基于PSO-SVM模型的供水管网漏损诊断

发布时间：2021-02-09 10:09

　　为了找到更高精确度的供水管网定位方法,基于支持向量机搭建了PSO-SVM给水管网漏失诊断模型,对影响支持向量机（SVM）性能的两个重要参数c和g使用粒子群优化算法（PSO）做了优化处理,使得支持向量机的运算速率和准确度显著提高,利用单漏点供水管网仿真模拟试验平台测得管网各运行工况下的漏点特征数据,测得数据通过后期归一化处理作为PSO-SVM模型的输入样本数据集,样本数据经PSO-SVM模型运行后证明该模型可有效对管网漏失点做出精准定位,并能对各漏失点的漏失量做出精准预测。 

【文章来源】：水电能源科学. 2020,38(07)北大核心

【文章页数】：4 页

【部分图文】：

仪器及漏损点布置图

图4为漏失量预测样本经PSO-SVM模型分类后输出的真实值和预测值的拟合图。由图4可看出，同一样本数据其菱形点与十字形点距离越接近其拟合程度越高，大多点能做到漏点位置与漏量的对应。决定系数为0.982 39，总体得分较高，说明模型可靠。图3 测试数据残差图

测试数据残差图

【参考文献】：
期刊论文
[1]一种动态邻域自适应粒子群优化算法[J]. 杨颖颖,陈寿文.  通化师范学院学报. 2019(08)
[2]基于半监督学习的多示例多标签改进算法[J]. 李村合,张振凯,朱洪波.  电子技术应用. 2019(07)
[3]基于BP神经网络深度学习的供水管网漏损智能定位方法[J]. 王珞桦,李红卫,吕谋,李丽,苗小波.  水电能源科学. 2019(05)

硕士论文
[1]城市供水管网泄漏定位技术研究[D]. 吴雷.吉林大学 2018
[2]城市供水管网漏损定位与运行状态估计研究[D]. 邱志磊.华北水利水电大学 2018



本文编号：3025473