數(shù)據(jù)驅動的城市供水管網水壓傳遞建模及天級需水量預報.pdf

1、供水管網系統(tǒng)節(jié)點間的水壓傳遞關系的辨識是供水壓力調度優(yōu)化的基礎，準確的需水量預報可以合理規(guī)劃凈水生產，兩者對供水管理和決策都有重要意義。本文利用某城市的供水管網水壓實時監(jiān)測數(shù)據(jù)以及歷史需水量數(shù)據(jù)，分別建立了管網節(jié)點間的水壓傳遞模型和城市天級需水量預報模型。
　　本文首先研究了一類供水管網節(jié)點間水壓傳遞模型的建立方法，該方法先根據(jù)實測數(shù)據(jù)對管網節(jié)點水壓進行 Pearson相關性分析，選出網絡中與某些節(jié)點強相關的重要節(jié)點，稱為中心節(jié)點

2、，而和中心節(jié)點水壓強相關的節(jié)點稱為關聯(lián)節(jié)點；一個中心節(jié)點及其若干關聯(lián)節(jié)點構成一個子網絡，如此對供水網絡進行劃分；而對每一個子網絡，認為中心節(jié)點處的水壓值由其關聯(lián)節(jié)點處的水壓值所決定，稱這種關系為水壓傳遞；建立一個線性回歸模型來定量描述水壓傳遞關系，模型輸出為中心節(jié)點的水壓估計值，輸入為關聯(lián)節(jié)點的水壓測量值，模型參數(shù)使用實測數(shù)據(jù)估計。把此方法應用于設置了77個測壓節(jié)點、覆蓋250km2的某城市供水管網，劃分得到了47個子網絡，構造的水壓傳

3、遞模型平均相對誤差值不超過3％。之后進一步提出了基于模型的水壓調節(jié)方案，并采用數(shù)值仿真測試了方法的可行性。此外，分別采用基于時間序列分析的方法和人工神經網絡方法建立了天級需水量預報模型。時間序列分析方法從歷史需水量數(shù)據(jù)中提取不同周期的用水模式，然后基于數(shù)據(jù)進行模型殘差修正。而人工神經網絡則采用函數(shù)映射逼近的方式，建立需水量及其相關因素之間的函數(shù)關系。對此，本文分別基于傳統(tǒng)的多層感知器網絡和動態(tài)神經網絡建立了需水量預報模型，并建立了網絡權