[发明专利]一种基于EPR进化多项式回归的管网漏失预测模型的建立方法

权利要求书

1.一种基于EPR进化多项式回归的管网漏失预测模型的建立方法，其特征在于，该方法包括如下步骤：

第一步：预测模型建立的前期数据准备

(1)信息完善：在城市供水管网的地理信息系统(Geographic Information System，GIS)的漏失系统中，完善漏失管道的相关信息，包括管材、管径、管道埋设时间、管道编号、管长、漏失事件接报时间；

(2)信息编码：根据影响因子的属性不同，管道管材作为不连续变量，管道管材分别为：钢管、球墨铸铁管、普通铸铁管、镀锌管、钢塑复合管；

(3)信息初步处理：将同一根管道的漏失事件接报时间减去管道埋设时间，得到该管道发生漏失时的年龄，即管龄；

第二步：影响因子的确定

根据发生漏失管道的完整信息，本方法选定管长L、管龄A和管径D为影响因子，每年漏失发生次数Z(以下简称：年漏失次数)随影响因子而改变；

第三步：数据分组处理方法

(1)选定GIS中n年完整的漏失管道信息作为原始数据，其中前n-1年原始数据用于预测模型的建立，第n年的原始数据用于预测模型的验证；

(2)根据管材的不同，对五种管材分别建立各自的漏失预测模型，具体方法见第四步；

(3)根据不同管材在供水管网中实际铺设的管径D不同，在每一种管材内按照管径大小再进行分组，相同管径的为一组；

(4)根据不同管材管径分组内每一组管径的管道每年漏失发生次数的不同，按照公式(1)分别计算每一种管材管径分组内每一组管径所有管道总的年漏失次数；

式中：Z为每一组管径年漏失次数，次/年；i为每一相同管径的管道编号；Z_i为管道i的前n-1年总漏失次数，次；n-1为研究所用原始数据的年数；

(5)根据不同管材管径分组内的每一组管径的管道在发生漏失时的管龄的不同，按照公式(2)计算该管材管径分组内每一组管径所有管道的加权管龄；

式中：A为n-1年管材管径分组内每一组管径所有管道的加权管龄，年；A_i为n-1年管材管径分组内每一组管径内某管道i的管龄，年；

(6)根据不同管材管径分组内每一组管径管道长度，即管长的不同，按照公式(3)分别计算每一组管径所有管道总的长度L；

L＝∑l_i (3)

式中：L为每一组管径对应管道的总长，km；l_i管道i的长度，km；

最终得到每一种管材的对应的每一组管径、管长、平均加权管龄、年漏失次数，每一管材分为m组不同的管径，则有为m组的相应分组数据；

第四步：采用EPR建立漏失预测模型

(1)EPR的参数设置：对每一种管材漏失管道进行EPR建模，EPR建模采用的自变量为管长L、管龄A和管径D，因变量为Z；表达式中多项式的项数小于等于3；函数类型为指数函数f(x)＝e^x，指数选取范围为-2、-1、-0.5、0、0.5、1、2；偏差项a₀取值为0；基于以上设置，建立管网漏失预测模型；

(2)拟合精度衡量指标：漏失预测模型拟合程度优劣按照公式(4)采用决定系数(Coefficient of Determination，CoD)来判断，CoD取值范围为[0,1]，值越大对应的拟合精度越高：

式中：为表达式i模拟的第j组管径分组数据时年漏失次数的模拟值；y_j为第j组管径分组数据年漏失次数的真实值，为第j组管径分组数据年漏失次数真实值的平均数；

第五步：漏失预测模型的验证

漏失预测模型预测程度的优劣按照公式(5)采用均方根误差(Root Mean SquareError，RMSE)表示，RMSE值越小，预测精度越高；

式中：为第n年漏失次数的预测值；y为第n年漏失次数的真实值；m为分组数据的组数；

第六步：区域供水管网漏失次数

以上各步骤得到了某一管材的每一分组管径漏失预测模型后，再用相同方法建立其余四种管材的漏失预测模型，采用各管材模型根据某一年的管网数据，分别预测以后某年各对应管材的漏失次数，加和得到该区域管网漏失次数总数，即每种管材的每一种管径的年漏失次数均进行加和。

2.按照权利要求1的一种基于EPR进化多项式回归的管网漏失预测模型的建立方法，其特征在于，所采用的管网漏失预测模型为所建立的管网漏失预测模型中CoD取值最接近1的和RMSE值最小的模型。