基于小波神经网络对供水管网的研究

发布时间：2017-08-15 10:10

  本文关键词：基于小波神经网络对供水管网的研究

  更多相关文章： 供水管网 BP神经网络 小波神经网络 水压值 管网漏损

【摘要】：随着经济的不断进步及都市的繁荣建设,水资源也变得越来越紧缺,同时城市对水资源的需求与日俱增,对供水系统运行的自动化程度有所提高,有效地分配水资源,保证水资源的不浪费,是现在急需解决的问题。因此对供水管网的研究是保证管网正常运行的必要基础。在此原则上,供水管网的压力及管道漏损已成为学术工作的重点研究对象。供水管网系统的研究包括预测管网的压力波动,管道的漏损及用水量。因城市供水管网的运行是一项极为复杂的工程,具有不确定性、非线性、多变性的特性,受着各种因素的左右。传统的研究方法存在诸多的不足,精确度不高、灵敏度低、预测速度慢,收敛时间过长等缺点,在供水管网的研究中很难达到预期的估计,因此需要寻求其他方法来满足实际工程中的应用,以达到一定的精确度。本文在深入理解人工神经网络基本理论上,通过对小波变化的研究,进一步对理论的深化得到了小波神经网络,利用其方法对供水管网的压力及管道漏损进行了预测研究,以怀化水务集团有限公司提供的给水管网压力及漏损特征为原始数据来进行探讨。同时论述了小波神经网络的发展历程,理论的优缺点及可行性。小波神经网络建立在BP神经网络的基础上。因BP神经网络计算过程收敛速度慢、有局部极小点的存在,这两方面是该网络的最大缺点。因此小波变换与BP网络的结合,即小波神经网络克服了上述其缺点。其结合方式有两种,分别为紧致性和松散性,本文主要研究的是紧致性结合。同时本文用图例来表达小波理论与神经网络的结合,构建了小波神经网络模型的具体方法和模型,运用美国MathWorks公司出品的商业数学软件Matlab软件对供水管网的压力及管道的漏损进行了预测研究,验证了该方法在实际工程应用中的优越性,此方法具有很强的实用价值。
【关键词】：供水管网 BP神经网络 小波神经网络 水压值 管网漏损
【学位授予单位】：昆明理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TU991.33;TP183
【目录】：

• 摘要5-6
• Abstract6-9
• 第一章 绪论9-16
• 1.1 论文的研究背景和意义9-12
• 1.1.1 课题的研究背景9-10
• 1.1.2 课题的研究意义10-11
• 1.1.3 课题研究存在的问题11-12
• 1.2 国内外研究进展12-14
• 1.2.1 国内研究进展12-13
• 1.2.2 国外研究进展13-14
• 1.3 论文研究的主要内容14
• 1.4 主要章节安排14-16
• 第二章 小波神经网络理论分析16-37
• 2.1 小波理论的研究及其进展16-18
• 2.1.1 小波分析的提出16-17
• 2.1.2 小波分析的性质17-18
• 2.2 小波的基本理论18-20
• 2.2.1 小波的计算理论18-19
• 2.2.2 小波的离散化19-20
• 2.3 多分辨分析20-22
• 2.4 人工神经网络22-28
• 2.4.1 人工神经网络理论22-25
• 2.4.2 人工神经网络的连接25-26
• 2.4.3 人工神经网络的发展与特点26-28
• 2.5 BP神经网络28-33
• 2.5.1 BP神经网络理论28-31
• 2.5.2 神经网络的不足31-32
• 2.5.3 BP神经网络的优化32-33
• 2.6 小波神经网络33-37
• 2.6.1 小波神经网络的理论基础33-36
• 2.6.2 小波函数的选择36
• 2.6.3 小波神经网络所面临的挑战36-37
• 第三章 供水管道压力的研究37-48
• 3.1 供水管道压力的波动37-40
• 3.2 小波神经网络模型的确定40-42
• 3.3 小波神经网络对供水管道压力的研究42-47
• 3.4 本章总结47-48
• 第四章 供水管网漏损的研究48-57
• 4.1 管网漏损48-51
• 4.1.1 造成管网漏损的原因49-50
• 4.1.2 管网漏损防治策略50-51
• 4.2 小波神经网络对供水管网的研究51-56
• 4.3 本章总结56-57
• 第五章 结论与展望57-59
• 5.1 结论57-58
• 5.2 展望58-59
• 致谢59-60
• 参考文献60-64
• 附录64

，

本文编号：677583