[发明专利]智慧水务管网中水位互校正方法

摘要

本发明涉及智慧水务管网水位互校正方法，它包括取管网的某一站点在不同时刻的奇数个水位数值进行排序，找出该站点在不同时刻的中间水位数值，将上述每个水位数值与该站点的中间水位数值进行比较，如果该站点的某一水位数值需要进行校正的话；则根据该站点的神经网络，以被校正水位数值所测的时刻为基准，将该站点上游与之直接相连的站点的前t1、t2…的水位数据、该站点下游与之直接相连的站点的后t’1、t’2…的水位数据、该站点的前U分钟的水位数据和该站点在一小时之内的平均降水量作为输入数据，得到该站点所测的时刻的估计水位数值，如果被校正水位数值在0.8*该站点的估计水位数值至1.2*该站点的估计水位数值之间的范围内，则被校正水位数值保持不变，否则，被校正水位数值以估计水位数值替代。

主权项

一种智慧水务管网水位互校正方法，其特征在于：(一)建立管网各个站点水位的神经网络（a） 确定输入信号根据各站点的连接关系,某一站点的水位与该站点的前一段时间的水位相关、该站点在一小时之内的平均降水量相关、与该站点上游与之直接相连的站点对应的水位相关和与该站点下游与之直接相连的站点对应的水位相关,根据已有数据分析，水从上游直接相连的站点流到该站点耗时分别为t1、t2…分钟，水从该站点流到下游直接相连的站点耗时分别为t’1、t’2…分钟，选取与该站点上游直接相连的站点的前t1+△t～t1、t2+△t～t2…每分钟的水位数据，和与该站点下游直接相连的站点的后t’1+△t’～t’1、t’2+△t’～t’2…每分钟的水位数据、该站点的前U分钟的每分钟水位数据和该站点在一小时之内的平均降水量作为输入信号，△t、△t’为5～60分钟；（b） 建立一个神经网络该神经网络包括：输入层（1）、隐含层（3）和输出层（5），输入层（1）包括并列的若干个输入点（2），隐含层（3）包括并列的若干个节点（4），输出层（5）包括一个输出点，每个输入点（2）的输出均作为每个节点（4）的输入，每个节点（4）的输出均作为输出层（5）的输入，输出层（5）输出一个信号；（c） 让神经网络进行自我学习将该站点上游与之直接相连的站点的前t1+△t～t1、t2+△t～t2…每分钟的水位数据、该站点下游与之直接相连的站点的后t’1+△t’～t’1、t’2+△t’～t’2…每分钟的水位数据、该站点的前U分钟的每分钟的水位数据和该站点在一小时之内的平均降水量中每一个数据作为一个输入点（2）的输入数据，将上述输入数据输入步骤（b）的该站点的神经网络中，让神经网络进行自我一次学习，经过若干次自我学习，使得神经网络的误差小于设定误差，得到该站点的神经网络，△t、△t’为5～60分钟；(二)对某一站点的水位进行校正（d） 取管网的某一站点在不同时刻的奇数个水位数值进行排序，找出该站点在不同时刻的中间水位数值，将上述每个水位数值与该站点的中间水位数值进行比较，如果该站点的（某一水位数值减去该站点的中间水位数值）/该站点的中间水位数值大于或等于50%，则对该站点的上述水位数值进行校正，该站点的上述水位数值称为被校正水位数值；（e）使用上述神经网络，以被校正水位数值所测的时刻为基准，将该站点上游与之直接相连的站点的前t1、t2…的水位数据、该站点下游与之直接相连的站点的后t’1、t’2…的水位数据、该站点的前U分钟的水位数据和该站点在一小时之内的平均降水量作为步骤（c）的该站点的神经网络的若干个输入点（2）的输入数据，根据步骤（c）的该站点的神经网络得到该站点所测的时刻的估计水位数值，如果被校正水位数值在0.8*该站点的估计水位数值至1.2*该站点的估计水位数值之间的范围内，则被校正水位数值保持不变，否则，被校正水位数值以估计水位数值替代。