[发明专利]一种基于BP神经网络的管道破损概率预测方法

摘要

一种基于BP神经网络的管道破损概率预测方法，属于城市供水管网技术领域。所述方法包括：为预测管道破损概率进行前期的数据准备；选择待预测的管网区域，分别通过全管网、所在行政区、周边缓冲区三种途径确定训练数据范围；选择导致管道发生破损的影响因子，在训练数据范围内提取建模所需训练样本；利用BP神经网络算法，使用训练样本训练模型，采用基于10折交叉验证的ROC曲线评价模型的稳定性和预测精确度；将训练好的模型应用在待预测管网区域，得到每一条管道将要发生破损的概率；在ArcGIS中采用自然断点法将管道破损概率分类，制作专题图。本发明拓展了现有管道破损概率预测模型的研究内容，为供水管网资产管理科学方法的建立提供一种新的思路。

主权项

1.一种基于BP神经网络的管道破损概率预测方法，其特征在于该方法包括如下步骤：1)为预测管道破损概率进行前期的数据准备：a.信息完善：在城市供水管网地理信息系统的管道图层中，完善管道的基本信息，包括管道编号、所在行政区、影响因子、以及有无破损记录；所述的影响因子包括管材、管径、管龄、管长、接口类型、埋深、道路负荷和运行压力；b.信息数字化：根据影响因子的数据属性，将其分为连续变量和分类变量，对分类变量进行数字编码，用不同数字表示数据类别；针对有无破损记录，用0表示无破损记录，用1表示发生过破损；2)选择待预测的管网区域，分别通过全管网、所在行政区、周边缓冲区三种途径确定训练数据范围：训练数据范围包括：a.全管网：该城市的全部供水管道；b.所在行政区：被选择的待预测管网区域所在行政区的全部供水管道；c.周边缓冲区：被选择的待预测管网区域周边500‑2000米内所覆盖的全部供水管道；3)选择导致管道发生破损的影响因子，在训练数据范围内提取建模所需训练样本：在训练数据范围内，提取全部有破损记录的管道，再随机提取等量无破损记录的管道，组成建模所需训练样本，训练样本的属性信息包括管道编号、影响因子、有无破损记录三部分；4)利用BP神经网络算法建立影响因子与有无破损记录之间的关系，并用训练样本进行训练，采用基于10折交叉验证的ROC曲线评价模型的稳定性和预测精确度：a.模型的输入因子为管道破损的影响因子，输出因子为管道有无破损记录；b.输入因子需进行归一化，将各影响因子的数值转化到[0,1]范围内，归一化公式为：式中，y代表归一化后的数据，x代表输入的原始数据，x_max和x_min分别代表输入数据的最大值和最小值；c.基于10折交叉验证的ROC曲线，通过箱式图反映模型的稳定性，通过ROC曲线下面积AUC的值反映模型的预测精确度；5)将训练好的模型应用在待预测管网区域，得到每一条管道将要发生破损的概率,即介于[0，1]之间的数值，其值越大代表管道越容易发生破损事故；将通过全管网、所在行政区、周边缓冲区三种途径得到三个训练样本，分别用于训练BP神经网络模型得到三个破损概率预测结果，将三个结果加权得到最终破损概率值；所述的将三个结果加权得到最终破损概率值中，全管网、所在行政区、周边缓冲区三种途径得到结果的权重占比为2:4:4；6)在ArcGIS中采用自然断点法将管道破损概率分类，应用ArcGIS的符号化功能，将管道破损概率划分为高、较高、中、低四类，用不同的颜色表示，制作专题图，使计算结果可视化。