[发明专利]基于极限学习机的城市供水管网爆管预警方法

权利要求书

1.一种基于极限学习机的城市供水管网爆管预警方法，其特征是，通过建立管网水力模型模拟爆管工况，得到爆管数据，利用机器学习中极限学习机的原理对数据进行分析、学习，预测。

2.如权利要求1所述的基于极限学习机的城市供水管网爆管预警方法，其特征是，步骤如下：

(1)选定一片区域，依据城市供水规范计算该区域的用水总量，将其均布到每个用水节点，并依据每天的用水量变化规律选择不同的出厂压力；

(2)利用EPANET软件建立该区域的供水管网模型，依据平均经济流速，确定各管径的大小，并保证在不同出厂压力和用水量的正常运行工况条件下，控制点的水头不低于0.28MPa；

(3)在正常运行工况的基础上，采用加入虚拟节点VJ的方式模拟爆管点，虚拟节点的用水量即为爆管的流量，设计不同梯度的用水量模拟不同程度的爆管，运行得到爆管工况；

(4)选择管网中具有代表性的节点作为压力监测点，监测正常运行工况和爆管工况下的压力值，以爆管前后的压力差作为爆管特征值；将各监测点的爆管特征值作为极限学习机的输入值；对不同爆管工况进行编号，该编号作为极限学习机的输出值；

(5)根据极限学习机的学习能力，选择绝大多数工况作为训练集，用以建立爆管预警模型，少数工况作为测试集，用以检验模型的准确度和精度。

3.如权利要求1所述的基于极限学习机的城市供水管网爆管预警方法，其特征是，极限学习机采用单隐含层前馈神经网络SLFNs模型，包含三层，分别是输入层、输出层以及隐含层，每一层都由神经元构成，界信息通过输入层进行接收，每个神经元只接收前一层的输出结果并将其作为自己的输入数值，输出层向外界反馈信息，极限学习机随机选取输入层权重和隐藏层偏置，输出层权重通过最小化由训练误差项和输出层权重范数的正则项构成的损失函数，该损失函数依据Moore-Penrose广义逆矩阵理论计算解析求出。