[发明专利]一种基于拓扑结构的排水管网溯源优化方法

说明书

一种基于拓扑结构的排水管网溯源优化方法，它包括以下步骤：S1：构建排水管网模型，并获得表示管网连接信息的矩阵；S2：设定均方根百分比误差的允许值；S3：在排水管网模型中的所有节点范围内随机生成初始点，并假定该点为当前最优点，计算初始均方根百分比误差；S4：利用莱维过程生成转移步长，从当前最优点开始，在连接矩阵中依次在对应的行方向随机搜索，得到下个计算点；S5：计算当前条件下监测点的物质浓度变化情况，与实测值进行比较，计算均方根百分比误差；S6：更新最优点信息，当均方根百分比误差小于当前最优点时，则更新最优点为新的计算点；S7：根据相对误差值判断是否达到预设的误差允许值，若是则结束计算，否则返回步骤4。

技术领域

本发明涉及市政工程信息技术领域，具体涉及基于莱维(Levy)过程和排水管网拓扑结构进行溯源的优化方法。

背景技术

在排水管网中，工业偷排、雨污水混错接等均会造成污水处理厂处理效能的下降，投资浪费。现有技术中在采用基于马尔科夫链蒙特卡洛和贝叶斯(MCMC-Bayesian Method)统计推理的数学模型进行溯源时，由于排放节点属于离散型变量，马尔科夫链的游走步长只有取1时才能具有符合要求的精度，而此时的效率偏低。

例如中国专利CN108897964A公开了一种贝叶斯统计溯源方法，包括如下步骤，1：在SWMM软件中构建污水管网模型，生成初始*.inp文件，然后在Matlab中打开初始*.inp文件，对*.inp文件进行读写，对所有可能偷排的节点、排放量和排放时间三个参数进行编辑，外部调用swmm5.exe程序，直接利用更新后的参数输入运行SWMM，将包括监测点的污染物浓度时间序列运行结果储存在*.rpt文件中；2：在Matlab中实现对*.rpt文件的读写，对排放节点、排放量和排放时间三个未知参数在先验信息范围内进行污染物溯源统计MCMC抽样，每次抽样后，同步更新*.inp文件中相应的参数变量，外部运行SWMM，将更新的节点污染物浓度时间序列储存在*.rpt文件中；3：在Matlab中提取*.rpt文件中相应的模拟结果的时间序列，结合实际监测节点处的污染物质浓度时间序列，利用贝叶斯理论反演计算，考虑监测过程及模拟过程的误差，计算似然函数值和待反推的未知参数的后验概率分布；4：在Matlab中输出后验概率直方图，进行贝叶斯统计溯源结果的可视化分析，推求未知的偷排节点、排放量和排放时间的取值的概率分布。

上述这类现有技术在针对排放点进行溯源时，由于排放节点的离散特性，马尔科夫链的游走步长只有取1时结果才能正常收敛，溯源效率较低。

而且该类现有技术所采用的统计学方法，需要对数学模型进行大量计算(计算次数往往大于1000次)，而单次计算耗时取决于管网模型复杂程度，应用于实际工程时，面对复杂管网有可能导致反推时间过长。

发明内容

本发明的目的是为了解决背景技术中这类现有技术在对排水管网中的排放点进行溯源时，由于具有明显的局限性而导致溯源效率低，无法很好的适用于复杂网管模型的技术问题。

一种基于拓扑结构的排水管网溯源优化方法，它包括以下步骤：

步骤1：构建排水管网模型，并由排水管网模型获得表示管网连接信息的矩阵；

步骤2：设定均方根百分比误差的允许值；

步骤3：在排水管网模型中的所有节点范围内随机生成初始点J_init，并假定该点为当前最优点，计算初始均方根百分比误差；

步骤4：利用莱维过程生成转移步长L，从当前最优点开始，在连接矩阵中依次在对应的行方向随机搜索L次，得到下个计算点；

步骤5：利用排水管网模型计算当前条件下监测点的物质浓度变化情况，与实测值进行比较，计算均方根百分比误差；

步骤6：更新最优点信息，当均方根百分比误差小于当前最优点时，则更新最优点为新的计算点，否则不更新；