嵌套BP/GMS神经网络模型在供水管网漏损预测中的研究
发布时间：2021-07-27 19:36
水资源短缺,制水成本增加和能源短缺的问题日益突出,对城市水务供水管网漏损管理提出了更高的要求。因此,精确地预测漏损并及时检测管道漏点显得至关重要。针对目前存在的单一漏损预测模型不能准确预测多因素非线性漏损和嵌套预测模型组合模式偏少且预测精度不高等问题,在详细分析现有的漏损预测模型、管道安全使用时间预测模型和管网漏损检测周期预测模型基础上,采用GTMS软件计算和Matlab软件编程,构建嵌套BP（Error back propagation,误差反向传播）/GMS（Grey model species,灰度模型种类）漏损预测模型,并将该模型应用于重庆市北碚区管网漏损预测,其研究结果如下:首先,在常规BP神经网络模型基础上,构建嵌套BP神经网络和嵌套GMS神经网络模型。嵌套BP神经网络模型是多因素数据嵌套模型,结合神经网络的平行拓扑结构和最小均方误差识别模式,适用于具体漏损管段的预测。嵌套GMS神经网络模型是单因素的结构嵌套模型,结合灰度模型短期预测和神经网络长期预测的优势,适用于宏观的管网漏损预测。其次,根据重庆市北碚片区近五年记录完整的管段漏损信息,选取管材作为最关键管道漏损影响因素和...
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：96 页
【学位级别】：硕士
【部分图文】：
嵌套BP神经网络模型及其子网络的拓扑结构
重庆大学硕士学位论文从嵌套 BP 神经网络模型的建模步骤可以看出，每个拟合集内的样本较未拟合前的样本具有更高的相似特性，因而在每一个拟合样本集内都有效地抑制了单一的 BP 神经网络模块功能因样本相似性不高而导致“过拟合”（过度适应）情况的发生。如图 3.1 所示是 Matlab 系统设置的样本比例分布示意图和嵌套 BP 神经网络结构图。
的漏水量和控制费用这一问题，本章利用重庆市北碚区 2013 至 2017 年五年的数据，选择其中的 2013 年 01 月到 2014 年 06 月共计 18 个月的漏损量和漏损次数数据为嵌套 GMS 模型的建模样本，对 2014 年下半年共 6 个月的数据进行短期预测，对样本预测值进行 1%的年递加修正，并用马尔可夫模型进行验证后，对 2015，2016，2017 三年共 36 个数据样本进行中长期预测。并将模型输出值导入管网检漏周期模型中，为企业提供最优的管网检漏周期，降低漏水控制成本。4.1 嵌套 GMS 模型对北碚区 2013.01-2014.06 月漏损量的预测选择北碚区 2013.01-2014.06 一年半的数据是综合考虑了长期趋势值（2013 年全年）和季节变动值（2013 年 1 到 6 月和 2014 年 1 到 6 月），以及神经网络短期预测中训练（学习）和预测样本 7 比 3 的比例，即 BP 网络的初次学习的样本设定在 70%。所以，最后选择了 18 个数据（2013 年 01—2014 年 06 月）为建模的学习样本，6 个数据（2014 年 07—2014 年 12 月）为短期预测样本。用1%的年递加修正值对嵌
【参考文献】：
期刊论文
[1]我国西南地区城市供水管网漏损分析及控制研究[J]. 邓媛媛,高霖,王明振. 山西建筑. 2017(30)
[2]全球主要城市供水管网漏损率调研结果汇编[J]. 曹徐齐,阮辰旼. 净水技术. 2017(04)
[3]GM（1,1）模型的几种基本形式及其适用范围研究[J]. 刘思峰,曾波,刘解放,谢乃明. 系统工程与电子技术. 2014(03)
[4]给水系统水量预测误差分析及精度评价[J]. 马金龙. 科技视界. 2013(10)
[5]基于组合模型的电主轴热误差预测[J]. 雷春丽,芮执元,李鄂民. 南京理工大学学报. 2012(06)
[6]嵌套BP神经网络及其在油气产能预测中的应用[J]. 詹泽东,郭科,胥德平,谢爽,臧文亚. 成都理工大学学报(自然科学版). 2011(04)
[7]基于灰色神经网络与马尔科夫链的城市需水量组合预测[J]. 景亚平,张鑫,罗艳. 西北农林科技大学学报(自然科学版). 2011(07)
[8]差分自回归移动平均模型预测管网漏损的研究[J]. 王丽娟,张宏伟. 中国给水排水. 2010(11)
[9]基于改进型BP神经网络马尔科夫模型的区域需水量预测[J]. 朱新国,张展羽,祝卓. 水资源保护. 2010(02)
[10]供水管网漏水量数学模型建立方法的研究[J]. 路文丽,刘遂庆,信昆仑. 山西建筑. 2009(26)
硕士论文
[1]城市燃气高中压管网宏观模型研究[D]. 税亚欧.哈尔滨工业大学 2013
[2]基于粗糙集理论和神经网络的图像识别系统[D]. 胡卫东.电子科技大学 2011
[3]基于混合模型嵌套的非线性时间序列预测及其应用研究[D]. 王凯夫.哈尔滨工业大学 2010
[4]网络权值准则及其在伪周期动力特征识别中的应用[D]. 翁同峰.哈尔滨工业大学 2010
[5]供水管网漏损预测及健康度评价[D]. 覃炫.湖南大学 2009
[6]给水管网漏水量分析与动态模拟计算方法研究[D]. 路文丽.同济大学 2007
[7]给水管网漏损预测的研究与应用[D]. 邱云龙.重庆大学 2006
[8]基于BP神经网络的水上交通事故预测及MATLAB实现[D]. 童飞.武汉理工大学 2005
[9]城市供水管网漏损控制[D]. 傅玉芬.天津大学 2004
本文编号：3306410
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：96 页
【学位级别】：硕士
【部分图文】：
嵌套BP神经网络模型及其子网络的拓扑结构
重庆大学硕士学位论文从嵌套 BP 神经网络模型的建模步骤可以看出，每个拟合集内的样本较未拟合前的样本具有更高的相似特性，因而在每一个拟合样本集内都有效地抑制了单一的 BP 神经网络模块功能因样本相似性不高而导致“过拟合”（过度适应）情况的发生。如图 3.1 所示是 Matlab 系统设置的样本比例分布示意图和嵌套 BP 神经网络结构图。
的漏水量和控制费用这一问题，本章利用重庆市北碚区 2013 至 2017 年五年的数据，选择其中的 2013 年 01 月到 2014 年 06 月共计 18 个月的漏损量和漏损次数数据为嵌套 GMS 模型的建模样本，对 2014 年下半年共 6 个月的数据进行短期预测，对样本预测值进行 1%的年递加修正，并用马尔可夫模型进行验证后，对 2015，2016，2017 三年共 36 个数据样本进行中长期预测。并将模型输出值导入管网检漏周期模型中，为企业提供最优的管网检漏周期，降低漏水控制成本。4.1 嵌套 GMS 模型对北碚区 2013.01-2014.06 月漏损量的预测选择北碚区 2013.01-2014.06 一年半的数据是综合考虑了长期趋势值（2013 年全年）和季节变动值（2013 年 1 到 6 月和 2014 年 1 到 6 月），以及神经网络短期预测中训练（学习）和预测样本 7 比 3 的比例，即 BP 网络的初次学习的样本设定在 70%。所以，最后选择了 18 个数据（2013 年 01—2014 年 06 月）为建模的学习样本，6 个数据（2014 年 07—2014 年 12 月）为短期预测样本。用1%的年递加修正值对嵌
【参考文献】：
期刊论文
[1]我国西南地区城市供水管网漏损分析及控制研究[J]. 邓媛媛,高霖,王明振. 山西建筑. 2017(30)
[2]全球主要城市供水管网漏损率调研结果汇编[J]. 曹徐齐,阮辰旼. 净水技术. 2017(04)
[3]GM（1,1）模型的几种基本形式及其适用范围研究[J]. 刘思峰,曾波,刘解放,谢乃明. 系统工程与电子技术. 2014(03)
[4]给水系统水量预测误差分析及精度评价[J]. 马金龙. 科技视界. 2013(10)
[5]基于组合模型的电主轴热误差预测[J]. 雷春丽,芮执元,李鄂民. 南京理工大学学报. 2012(06)
[6]嵌套BP神经网络及其在油气产能预测中的应用[J]. 詹泽东,郭科,胥德平,谢爽,臧文亚. 成都理工大学学报(自然科学版). 2011(04)
[7]基于灰色神经网络与马尔科夫链的城市需水量组合预测[J]. 景亚平,张鑫,罗艳. 西北农林科技大学学报(自然科学版). 2011(07)
[8]差分自回归移动平均模型预测管网漏损的研究[J]. 王丽娟,张宏伟. 中国给水排水. 2010(11)
[9]基于改进型BP神经网络马尔科夫模型的区域需水量预测[J]. 朱新国,张展羽,祝卓. 水资源保护. 2010(02)
[10]供水管网漏水量数学模型建立方法的研究[J]. 路文丽,刘遂庆,信昆仑. 山西建筑. 2009(26)
硕士论文
[1]城市燃气高中压管网宏观模型研究[D]. 税亚欧.哈尔滨工业大学 2013
[2]基于粗糙集理论和神经网络的图像识别系统[D]. 胡卫东.电子科技大学 2011
[3]基于混合模型嵌套的非线性时间序列预测及其应用研究[D]. 王凯夫.哈尔滨工业大学 2010
[4]网络权值准则及其在伪周期动力特征识别中的应用[D]. 翁同峰.哈尔滨工业大学 2010
[5]供水管网漏损预测及健康度评价[D]. 覃炫.湖南大学 2009
[6]给水管网漏水量分析与动态模拟计算方法研究[D]. 路文丽.同济大学 2007
[7]给水管网漏损预测的研究与应用[D]. 邱云龙.重庆大学 2006
[8]基于BP神经网络的水上交通事故预测及MATLAB实现[D]. 童飞.武汉理工大学 2005
[9]城市供水管网漏损控制[D]. 傅玉芬.天津大学 2004
本文编号：3306410
本文链接：https://www.wllwen.com/kejilunwen/sgjslw/3306410.html
