[发明专利]一种基于聚类和深度信念网络的漏损初定位方法有效

专利信息
申请号: 201810527186.4 申请日: 2018-05-29
公开(公告)号: CN108647470B 公开(公告)日: 2022-05-31
发明(设计)人: 徐哲;黄兴;李玉全;陈晖;何必仕 申请(专利权)人: 杭州电子科技大学
主分类号: G06F30/27 分类号: G06F30/27;G06N3/04;G06N3/08;F17D5/02
代理公司: 浙江千克知识产权代理有限公司 33246 代理人: 周希良
地址: 310018 浙*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种基于聚类和深度信念网络的漏损初定位方法。本发明首先计算获得管网监测点敏感度系数矩阵。其次基于K‑means聚类将管网分成若干漏损区域,并利用水力仿真软件生成漏损样本。然后建立并训练基于深度信念网络的漏损区域辨识模型。最后根据实测压力数据辨识漏损区域。本发明克服了建模时漏损样本稀缺问题,实现在渗漏初期就能快速定位漏损区域,具有较高的辨识精度和较强的可操作性。
搜索关键词: 一种 基于 深度 信念 网络 漏损初 定位 方法
【主权项】:
1.一种基于聚类和深度信念网络的漏损初定位方法,其特征在于该方法具体是:步骤1、计算获得管网监测点敏感度系数矩阵(1)灵敏度系数矩阵利用EPANET水力仿真软件给节点i设置一个扩散器系数,得监测点k压力的变化值ΔHk和节点i自身压力变化值ΔHi,从而求得监测点的灵敏度系数Xik,如式(1):据此,求得所有监测点的灵敏度系数,用矩阵形式表示为:其中,n代表管网中所有监测点的个数,m代表管网中所有节点的个数;(2)标准化对灵敏度系数矩阵Xm×n采取标准化处理,保证处在[0,1]范围内,得到矩阵X′m×n,对于第j列的元素,公式如下:代表矩阵X中第j列元素均值,其余各列处理方式相同,最后根据所有x′ij组成矩阵X′;再对X′进行极差变换,对于第j列元素其中,x′jmin为X′m×n中第j列的最小值,x′jmax为X′中第j列的最大值;同样,其余各列处理方式相同,最后根据所有x″ij组成标准化矩阵X″m×n;步骤2、基于K‑means聚类将管网分成若干漏损区域使用K‑means算法对矩阵X″m×n进行聚类,以最小化欧式距离为目标,初始化聚类中心向量V,通过迭代运算进行调整,使得下式所示的目标函数J最小;uk是分类中心向量,xn是观测坐标向量,rnk是0或1,若n被归类至k组,则rnk=1,否则rnk=0;J的目标是最小化观测向量与聚类中心之间的距离;rnk与uk寻优时,通过迭代运算逐步求出,固定uk,选取最优rnk,接着固定rnk,计算最优的uk,选取rnk的过程中,把数据归类至近邻中心点,由此使得目标函数最小,求uk时,令J对uk求导等于0,可得到:步骤3、利用水力仿真软件生成漏损样本若管网中存在漏损问题,节点压力也会随之受到影响,产生相应波动,利用EPANET水力仿真软件生成漏损样本,步骤如下:(1)计算在正常工况下监测点的压力p={p1,p2,p3,…,pn};(2)在第a个漏损区域随机选择若干个节点作为漏损点,假设漏损节点为b,则计算漏损情况下的监测点压力表示为(3)计算监测点压力值的变化表示为第a个漏损区域第b个节点发生漏损时,供水管网所有监测节点压力变化;(4)换另一个漏损区域,重复(2)、(3)得到漏损样本数据,通过步骤(1)到(4),得到的训练样本集S,定义样本集为区域a发生漏损时,管网压力的变化,S={S1,S2,…Sk},k表示划分的漏损区域个数;(5)对于生成的漏损样本,提出一种基于比例的方式选定各个区域漏损点数量,各个分区的漏损点数确定方式如下:其中Ta表示第a个分区漏损点数,za表示第a个分区节点总数,Z表示整个管网总节点数,num表示用于模型训练的总漏损点个数;步骤4、建立并训练基于深度信念网络的漏损区域辨识模型漏损区域辨识模型包含1个输入层,2个隐含层,1个输出层,输入层和2个隐含层组成2个RBM;模型的训练过程分为两个步骤,(1)使用无监督的贪心逐层训练算法,训练目标为最小化网络能量,得出模型参数;(2)以第(1)步得到的参数为初始值,使用有监督的方法对整个网络参数进行全局训练,得到最终的网络参数;步骤5、根据实测压力数据辨识漏损区域在实际管网运行中,利用实测压力数据辨识漏损区域:(1)计算并更新正常工况下的监测点压力值p={p1,p2,p3,…,pn};(2)针对实测数据,求出各个监测点压力值和正常工况下的压力值之差,形成一个压力差数据集,输入到基于DBN的漏损区域辨识模型;(3)若出现漏损情况,基于DBN漏损区域辨识模型输出漏损区域编号。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州电子科技大学,未经杭州电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201810527186.4/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code