[发明专利]基于动态神经网络预测的城市供水管网爆管检测方法

说明书

本发明公开了基于动态神经网络预测的城市供水管网爆管检测方法。S1.利用城市供水节点的W时长的正常历史流量数据作为原始时间序列；S2.对原始时间序列进行分析，得到预处理后的时间序列；S3.小波分析：利用小波分析对预处理后的时间序列进行去噪，得到去噪后的流量数据；S4.模型建立：利用NAR动态神经网络对去噪后的流量数据进行训练，建立爆管识别模型；S5.W时长的流量时间窗随时间向后滑动，对流量数据进行更新；S6.W时长的流量时间窗继续随时间向后滑动，重复S5步骤；直到流量异常的累计概率超过设定的阈值，则判断已发生爆管事件。本发明结合小波分析、动态神经网络预测算法，实现了基于动态神经网络预测的城市供水管网的爆管事件检测。

技术领域

本发明属于供水系统的测量类，主要涉及城市供水管网的漏损检测，具体提出一种基于动态神经网络预测的城市供水管网爆管检测方法。

背景技术

我国人口数量大，人均水资源不足，是一个缺水较为严重的国家。然而我国城市供水管网由于管龄的增大、管道质量问题，爆管事件时常发生，城市供水平均漏损率超过15%，而发达国家的漏损率控制在8%以下，差距显著。因此，对城市供水节点爆管事件的准确及时的检测尤为重要。

近年来，智慧水务逐步兴起，然而对管网大量的数据并没有得到充分的利用和分析。目前的供水管网漏损监测系统算法较为简单传统，当系统发生报警信息后，还需要进行人工的经验分析，检测耗时长，且工作人的劳动强度较大，不能准确及时的检测出突发的爆管事件，误报率极高。虽然已有一些理论研究以及试验，但由于供水管网中的不确定因素较多，成功应用于实际管网的例子较少且应用效果一般。目前，发展智能供水系统，耽误之急是实现管网系统的智能、快速、准确的爆管实时检测。

发明内容

为了解决现有技术的不足，本发明提供了一种基于动态神经网络预测的城市供水管网爆管检测方法。

一种基于动态神经网络预测的城市供水管网爆管检测方法，包括以下步骤：

S1. 利用城市供水节点的W时长的正常历史流量数据作为原始时间序列；

S2. 对原始时间序列进行分析，若S1中的原始时间序列存在缺失值，则利用极大似然估计法进行填补，若不存在缺失值则保留原始时间序列，从而得到预处理后的时间序列；

S3. 小波分析：利用小波分析对预处理后的时间序列进行去噪，得到去噪后的流量数据；

S4. 模型建立：利用NAR动态神经网络对去噪后的流量数据进行训练，得到预测的平均绝对相对偏差，根据预测的平均绝对相对偏差，建立爆管识别模型；

S5. W时长的流量时间窗随时间向后滑动，对流量数据进行更新，加入一定时长的新时刻的流量数据，去除相应时长的旧时刻的流量数据：

利用NAR动态神经网络对去噪后的流量数据的下一个时刻T₁流量进行预测，得到T₁预测值；实测下一个时刻T₁流量得到T₁实测值，计算T₁实测值与T₁预测值之间的相对误差，若相对误差超过允许的误差范围，则判断T₁实测值为异常流量，并用T₁预测值替换T₁实测值，若相对误差没有超过允许的误差范围，则用T₁实测值对去噪后的流量数据进行更新；

S6. W时长的流量时间窗继续随时间向后滑动，重复S5步骤；直到流量异常的累计概率超过设定的阈值，则判断已发生爆管事件，流量异常的累计概率计算如下：