[发明专利]一种排水管网诊断及管理方法

权利要求书

1.一种排水管网诊断及管理方法，其特征在于，包括以下步骤：

S1、信息科；

S2、外科；

S3、内科；

S4、康养科。

2.根据权利要求1所述的一种排水管网诊断及管理方法，其特征在于，所述一种排水管网诊断及管理方法包括以下具体步骤：

S1、信息科

通过和合排水软件将厂、站、网、河和湖不同数据源的管网数据信息，对排水设施基本属性拓扑分析、现有排水设施数据的校核与修正，对数据进行梳理、复核，检查管网数据的完整性和准确性，确保数据的标准化，提高后续对管网的排查精准度，然后进行导入，不限于CAD、ArcGIS，也可以通过人工输入管网的管线、节点、泵站等相关图形信息，然后根据地形图，自动提取相关节点的地面高程，根据窨井、雨水口和管线，进行汇水区的自动划分，对连通的管线自动完成剖面图；

S2、外科

系统地对管网信息准确性进行检查，对测绘单位提供的信息，协助业主接收成果，对不符合要求的成果，不予入库，结合模型分析及对部分抽检测绘摸排数据进行复核，静态数据诊断，包含原始数据的地上、地下、管径、管长等属性校核；管网连通性；雨污混接分析；管道摩阻分析；错误数据再测绘分析；溢流点位；排口倒灌分析；提升泵站数据分析；现有CCTV数据诊断分析；边界条件分析；监测点定位分析；外河水位变化曲线分析等；

通过对排水设施基本属性拓扑分析、现有排水设施数据的校核与修正、监测点位优化调整，结合和合排水对S1中的测绘管网剖面图进行分析，对可疑突变点进行自动识别、亮显，和合排水对管网测绘数据进行拓扑连接关系进行分析，采用排水管网数值化诊断评估技术，将管网模型和在线监测结合，通过通过智慧排水检测，评估排水管网的运行状况，诊断雨污混接、错接和管网破损的情况，并及时对不符合标准的混接、错接及管径和排口进行修正更换；

可以按照水文条件和地形地貌，进行水库容积的优化设计，可以进行水库排水口、管网泄洪口、拦河坝的设计与模拟，可以将地面边沟和地下管网相结合，实现窨井溢流模拟与控制，可以同时实现降雨、地面、径流、管道、河道径流以及LID设计与模拟，可对水质特性因子进行计算，量化分析混接、客水来源，进行实际工程的方案比较设计与模拟，把苏联的设计规范与美国模拟理论相结合，直接应用中国暴雨强度公，可以通过专门窗口放大缩小显示选择区域，可进行最少10个窗口打开，并在10个屏幕上连动显示；

S3、内科

配合和合排水的应用，将和合管网模型和在线监测结合，经过算法，实时在线诊断排水管网运行状况，包括雨污混接、管网破损、河湖水倒灌，针对流域生活源、工业源、农业源及地下水入渗的情况，尤其是工业源的超标排放情况，建立流域水污染物特征数据库，以和合管网模型内含的水质特征因子算法，实现水质超标溯精准源分析，对河湖重点排水口、溢流口等建立智慧化管控体系，及时发现异常突发排放情况，并可依托和合排水模型进行精准溯源，第一时间采取控制措施，提升管网的诊断效率，污染的溯源和河湖排口的管理，实现污水“零直排”管理，实现数字水库的预警及调度、内涝预警及调度、防潮预警及调度、“厂站网河”联合调度，通过在生活小区、工业园区等污水零直排区企业污排口、雨排口、附近河道等建立水位水量、污染物指标在线监控，通过水位水量、污染物指标等大数据分析，建立零直排区长效管控机制，接入气象预报结果、水雨情监测数据，通过水库洪水预报模型，实时预测水库可能出现的入库洪水情和最高水位、库区淹没范围及经济损失等信息，实现洪水预报和智慧调度，接入实时水雨情监测数据，通过和合管网河道水库潮汐耦合模型，实时预测城区内涝点及淹没范围、水深等信息，提前进行洪水预报和智慧调度；

通过大数据的收集结合大数据模型的建立，使得便于对管网进行基础数据管理、管道缺陷管理、辅助规划分析和数据更新管理，通过大数据分析模型的建立，便于查看管道相应的缺陷信息、缺陷图片、缺陷视频等，操作员对排水管网缺陷数据进行结构缺陷、功能缺陷等属性的条件查询，将显示在查询结果区域中，支持点击定位、属性查看、数据导出等，从而实现管网问题的快速解决；

通过动态数据实时监测诊断，提质增效一厂一策诊断；通过水质特征因子在线检测及模型分析，评估排水管网的运行状况，诊断雨污混接、错接、管网破损及河水倒灌等问题，内涝、溢流CSO、SSO诊断；基于监测的内涝预警，溢流防治策略，污染回溯，排口排污量分析，基于降雨的RTK参数分析，基于河道水位变化分析，调蓄设施及排口分析；

S4、康养科

对于S2和S3中诊断完成的管网数据进行更新入库，新建、改建排水设施数据，对于竣工资料及竣工效果进行验证，对于排水管网的运维数据进行分析，解决管网的全生命周期维护问题，通过和合排水的应用，将和合管网模型和在线监测结合，通过从感知系统及神经系统的多个角度全方位与管网医院各个科室相结合，通过和合排水的智慧平台，做到长久有效的智慧管控，确保排水管网健康长效运行，和合排水配合深度神经网络算法对S3内科中的大数据分析模型进行多轮分析处理，将单轮分析结果及模型变化进行记录，通过多轮对比最终可以得出管网的动向趋势，以便于对管网进行日常的定点养护，提升管网的实际使用寿命，通过深度神经网络算法使得系统对管网模型建立过程中进行不断的自我学习，不断提升对管网模型建立的精准度；

深度神经网络算法的计算公式如下：令f(x；ω)表示一个深度神经网络，ω为网络参数，在使用小批量梯度下降进行优化时，每次选取K个训练样本δt＝{(x(k)，y(k))}Kk＝1，第t次迭代(Iteration)时损失函数关于参数ω的偏导数为；

其中L(·)为可微分的损失函数，K称为批量大小(Batch Size)

第t次更新的梯度gt定义为；

使用梯度下降来更新参数；

ωt←ωt-1-αgt

其中α＞0为学习率。