CN107230021B - 筛选供水管网泄漏区域的方法 - Google Patents
筛选供水管网泄漏区域的方法 Download PDFInfo
- Publication number
- CN107230021B CN107230021B CN201710429400.8A CN201710429400A CN107230021B CN 107230021 B CN107230021 B CN 107230021B CN 201710429400 A CN201710429400 A CN 201710429400A CN 107230021 B CN107230021 B CN 107230021B
- Authority
- CN
- China
- Prior art keywords
- leakage
- virtual dma
- consistency
- partition
- water supply
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明公开了一种筛选供水管网泄漏区域的方法,将供水管网进行虚拟DMA分区;确定城市管网的漏损指标;建立主观分权的第一层级判断矩阵;建立客观分权的第二层级判断矩阵;利用热图聚类构建可视化的AHP模型;对1~n号虚拟DMA分区进行层次总排序,并验证层次总排序的一致性,若一致性验证通过,则根据步骤5得到可视化的AHP模型筛选出供水管网的高漏损区域并能获得各个虚拟DMA分区存在的具体问题;解决了现有技术中DMA分区需要在管道上安装流量计或阀门,利用经典层次分析法筛选供水管网泄漏区域主观影响大,致使筛选结果不准确的问题。
Description
技术领域
本发明属于供水管网技术领域,涉及一种筛选供水管网泄漏区域的方法。
背景技术
供水管道由于老化、腐蚀、断裂等原因,泄漏在所难免。调查显示,我国供水管网平均泄漏率在20%以上,高于国家要求在12%以内的标准。供水管网泄漏不仅影响正常供水,也会带来水质问题。城市水司建立计量分区(DMA)主要是为了评估漏损量、产销差和压力情况,通过流量变化迅速发现漏水迹象,指导相关部门进行有目的的检查;按照DMA设计的原则,应该将DMA进行封闭计量,用户数一般划分为500-1000户,管道长度在20-30km,在管道上安装流量计或阀门,其核心是将复杂的供水管网切割成若干个相对简单的独立计量分区,通过流量仪实现夜间最小流量和管网基底流量的评估,DMA分区可以检测小范围管网的泄漏情况,缩短检漏人员发现—定位—开挖—维修的周期,DMA分区在降低管网漏耗中有着重要的作用。但在中国的许多城市由于技术和经济的条件限制,DMA分区往往不到位,不能很好的指导水司降漏,另外,在DMA分区过程中也存局部管线不够清楚;阀门问题引起的局部压力不足,靠近管壁阀门的附近容易出现水质问题,导致用户投诉频繁。
层次分析法(AHP)的原理和方法简单易懂,方式灵活多变,在诸多领域都得到了应用。但是经典层次分析法在实际应用的过程中有时不能很好的展示决策对象的客观性,不能够充分利用已有的数据对实际情况作出准确评判,如决策者们普遍认为某个指标值在群体指标中具有明显优势,就会对该指标产生很强的倾向性,而弱化一些分布相对集中且区分度不高的指标。
发明内容
为了达到上述目的,本发明提供一种筛选供水管网泄漏区域的方法,简单、高效,适用性强,解决了现有技术中DMA分区需要在管道上安装流量计或阀门,阀门易引起局部压力不足,降低水质;利用经典层次分析法筛选供水管网泄漏区域主观影响大,致使筛选结果不准确的问题。
本发明所采用的技术方案是,一种筛选供水管网泄漏区域的方法,其特征在于,具体按照以下步骤进行:
步骤1,通过地理信息系统显示的城市供水管网特点,将供水管网进行虚拟DMA分区,编号1~n,每个虚拟分区中的用户数为500~1000;
步骤2,确定管网漏点密度、管龄、漏点在不同管材上的分布、漏点在不同路面负荷的分布、管网平均压力、综合管网密度为城市管网的漏损指标;
步骤3,建立主观分权的第一层级判断矩阵:
城市供水专家分别对1~n号虚拟DMA分区中的每两个漏损指标进行重要性评判,某个虚拟DMA分区中管网漏点密度、管龄、漏点在不同管材上的分布、漏点在不同路面负荷的分布、管网平均压力、综合管网密度的重要性得分分别为a、b、c、d、e、f,形成该虚拟DMA分区中六个漏损指标的重要性评估矩阵A,如公式(1)所示;
其中,aij代表两个漏损指标之间的比值,利用方根法由重要性评估矩阵A求出1~n号虚拟DMA分区中各漏损指标的主观权值wi,并对重要性评估矩阵A进行层次单排序及一致性检验,一致性检验不通过时,重新调整重要性评估矩阵A,直到一致性检验通过;
步骤4,建立客观分权的第二层级判断矩阵:
通过ArcGIS统计1~n号虚拟DMA分区的综合管网密度、管网漏点密度和管龄;通过历年漏点统计数据得到1~n号虚拟DMA分区的漏点在不同管材上的分布及漏点在不同路面负荷的分布;通过SCADA系统和水力模型模拟得到1~n号虚拟DMA分区的管网平均压力;基于以上信息建立1~n号虚拟DMA分区中各漏损指标的客观分权矩阵;利用方根法由客观分权矩阵求出各漏损指标的客观权值wi′,并对客观分权矩阵进行层次单排序及一致性检验,一致性检验不通过时,需要重新调整客观分权矩阵,直到一致性检验通过;
步骤5,利用热图聚类构建可视化的AHP模型:利用1~n号虚拟DMA分区的各漏损指标的客观权值wi′,进行热图聚类;
步骤6,按照每个虚拟DMA分区总权重从大到小对1~n号虚拟DMA分区进行层次总排序,并计算层次总排序的一致性,通过一致性验后,按照步骤5得到可视化的AHP模型筛选出供水管网的高漏损区域并能获得各个虚拟DMA分区存在的具体问题。
本发明的特征还在于,进一步的,所述步骤3中,利用方根法由重要性评估矩阵A求出1~n号虚拟DMA分区中各漏损指标的主观权值wi的方法为:将重要性评估矩阵A各列向量采用集合平均然后归一化,得到列向量近似作为加权向量,如公式(2);
进一步的,所述步骤3中,对重要性评估矩阵A进行层次单排序的方法为:求解重要性评估矩阵A的特征值,如公式(3);
其中,λ表示重要性评估矩阵A的特征值;对于上一层因素而言,对本层次各因素的重要性进行排序:AW=λmaxW,W为重要性评估矩阵A的特征向量,λmax表示重要性评估矩阵A的最大特征值;
采用公式(4)进行一致性检验:计算重要性评估矩阵A的一致性比率CR1,
其中,CI为一致性特征数,CI=(λmax-1)/(n-1),RI为随机一致性指标,若CR1<0.1,则通过一致性验证;否则没有通过一致性验证。
进一步的,所述步骤5中,利用1~n号虚拟DMA分区的各漏损指标的客观权值wi′进行热图聚类,具体按照以下步骤进行:
步骤a,将总权重最小的虚拟DMA分区视为对照组,其它虚拟DMA分区视为试验组,进行归一化处理,见公式(5);
其中,Zi代表各虚拟DMA分区的漏损指标权值归一化处理的数据,Ii为各虚拟DMA分区的漏损指标权值(i为1,2,...,n),Ij为总权重最小的虚拟DMA分区的漏损指标权值;
步骤b,将归一化处理的数据进行对数处理,利用Cluster 3.0做出热图分析;
步骤c,通过欧式距离计算每个虚拟DMA分区中对应漏损指标权重之间的距离,聚类方法采用平均连接法,用相似度系数表示变量之间的相似性;
步骤d,寻找各类之间最近的两类,归为一类;
步骤e,重新计算新生产的类与各旧类之间的相似层度,并重复步骤c和步骤d,直到所有样本归为一类。
进一步的,所述步骤6中,对1~n号虚拟DMA分区进行层次总排序并验证层次总排序的一致性的方法为:
(1)计算某一层次的层次总排序经归一化后得到该层所有因素对最高层相对重要性的权重值;
(2)设1~n个虚拟DMA分区对上一层的层次单排序一致性指标为CI,随机一致性为RI,则层次总排序的一致性比率见公式(6),
CR2为层次总排序的一致性比率,CIj为各层的一致性特征数,RIj为各层的随机一致性指标,aj为公式(1)中按行相乘后开n次方,再除以公式(1)中每一行按行相乘,具体见公式(7),j为1,2,...,6,n=6;若CR2<0.1,则通过一致性验证;否则,没有通过一致性验证。
进一步的,所述步骤1中,以干管作为虚拟DMA边界,将南北指向的管道划分在虚拟分区线的右侧,将东西指向的管道划分在虚拟分区线的下侧。
本发明的有益效果是:针对供水管网漏损特点,提出虚拟DMA分区概念,对城市供水大区进行虚拟DMA分区,运用空间统计学的方法和技术,对历年泄漏数据进行数据挖掘,将热图聚类嵌入AHP模型中,不仅提高了AHP模型的可视化程度,同时运用层次聚类原理将虚拟分区中管网问题相似的一类管道聚类在一起,把管道问题相似的虚拟区域聚为一类,结合地理信息系统,能够反映管道问题的空间分布特性,便于发现供水管网的主要问题。
改良了AHP模型的权值评价模式,兼顾主客观权重分配的科学性,提出了可视化主客观分权AHP模型,从主观打分模式改良为主客观分权模式,定性和定量分析结合,得到的供水管网泄漏区域的筛选结果与历年漏点统计分布十分吻合,能准确筛选供水管网泄漏区域;实践证明,本发明提供了一种简单、高效,适用性强的筛选供水管网泄漏区域的方法,对管网泄漏情况作出特征响应,指导水司对漏损敏感区域进行检漏排查工作,对降低管网漏,节约城市水资源有较大的意义。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明可视化层次分析法的构建原理。
图2是本发明多层级的城市管网漏损指标评估体系。
图3是海甸岛虚拟分区示意图。
图4是海甸岛管网的热图聚类。
图5是海甸岛管网检测到的漏点分布图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
设计原理:如图1所示,可视化AHP模型是建立在经典层次分析法基础上,构建虚拟DMA分区,综合采用空间统计学的方法和技术,对管网数据进行较为全面的数据挖掘,获取虚拟DMA分区内官网信息和历年漏子数据,采用主客观分别定权的方式,构建主客观分权AHP模型,将聚类热图嵌入AHP模型中,提高了AHP模型的可视化程度,能够明确的反映区域管网泄漏特征,指导水司对漏耗区域进行排查。层次分析法有目标层、准则层和方案层,目标层对应管网漏损区域、主观权和客观权,准则层是第一层判别矩阵,方案层是第二层判别矩阵,就要通过第一层判别矩阵计算第二层,最终得到目标层;对第二层级的判别矩阵进行建立时,要用到第一层级的判别矩阵,即主观权重。
本发明筛选供水管网泄漏区域的方法,具体按照以下步骤进行:
步骤1,通过地理信息系统显示的城市供水管网特点,将供水管网进行虚拟DMA分区,编号1~n,每个虚拟分区中的用户数为500~1000,以主干管或干管作为虚拟DMA边界,将南北指向的管道划分在虚拟分区线的右侧,将东西指向的管道划分在虚拟分区线的下侧。
步骤2,提取影响管网漏损的主要因素,确定管网漏点密度、管龄、漏点在不同管材上的分布、漏点在不同路面负荷的分布、管网平均压力、综合管网密度6个变量为城市管网的漏损指标;这些漏损指标不能够代表影响管网漏损的所有因素,但可以代替绝大部分不可测量且影响较小的因素。
(1)管网漏点密度:漏点检出频发的区域是管网最为脆弱的区域,因此管网漏点密度为一项较为重要的漏损评估指标,通过地理信息系统获取漏点数据。
(2)漏点在不同管材上的分布:管材代表着不同管道的自然属性,同时还代表着管道本身的防腐、抗压、抗老化等一些不可获得的数据影响,通过地理信息系统获取了球墨铸铁、灰口铸铁、聚乙烯、无规共聚聚丙烯、钢塑复合、聚氯乙烯、钢筋混凝土、钢管、镀锌管等数据。
(3)漏点在不同路面负荷的分布:路面负荷是指管道对地面荷载承受能力是有限的,若交通负荷超过了管道所能承受压力的情况下,管道可能会因挤压而爆管,通过地理信息系统获取管道路面负荷情况,路面负荷分为轻型路面、中型路面和重型路面。
(4)管龄:管龄能够反映管道随着时间逐步老化的数据,管龄越大,管道的健康度越低,通过地理信息系统获取管网管龄信息,将其建设时间划分为1995年前、1996-2000年、2001-2005年、2006-2010年及2011年后五个时间段。
(5)管网压力:研究表明,管网压力和流量呈现幂次方的函数关系,即管网压力越大,漏量越大,城市夜间用水量下降,导致管网压力增加,漏损量增加。通过SCADA在线监测结合水力模型的方式实现对供水管网节点压力的获取。
(6)管网密度:管网密度大的区域,其基底漏损量相应增加,管网漏损风险程度也会增加。通过运用空间统计学的方法对管网密度进行计算。
步骤3,建立主观分权的第一层级判断矩阵:
采取分权打分机制,城市供水专家包括给排水专业大学教授、给排水高级工程师、水司技术总监、管网运行部经理,分别赋予权重W1=20%、W2=30%、W3=30%、W4=20%,总得分=大学教授打分×W1+高级工程师×W2+水司技术总监×W3+管网运行部经理×W4。
衡量尺度,见表1:
表1 层次分析尺度表
尺度 | 含义 |
1 | u<sub>i</sub>与u<sub>j</sub>具有相同重要性 |
3 | u<sub>i</sub>比u<sub>j</sub>稍重要 |
5 | u<sub>i</sub>比u<sub>j</sub>重要 |
7 | u<sub>i</sub>比u<sub>j</sub>强烈重要 |
9 | u<sub>i</sub>比u<sub>j</sub>极端重要 |
2,4,6,8 | u<sub>i</sub>比u<sub>j</sub>重要性介意以上相邻两者之间 |
倒数 | 若u<sub>i</sub>/u<sub>j</sub>=a<sub>ij</sub>,那么u<sub>i</sub>/u<sub>j</sub>=1/a<sub>ij</sub> |
ui与uj代表两个漏损指标,aij代表两个漏损指标之间的比值,城市供水专家分别对1~n号虚拟DMA分区中的每两个漏损指标进行重要性评判,某个虚拟DMA分区中管网漏点密度、管龄、漏点在不同管材上的分布、漏点在不同路面负荷的分布、管网平均压力、综合管网密度的重要性得分分别为a、b、c、d、e、f,形成该虚拟DMA分区中六个漏损指标的重要性评估矩阵A,如公式(1)所示;
利用方根法由重要性评估矩阵A求出1~n号虚拟DMA分区中各漏损指标的主观权值wi,并对重要性评估矩阵A进行层次单排序及一致性检验,一致性检验不通过时,重新调整重要性评估矩阵A,直到一致性检验通过;
利用方根法由重要性评估矩阵A求出1~n号虚拟DMA分区中各漏损指标的主观权值wi的方法为:将重要性评估矩阵A各列向量采用集合平均然后归一化,得到列向量近似作为加权向量,如公式(2);
对评估矩阵A进行层次单排序的方法:层次单排序指的是,对于上一层因素而言,本层次各因素的重要性排序,即对于重要性评估矩阵A计算应该满足AW=λmaxW的特征向量和特征值,λmax为矩A的最大特征值,W为A的特征向量;求解矩阵A的特征值λ,如公式(3);
采用公式(4)计算重要性评估矩阵A的一致性比率CR,
其中,CI为一致性特征数,CI=(λmax-1)/(n-1),RI为随机一致性指标,判断矩阵通常是不一致的,但是为了能用它的对应于特征值的特征向量作为比较权重,其不一致程度应该保持在允许范围内,若CR1<0.1,则通过一致性验证;否则没有通过一致性验证。
步骤4,建立客观分权的第二层级判断矩阵:
运用空间统计学的方法和技术,对历年泄漏数据进行数据挖掘,建立自适应尺度下不同指标的客观分权矩阵。通过ArcGIS统计1~n号虚拟DMA分区的综合管网密度、管网漏点密度和管龄;通过历年漏点统计数据得到1~n号虚拟DMA分区的漏点在不同管材上的分布及漏点在不同路面负荷的分布;通过SCADA系统和水力模型模拟得到1~n号虚拟DMA分区的管网平均压力;基于以上信息建立1~n号虚拟DMA分区中各漏损指标的客观分权矩阵,见图2,建立多层级的城市管网漏损指标评估体系;与步骤3中求出主观权值wi并对评估矩阵A进行层次单排序及一致性检验的方法相同,利用方根法由客观分权矩阵求出各漏损指标的客观权值wi′,并对客观分权矩阵进行层次单排序及一致性检验,一致性检验不通过时,需要重新调整客观分权矩阵,直到一致性检验通过;
步骤5,利用热图聚类构建可视化的AHP模型:利用1~n号虚拟DMA分区的各漏损指标的客观权值wi′,进行热图聚类;
利用1~n号虚拟DMA分区的各漏损指标的客观权值wi′进行热图聚类,具体按照以下步骤进行:
步骤a,将总权重最小的虚拟DMA分区视为对照组,其它虚拟DMA分区视为试验组,进行归一化处理,见公式(5);
其中,Zi代表各虚拟DMA分区的漏损指标权值归一化处理的数据,Ii为各虚拟DMA分区的漏损指标权值(i为1,2,...,n),Ij为总权重最小的虚拟DMA分区的漏损指标权值;
步骤b,将归一化处理的数据进行对数处理,利用Cluster 3.0做出热图分析;
步骤c,通过欧式距离计算每个虚拟DMA分区中对应漏损指标权重之间的距离,聚类方法采用平均连接法,用相似度系数表示变量之间的相似性;
步骤d,寻找各类之间最近的两类,归为一类;
步骤e,重新计算新产生的类与各旧类之间的相似层度,并重复步骤c和步骤d,直到所有样本归为一类。
步骤6,按照每个虚拟DMA分区总权重从大到小对1~n号虚拟DMA分区进行层次总排序,并计算层次总排序的一致性,通过一致性验后,按照步骤5得到可视化的AHP模型筛选出供水管网的高漏损区域并能获得各个虚拟DMA分区存在的具体问题。
验证层次总排序的一致性的方法:
(1)计算某一层次的层次总排序经归一化后得到该层所有因素对最高层相对重要性的权重值;
(2)设1~n个虚拟DMA分区对上一层的层次单排序一致性指标为CI,随机一致性为RI,则层次总排序的一致性比率见公式(6)。
CR2为层次总排序的一致性比率,CIj为各层的一致性特征数,RIj为各层的随机一致性指标,aj为公式(1)中按行相乘后开n次方,再除以公式(1)中每一行按行相乘,具体见公式(7)(j为1,2,...,6,n=6),若CR2<0.1,则通过一致性验证;否则,没有通过一致性验证。
根据评价后的结果,再次进行专家讨论,最后确定供水管网的高漏损区域,对高漏损区域进行检漏工作。
实施例,以海口市美兰区海甸岛为例;
模型建立:
1、将海口市美兰区海甸岛作为研究对象,根据管网分布和道路分布特点,根据虚拟DMA划分原则将其划分为17个虚拟分区,如图3所示。
2、通过城市供水专家打分,计算第一层级判别矩阵权重,见表2。
表2 第一级判别矩阵权重
一级指标 | 管材 | 漏点密度 | 管龄 | 管网密度 | 管网压力 | 路面负荷 | CR<sub>1</sub> |
权重 | 0.3549 | 0.2305 | 0.1649 | 0.0995 | 0.0815 | 0.0683 | 0.0370 |
3、对海甸岛历年泄漏数据进行数据挖掘,建立海甸岛标准尺度的评分标准,见表3。
表3 第二层级客观分权评分标准
4、计算第二层级判别矩阵权重,见表4。
表4 第二层级判别矩阵权重
虚拟分区 | 管材 | 漏点密度 | 管龄 | 管网密度 | 管网压力 | 路面负荷 |
1号分区 | 0.0392 | 0.0119 | 0.0255 | 0.0316 | 0.0553 | 0.0595 |
2号分区 | 0.0615 | 0.0383 | 0.0435 | 0.0777 | 0.0553 | 0.0583 |
3号分区 | 0.0691 | 0.0119 | 0.0930 | 0.0316 | 0.0553 | 0.0575 |
4号分区 | 0.0567 | 0.0119 | 0.0625 | 0.0544 | 0.0553 | 0.0611 |
5号分区 | 0.0406 | 0.0119 | 0.0393 | 0.0098 | 0.0553 | 0.0457 |
6号分区 | 0.0637 | 0.1231 | 0.0451 | 0.1015 | 0.0553 | 0.0582 |
7号分区 | 0.0536 | 0.0119 | 0.0410 | 0.0544 | 0.0553 | 0.0597 |
8号分区 | 0.0477 | 0.0119 | 0.0433 | 0.0316 | 0.0553 | 0.0615 |
9号分区 | 0.0672 | 0.0383 | 0.0511 | 0.0777 | 0.0553 | 0.0607 |
10号分区 | 0.0643 | 0.1231 | 0.0599 | 0.1015 | 0.0553 | 0.0598 |
11号分区 | 0.0639 | 0.0383 | 0.0810 | 0.0544 | 0.0553 | 0.0608 |
12号分区 | 0.0647 | 0.1231 | 0.0602 | 0.0544 | 0.0553 | 0.0597 |
13号分区 | 0.0642 | 0.0659 | 0.0877 | 0.0544 | 0.0553 | 0.0619 |
14号分区 | 0.0617 | 0.0659 | 0.0611 | 0.0544 | 0.0553 | 0.0608 |
15号分区 | 0.0610 | 0.1231 | 0.0714 | 0.1015 | 0.1155 | 0.0585 |
16号分区 | 0.0608 | 0.1231 | 0.0683 | 0.0777 | 0.0553 | 0.0583 |
17号分区 | 0.0600 | 0.0659 | 0.0661 | 0.0316 | 0.0553 | 0.0579 |
CR | 0.0417 | 0.0439 | 0.0419 | 0.0424 | 0.0417 | 0.0416 |
5、利用计算得到的1~n号虚拟DMA分区中管网漏点密度、管龄、漏点在不同管材上的分布、漏点在不同路面负荷的分布、管网平均压力、综合管网密度的第二层级判别矩阵权重(客观权值)进行热图聚类,见图4。热图聚类以评分总权重最小的5号分区作为理想分区,视为对照组,其它虚拟DMA分区视为试验组,进行归一化处理;其它虚拟DMA分区的灰色部分表示数据下调,即比理想分区的权重值还要小,白色部分表示数据上调,即比理想分区的权重要大,黑色表示与5号分区对比没有变化;从图4可以看出,各个虚拟DMA分区存在的问题:(1)由于管材问题所引起的管网泄露的分区主要是8、7、1、17、2号分区;(2)由于管龄问题所引起的管网泄露的分区主要是4、3、8、7、11、6号分区;(3)由于管网密度导致基底流量较大的区域主要有:4、9、3、8、7、14、16号分区;(4)由于管网压力导致基底流量较大的区域主要有4、3、8、7号分区;(5)由于路面复合导致基底流量较大的区域主要有:4、9、3、8、7号分区。
6、层次总排序,见表5。
表5 层次总排序
虚拟分区 | 总权重 | 虚拟分区 | 总权重 |
15号分区 | 0.0808 | 3号分区 | 0.0535 |
16号分区 | 0.0776 | 9号分区 | 0.0522 |
10号分区 | 0.0776 | 2号分区 | 0.0488 |
12号分区 | 0.0728 | 4号分区 | 0.0436 |
6号分区 | 0.0679 | 7号分区 | 0.0427 |
13号分区 | 0.0641 | 8号分区 | 0.0372 |
11号分区 | 0.0591 | 1号分区 | 0.0326 |
14号分区 | 0.0588 | 5号分区 | 0.0318 |
17号分区 | 0.0583 |
7、层次总排序的一致性检验,根据公式(6)计算得到总排序的一致性比率CR2=0.0423<0.1,符合一致性检验。
对于可视化AHP模型的构建,可概括为以下:通过对海甸岛虚拟分区的构建→第一次分权→计算第一层判别矩阵权重→构建第二层判别矩阵尺度→第二次分权,计算第二层级判别矩阵权重→可视化AHP模型构建。
可视化AHP模型结果显示:
按照相关系数对聚类结果进行划分,若将虚拟分区划分为3类,第一类{5,4,9,3}号区,第二类{8,7,1,17,11,6,12,15}号区,第三类{2、10、13、14、16}号区,其敏感度排序分别为{2、10、13、14、16}>{8,7,1,17,11,6,12,15}>{5,4,9,3},可以清晰的看到第2、13、14、16、10号虚拟分区总权重最大,即可成为该方法下被筛选出的高漏耗区域或高敏感区域。
按照相关系数对聚类结果进行划分,若将虚拟分区划分为5类,则第一类{5、4、9、3},第二类{8},第三类{7、1、17},第四类{11、6、12、15},第五类{2、10、13、14、16},其敏感度排序分别为{2、10、13、14、16}>{11、6、12、15}>{7、1、17}>{8}>{5、4、9、3},细分后的管网泄露区域筛选中,除了2、13、14、16、10号为重点检漏区域,11、6、12、15号分区成为次重点检漏区域。
可视化AHP模型的应用:
将方法运用于海甸岛管网检漏,通过此方法检到的漏点分布图,见图5;其中,1号分区2个,2号分区12个,3号分区0个,4号分区7个,5号分区0个,6号分区44个,7号分区1个,8号分区3个,9号分区18个,10号分区51个,11号分区8个,12号分区33个,13号分区11个,14号分区8个,15号分区43个,16号分区61个,17号分区9个。可以看出,检查出的漏子较多的分区为6、10、12、15、16号分区,得到的供水管网泄漏区域的筛选结果与历年漏点统计分布十分吻合。实践证明,本发明为水司检漏指导提供了一种简单、有效,适用性强的筛选供水管网泄漏区域的方法,对节约城市水资源有较大的意义。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。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,均包含在本发明的保护范围内。
Claims (6)
1.一种筛选供水管网泄漏区域的方法,其特征在于,具体按照以下步骤进行:
步骤1,通过地理信息系统显示的城市供水管网特点,将供水管网进行虚拟DMA分区,编号1~n,每个虚拟分区中的用户数为500~1000;
步骤2,确定管网漏点密度、管龄、漏点在不同管材上的分布、漏点在不同路面负荷的分布、管网平均压力、综合管网密度为城市管网的漏损指标;
步骤3,建立主观分权的第一层级判断矩阵:
城市供水专家分别对1~n号虚拟DMA分区中的每两个漏损指标进行重要性评判,某个虚拟DMA分区中管网漏点密度、管龄、漏点在不同管材上的分布、漏点在不同路面负荷的分布、管网平均压力、综合管网密度的重要性得分分别为a、b、c、d、e、f,形成该虚拟DMA分区中六个漏损指标的重要性评估矩阵A,如公式(1)所示;
其中,aij代表两个漏损指标之间的比值,利用方根法由重要性评估矩阵A求出1~n号虚拟DMA分区中各漏损指标的主观权值wi,并对重要性评估矩阵A进行层次单排序及一致性检验,一致性检验不通过时,重新调整重要性评估矩阵A,直到一致性检验通过;
步骤4,建立客观分权的第二层级判断矩阵:
通过ArcGIS统计1~n号虚拟DMA分区的综合管网密度、管网漏点密度和管龄;通过历年漏点统计数据得到1~n号虚拟DMA分区的漏点在不同管材上的分布及漏点在不同路面负荷的分布;通过SCADA系统和水力模型模拟得到1~n号虚拟DMA分区的管网平均压力;基于以上信息建立1~n号虚拟DMA分区中各漏损指标的客观分权矩阵;利用方根法由客观分权矩阵求出各漏损指标的客观权值wi′,并对客观分权矩阵进行层次单排序及一致性检验,一致性检验不通过时,需要重新调整客观分权矩阵,直到一致性检验通过;
步骤5,利用热图聚类构建可视化的AHP模型:利用1~n号虚拟DMA分区的各漏损指标的客观权值wi′,进行热图聚类;
步骤6,按照每个虚拟DMA分区总权重从大到小对1~n号虚拟DMA分区进行层次总排序,并计算层次总排序的一致性,通过一致性验后,按照步骤5得到可视化的AHP模型筛选出供水管网的高漏损区域并能获得各个虚拟DMA分区存在的具体问题。
4.根据权利要求1所述的一种筛选供水管网泄漏区域的方法,其特征在于,所述步骤5中,利用1~n号虚拟DMA分区的各漏损指标的客观权值wi ′进行热图聚类,具体按照以下步骤进行:
步骤a,将总权重最小的虚拟DMA分区视为对照组,其它虚拟DMA分区视为试验组,进行归一化处理,见公式(5);
其中,Zi代表各虚拟DMA分区的漏损指标权值归一化处理的数据,Ii为各虚拟DMA分区的漏损指标权值,i为1,2,...,n,Ij为总权重最小的虚拟DMA分区的漏损指标权值;
步骤b,将归一化处理的数据进行对数处理,利用Cluster 3.0做出热图分析;
步骤c,通过欧式距离计算每个虚拟DMA分区中对应漏损指标权重之间的距离,聚类方法采用平均连接法,用相似度系数表示变量之间的相似性;
步骤d,寻找各类之间最近的两类,归为一类;
步骤e,重新计算新生产的类与各旧类之间的相似层度,并重复步骤c和步骤d,直到所有样本归为一类。
5.根据权利要求1所述的一种筛选供水管网泄漏区域的方法,其特征在于,所述步骤6中,对1~n号虚拟DMA分区进行层次总排序并验证层次总排序的一致性的方法为:
(1)计算某一层次的层次总排序经归一化后得到该层所有因素对最高层相对重要性的权重值;
(2)设1~n个虚拟DMA分区对上一层的层次单排序一致性指标为CI,随机一致性为RI,则层次总排序的一致性比率见公式(6),
CR2为层次总排序的一致性比率,CIj为各层的一致性特征数,RIj为各层的随机一致性指标,aj为公式(1)中按行相乘后开n次方,再除以公式(1)中每一行按行相乘,具体见公式(7),j为1,2,...,6,n=6;若CR2<0.1,则通过一致性验证;否则,没有通过一致性验证。
6.根据权利要求1所述的一种筛选供水管网泄漏区域的方法,其特征在于,所述步骤1中,以干管作为虚拟DMA边界,将南北指向的管道划分在虚拟分区线的右侧,将东西指向的管道划分在虚拟分区线的下侧。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710429400.8A CN107230021B (zh) | 2017-06-08 | 2017-06-08 | 筛选供水管网泄漏区域的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710429400.8A CN107230021B (zh) | 2017-06-08 | 2017-06-08 | 筛选供水管网泄漏区域的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107230021A CN107230021A (zh) | 2017-10-03 |
CN107230021B true CN107230021B (zh) | 2020-05-26 |
Family
ID=59935232
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710429400.8A Active CN107230021B (zh) | 2017-06-08 | 2017-06-08 | 筛选供水管网泄漏区域的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107230021B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107883190B (zh) * | 2017-10-24 | 2019-09-17 | 大亚湾核电运营管理有限责任公司 | 核电站管道检测方法和用于核电站管道故障检修方法 |
CN108647470B (zh) * | 2018-05-29 | 2022-05-31 | 杭州电子科技大学 | 一种基于聚类和深度信念网络的漏损初定位方法 |
CN108894282B (zh) * | 2018-06-08 | 2020-07-21 | 天津大学 | 市政管网运行安全动态预警方法 |
CN109190783B (zh) * | 2018-07-03 | 2021-11-09 | 北京交通大学 | 城市水网渗漏空间聚集性检测及关键影响因素识别方法 |
CN109827077B (zh) * | 2019-01-25 | 2021-02-26 | 广州市自来水有限公司 | 一种水流量漏损预警方法、系统、装置以及存储介质 |
CN110108328B (zh) * | 2019-04-03 | 2021-03-26 | 同济大学 | 一种供水管网漏损区域漏水量的获取方法 |
CN110516883B (zh) * | 2019-08-30 | 2022-07-15 | 哈尔滨工业大学 | 一种基于空间计量模型的供水管网区域漏失预测方法 |
CN110543719B (zh) * | 2019-08-30 | 2022-09-27 | 哈尔滨工业大学 | 一种基于空间计量模型的供水管道漏失预测方法 |
CN111027730B (zh) | 2019-11-19 | 2023-05-09 | 浙江大学 | 一种基于阀门操作和在线用水计量的供水管网漏失高效定位方法 |
CN111709102B (zh) * | 2020-04-28 | 2023-04-25 | 武汉众智鸿图科技有限公司 | 一种基于层次聚类的供水管网分区方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010131001A1 (en) * | 2009-05-13 | 2010-11-18 | University Of Exeter | Anomaly detection based in baysian inference |
WO2012059390A1 (de) * | 2010-11-05 | 2012-05-10 | Siemens Aktiengesellschaft | Leckageerkennung und leckageortung in versorgungsnetzen |
CN102721514A (zh) * | 2012-04-27 | 2012-10-10 | 河海大学 | 一种基于熵权模糊聚类的渗漏通道探测方法 |
CN104008451A (zh) * | 2014-05-29 | 2014-08-27 | 西北工业大学 | 一种虚拟海洋战场三维可视化效果评估方法 |
CN105046352A (zh) * | 2015-07-02 | 2015-11-11 | 哈尔滨华夏矿安科技有限公司 | 基于血管仿生原理的供水管网漏损计算方法 |
CN106203867A (zh) * | 2016-07-19 | 2016-12-07 | 国家电网公司 | 基于配电网评价指标体系和聚类分析的电网区域划分方法 |
EP3167935A1 (en) * | 2003-05-01 | 2017-05-17 | Cornell Research Foundation, Inc. | Method and carrier complexes for delivering molecules to cells |
-
2017
- 2017-06-08 CN CN201710429400.8A patent/CN107230021B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3167935A1 (en) * | 2003-05-01 | 2017-05-17 | Cornell Research Foundation, Inc. | Method and carrier complexes for delivering molecules to cells |
WO2010131001A1 (en) * | 2009-05-13 | 2010-11-18 | University Of Exeter | Anomaly detection based in baysian inference |
WO2012059390A1 (de) * | 2010-11-05 | 2012-05-10 | Siemens Aktiengesellschaft | Leckageerkennung und leckageortung in versorgungsnetzen |
CN103189725A (zh) * | 2010-11-05 | 2013-07-03 | 西门子公司 | 供应网中的泄漏识别和泄漏定位 |
CN102721514A (zh) * | 2012-04-27 | 2012-10-10 | 河海大学 | 一种基于熵权模糊聚类的渗漏通道探测方法 |
CN104008451A (zh) * | 2014-05-29 | 2014-08-27 | 西北工业大学 | 一种虚拟海洋战场三维可视化效果评估方法 |
CN105046352A (zh) * | 2015-07-02 | 2015-11-11 | 哈尔滨华夏矿安科技有限公司 | 基于血管仿生原理的供水管网漏损计算方法 |
CN106203867A (zh) * | 2016-07-19 | 2016-12-07 | 国家电网公司 | 基于配电网评价指标体系和聚类分析的电网区域划分方法 |
Non-Patent Citations (2)
Title |
---|
供水管网漏损预测及健康度评价;覃炫;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20100115(第01期);第C038-185页 * |
城市供水管网漏损定位及控制研究;李霞;《中国博士学位论文全文数据库 工程科技II辑》;20070815(第02期);第C038-47页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107230021A (zh) | 2017-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107230021B (zh) | 筛选供水管网泄漏区域的方法 | |
CN108280553B (zh) | 基于gis-神经网络集成的山洪灾害风险区划及预测方法 | |
Kleiner et al. | I-WARP: Individual water main renewal planner | |
CN110929359B (zh) | 基于pnn神经网络和swmm技术的管网淤积风险预测建模方法 | |
CN103400044B (zh) | 一种改进的水环境安全评价分析方法 | |
CN103033856B (zh) | 基于水文气象一致性地区分析的雨量频率估计方法 | |
CN108647805B (zh) | 一种山洪灾害临界雨量综合检验方法 | |
CN110634080A (zh) | 异常用电检测方法、装置、设备及计算机可读存储介质 | |
CN103177187B (zh) | 基于可变模糊集理论的公路隧道健康状态动态评价方法 | |
CN105678481A (zh) | 一种基于随机森林模型的管线健康状态评估方法 | |
CN103578045A (zh) | 一种供水管道健康评价方法 | |
CN106447212A (zh) | 一种基于ahp的智能电表软件质量评价方法 | |
CN102235575A (zh) | 用于检查管道泄露的数据处理方法及系统 | |
CN105205329A (zh) | 一种大坝安全综合评价方法 | |
CN106526149B (zh) | 一种基于通车时长和交通量的路面使用性能预测方法 | |
CN111080356A (zh) | 一种利用机器学习回归模型计算住宅价格影响因素的方法 | |
CN113033997A (zh) | 基于改进集对分析的城市水质等级确定方法、装置及介质 | |
CN111523825A (zh) | 基于多维度的高速公路沥青路面长期性能评价方法 | |
CN111027881B (zh) | 基于改进灰色关联度的输电杆塔自然灾害损失评估方法 | |
CN104679655A (zh) | 基于参数相关性的软件系统状态评估方法 | |
Feng et al. | Visual analytic hierarchical process for in situ identification of leakage risk in urban water distribution network | |
CN115270527A (zh) | 道路塌陷风险实时评估方法、设备及存储介质 | |
CN114897378A (zh) | 地质灾害精细化气象风险预警区评价方法及装置 | |
CN111523796A (zh) | 非煤隧道有害气体危害评价方法 | |
CN115171810A (zh) | 一种河流断面水质层次评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |