CN102222169A - 一种城市供水管网爆管预测分析方法 - Google Patents
一种城市供水管网爆管预测分析方法 Download PDFInfo
- Publication number
- CN102222169A CN102222169A CN2011101668948A CN201110166894A CN102222169A CN 102222169 A CN102222169 A CN 102222169A CN 2011101668948 A CN2011101668948 A CN 2011101668948A CN 201110166894 A CN201110166894 A CN 201110166894A CN 102222169 A CN102222169 A CN 102222169A
- Authority
- CN
- China
- Prior art keywords
- booster
- pipeline
- predicting
- supply mains
- dangerous
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种城市供水管网爆管预测分析方法,所述方法包括以下步骤:在地理信息系统中建立城市供水管网爆管数据库;对所述城市供水管网爆管数据库中的参数进行选择并设置,获取设置后的参数;根据所述设置后的参数,在二次开发环境下调用数据分析软件动态链接库建立爆管预测模型,通过所述爆管预测模型获取每根管道的预测结果;对所述每根管道的预测结果进行分级并设置爆道危险性属性;根据所述爆道危险性属性的不同取值采用分值分类以及区别显示的方式为管道赋予不同的颜色,建立管道爆管危险性区划专题图。本发明可直观地给出爆管预测的显示效果,从而使该预测方法具有实用性和易用性。
Description
技术领域
本发明涉及对城市供水管网爆管分析领域,特别涉及一种城市供水管网爆管预测分析方法。
背景技术
水是生命之源,是社会发展和人类生活必不可少的有限资源,与人类的繁衍生存息息相关。供水管网是城市的重要基础设施,是城镇的生命线,它在保障经济建设、保证社会生产和满足人类生活中起着不可替代的作用。
随着城市不断发展壮大,城市供水管道的数量也在不断增加,随之而来的供水管网爆管问题已成为国内外各供水部门普遍面临的问题。爆管事故容易发生,对人民生活、工业生产、城市交通及社会安定造成不利影响,造成严重的经济损失,因此,有效解决供水管道爆管问题,已成为众多水行业专家研究的重要课题。建立精确的爆管预测模型,需要详细的爆管历史记录及准确的管道特性数据,而目前所能获得的爆管数据其完整性、准确性并不高,给模型的建立带来了困难。每根管道本身的特性数据,决定了管道危险性之间的差异,而这些差异在大部分的模型中并不能直观地体现出来,且目前技术所建立的模型缺乏管道空间信息如地理坐标等,这影响了管道维护工作的顺利进行。供水管网中监测点的布置,可为各水司提供管网系统的压力分布,了解管网异常事故发生的征兆,推断事故发生情况。从需求角度看,管网中每一节点都应成为监测点,但从水力模型简化及成本控制的角度看,必须选择具有代表性的节点进行监测,这就需要对有限的监测点进行优化布置。供水管网中监测点的布置,可为各水司提供管网系统的压力分布,了解管网异常事故发生的征兆。监测点的优化布置不仅可以节省投资,还是保证供水服务质量的一个重要环节。但目前监测点的布置方法都是考虑管网在正常工况下的优化布置,而没有与管道的爆管属性结合起来,只能使监测点最优地反映管网正常工作时的压力分布情况。
发明内容
为了获得完整的爆管数据、提高准确性、优化布置管道监测位点以及直观地给出爆管预测的显示效果,本发明提供了一种城市供水管网爆管预测分析方法,详见下文描述:
一种城市供水管网爆管预测分析方法,所述方法包括以下步骤:
(1)在地理信息系统中建立城市供水管网爆管数据库;
(2)对所述城市供水管网爆管数据库中的参数进行选择并设置,获取设置后的参数;
(3)根据所述设置后的参数,在二次开发环境下调用数据分析软件动态链接库建立爆管预测模型,通过所述爆管预测模型获取每根管道的预测结果;
(4)对所述每根管道的预测结果进行分级并设置爆道危险性属性;
(5)根据所述爆道危险性属性的不同取值采用分值分类以及区别显示的方式为管道赋予不同的颜色,建立管道爆管危险性区划专题图。
所述城市供水管网爆管数据库中的参数包括:
管道的基本信息、管道所属的地理环境以及管道的空间信息。
步骤(3)中的所述根据所述设置后的参数,在二次开发环境下调用数据分析软件动态链接库建立爆管预测模型,通过所述爆管预测模型获取每根管道的预测结果具体为:
采用数据分析软件编译广义线性函数,并生成动态链接库文件;
在.NET环境下调用所述动态链接库文件,将所述设置后的参数导入所述广义线性函数生成模型方程,建立所述爆管预测模型,通过所述爆管预测模型获取所述每根管道的预测结果。
步骤(4)中的所述对所述每根管道的预测结果进行分级并设置爆道危险性属性具体为:
根据所述每根管道的预测结果将所述爆管危险性属性划分为预设等级,并将所述爆管危险性属性赋予设置好的管道危险性字段里,录入所述城市供水管网爆管数据库。
本发明提供的技术方案的有益效果是:
本发明提供了一种城市供水管网爆管预测分析方法,本发明基于地理信息系统,在可视化环境下,根据管道的空间信息和非空间信息,建立预测模型并赋予每根管道危险性属性,通过颜色设置编制爆管危险性区划专题图,从而直观的给决策者提供管道状态信息,本发明可封装在城市管道相关管理部门的监测系统中,通过爆管危险性区划专题图,可优化布置管道监测位点,为管网修复更新计划提供依据;本发明可直观地给出爆管预测的显示效果,从而使该预测方法具有实用性和易用性。
附图说明
图1为本发明提供了一种城市供水管网爆管预测分析方法的流程图;
图2为本发明建立的爆管危险性区划专题图的效果图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
为了获得完整的爆管数据、提高准确性、优化布置管道监测位点以及直观地给出爆管预测的显示效果,本发明实施例提供了一种城市供水管网爆管预测分析方法,详见下文描述:
随着信息技术的发展,数字时代的来临,地理信息系统作为获取、整理、分析和管理地理空间信息的重要工具,在供水行业得到越来越多的应用。利用GIS系统建立爆管数据库,可实现数据的有效管理和保持其完整性;通过所建立的管道爆管危险性区划专题图,可清晰直观地查看每根管道的爆管危险性,在此基础上进行监测点的优化布置,能有效地识别爆管故障的有无和故障的程度;管道爆管危险性区划专题图在一定程度上为管网运行状况的评价提供依据,为城市供水管道修复更新计划提供参考。利用GIS系统对城市供水管网爆管进行可视化分析预测,将成为技术发展的趋势。
101:在地理信息系统中建立城市供水管网爆管数据库;
102:对城市供水管网爆管数据库中的参数进行选择并设置,获取设置后的参数;
其中,城市供水管网爆管数据库中的参数包括:管道的基本信息、管道所属的地理环境以及管道的空间信息。管道的基本信息包括:管径、管长、管材、管道埋深和管道埋设时间等。
该步骤具体为:从城市供水管网爆管数据库的参数中选择出对管道爆管有直接或间接影响的参数,依据参数的数值属性将参数设置为连续变量和分类变量等。
103:根据设置后的参数,在二次开发环境下调用数据分析软件动态链接库建立爆管预测模型,通过爆管预测模型获取每根管道的预测结果;
其中,该步骤具体为:采用数据分析软件编译广义线性函数,并生成DLL(Dynamic Link Library,动态链接库)文件;
在.NET环境下调用DLL文件,将设置后的参数导入广义线性函数生成模型方程,建立爆管预测模型,通过爆管预测模型获取每根管道的预测结果。
本发明实施例以Logistic广义线性函数和MATLAB数据分析软件为例进行说明,并不限定于用Logistic广义线性函数进行供水管网爆管预测分析和MATLAB数据分析软件的选择,即本发明实施例可进行多种等效的变化。还可以采用的函数如:时间指数模型、时间线性模型、比例风险模和实时泊松模型等;数据分析软件也可选择:SPSS和SAS等。
104:对每根管道的预测结果进行分级并设置爆道危险性属性;
其中,该步骤具体为:根据每根管道的预测结果将爆管危险性属性划分为预设等级,并将爆管危险性属性赋予设置好的管道危险性字段里,录入步骤101获取的城市供水管网爆管数据库。
其中,预设等级根据实际应用中的需要进行设定,本发明实施例以四级为例进行说明,具体实现时,还可以为其他等级,本发明实施例对此不做限制。
其中,管道危险性字段是通过二次开发为管道添加的一个属性,用以表示管道的爆管等级。
105:根据爆道危险性属性的不同取值采用分值分类以及区别显示的方式为管道赋予不同的颜色,建立管道爆管危险性区划专题图。
其中,分值分类是指根据爆道危险性属性的不同取值,将爆道危险性属性划分为几个区间,同一个区间的数据为一类。
下面以一个简单的实验来验证本发明实施例提供的一种城市供水管网爆管预测分析方法可行性,详见下文描述:
城市供水管网爆管数据库不仅包含管道的基本信息和管道所属的地理环境,还包含管道的空间信息,这些信息是建立精确的爆管预测分析方法的基础。首先在MATLAB软件中编译Logistic广义线性函数,并生成DLL文件,Logistic广义线性函数的基本思想如下:
其中,p为事件发生的概率;b0为回归截距,表示在不接触任何潜在危险或保护因素条件下,事件发生与不发生的概率之比的对数值;b1,b2,…,bn为回归系数,表示某一因素改变一个单位时,事件发生与不发生的概率之比的对数变化值。
以事件发生的概率p作为因变量,设事件y发生的条件概率为p(y=1|xi),事件未发生的概率为1-p,则事件y发生的条件概率用Logistic广义线性函数表示为:
p=1/(1+e-z) (1)
式(1)中,z被定义为一系列影响事件发生概率的因素的线性函数,即
z=b0+b1x1+b2x2+...+bnxn (2)
从而得到如下Logistic多元回归方程
p=exp(b0+b1x1+b2x2+...+bnxn)/[1+exp(b0+b1x1+b2x2+...+bnxn)] (3)
其中,p为事件发生的概率;b0为回归截距,表示在不接触任何潜在危险或保护因素条件下,事件发生与不发生的概率之比的对数值;b1,b2,…,bn为回归系数,表示某一因素改变一个单位时,事件发生与不发生的概率之比的对数变化值。
将上述生成的DLL文件封装在地理信息系统的二次开发环境下,通过建立管道危险性属性并赋值,将其录入城市供水管网爆管数据库,实现爆管预测分析,从而编制管道爆管危险性区划专题图,可直观地呈现在管理人员的面前,以提高作业效率。如图2所示,红色线代表的是爆管危险率为一级的管道,紫色线代表的是爆管危险率为二级的管道,橙色线代表的是爆管危险率为三级的管道,而蓝色线代表爆管低危险性的管道。
综上所述,本发明实施例提供了一种城市供水管网爆管预测分析方法,本发明实施例基于地理信息系统,在可视化环境下,根据管道的空间信息和非空间信息,建立预测模型并赋予每根管道危险性属性,通过颜色设置编制爆管危险性区划专题图,从而直观的给决策者提供管道状态信息,本发明实施例可封装在城市管道相关管理部门的监测系统中,通过爆管危险性区划专题图,可优化布置管道监测位点,为管网修复更新计划提供依据;本发明实施例可直观地给出爆管预测的显示效果,从而使该预测方法具有实用性和易用性。
本领域技术人员可以理解附图只是一个优选实施例的示意图,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种城市供水管网爆管预测分析方法,其特征在于,所述方法包括以下步骤:
(1)在地理信息系统中建立城市供水管网爆管数据库;
(2)对所述城市供水管网爆管数据库中的参数进行选择并设置,获取设置后的参数;
(3)根据所述设置后的参数,在二次开发环境下调用数据分析软件动态链接库建立爆管预测模型,通过所述爆管预测模型获取每根管道的预测结果;
(4)对所述每根管道的预测结果进行分级并设置爆道危险性属性;
(5)根据所述爆道危险性属性的不同取值采用分值分类以及区别显示的方式为管道赋予不同的颜色,建立管道爆管危险性区划专题图。
2.根据权利要求1所述的一种城市供水管网爆管预测分析方法,其特征在于,所述城市供水管网爆管数据库中的参数包括:
管道的基本信息、管道所属的地理环境以及管道的空间信息。
3.根据权利要求1所述的一种城市供水管网爆管预测分析方法,其特征在于,步骤(3)中的所述根据所述设置后的参数,在二次开发环境下调用数据分析软件动态链接库建立爆管预测模型,通过所述爆管预测模型获取每根管道的预测结果具体为:
采用数据分析软件编译广义线性函数,并生成动态链接库文件;
在.NET环境下调用所述动态链接库文件,将所述设置后的参数导入所述广义线性函数生成模型方程,建立所述爆管预测模型,通过所述爆管预测模型获取所述每根管道的预测结果。
4.根据权利要求1所述的一种城市供水管网爆管预测分析方法,其特征在于,步骤(4)中的所述对所述每根管道的预测结果进行分级并设置爆道危险性属性具体为:
根据所述每根管道的预测结果将所述爆管危险性属性划分为预设等级,并将所述爆管危险性属性赋予设置好的管道危险性字段里,录入所述城市供水管网爆管数据库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011101668948A CN102222169A (zh) | 2011-06-21 | 2011-06-21 | 一种城市供水管网爆管预测分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011101668948A CN102222169A (zh) | 2011-06-21 | 2011-06-21 | 一种城市供水管网爆管预测分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102222169A true CN102222169A (zh) | 2011-10-19 |
Family
ID=44778719
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011101668948A Pending CN102222169A (zh) | 2011-06-21 | 2011-06-21 | 一种城市供水管网爆管预测分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102222169A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103226741A (zh) * | 2013-05-10 | 2013-07-31 | 天津大学 | 城市供水管网爆管预测方法 |
CN103258243A (zh) * | 2013-04-27 | 2013-08-21 | 杭州电子科技大学 | 基于灰色神经网络的爆管预测方法 |
CN103390093A (zh) * | 2012-05-08 | 2013-11-13 | 上海化学工业区公共管廊有限公司 | 建立管道地理信息系统的方法 |
CN103400044A (zh) * | 2013-08-12 | 2013-11-20 | 青岛理工大学 | 一种改进的水环境安全评价分析方法 |
CN105225603A (zh) * | 2015-10-23 | 2016-01-06 | 浪潮软件集团有限公司 | 一种管道数据线性标注的方法及装置 |
CN106022518A (zh) * | 2016-05-17 | 2016-10-12 | 清华大学 | 一种基于bp神经网络的管道破损概率预测方法 |
CN106090630A (zh) * | 2016-06-16 | 2016-11-09 | 厦门数析信息科技有限公司 | 基于集成分类器的液体管道检漏方法及其系统 |
CN103258243B (zh) * | 2013-04-27 | 2016-11-30 | 杭州电子科技大学 | 基于灰色神经网络的爆管预测方法 |
CN108071941A (zh) * | 2017-12-13 | 2018-05-25 | 清华大学 | 一种基于时序向量相似度分析的爆管识别与定位方法 |
CN108615098A (zh) * | 2018-05-11 | 2018-10-02 | 同济大学 | 基于贝叶斯生存分析的供水管网管道爆管风险预测方法 |
CN108830505A (zh) * | 2018-06-28 | 2018-11-16 | 上海交通大学 | 一种基于数据驱动的爆管界定方法 |
CN109858732A (zh) * | 2018-12-12 | 2019-06-07 | 中国水利水电科学研究院 | 一种城镇供水管网健康状态评价方法 |
CN109886506A (zh) * | 2019-03-14 | 2019-06-14 | 重庆大学 | 一种供水管网爆管风险分析方法 |
CN110674963A (zh) * | 2018-11-29 | 2020-01-10 | 浙江大学 | 一种灾后供水系统大面积管道修复的动态优化方法 |
-
2011
- 2011-06-21 CN CN2011101668948A patent/CN102222169A/zh active Pending
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103390093A (zh) * | 2012-05-08 | 2013-11-13 | 上海化学工业区公共管廊有限公司 | 建立管道地理信息系统的方法 |
CN103258243A (zh) * | 2013-04-27 | 2013-08-21 | 杭州电子科技大学 | 基于灰色神经网络的爆管预测方法 |
CN103258243B (zh) * | 2013-04-27 | 2016-11-30 | 杭州电子科技大学 | 基于灰色神经网络的爆管预测方法 |
CN103226741A (zh) * | 2013-05-10 | 2013-07-31 | 天津大学 | 城市供水管网爆管预测方法 |
CN103226741B (zh) * | 2013-05-10 | 2016-04-06 | 天津大学 | 城市供水管网爆管预测方法 |
CN103400044A (zh) * | 2013-08-12 | 2013-11-20 | 青岛理工大学 | 一种改进的水环境安全评价分析方法 |
CN105225603A (zh) * | 2015-10-23 | 2016-01-06 | 浪潮软件集团有限公司 | 一种管道数据线性标注的方法及装置 |
CN106022518A (zh) * | 2016-05-17 | 2016-10-12 | 清华大学 | 一种基于bp神经网络的管道破损概率预测方法 |
CN106022518B (zh) * | 2016-05-17 | 2019-10-18 | 清华大学 | 一种基于bp神经网络的管道破损概率预测方法 |
CN106090630B (zh) * | 2016-06-16 | 2018-07-31 | 厦门数析信息科技有限公司 | 基于集成分类器的液体管道检漏方法及其系统 |
CN106090630A (zh) * | 2016-06-16 | 2016-11-09 | 厦门数析信息科技有限公司 | 基于集成分类器的液体管道检漏方法及其系统 |
CN108071941A (zh) * | 2017-12-13 | 2018-05-25 | 清华大学 | 一种基于时序向量相似度分析的爆管识别与定位方法 |
CN108071941B (zh) * | 2017-12-13 | 2019-06-11 | 清华大学 | 一种基于时序向量相似度分析的爆管识别与定位方法 |
CN108615098A (zh) * | 2018-05-11 | 2018-10-02 | 同济大学 | 基于贝叶斯生存分析的供水管网管道爆管风险预测方法 |
CN108615098B (zh) * | 2018-05-11 | 2021-11-09 | 同济大学 | 基于贝叶斯生存分析的供水管网管道爆管风险预测方法 |
CN108830505A (zh) * | 2018-06-28 | 2018-11-16 | 上海交通大学 | 一种基于数据驱动的爆管界定方法 |
CN110674963A (zh) * | 2018-11-29 | 2020-01-10 | 浙江大学 | 一种灾后供水系统大面积管道修复的动态优化方法 |
CN110674963B (zh) * | 2018-11-29 | 2022-06-07 | 浙江大学 | 一种灾后供水系统大面积管道修复的动态优化方法 |
CN109858732A (zh) * | 2018-12-12 | 2019-06-07 | 中国水利水电科学研究院 | 一种城镇供水管网健康状态评价方法 |
CN109886506A (zh) * | 2019-03-14 | 2019-06-14 | 重庆大学 | 一种供水管网爆管风险分析方法 |
CN109886506B (zh) * | 2019-03-14 | 2023-05-23 | 重庆大学 | 一种供水管网爆管风险分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102222169A (zh) | 一种城市供水管网爆管预测分析方法 | |
Pesantez et al. | Using a digital twin to explore water infrastructure impacts during the COVID-19 pandemic | |
CN107767012A (zh) | 一种供水管网漏损管理系统及其建立方法和系统应用 | |
Harrison et al. | Foundations for smarter cities | |
Tabucchi et al. | Simulation of post-earthquake water supply system restoration | |
CN109784746A (zh) | 城乡统筹供水管网水力水质模拟平台 | |
CN111382484B (zh) | 一种基于bim建筑物管线布置优化系统 | |
CN106022518A (zh) | 一种基于bp神经网络的管道破损概率预测方法 | |
CN109784540A (zh) | 一种基于dma分区的供水布局优化系统及优化方法 | |
CN104299182A (zh) | 基于聚类的城市基础设施突发事件的检测方法 | |
Zyoud et al. | Utilizing analytic hierarchy process (AHP) for decision making in water loss management of intermittent water supply systems | |
Gama et al. | Water distribution network model building, case study: Milano, Italy | |
Berhane et al. | Optimization of water distribution system using WaterGEMS: the case of Wukro Town, Ethiopia | |
CN113743772A (zh) | 基于KingMap GIS的智慧城市管理方法、系统及设备 | |
CN110866843A (zh) | 智慧水务管网水平衡分析系统 | |
CN103049640A (zh) | 基于地理信息系统的电网多态多维显示控制方法 | |
Wang et al. | Hydraulic Simulation of Water Supply Network Leakage Based on EPANET | |
Hussein | Evaluation and analysis the effects of some parameters on the operation efficiency of the main water pipe in Karbala City using WaterCAD program | |
Wu | Research and application of neural network‐based intelligent water‐saving systems | |
Du et al. | [Retracted] Dynamic Data‐Driven Modelling of Water Allocation for the Internet of Things | |
Hankach et al. | Individual-level activity-based modeling and indicators for assessing construction sites noise exposure in urban areas | |
Cosgriff et al. | Interactive computer modeling, monitoring, and control of Melbourne's water supply system | |
Bourekkadi et al. | Modeling of an Intelligent Information System Serving the Environment: Water Resources | |
AU2021105175A4 (en) | Auxiliary planning auditing method for underground pipelines based on three-dimensional GIS technology | |
Puerto et al. | The MEU web platform: a tool dedicated to urban energy management |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20111019 |