[发明专利]基于BP神经网络的城市供水管网模型校核方法

说明书

本发明提供一种基于BP神经网络的城市供水管网模型校核方法。本发明通过在对管网中管道摩阻系数灵敏度分析的基础上确定模型校核的决策变量，引入BP神经网络与遗传公式相结合的模型校核手段，通过评价管网模型模拟值与实际监测值偏差的方法分析管网模型的可靠性，进而完成模型的自适应校核。

技术领域

本发明涉及一种城市供水管网模型校核方法，尤其涉及一种基于BP神经网络的城市供水管网模型校核方法。

背景技术

城市供水管网是城市重要的基础设施，是赖以生存和发展的物质基础，被称为城市的“生命线”。目前，我国人均水资源约2200m³，为世界平均水平的1/4。伴随着我国人口增长和经济的飞速发展，水资源供需矛盾持续加剧。城市输配水管网工程成本投入占城市给水系统总投资额的2/3以上，给水管网的运行费用占制水成本的30％～50％左右，通过科学规划、合理布局以从根本上降低成本、节约能源以保证供水质量迫在眉睫。据相关研究和统计资料显示，我国城市供水管网系统普遍存在以下问题：供水管网布局缺乏合理性、科学性；供水管网老化，漏损严重；供水安全性和供水效益亟待提高。因此，针对上述问题，有必要提出进一步地解决方案。

发明内容

本发明的目的在于提供一种基于BP神经网络的城市供水管网模型校核方法，以克服现有技术中存在的不足。

为实现上述发明目的，本发明提供一种基于BP神经网络的城市供水管网模型校核方法，其包括如下步骤：

S1、对管网中管道摩阻系数对监测点压力的灵敏度进行分析，筛选出高灵敏度的管道；

S2、基于BP神经网络对高灵敏度管道数据进行训练；

S3、将训练好的BP神经网络作为内嵌模型进行寻优；

S4、将模拟值与实际监测压力值进行对比，进而对模型校核的适用性、准确性进行分析评价。

作为本发明的基于BP神经网络的城市供水管网模型校核方法的改进，所述步骤S1中，进行灵敏度分析的公式为：

其中：i为管段编号；j为测压点所在节点编号；k为工况编号；

X_ijk为工况k时，管段i的摩阻系数对测压节点j的灵敏度系数；

H₀为常量，m为人为设定的压力基准值以使得灵敏度系数为无量纲值；

|H′_ijk-H_ijk|为工况k条件下，管段摩阻由初始状态下C_i变成C′_i后压力监测节点j水压由H_ijk变为H′_ijk的压力变化绝对值；

|C′_i-C_i|为管道摩阻变化的绝对值；

为管道i的平均灵敏度系数；

M为工况总数；N为测压点总数。

作为本发明的基于BP神经网络的城市供水管网模型校核方法的改进，所述步骤S2包括如下步骤：

S21、建立高灵敏度管道摩阻系数变化值ΔC与管网压力监测点压力变化值ΔH的BP神经网络模型，ΔC、ΔH为基于管网基准模型管道摩阻系数发生变化时，对应压力监测点压力变化值；

S22、根据建立的BP神经网络模型，通过MATLAB实现对高灵敏度管道数据进行训练。

作为本发明的基于BP神经网络的城市供水管网模型校核方法的改进，所述步骤S22包括：