[发明专利]一种基于深度神经网络的供水管网爆管管道精确识别方法

权利要求书

1.一种基于深度神经网络的供水管网爆管管道精确识别方法，其特征在于，该方法包括如下步骤：

(1)搭建深度神经网络，确定爆管发生的可能区域并选择压力监测点位置；

(2)模拟不同位置的爆管，采集压力监测点压力数据作为训练数据，训练深度神经网络；

(3)在现场爆管发生的可能区域选择压力监测点位置并采集压力监测点压力数据，将其输入到训练好的深度神经网络中进行识别；

(4)输出爆管管道识别结果；

步骤(2)具体为：

(21)使用EPANET3程序包模拟可能爆管区域内的爆管工况，重复执行多次，得到多种爆管位置、爆管大小、管网模型参数下的压力监测点的压力模拟结果；

(22)对压力模拟结果进行预处理；

(23)使用预处理后的模拟数据训练深度神经网络；

步骤(21)具体为：

(211)指定可能爆管区域内的第一根管道为本次模拟的爆管管道；

(212)对水力模型中每根管道的粗糙系数，分别添加服从高斯分布N(0，σ_C²)的噪声；对每一时刻、每个节点的需水量，分别添加服从高斯分布N(0，σ_q²)的噪声；σ_C、σ_q为常数；

(213)随机从均匀分布U(γ_min，γ_max)中选择爆管强度系数γ，其中γ_min、γ_max分别为爆管强度最小值和最大值，同时确定爆管流量：

其中，下标ij表示起始节点为i、末端节点为j的管道，为爆管流量，H_ij为管道压力，A_ij为管道横截面积，g为重力加速度，C_d为孔口出流系数；

(214)使用EPANET3程序包，根据上述步骤中定义的参数执行水力模拟，记录压力监测点处对应的压力模拟结果；

(215)重复执行步骤(212)至步骤(214)一定次数，每次模拟时都重新随机生成噪声和爆管强度系数；

(216)指定可能爆管区域内的下一根管道为爆管管道，重复执行步骤(212)至步骤(215)，直到所有管道都分别执行过爆管模拟。

2.根据权利要求1所述的一种基于深度神经网络的供水管网爆管管道精确识别方法，其特征在于，步骤(1)中深度神经网络由输入层、一系列密连接块和输出层组成，每个密连接块中包含一系列密连接层，密连接层的每一层隐藏层与其后的所有层都直接相连，表示为：

l_i＝C_i([l₀，l₁，...，l_i-1])

其中，l_i为第i层密连接层的输出；[l₀，l₁，...，l_i-1]为第i层之前的所有密连接层的集合；C_i()是为复合函数，复合函数由批正规化、线性整流函数、线性连接组成。

3.根据权利要求1所述的一种基于深度神经网络的供水管网爆管管道精确识别方法，步骤(1)和(3)选择压力监测点位置的具体方法为：

使用遗传算法，根据以下目标函数求解管网中压力监测点的布置位置：

约束条件为：

其中，n_p为爆管发生的可能区域中的节点数；S为所选压力监测点的集合，集合中的元素j表示安装在节点j上的压力监测点；|S|为集合S的势，即集合中的元素个数；χ为实数域上的映射函数，定义为：若a≥0，则χ(a)＝1，否则χ(a)＝0，其中，a为未知的输入参数；C_L、C_N、C_R为常数；为管网灵敏度矩阵的第i行第j列元素，表示节点i上的压力对节点j上的流量变化的灵敏度。

4.根据权利要求1所述的一种基于深度神经网络的供水管网爆管管道精确识别方法，其特征在于，步骤(3)在现场采集压力监测点压力数据后需要先对压力监测点压力数据采用步骤(22)的方法进行预处理，然后输入到训练好的深度神经网络中进行识别。