CN112016175A - 一种基于树状层次聚类的供水管网测压点优化布置方法 - Google Patents
一种基于树状层次聚类的供水管网测压点优化布置方法 Download PDFInfo
- Publication number
- CN112016175A CN112016175A CN202010818249.9A CN202010818249A CN112016175A CN 112016175 A CN112016175 A CN 112016175A CN 202010818249 A CN202010818249 A CN 202010818249A CN 112016175 A CN112016175 A CN 112016175A
- Authority
- CN
- China
- Prior art keywords
- water pressure
- node
- matrix
- sensitivity
- 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.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 174
- 238000000034 method Methods 0.000 title claims abstract description 27
- 239000011159 matrix material Substances 0.000 claims abstract description 70
- 230000035945 sensitivity Effects 0.000 claims abstract description 62
- 238000012544 monitoring process Methods 0.000 claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 238000010606 normalization Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000004088 simulation Methods 0.000 claims abstract description 8
- 238000010586 diagram Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000003646 Spearman's rank correlation coefficient Methods 0.000 claims description 5
- 230000015556 catabolic process Effects 0.000 claims description 3
- 238000006731 degradation reaction Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 238000009530 blood pressure measurement Methods 0.000 description 4
- 238000005192 partition Methods 0.000 description 3
- 238000010206 sensitivity analysis Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000586 desensitisation Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L19/00—Details of, or accessories for, apparatus for measuring steady or quasi-steady pressure of a fluent medium insofar as such details or accessories are not special to particular types of pressure gauges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/231—Hierarchical techniques, i.e. dividing or merging pattern sets so as to obtain a dendrogram
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/14—Pipes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Economics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Water Supply & Treatment (AREA)
- Fluid Mechanics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明提供了一种基于树状层次聚类的供水管网测压点优化布置方法,包括:S1、依据供水管网基础数据,构建供水管网水力模型;S2、根据水力模型,仿真计算获得管网漏损下的节点水压数据,建立水压降灵敏度矩阵,并对灵敏度矩阵作规格化处理;S3、根据水压降灵敏度规格化矩阵,计算各节点间的水压降相关性,并建立节点水压降斯皮尔曼等级相关系数矩阵;S4、依据各节点的相关性,进行树状层次聚类,分成多个聚类组;S5、根据水压降灵敏度规格化矩阵,计算各聚类组内节点间的闵可夫斯基距离,选取到组内各点距离和最小的为本组水压监测节点。本发明使得水压监测点与监测区域划分明确、分布均匀,区域内选出的测压点更具代表性,不仅灵敏度高、监测范围广,更有利于漏损点快速定位。
Description
技术领域
本发明属于城镇供水管网测压点优化布置技术领域,尤其涉及一种基于树状层次聚类的供水管网测压点优化布置方法。
背景技术
随着我国新型城镇化建设力度的加强,城镇居民生活和企业生产用水需求量不断增加,城镇供水管网的铺设规模逐渐庞大。近年来,由于供水管网线路规划不合理且日益老化、设备老旧、监测管理技术水平较差等原因,导致供水管网漏损、爆管等问题频发,据不完全统计城镇供水管网的平均漏损率大于20%,不仅造成了较为严重的水资源浪费,还影响到居民生活和企业生产的用水质量与安全。
水压数据是反映城镇供水管网运行工况的重要监测信息,而水压监测点的安装位置、数量及所覆盖的监测区域的确定属于供水管网测压点优化布置问题,它是一个较为复杂的组合优化调度问题。
目前,已有的城镇供水管网测压点的布置方法大多是凭人工经验法或者基于传统的灵敏度分析和聚类分析来选取测压点,均不同程度存在最终选取的测压点不唯一、易变动、分布不均匀、灵敏度较低、节点分区可靠性不高、优选结果不具代表性等不足之处。
发明内容
有鉴于此,本发明针对现有技术的不足,提出了一种基于树状层次聚类的供水管网测压点优化布置方法,使水压监测点与监测区域划分明确、分布均匀,区域内选出的测压点更具代表性,不仅灵敏度高、监测范围广,更有利于漏损点快速定位。
本发明的目的可以采取如下技术方案来实现:
一种基于树状层次聚类的供水管网测压点优化布置方法,包括以下步骤:
S1、依据供水管网基础数据,构建供水管网的水力模型;
S2、根据建立的供水管网水力模型,仿真计算获得管网各节点水压数据,建立水压降灵敏度矩阵,并对灵敏度矩阵作规格化处理;
S3、以水压降灵敏度规格化矩阵为基础,计算各节点间的水压降相关性,并建立节点水压降斯皮尔曼等级相关系数矩阵;
S4、以节点水压降斯皮尔曼等级相关系数矩阵为基础,采用树状层次聚类算法为供水管网节点分类并组;
S5、以水压降灵敏度规格化矩阵与分类并组结果为基础,计算各聚类组内节点间的相似距离,选取到组内各点相似距离之和最小的为本组水压监测点。
具体的:所述步骤S1中构建供水管网水力模型应用的供水管基础数据包括管段长度、管段直径、节点基本需水量、管网拓扑结构图。
具体的,步骤S2中根据建立的供水管网水力模型,仿真计算获得管网各节点水压数据,建立水压降灵敏度矩阵,并对灵敏度矩阵作规格化处理,具体包括:
S21:计算节点的水压降:
S22:计算节点的水压降灵敏度:
其中k为漏损节点,ΔHi、ΔHk为节点i与节点k为漏损时与漏损后的水压差,X(i,k)定义为节点i在节点k发生漏损时的水压波动程度,即水压灵敏度。
S23:根据各节点水压降灵敏度,获得水压降灵敏度矩阵X如下:
S24:将水压降灵敏度矩阵采用均值规格化处理,并得到灵敏度矩阵规格化矩阵,具体如下:
具体的,所述步骤S3中以水压降灵敏度规格化矩阵为基础,计算各节点间的水压降相关性,并建立节点水压降斯皮尔曼等级相关系数矩阵,方法如下:
将灵敏度规格化矩阵X’的每行作为一个数列Xi,i为行号也代表这个数列内灵敏度所属的节点号,首先,把数列Xi排序得到排序数列a={a1,a2,...an},将数列Xi内每个元素在数列a中的位置记为Yi,称其为元素的秩次,得到数列Xi对应的秩次数列Yi,同样,得到数列Xj对应的秩次数列Yj,将两个秩次数列Yi和Yj内每个元素对应的秩次相减得到秩次差数列d={d1,d2,...dn},将其代入斯皮尔曼等级相关系数公式:
其中n为数列点数,对应于一个窗长的采样点数;ρ为斯皮尔曼等级相关系数,
设r(i,j)=ρij,i、j为所对比的两个数列代表的节点号,建立基于斯皮尔曼等级相关系数的节点水压降相关系数矩阵R。
具体的,所述步骤S4中采用树状层次聚类算法对各节点分类并组:
具体方法如下:
,运用Ward法合并各组、绘制树状层次聚类图;
以斯皮尔曼等级相关系数作为两组之间的相关距离,以合并节点号为x轴,相关距离平方和值为y轴,绘制成树状层次聚类图。
具体的,所述步骤S5具体过程如下:
采用闵可夫斯基距离计算方法计算各组内节点间的相似距离,所述闵可夫斯基距离计算方法如下:
两个n维变量a(x11,x12,…,x1n)与b(x21,x22,…,x2n)间的闵可夫斯基距离定义为:
其中p是一个变参数。
在闵可夫斯基距离的计算基础上,选取到组内各点相似距离之和最小的为本组水压监测节点,计算公式如下:
1、本发明提出了一种基于树状层次聚类的供水管网测压点优化布置方法,将传统的灵敏度分析和聚类分析法结合与改进,对水压降灵敏度矩阵作均值规格化处理,采用树状层次聚类算法对管网各节点进行分类并组,使得供水管网分区效果更好且分区数量更改无需二次聚类,水压监测点与监测区域划分明确、分布均匀,区域内选出的测压点更具代表性,不仅灵敏度高、监测范围广,更有利于漏损点快速定位。
附图说明
图1是本发明实施流程图;
图2是实施例供水管网水力模型图;
图3是实施例供水管网Epaneth 2.0仿真模型;
图4是实施例树状层次聚类图;
图5是实施例树状层次聚类分组与测压点布置结果图。
具体实施方式
下面结合附图和具体的实施例对本发明作进一步清楚、完整的描述,但本发明的实施方式并不仅限于此。
本实施例依据某地供水管网实际数据建立供水管网水力模型如图2所示,包括24条管段和17个节点。该供水管网水力模型对应的供水管网长度和直径如表1所示,供水管网各节点用水量如表2所示。
表1供水管网管道长度和直径
表2供水管网节点用水量
参见图1所示实施流程图,本发明提出一种基于树状层次聚类的供水管网测压点优化布置方法,包括如下步骤:
S10:根据供水管网水力模型数据,利用EPANETH软件构建供水管网仿真模型如图3所示。供水管网水力模型构建使用的数据包括节点基本需水量、高程、管段长度、管段直径、管段材料、管网拓扑结构图。
S20:根据建立的供水管网水力模型,仿真计算获得管网各节点水压数据,建立水压降灵敏度矩阵,并对灵敏度矩阵作规格化处理;
漏损水压降由水力模型未发生漏损时的节点水压,减去漏损时节点水压获得。水压降计算公式如下:
通过设置每个节点的扩散器系数为1,模拟漏损得到漏损下的水压,并计算水压降灵敏度,计算如下:
其中k为漏损节点,i为被影响节点,ΔHi、ΔHk为节点i与节点k为漏损时与漏损后的水压差。X(i,k)定义为节点i在节点k发生漏损时的水压波动程度,即水压降灵敏度。获得计算结果即水压降灵敏度矩阵如表3所示。
表3水压降灵敏度矩阵
1.针对节点水压降灵敏度矩阵采用均值规格化处理,具体如下:
表4水压降灵敏度规格化矩阵
S30:以水压降灵敏度规格化矩阵为基础,计算各节点间的水压降相关性,并建立节点水压降斯皮尔曼等级相关系数矩阵;
将水压降灵敏度规格化矩阵X’的每行作为一个数列Xi,i为行号也代表这个数列内灵敏度所属的节点号。首先,把数列Xi按升序或者降序排列得到排序数列a={a1,a2,...an},将数列Xi内每个元素在数列a中的位置记为Yi,称其为元素Xi,k的秩次,从而可以得到数列Xi对应的秩次数列Yi,同样,得到数列Xj对应的秩次数列Yj,将两个秩次数列Yi和Yj内每个元素对应的秩次相减得到秩次差数列d={d1,d2,...dn},再将其代入斯皮尔曼等级相关系数公式:
其中n为数列点数,对应于一个窗长的采样点数;ρ为斯皮尔曼等级相关系数。设r(i,j)=ρ,i、j为所对比的两个数列代表的节点号,就能建立基于斯皮尔曼等级相关系数的节点水压降相关系数矩阵R1。基于斯皮尔曼等级相关系数的节点水压降相关系数矩阵如表5。
表5节点间水压相关性矩阵(斯皮尔曼等级相关系数)
S40:以节点水压降斯皮尔曼等级相关系数矩阵为基础,采用树状层次聚类算法为供水管网节点分类并组;
采用树状层次聚类算法对各节点分类并组时,运用Ward法合并各组、绘制树状层次聚类图。
以斯皮尔曼等级相关系数作为两组之间的相关距离,先将集合中每个样本自成一类,在进行类别合并时,计算各组间的离差平方和,将离差平方和增加的幅度最小的两类首先合并,再依次将所有类别逐级合并。
以合并节点号为x轴,离差平方和值为y轴,按计算所得的合并顺序与合并时的离差平方和值绘制成树状层次聚类图。
选取相似程度系数为1.5,划定分组。绘制出树状层次聚类图如图4所示。
得到3个分组:
组T1:1、2、3、4、5、14、15、16;
组T2:11、12、13;
组T3:6、7、8、9、10、17;
S50:以水压降灵敏度规格化矩阵与分类并组结果为基础,计算各聚类组内节点间的相似距离,选取到组内各点相似距离之和最小的为本组水压监测点。
在水压降灵敏度规格化矩阵X’的基础上计算各节点受漏损影响程度的闵可夫斯基距离,建立节点间水压相关性矩阵R2。节点间水压相关性矩阵R2矩阵如表6。
在聚类组内选择监测点的过程中,计算各聚类组内节点间的相似距离采用闵可夫斯基距离计算方法。闵可夫斯基距离计算方法如下:
两个n维变量a(x11,x12,…,x1n)与b(x21,x22,…,x2n)间的闵可夫斯基距离定义为:
其中p是一个变参数。
当p=1时,就是曼哈顿距离;
当p=2时,就是欧氏距离;
当p→∞时,就是切比雪夫距离。
5.2在闵可夫斯基距离的计算基础上,选取到组内各点相似距离之和最小的为本组水压监测节点。计算公式如下:
表6节点间水压相关性矩阵(闵可夫斯基距离)
利用本发明实施例得到供水管网节点树状层次聚类分组与测压点布置结果,如图5所示。
上述具体个例围绕本发明的原理及实施方式进行了详细描述,以上实施例的说明只是用于帮助理解本发明的方法,但并非对本发明保护范围的限制。凡在本发明的技术方案基础上,本领域技术人员不需要付出创造性劳动即可作出各种非实质性的改动,均应属于本发明的保护范围内。
Claims (6)
1.一种基于树状层次聚类的供水管网测压点优化布置方法,其特征在于,包括以下步骤:
S1、依据供水管网基础数据,构建供水管网的水力模型;
S2、根据建立的供水管网水力模型,仿真计算获得管网各节点水压数据,建立水压降灵敏度矩阵,并对灵敏度矩阵作规格化处理;
S3、以水压降灵敏度规格化矩阵为基础,计算各节点间的水压降相关性,并建立节点水压降斯皮尔曼等级相关系数矩阵;
S4、以节点水压降斯皮尔曼等级相关系数矩阵为基础,采用树状层次聚类算法为供水管网节点分类并组;
S5、以水压降灵敏度规格化矩阵与分类并组结果为基础,计算各聚类组内节点间的相似距离,选取到组内各点相似距离之和最小的为本组水压监测点。
2.根据权利要求1所述的一种基于树状层次聚类的供水管网测压点优化布置方法,其特征在于:所述步骤S1中构建供水管网水力模型应用的供水管基础数据包括管段长度、管段直径、节点基本需水量、管网拓扑结构图。
3.根据权利要求1所述的一种基于树状层次聚类的供水管网测压点优化布置方法,其特征在于:步骤S2中根据建立的供水管网水力模型,仿真计算获得管网各节点水压数据,建立水压降灵敏度矩阵,并对灵敏度矩阵作规格化处理,具体包括:
S21:计算节点的水压降:
S22:计算节点的水压降灵敏度:
其中k为漏损节点,ΔHi、ΔHk为节点i与节点k为漏损时与漏损后的水压差,X(i,k)定义为节点i在节点k发生漏损时的水压波动程度,即水压灵敏度。
S23:根据各节点水压降灵敏度,获得水压降灵敏度矩阵X如下:
S24:将水压降灵敏度矩阵采用均值规格化处理,并得到灵敏度矩阵规格化矩阵,具体如下:
4.根据权利要求3所述的一种基于树状层次聚类的供水管网测压点优化布置方法,其特征在于:
所述步骤S3中以水压降灵敏度规格化矩阵为基础,计算各节点间的水压降相关性,并建立节点水压降斯皮尔曼等级相关系数矩阵,方法如下:
将灵敏度规格化矩阵X’的每行作为一个数列Xi,i为行号也代表这个数列内灵敏度所属的节点号,首先,把数列Xi排序得到排序数列a={a1,a2,...an},将数列Xi内每个元素在数列a中的位置记为Yi,称其为元素的秩次,得到数列Xi对应的秩次数列Yi,同样,得到数列Xj对应的秩次数列Yj,将两个秩次数列Yi和Yj内每个元素对应的秩次相减得到秩次差数列d={d1,d2,...dn},将其代入斯皮尔曼等级相关系数公式:
其中n为数列点数,对应于一个窗长的采样点数;ρ为斯皮尔曼等级相关系数,
设r(i,j)=ρij,i、j为所对比的两个数列代表的节点号,建立基于斯皮尔曼等级相关系数的节点水压降相关系数矩阵R。
5.根据权利要求1所述的一种基于树状层次聚类的供水管网测压点优化布置方法,其特征在于:所述步骤S4中采用树状层次聚类算法对各节点分类并组:
具体方法如下:
运用Ward法合并各组、绘制树状层次聚类图;
以斯皮尔曼等级相关系数作为两组之间的相关距离,以合并节点号为x轴,相关距离平方和值为y轴,绘制成树状层次聚类图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010818249.9A CN112016175B (zh) | 2020-08-14 | 2020-08-14 | 一种基于树状层次聚类的供水管网测压点优化布置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010818249.9A CN112016175B (zh) | 2020-08-14 | 2020-08-14 | 一种基于树状层次聚类的供水管网测压点优化布置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112016175A true CN112016175A (zh) | 2020-12-01 |
CN112016175B CN112016175B (zh) | 2022-09-30 |
Family
ID=73506102
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010818249.9A Active CN112016175B (zh) | 2020-08-14 | 2020-08-14 | 一种基于树状层次聚类的供水管网测压点优化布置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112016175B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113111471A (zh) * | 2021-04-14 | 2021-07-13 | 武汉行健道信息技术有限公司 | 一种基于人工智能和物联网的城市智慧水务数字化智能管理系统 |
CN113420965A (zh) * | 2021-06-08 | 2021-09-21 | 上海城投水务(集团)有限公司 | 一种基于虚拟测点进行辅助人工调度的方法 |
CN113591259A (zh) * | 2021-08-11 | 2021-11-02 | 华北电力大学 | 一种供热管道动态等值建模方法 |
CN113674104A (zh) * | 2021-07-23 | 2021-11-19 | 杭州莱宸科技有限公司 | 一种基于频谱分析的供水管网独立计量分区方法 |
CN114562684A (zh) * | 2022-02-16 | 2022-05-31 | 上海天麦能源科技有限公司 | 一种燃气管网关键监测节点选择方法和系统 |
CN114742178A (zh) * | 2022-06-10 | 2022-07-12 | 航天亮丽电气有限责任公司 | 一种通过mems六轴传感器进行非侵入式压板状态监测的方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002259458A (ja) * | 2001-03-05 | 2002-09-13 | Meidensha Corp | 上水道管網の運転支援システム |
KR20130108911A (ko) * | 2012-03-26 | 2013-10-07 | 대림산업 주식회사 | 루프형 상수관망내 압력 계측기의 최적 위치 조합 설정방법 및 그 저장매체 |
CN105229349A (zh) * | 2013-03-15 | 2016-01-06 | 施耐德电气建筑有限公司 | 具有真实流量反馈的先进阀门致动器 |
CN105894130A (zh) * | 2016-04-25 | 2016-08-24 | 杭州电子科技大学 | 一种用于城市供水管网监测点的优化布置方法 |
CN107122519A (zh) * | 2017-03-27 | 2017-09-01 | 华南理工大学 | 一种城市供水管网压力监测点的优化布置方法 |
CN107368648A (zh) * | 2017-07-19 | 2017-11-21 | 安徽建筑大学 | 一种面向市政给水管网压力监测点优化布置方法 |
CN108647470A (zh) * | 2018-05-29 | 2018-10-12 | 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 |
CN110851931A (zh) * | 2019-10-14 | 2020-02-28 | 天津大学 | 一种城市供水管网流量监测点的优化布置方法 |
CN110939870A (zh) * | 2019-12-27 | 2020-03-31 | 天津大学 | 一种面向爆管监测的供水管网压力监测点布置方法 |
-
2020
- 2020-08-14 CN CN202010818249.9A patent/CN112016175B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002259458A (ja) * | 2001-03-05 | 2002-09-13 | Meidensha Corp | 上水道管網の運転支援システム |
KR20130108911A (ko) * | 2012-03-26 | 2013-10-07 | 대림산업 주식회사 | 루프형 상수관망내 압력 계측기의 최적 위치 조합 설정방법 및 그 저장매체 |
CN105229349A (zh) * | 2013-03-15 | 2016-01-06 | 施耐德电气建筑有限公司 | 具有真实流量反馈的先进阀门致动器 |
CN105894130A (zh) * | 2016-04-25 | 2016-08-24 | 杭州电子科技大学 | 一种用于城市供水管网监测点的优化布置方法 |
CN107122519A (zh) * | 2017-03-27 | 2017-09-01 | 华南理工大学 | 一种城市供水管网压力监测点的优化布置方法 |
CN107368648A (zh) * | 2017-07-19 | 2017-11-21 | 安徽建筑大学 | 一种面向市政给水管网压力监测点优化布置方法 |
CN108647470A (zh) * | 2018-05-29 | 2018-10-12 | 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 |
CN110851931A (zh) * | 2019-10-14 | 2020-02-28 | 天津大学 | 一种城市供水管网流量监测点的优化布置方法 |
CN110939870A (zh) * | 2019-12-27 | 2020-03-31 | 天津大学 | 一种面向爆管监测的供水管网压力监测点布置方法 |
Non-Patent Citations (2)
Title |
---|
ALICIAROBLES-VELASCO: "Prediction of pipe failures in water supply networks using logistic regression and support vector classification", 《RELIABILITY ENGINEERING & SYSTEM SAFETY》 * |
刘倍良 等: "PDD爆管定位模型的改进与应用", 《中国给水排水》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113111471A (zh) * | 2021-04-14 | 2021-07-13 | 武汉行健道信息技术有限公司 | 一种基于人工智能和物联网的城市智慧水务数字化智能管理系统 |
CN113420965A (zh) * | 2021-06-08 | 2021-09-21 | 上海城投水务(集团)有限公司 | 一种基于虚拟测点进行辅助人工调度的方法 |
CN113420965B (zh) * | 2021-06-08 | 2023-07-07 | 上海城投水务(集团)有限公司 | 一种基于虚拟测点进行辅助人工调度的方法 |
CN113674104A (zh) * | 2021-07-23 | 2021-11-19 | 杭州莱宸科技有限公司 | 一种基于频谱分析的供水管网独立计量分区方法 |
CN113674104B (zh) * | 2021-07-23 | 2023-09-26 | 杭州莱宸科技有限公司 | 一种基于频谱分析的供水管网独立计量分区方法 |
CN113591259A (zh) * | 2021-08-11 | 2021-11-02 | 华北电力大学 | 一种供热管道动态等值建模方法 |
CN114562684A (zh) * | 2022-02-16 | 2022-05-31 | 上海天麦能源科技有限公司 | 一种燃气管网关键监测节点选择方法和系统 |
CN114562684B (zh) * | 2022-02-16 | 2023-08-22 | 上海天麦能源科技有限公司 | 一种燃气管网关键监测节点选择方法和系统 |
CN114742178A (zh) * | 2022-06-10 | 2022-07-12 | 航天亮丽电气有限责任公司 | 一种通过mems六轴传感器进行非侵入式压板状态监测的方法 |
CN114742178B (zh) * | 2022-06-10 | 2022-11-08 | 航天亮丽电气有限责任公司 | 一种通过mems六轴传感器进行非侵入式压板状态监测的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112016175B (zh) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112016175B (zh) | 一种基于树状层次聚类的供水管网测压点优化布置方法 | |
CN110363347B (zh) | 基于决策树索引的神经网络预测空气质量的方法 | |
CN108446797B (zh) | 一种致密油藏水平井体积压裂初期产能预测方法 | |
CN107169628B (zh) | 一种基于大数据互信息属性约简的配电网可靠性评估方法 | |
CN105894130B (zh) | 一种用于城市供水管网监测点的优化布置方法 | |
CN110503245B (zh) | 一种机场航班大面积延误风险的预测方法 | |
CN110598726A (zh) | 一种基于随机森林的输电杆塔鸟害风险预测方法 | |
CN112465243B (zh) | 一种空气质量预报方法及系统 | |
CN108799844B (zh) | 一种基于模糊集的供水管网压力监测点选址方法 | |
CN111369070A (zh) | 一种基于包络线聚类的多模融合光伏功率预测方法 | |
CN115829105A (zh) | 基于历史数据特征搜索的光伏功率预测方法 | |
CN115374995A (zh) | 一种分布式光伏、小风电场站功率预测方法 | |
CN113987912A (zh) | 一种基于地理信息的污染物在线监测系统 | |
CN116432123A (zh) | 一种基于cart决策树算法的电能表故障预警方法 | |
CN105844334B (zh) | 一种基于径向基神经网络的温度插值方法 | |
CN112818608A (zh) | 一种基于改进的粒子群优化算法与支持向量机的中长期径流预报方法 | |
CN111126865B (zh) | 一种基于科技大数据的技术成熟度判断方法和系统 | |
CN112926893A (zh) | 基于模糊综合评判和层次分析的水平井调剖效果评价方法 | |
CN112308298A (zh) | 一种面向半导体生产线的多场景性能指标预测方法及系统 | |
CN114219370B (zh) | 一种基于社交网络的河流水质多维影响因素权重分析方法 | |
CN113641733B (zh) | 一种河道断面流量实时智能推求方法 | |
CN109657287B (zh) | 基于综合得分法水文模型精度识别的方法 | |
CN111062539A (zh) | 基于次级用电量特性聚类分析的总电量预测方法 | |
CN113379116A (zh) | 基于聚类和卷积神经网络的台区线损预测方法 | |
CN117332288A (zh) | 一种建筑节能技术评估系统及方法 |
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 |