǎng)漏損預(yù)測,其研究結(jié)果如下:首先,在常規(guī)BP神經(jīng)網(wǎng)絡(luò)模型基礎(chǔ)上,構(gòu)建嵌套BP神經(jīng)網(wǎng)絡(luò)和嵌套GMS神經(jīng)網(wǎng)絡(luò)模型。嵌套BP神經(jīng)網(wǎng)絡(luò)模型是多因素?cái)?shù)據(jù)嵌套模型,結(jié)合神經(jīng)網(wǎng)絡(luò)的平行拓?fù)浣Y(jié)構(gòu)和最小均方誤差識別模式,適用于具體漏損管段的預(yù)測。嵌套GMS神經(jīng)網(wǎng)絡(luò)模型是單因素的結(jié)構(gòu)嵌套模型,結(jié)合灰度模型短期預(yù)測和神經(jīng)網(wǎng)絡(luò)長期預(yù)測的優(yōu)勢,適用于宏觀的管網(wǎng)漏損預(yù)測。其次,根據(jù)重慶市北碚片區(qū)近五年記錄完整的管段漏損信息,選取管材作為最關(guān)鍵管道漏損影響因素和... 

【文章來源】：重慶大學(xué)重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：96 頁

【學(xué)位級別】：碩士

【部分圖文】：

嵌套BP神經(jīng)網(wǎng)絡(luò)模型及其子網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)

重慶大學(xué)碩士學(xué)位論文從嵌套 BP 神經(jīng)網(wǎng)絡(luò)模型的建模步驟可以看出，每個(gè)擬合集內(nèi)的樣本較未擬合前的樣本具有更高的相似特性，因而在每一個(gè)擬合樣本集內(nèi)都有效地抑制了單一的 BP 神經(jīng)網(wǎng)絡(luò)模塊功能因樣本相似性不高而導(dǎo)致“過擬合”（過度適應(yīng)）情況的發(fā)生。如圖 3.1 所示是 Matlab 系統(tǒng)設(shè)置的樣本比例分布示意圖和嵌套 BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖。

的漏水量和控制費(fèi)用這一問題，本章利用重慶市北碚區(qū) 2013 至 2017 年五年的數(shù)據(jù)，選擇其中的 2013 年 01 月到 2014 年 06 月共計(jì) 18 個(gè)月的漏損量和漏損次數(shù)數(shù)據(jù)為嵌套 GMS 模型的建模樣本，對 2014 年下半年共 6 個(gè)月的數(shù)據(jù)進(jìn)行短期預(yù)測，對樣本預(yù)測值進(jìn)行 1%的年遞加修正，并用馬爾可夫模型進(jìn)行驗(yàn)證后，對 2015，2016，2017 三年共 36 個(gè)數(shù)據(jù)樣本進(jìn)行中長期預(yù)測。并將模型輸出值導(dǎo)入管網(wǎng)檢漏周期模型中，為企業(yè)提供最優(yōu)的管網(wǎng)檢漏周期，降低漏水控制成本。4.1 嵌套 GMS 模型對北碚區(qū) 2013.01-2014.06 月漏損量的預(yù)測選擇北碚區(qū) 2013.01-2014.06 一年半的數(shù)據(jù)是綜合考慮了長期趨勢值（2013 年全年）和季節(jié)變動值（2013 年 1 到 6 月和 2014 年 1 到 6 月），以及神經(jīng)網(wǎng)絡(luò)短期預(yù)測中訓(xùn)練（學(xué)習(xí)）和預(yù)測樣本 7 比 3 的比例，即 BP 網(wǎng)絡(luò)的初次學(xué)習(xí)的樣本設(shè)定在 70%。所以，最后選擇了 18 個(gè)數(shù)據(jù)（2013 年 01—2014 年 06 月）為建模的學(xué)習(xí)樣本，6 個(gè)數(shù)據(jù)（2014 年 07—2014 年 12 月）為短期預(yù)測樣本。用1%的年遞加修正值對嵌

【參考文獻(xiàn)】：
期刊論文
[1]我國西南地區(qū)城市供水管網(wǎng)漏損分析及控制研究[J]. 鄧媛媛,高霖,王明振.  山西建筑. 2017(30)
[2]全球主要城市供水管網(wǎng)漏損率調(diào)研結(jié)果匯編[J]. 曹徐齊,阮辰旼.  凈水技術(shù). 2017(04)
[3]GM（1,1）模型的幾種基本形式及其適用范圍研究[J]. 劉思峰,曾波,劉解放,謝乃明.  系統(tǒng)工程與電子技術(shù). 2014(03)
[4]給水系統(tǒng)水量預(yù)測誤差分析及精度評價(jià)[J]. 馬金龍.  科技視界. 2013(10)
[5]基于組合模型的電主軸熱誤差預(yù)測[J]. 雷春麗,芮執(zhí)元,李鄂民.  南京理工大學(xué)學(xué)報(bào). 2012(06)
[6]嵌套BP神經(jīng)網(wǎng)絡(luò)及其在油氣產(chǎn)能預(yù)測中的應(yīng)用[J]. 詹澤東,郭科,胥德平,謝爽,臧文亞.  成都理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(04)
[7]基于灰色神經(jīng)網(wǎng)絡(luò)與馬爾科夫鏈的城市需水量組合預(yù)測[J]. 景亞平,張鑫,羅艷.  西北農(nóng)林科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(07)
[8]差分自回歸移動平均模型預(yù)測管網(wǎng)漏損的研究[J]. 王麗娟,張宏偉.  中國給水排水. 2010(11)
[9]基于改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)馬爾科夫模型的區(qū)域需水量預(yù)測[J]. 朱新國,張展羽,祝卓.  水資源保護(hù). 2010(02)
[10]供水管網(wǎng)漏水量數(shù)學(xué)模型建立方法的研究[J]. 路文麗,劉遂慶,信昆侖.  山西建筑. 2009(26)

碩士論文
[1]城市燃?xì)飧咧袎汗芫W(wǎng)宏觀模型研究[D]. 稅亞歐.哈爾濱工業(yè)大學(xué) 2013
[2]基于粗糙集理論和神經(jīng)網(wǎng)絡(luò)的圖像識別系統(tǒng)[D]. 胡衛(wèi)東.電子科技大學(xué) 2011
[3]基于混合模型嵌套的非線性時(shí)間序列預(yù)測及其應(yīng)用研究[D]. 王凱夫.哈爾濱工業(yè)大學(xué) 2010
[4]網(wǎng)絡(luò)權(quán)值準(zhǔn)則及其在偽周期動力特征識別中的應(yīng)用[D]. 翁同峰.哈爾濱工業(yè)大學(xué) 2010
[5]供水管網(wǎng)漏損預(yù)測及健康度評價(jià)[D]. 覃炫.湖南大學(xué) 2009
[6]給水管網(wǎng)漏水量分析與動態(tài)模擬計(jì)算方法研究[D]. 路文麗.同濟(jì)大學(xué) 2007
[7]給水管網(wǎng)漏損預(yù)測的研究與應(yīng)用[D]. 邱云龍.重慶大學(xué) 2006
[8]基于BP神經(jīng)網(wǎng)絡(luò)的水上交通事故預(yù)測及MATLAB實(shí)現(xiàn)[D]. 童飛.武漢理工大學(xué) 2005
[9]城市供水管網(wǎng)漏損控制[D]. 傅玉芬.天津大學(xué) 2004



本文編號：3306410