水資源短缺,制水成本增加和能源短缺的問題日益突出,對城市水務供水管網漏損管理提出了更高的要求。因此,精確地預測漏損并及時檢測管道漏點顯得至關重要。針對目前存在的單一漏損預測模型不能準確預測多因素非線性漏損和嵌套預測模型組合模式偏少且預測精度不高等問題,在詳細分析現(xiàn)有的漏損預測模型、管道安全使用時間預測模型和管網漏損檢測周期預測模型基礎上,采用GTMS軟件計算和Matlab軟件編程,構建嵌套BP（Error back propagation,誤差反向傳播）/GMS（Grey model species,灰度模型種類）漏損預測模型,并將該模型應用于重慶市北碚區(qū)管網漏損預測,其研究結果如下:首先,在常規(guī)BP神經網絡模型基礎上,構建嵌套BP神經網絡和嵌套GMS神經網絡模型。嵌套BP神經網絡模型是多因素數(shù)據(jù)嵌套模型,結合神經網絡的平行拓撲結構和最小均方誤差識別模式,適用于具體漏損管段的預測。嵌套GMS神經網絡模型是單因素的結構嵌套模型,結合灰度模型短期預測和神經網絡長期預測的優(yōu)勢,適用于宏觀的管網漏損預測。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,選取管材作為最關鍵管道漏損影響因素和... 

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

【文章頁數(shù)】：96 頁

【學位級別】：碩士

【部分圖文】：

嵌套BP神經網絡模型及其子網絡的拓撲結構

重慶大學碩士學位論文從嵌套 BP 神經網絡模型的建模步驟可以看出，每個擬合集內的樣本較未擬合前的樣本具有更高的相似特性，因而在每一個擬合樣本集內都有效地抑制了單一的 BP 神經網絡模塊功能因樣本相似性不高而導致“過擬合”（過度適應）情況的發(fā)生。如圖 3.1 所示是 Matlab 系統(tǒng)設置的樣本比例分布示意圖和嵌套 BP 神經網絡結構圖。

的漏水量和控制費用這一問題，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 18 個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 個月的數(shù)據(jù)進行短期預測，對樣本預測值進行 1%的年遞加修正，并用馬爾可夫模型進行驗證后，對 2015，2016，2017 三年共 36 個數(shù)據(jù)樣本進行中長期預測。并將模型輸出值導入管網檢漏周期模型中，為企業(yè)提供最優(yōu)的管網檢漏周期，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），以及神經網絡短期預測中訓練（學習）和預測樣本 7 比 3 的比例，即 BP 網絡的初次學習的樣本設定在 70%。所以，最后選擇了 18 個數(shù)據(jù)（2013 年 01—2014 年 06 月）為建模的學習樣本，6 個數(shù)據(jù)（2014 年 07—2014 年 12 月）為短期預測樣本。用1%的年遞加修正值對嵌

【參考文獻】：
期刊論文
[1]我國西南地區(qū)城市供水管網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漏損率調研結果匯編[J]. 曹徐齊,阮辰旼.  凈水技術. 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. 2014(03)
[4]給水系統(tǒng)水量預測誤差分析及精度評價[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測[J]. 雷春麗,芮執(zhí)元,李鄂民.  南京理工大學學報. 2012(06)
[6]嵌套BP神經網絡及其在油氣產能預測中的應用[J]. 詹澤東,郭科,胥德平,謝爽,臧文亞.  成都理工大學學報(自然科學版). 2011(04)
[7]基于灰色神經網絡與馬爾科夫鏈的城市需水量組合預測[J]. 景亞平,張鑫,羅艷.  西北農林科技大學學報(自然科學版). 2011(07)
[8]差分自回歸移動平均模型預測管網漏損的研究[J]. 王麗娟,張宏偉.  中國給水排水. 2010(11)
[9]基于改進型BP神經網絡馬爾科夫模型的區(qū)域需水量預測[J]. 朱新國,張展羽,祝卓.  水資源保護. 2010(02)
[10]供水管網漏水量數(shù)學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]城市燃氣高中壓管網宏觀模型研究[D]. 稅亞歐.哈爾濱工業(yè)大學 2013
[2]基于粗糙集理論和神經網絡的圖像識別系統(tǒng)[D]. 胡衛(wèi)東.電子科技大學 2011
[3]基于混合模型嵌套的非線性時間序列預測及其應用研究[D]. 王凱夫.哈爾濱工業(yè)大學 2010
[4]網絡權值準則及其在偽周期動力特征識別中的應用[D]. 翁同峰.哈爾濱工業(yè)大學 2010
[5]供水管網漏損預測及健康度評價[D]. 覃炫.湖南大學 2009
[6]給水管網漏水量分析與動態(tài)模擬計算方法研究[D]. 路文麗.同濟大學 2007
[7]給水管網漏損預測的研究與應用[D]. 邱云龍.重慶大學 2006
[8]基于BP神經網絡的水上交通事故預測及MATLAB實現(xiàn)[D]. 童飛.武漢理工大學 2005
[9]城市供水管網漏損控制[D]. 傅玉芬.天津大學 2004



本文編號：3306410