[发明专利]基于机器学习的多目标复杂排水系统可调堰智能操控方法

说明书

本发明提供基于机器学习的多目标复杂排水系统可调堰智能操控方法。本发明涉及控制对象的判别状态要素、总体与样本的马氏距离、先验概率、后验概率函数结构，并以误判率为输出反馈求解器。本发明基于机器学习判别分析计算，选取管道初始水位、关键点水位流量、泵站前池水位、最不利点水位等关键状态要素敏感数据，通过贝叶斯法、线性判别、线性对角、二次判别四种机器学习判别方法对排水系统控制的关键步骤进行辅助决策。本发明所需外部数据简单、易于实时采集，且训练样本可以不断扩充累计，训练样本越接近总体，判断效果越好。本发明为提高复杂排水系统可调堰智能操控水平提供了有效方法，有助于提高复杂排水系统整体运行水平。

技术领域

本发明属于市政工程领域，涉及排水系统的操控方法，具体涉及基于多目标复杂排水系统可调堰智能操控方法。

背景技术

近年来，城镇内涝防治与黑臭河道治理日渐成为社会关注的热点，相应的排水系统提标及河道径流污染控制工程建设不断提速，出现了原有排水系统改后同时实现老旧排水系统提标与控污的相关工程设计。改造后排水系统运行控制更加复杂，一般涉及多个目标，一是防汛目标，主要在于提高排水系统安全性，实现提标和内涝防治；二是控污目标，主要在于减少初期雨水污染及CSO排放。由于复杂系统的整体构架在于新建截流系统与原有排水系统组成新的排水系统，需要二者共同作用以达到工程目标。

排水系统工程上，防汛和控污这两大工程之间存在即统一又矛盾的复杂关系。“统一性”在于这两大工程目标需要统一在同一工程中来实现，必须相互统筹兼顾；而“矛盾性”则在于两个工程目标实现的前提条件和运行模式并不完全匹配，在某些情况下，两个工程目标之前还存在一定的冲突。例如，在一定条件下，为实现一定毫米数降雨不放江(例如控制10mm的初期雨水)的控污工程目标，要求前10mm的降雨进入截流系统后再启动市政泵；而为了实现系统排水能力提高的内涝防治目标，调蓄系统要求主要作为削峰的调蓄容积使用，即初始时刻不进调蓄池，等待雨峰时刻启用削峰，本质上讲，两大功能均是通过调蓄空间实现，调蓄空间有限性是导致“矛盾性”的本质原因。

一般截流点选取可调堰这种更加灵活的控制形式。堰的调节对于复杂排水同功能的实现有着非常重要的意义。通过模型计算，如果降堰时间过早，调蓄系统可能过早充满关闭，无法继续参与削峰而导致系统积水。此外，浅层管网中的水在径流峰值前排入调蓄系系统可能会导致市政泵无法完全启动，浅层系统排水能力不能得到充分利用，如果降堰时间太晚，可能会导致入流堰无法及时参与削峰作用。由于市政泵排水能力不足以应对雨峰，如果此时浅层管网已满，而入流堰未及时下降，过堰流量不足，会导致系统积水。因此，在合适的时间进行降堰操作(增加过流能力)，增加削峰能力，十分关键。入流堰的调整，即降堰，难点在于降堰时间的判断，因此，本发明针对如何利用排水系统的仪表监测数据，实时判断进行降堰操作的时间点。

机器学习作为人工智能的一种类型，可以根据现状收集的大量数据对未来的情况进行预判。简单的说，机器学习就是使用算法分析数据，从中学习并做出推断或预测。鉴于排水系统实际运行中会产生大量不断更新的有效数据库，通过机器学习对数据进行分析，从而进行降堰时间的判断可行性较高。在建立预测模型的时候，通过学习过程的建立，将机器学习的预测结果与“训练数据”的实际结果进行比较，通过不断调整，实现较高的判断准确率。

发明内容

本发明克服现有技术存在的问题，提供一种基于机器学习的多目标复杂排水系统可调堰智能操控方法，达到提高复杂排水系统可调堰智能操控水平及整体运行水平的目的。

本发明为实现上述发明目的，提供的技术解决方案包括：

基于机器学习的多目标复杂排水系统可调堰智能操控方法，包括：

1)获得控制对象的判别状态要素数据：

选取状态要素数据：采集排水系统状态要素数据，包括可调堰位置管道的水位值及流量值、排水系统内泵站前池水位、以及区域最不利点的积水情况；