基于数据的城市供水管网建模分析和异常事件侦测

发布时间：2017-10-19 02:42

  本文关键词：基于数据的城市供水管网建模分析和异常事件侦测

  更多相关文章： 城市供水管网系统 压力预测 异常事件侦测 信噪比

【摘要】：城市供水管网系统是城市可持续发展的重要基础设施。对供水管网进行建模分析可以更好地发现其运行规律,为日常调度、优化管理提供科学指导。同时有效侦测管网中发生的异常事件,便于及时采取相应措施,保障城市供水。本文关于城市供水管网的数据建模和异常事件侦测的主要研究工作如下:(1)基于多变量回归模型和小波降噪方法对城市供水管网压力进行短期预测。对于SCADA系统现场采集的数据含有大量噪声以及缺失现象,采用小波降噪和插值处理方法,有效地降低了压力时间序列的噪声,提高数据的质量。随后分别使用VAR模型和VARX模型对供水管网压力时间序列进行预测分析,其中VARX模型由于加入了外部变量(管网分区入水口压力),相比VAR模型在预测精度上有了很大提高。(2)基于SPC统计方法和VARX预测模型尝试管网异常事件侦测。前者经统计分析得到正常模式下管网压力数据的变化规律,当压力波动不符合该规律时即判断为异常事件,该方法灵敏度高,但容易受干扰;后者通过VARX预测模型,将模型预测值和实际观测值间的差异作为诊断异常事件的依据,具有抗扰动性强的特征,但侦测精度受异常事件规模大小限制。最后采用贝叶斯网络推理方法有效结合上述两种方法的优点,提高模型异常事件侦测的准确性。(3)分析噪声对供水管网压力/流量数据的影响,利用EPANET模拟软件和小波降噪方法获得管网监测点压力信号中理想信号、突变信号和噪声。接着,通过计算压力信号中噪声的有效值,确定供水管网内噪声在一定范围内波动。然后基于信噪比对第四章节管网异常事件侦测实验结果进行分析,通过设定信噪比阈值判断异常事件的有效性,进一步降低异常事件侦测方法的误报率。
【关键词】：城市供水管网系统 压力预测 异常事件侦测 信噪比
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TU991.33
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第1章 绪论11-19
• 1.1 引言11
• 1.2 城市供水管网模型研究现状11-17
• 1.2.1 城市供水管网模型研究概述11-13
• 1.2.2 城市供水管网动态数据预测模型研究状况13-15
• 1.2.3 城市供水管网异常事件侦测定位研究状况15-17
• 1.3 本课题研究的背景意义17
• 1.4 论文总体框架及主要内容17-19
• 第2章 城市供水管网系统描述19-24
• 2.1 城市供水管网系统19-20
• 2.2 供水管网DMA分区20-21
• 2.3 S市供水管网实例21-23
• 2.3.1 S市供水管网概况21-22
• 2.3.2 S市供水管网系统运行过程22-23
• 2.4 本章小结23-24
• 第3章 城市供水管网压力预测24-34
• 3.1 数据预处理24-26
• 3.1.1 小波降噪25-26
• 3.1.2 实验结果26
• 3.2 监测点压力数据相关性分析26-27
• 3.3 基于VAR模型的压力时间序列预测分析27-30
• 3.3.1 VAR模型简介27
• 3.3.2 VAR模型定阶27-28
• 3.3.3 VAR模型参数估计28
• 3.3.4 VAR模型实际应用28-30
• 3.4 基于VARX的压力时间序列预测模型30-33
• 3.4.1 VARX模型简介30
• 3.4.2 显著性检验30-31
• 3.4.3 VARX模型实际应用31-33
• 3.5 本章小结33-34
• 第4章 城市供水管网异常事件侦测34-48
• 4.1 S市某DMA区的爆管事件模拟实验34-35
• 4.2 基于SPC统计分析的供水管网异常事件侦测35-40
• 4.2.1 方法概述36-37
• 4.2.2 方法应用37-39
• 4.2.3 结果分析39-40
• 4.3 基于VARX模型的供水管网异常事件侦测40-43
• 4.3.1 方法概述40-41
• 4.3.2 方法应用41-42
• 4.3.3 结果分析42-43
• 4.4 基于贝叶斯网络的异常事件综合分析43-47
• 4.4.1 贝叶斯网络概述43-44
• 4.4.2 网络参数学习44-45
• 4.4.3 实验分析45-47
• 4.5 本章小结47-48
• 第5章 噪声环境下的供水管网异常事件分析48-56
• 5.1 管网动态数据的噪声分析48-49
• 5.1.1 噪声概述48
• 5.1.2 噪声对信号的干扰分析48-49
• 5.2 实测信号与EPANET模拟信号的对比分析49-52
• 5.2.1 EPANET简介49-50
• 5.2.2 EPANET的模拟仿真结果50-51
• 5.2.3 结果分析51-52
• 5.3 基于信噪比的管网异常事件侦测优化52-55
• 5.3.1 信噪比概述52-53
• 5.3.2 实验结果分析53-55
• 5.4 本章小结55-56
• 第6章 总结与展望56-58
• 6.1 总结56
• 6.2 展望56-58
• 致谢58-59
• 参考文献59-63
• 附录63

【参考文献】

中国期刊全文数据库 前10条

1 汪健;王煜;秦正飞;高磊;;基于小波神经网络对城市供水管网压力的预测[J];供水技术;2015年04期

2 王琳;;多维大数据序列相关性分析方法在宏观经济中的应用[J];统计与决策;2014年09期

3 刘书明;王欢欢;徐锦华;刘文君;;基于智能优化算法的供水管网漏水点定位[J];同济大学学报(自然科学版);2014年05期

4 张晔明;;基于人工神经网络的供水管网压力管理探索[J];净水技术;2014年02期

5 孙平;王丽萍;陈凯;蒋志强;张璞;;基于时间序列模型ARMA的水厂逐日需水量过程预测方法[J];中国农村水利水电;2013年11期

6 程伟平;赵丹丹;许刚;蒋建群;;供水管网爆管水力学模型与爆管定位[J];浙江大学学报(工学版);2013年06期

7 吴迪;何芳;林建敏;;利用供水管网水力模型辅助爆管点定位方法研究[J];给水排水;2012年S1期

8 李稳;崔建国;毛立波;;供水管网压力异常工况下的趋势面分析模型及应用[J];节水灌溉;2011年08期

9 李翠梅;王建华;王浩;;基于价格弹性系数的城市用水量中长期预测实例研究[J];给水排水;2011年06期

10 郭新蕾;杨开林;;管道泄漏检测的水力瞬变全频域数学模型[J];水利学报;2008年10期

，

本文编号：1058598