基于支持向量机的城市供水管网测压点水压预测研究

发布时间：2018-02-10 09:30

本文关键词： 供水管网水压预测数据驱动支持向量机　出处：《给水排水》2014年11期 　论文类型：期刊论文

【摘要】：随着SCADA系统的不断成熟,供水管网实时状态数据也越来越完整,充分利用这些实时数据对城市供水管网的测压点压力进行预测,是进行管网优化调度的基础。建立了供水管网测压点压力预测的支持向量机(Support Vector Machine,SVM)模型,利用实时数据进行求解,采用交叉验证的方法优化选择核函数和惩罚参数。实例表明,与BP神经网络相比,SVM模型的预测精度高、结果稳定,各个节点的预测误差均在0.2m以内。
[Abstract]:With the maturity of SCADA system, the real-time state data of water supply network is more and more complete. The support vector machine (SVM) support Vector Machine (SVM) model is established to predict the pressure of pressure measuring points in water supply network. The model is solved by real-time data, and the kernel function and penalty parameters are optimized by cross-validation method. Compared with BP neural network, the prediction accuracy of SVM model is high, the result is stable, and the prediction error of each node is within 0.2 m.
【作者单位】：清华大学深圳研究生院;
【基金】：深圳市引进海外高层次人才 ‘孔雀计划’(KQCX20130628155525052) 深圳市基础研究计划(JX201105180804A,JCYJ20120616213618826,ZDSY20120619140933512) 欧盟第七框架计划(PIRSES-GA-2012318985)
【分类号】：TU991.32

【共引文献】