[发明专利]一种基于深度信念网络的复杂管网泄漏定位方法

说明书

本发明涉及复杂管网泄漏定位技术领域，具体涉及一种基于深度信念网络的复杂管网泄漏定位方法，按照以下步骤实施：步骤1，获取包括监测点压力值和泄漏位置坐标训练样本和测试样本；步骤2，构建基于深度信念网络的复杂管网泄漏定位模型；步骤3，根据测试样本采用逐层无监督学习算法对复杂管网泄漏定位模型进行预训练；步骤4，采用BP算法对预训练之后的复杂管网泄漏定位模型进行参数寻优；步骤5，采用步骤4得到的复杂管网泄漏定位模型对步骤1中的测试样本进行泄漏定位，输出定位结果；统计模型诊断准确率。上述方法仅通过建立复杂管网泄漏数据库训练网络就可以完成对整个管网的监测，极大提高管网泄漏的诊断效率。

技术领域

本发明涉及复杂管网泄漏定位技术领域，具体涉及一种基于深度信念网络的复杂管网泄漏定位方法。

背景技术

复杂管网泄漏定位方法种类繁多，总体来说可分为基于硬件与基于软件的定位技术。基于硬件定位技术大多需要在管网中安装大量传感器，具有很高的安装成本，定位精度受限；基于软件定位技术大多数方法虽可以通过管网参数变化定位泄漏，但是并不能准确建立起管网参数变化与泄漏位置之间的非线性模型。近年来不断发展的人工神经网络方法可以逼近任意非线性函数，一旦经过正确的训练，可以给出输入与输出间良好的映射关系，非常适用于管网定位等复杂系统的预测问题。目前应用最广的反向传播(BP)神经网络由于其初始权值由随机初始化的方法得到，使其容易陷入局部最小点，导致网络的预测精度不够高。

而深度学习作为第三代神经网络，具有较强地从大量无标签样本中提取特征的能力；同时由于其多层的复杂结构及逐层训练的稳定性，能够对大数据量样本进行训练，顺应了大数据时代的潮流，具有广阔的应用前景。

鉴于此，为克服不能建立管网参数变化与泄漏位置之间的非线性模型问题，本发明提供了一种基于深度信念网络的复杂管网泄漏定位方法。

发明内容

本发明的目的在于提供一种基于深度信念网络的复杂管网泄漏定位方法，用于克服不能建立管网参数变化与泄漏位置之间的非线性模型问题。

本发明提供的基于深度信念网络的复杂管网泄漏定位方法，具体按照以下步骤实施：步骤1，获取包括监测点压力值和泄漏位置坐标的数据样本，将标准化处理后的样本数据按照设定比例分为训练样本和测试样本；步骤2，构建基于深度信念网络的复杂管网泄漏定位模型；步骤3，根据测试样本采用逐层无监督贪婪学习算法对复杂管网泄漏定位模型进行预训练；步骤4，采用BP算法对预训练之后的复杂管网泄漏定位模型进行参数寻优，得到复杂管网泄漏定位模型；步骤5，采用步骤4得到的复杂管网泄漏定位模型对步骤1中的测试样本进行泄漏定位，输出定位结果；根据输出的定位结果与测试样本的泄漏位置坐标统计模型诊断准确率。

如上所述的基于深度信念网络的复杂管网泄漏定位方法，进一步优选为，所述的步骤1具体为：步骤1.1，根据管网结构图构建复杂管网水力工况数学模型，并基于基本回路分析法编制MATLAB计算程序，得到泄漏特征值样本集；泄漏特征样本集包括监测点压力差和泄漏位置坐标；步骤1.2，对步骤1.1中采集到的数据进行归一化处理；步骤1.3，将标准化后的样本数据按照设定比例分为训练样本和测试样本。

如上所述的基于深度信念网络的复杂管网泄漏定位方法，进一步优选为，所述的步骤1.1中，复杂管网水力工况数学模型为：

A*G＝Q，

B_f*ΔH＝0，

ΔH＝S*|G|*G+Z-DH；

其中，A为关联矩阵，B_f为基本回路矩阵，Q为节点流量列向量，S为阻力特性数矩阵，Z为位能差列向量，DH为水泵扬程，G为段流量列向量，ΔH为管段压差列向量。