CN103559399A - 一种基于贝叶斯决策理论和遗传算法的输水管网漏失定位方法 - Google Patents

Abstract

一种基于贝叶斯决策理论和遗传算法的输水管网漏失定位方法，它涉及一种基于贝叶斯决策理论和遗传算法的输水管网漏失定位方法，本发明是要解决现有输水管网采用听音定位漏失方法，存在劳动强度大且效率低的问题。本发明方法通过如下步骤来实现：根据DMA分区建立PDD漏失模型；对存在漏失的输水管网进行水压信号采集；根据贝叶斯决策理论，将漏失节点号和漏失量作为自变量，将漏失事件的概率密度作为因变量建立目标函数；利用遗传算法求解以上函数式，在完成进化代数后，输出种群中概率大于给定值f′的个体，得到漏失可能发生的位置；根据计算结果，派监测人员到漏失可能发生的位置对管道进行检查或修复。本发明适用于输水管网工程领域。

Description

一种基于贝叶斯决策理论和遗传算法的输水管网漏失定位方法

技术领域

本发明涉及一种输水管网漏失定位方法，尤其涉及一种基于贝叶斯决策理论和遗传算法的输水管网漏失定位方法。

背景技术

随着人口的增长以及工业的发展，近年来输水管网负荷逐渐增大，加之管网中部分管段腐蚀、管网运行不合理，导致漏失事故在陈旧的管网中经常发生。漏失不仅严重浪费水资源和能源，同时还会引起饮用水安全隐患。因此，建立一个快速、准确的漏失实时定位模型，对节约水资源、保障城市饮用水供水安全和促进社会经济发展具有重要意义。目前，应用最广泛的管道漏失定位方法是听音检漏法，但这种方法需要人工操作，劳动强度大且效率低。因此，设计一种建立在管网水力模型基础上的漏失定位方法，得到DMA分区管网的漏失点位置，改变以往大海捞针式的全面探漏为重点区域针对性探漏，并派监测人员到漏失点区域附近确定漏点的精确位置，可以弥补以上方法的不足，有效提高漏失定位效率，达到降低管网漏失的目的。

发明内容

本发明是要解决现有输水管网采用听音定位漏失方法，存在劳动强度大且效率低的问题，而提出一种基于贝叶斯决策理论和遗传算法的输水管网漏失定位方法。

本发明所述一种基于贝叶斯决策理论和遗传算法的输水管网漏失定位方法，按以下步骤进行：

1、针对需要进行漏失定位的输水管网，在GIS（地理信息系统）上确定各测压点的位置，到现场布设压力监测仪，并根据DMA（独立计量分区）建立PDD（压力驱动节点流量）漏失模型；

2、对存在漏失的输水管网进行水压信号采集；

3、根据贝叶斯决策理论，将漏失节点号和漏失量作为自变量，将漏失事件的概率密度作为因变量建立适应度函数，即：

$\mathrm{Max}:f\left(\mathrm{\γ}\right|P^m)=c{\left[\frac{1}{\mathrm{ST}}\underset{i=1}{\overset{S}{\mathrm{\Σ}}}\underset{j=1}{\overset{T}{\mathrm{\Σ}}}{(p_i^c-p_{\mathrm{ij}}^m)}^2\right]}^{-(\mathrm{ST}-1)/2};$

其中，c——常数；

γ——漏失节点号和漏失量构成的一系列参数集合，

S——测压点数；

T——漏失发生时各测压点的压力测量次数；

——第i个测压点的第j次压力监测值；

——第i个测压点的压力模拟值；

P^m——以

为元素的S×T大小的矩阵；

4、利用遗传算法求解以上适应度函数，适应度评价标准为漏失事件概率密度的大小，值越大则适应度越高，在完成进化代数后，输出种群中概率大于给定值f′的个体，得到漏失可能发生的位置和漏失量；

5、根据计算结果，派监测人员到漏失可能发生的位置附近采用人工听漏法判定是否有漏失，存在漏失时确定漏点的精确位置，并对漏失管道进行修复。

本发明包括以下有益效果：

1、与现有供水管网漏失定位方法相比，本发明利用遗传算法的全局搜索能力，不断改变模型参数来模拟各种漏失事故得到测压点压力模拟值，通过计算各种漏失事故发生的概率，从而判断出管网中可能发生漏失的位置和漏失量，同时保证了模型的时效性和定位的准确性。

2、定位效率高，可以有效避免传统人工听漏法所带来的繁重工作，提高漏失定位效率达35%～50%。

附图说明

图1为基于贝叶斯决策理论和遗传算法的漏失定位方法计算流程图；图2为实验一中A小区的测压点布置图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合图1和具体实施方式对本发明作进一步详细的说明。

具体实施方式一、本发明中一种基于贝叶斯决策理论和遗传算法的输水管网漏失定位方法按以下步骤进行：

1、针对需要进行漏失定位的输水管网，在GIS（地理信息系统）上确定各测压点的位置，到现场布设压力监测仪，并根据DMA（独立计量分区）建立PDD（压力驱动节点流量）漏失模型；

2、对存在漏失的输水管网进行水压信号采集；

3、根据贝叶斯决策理论，将漏失节点号和漏失量作为自变量，将漏失事件的概率密度作为因变量建立适应度函数，即：

$\mathrm{Max}:f\left(\mathrm{\γ}\right|P^m)=c{\left[\frac{1}{\mathrm{ST}}\underset{i=1}{\overset{S}{\mathrm{\Σ}}}\underset{j=1}{\overset{T}{\mathrm{\Σ}}}{(p_i^c-p_{\mathrm{ij}}^m)}^2\right]}^{-(\mathrm{ST}-1)/2};$

其中，c——常数；

γ——漏失节点号和漏失量构成的一系列参数集合，

S——测压点数；

T——漏失发生时各测压点的压力测量次数；

——第i个测压点的第j次压力监测值；

——第i个测压点的压力模拟值；

P^m——以

为元素的S×T大小的矩阵；

4、利用遗传算法求解以上函数式，适应度评价标准为漏失事件概率密度的大小，值越大则适应度越高，在完成进化代数后，输出种群中概率大于给定值f′的个体，得到漏失可能发生的位置和漏失量；

5、根据计算结果，派监测人员到漏失可能发生的位置附近采用人工听漏法判定是否有漏失，存在漏失时确定漏点的精确位置，并对漏失管道进行修复。

本发明利用遗传算法的全局搜索能力，不断改变模型参数来模拟各种漏失事故得到测压点压力模拟值，通过计算各种漏失事故发生的概率，从而判断出管网中可能发生漏失的位置和漏失量，同时保证了模型的时效性和定位的准确性。定位效率高，可以有效避免传统人工听漏法所带来的繁重工作，提高漏失定位效率达35%～50%。

具体实施方式二、本实施方式是对具体实施方式一的步骤4的进一步说明，步骤四中所述的遗传算法的自变量集为：漏失节点号、漏失量；因变量集为：漏失事件的概率密度。

具体实施方式三、本实施方式是对具体实施方式一的步骤4的进一步说明，步骤四中所述的遗传算法的求解过程为：

1、种群为漏失节点号和漏失量，适应度评价标准为漏失事件概率密度的大小，利用MATLAB和EPANET水力模拟软件实现遗传算法和基于PDD模型的管网漏失模拟，将漏失定位模型中的种群作为参数输入到PDD模型中，对所有个体都将进行一次基于PDD模型的漏失模拟过程，然后输出压力值返回到漏失定位模型中，再计算适应度，并根据适应度大小进行选择、交叉、变异操作；

2、在完成进化代数后，输出种群中概率大于给定值f′的个体，得到漏失可能发生的位置和漏失量。

具体实施方式四、本实施方式是对具体实施方式三的步骤1的进一步说明，所述遗传算法的种群规模为100，进化代数为100；采用二进制编码方案，染色体长度为14；选择方法为轮盘赌；交叉算子为单点交叉算子，交叉概率为0.7；变异运算采用基本位变异，变异概率为0.05。

为验证本发明的有益效果，进行了如下实验：

实验一：一种基于贝叶斯决策理论和遗传算法的输水管网漏失定位方法，按以下步骤进行（结合图1至2对本发明作详细的说明）：

1、选取某市供水管网为漏失定位的输水管网，该供水管网节点39768个，管段39893个，根据管网拓扑图进行DMA试验分区的选择，最终选定该市的A小区进行漏失定位实验，A小区的测压点布置如图2；

2、在A小区设置测压点后，根据管网实际情况依次选择节点2、3、15作为漏失节点，通过控制以上节点附近的消火栓流量来模拟漏失事故，漏失量分别设为10L/s、15L/s、20L/s、30L/s和50L/s，共15种漏失方案；将该小区内的测压点设置为每1min采集一次数据，在每一种漏失事故发生后进行5次水压测量。

3、对于这15种漏失实验方案，采用基于贝叶斯决策理论和遗传算法的漏失定位方法进行漏点定位。遗传算法的基本参数设置如下：种群规模为100；进化代数为100；染色体长度为14；交叉概率为0.7；变异概率为0.05。调用PDD漏失模拟模型，在完成进化代数后，输出种群中概率大于给定值f′的个体，本实验中取f′＝0.8。计算结果如表1所示。

表1基于贝叶斯决策理论和遗传算法的漏失定位方法计算结果

4、通过上述结果可知，方案1中计算出来概率最大的事故是在节点3发生10L/s漏失量，与方案1在节点2处发生10L/s漏失量的实际情况不符，但在节点2发生12L/s漏失量的事故也有较高的概率，且节点3是节点2的邻近节点，因此可以确定漏失发生的区域，大大缩小漏失定位范围；在其它方案中，漏失点均能被定位出来，即使不是唯一的一个节点，但结果都是包含漏点的一个区域，由此证明了基于贝叶斯决策理论和遗传算法的漏失定位方法的可行性。

Claims (4)

1.一种基于贝叶斯决策理论和遗传算法的输水管网漏失定位方法，其特征在于它是通过以下步骤实现的：

A1、针对需要进行漏失定位的输水管网，在GIS系统上确定各测压点的位置，到现场布设压力监测仪，并根据DMA分区建立PDD漏失模型；

A2、对存在漏失的输水管网进行水压信号采集；

A3、根据贝叶斯决策理论，将漏失节点号和漏失量作为自变量，将漏失事件的概率密度作为因变量建立适应度函数，即：

$\mathrm{Max}:f\left(\mathrm{\γ}\right|P^m)=c{\left[\frac{1}{\mathrm{ST}}\underset{i=1}{\overset{S}{\mathrm{\Σ}}}\underset{j=1}{\overset{T}{\mathrm{\Σ}}}{(p_i^c-p_{\mathrm{ij}}^m)}^2\right]}^{-(\mathrm{ST}-1)/2};$

其中，c——常数；

γ——漏失节点号和漏失量构成的一系列参数集合，

S——测压点数；

T——漏失发生时各测压点的压力测量次数；

——第i个测压点的第j次压力监测值；

——第i个测压点的压力模拟值；

P^m——以为元素的S×T大小的矩阵；

A4、利用遗传算法求解以上适应度函数，适应度评价标准为漏失事件概率密度的大小，值越大则适应度越高，在完成进化代数后，输出种群中概率大于给定值f′的个体，得到漏失可能发生的位置和漏失量；

A5、根据计算结果，派监测人员到漏失可能发生的位置附近采用人工听漏法判定是否有漏失，存在漏失时确定漏点的精确位置，并对漏失管道进行修复。

2.如权利要求1所述的一种基于贝叶斯决策理论和遗传算法的输水管网漏失定位方法，其特征在于步骤A4中所述的遗传算法的自变量集为：漏失节点号、漏失量；因变量集为：漏失事件的概率密度。

3.如权利要求1或2所述的一种基于贝叶斯决策理论和遗传算法的输水管网漏失定位方法，其特征在于步骤A4中所述的遗传算法的求解过程为：

a、种群为漏失节点号和漏失量，适应度评价标准为漏失事件概率密度的大小，利用MATLAB和EPANET水力模拟软件实现遗传算法和基于PDD模型的管网漏失模拟，将漏失定位模型中的种群作为参数输入到PDD模型中，对所有个体都将进行一次基于PDD模型的漏失模拟过程，然后输出压力值返回到漏失定位模型中，再计算适应度，并根据适应度大小进行选择、交叉、变异操作；

b、在完成进化代数后，输出种群中概率大于给定值f′的个体，得到漏失可能发生的位置和漏失量。

4.如权利要求3所述的一种基于贝叶斯决策理论和遗传算法的输水管网漏失定位方法，其特征在于所述遗传算法的种群规模为100，进化代数为100；采用二进制编码方案，染色体长度为14；选择方法为轮盘赌；交叉算子为单点交叉算子，交叉概率为0.7；变异运算采用基本位变异，变异概率为0.05。

Images