CN114942948A - 一种排水管网诊断及管理方法 - Google Patents
一种排水管网诊断及管理方法 Download PDFInfo
- Publication number
- CN114942948A CN114942948A CN202210525821.1A CN202210525821A CN114942948A CN 114942948 A CN114942948 A CN 114942948A CN 202210525821 A CN202210525821 A CN 202210525821A CN 114942948 A CN114942948 A CN 114942948A
- Authority
- CN
- China
- Prior art keywords
- pipe network
- data
- drainage
- analysis
- model
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Abstract
本发明公开了一种排水管网诊断及管理方法,涉及排水管网技术领域,包括以下步骤:S1、信息科;S2、外科;S3、内科;S4、康养科。该排水管网诊断及管理方法,可以结合医院对人体检测的角度,运用到管网的建设系统中,管网的数据采集相当于对人体检测前的信息科病人信息的查询,管网的数据分析相当于病人外科的体征检测,管网的监测诊断相当于病人内科的检测,管网的运维数据分析相当于病人医疗后的康养科康复阶段,通过从感知系统及神经系统的多个角度全方位与管网医院各个科室相结合,提质增效诊断,通过水质特征因子在线检测及模型分析,评估排水管网的运行状况,支持点击定位、属性查看、数据导出,实现管网问题的快速解决。
Description
技术领域
本发明涉及排水管网技术领域,具体为一种排水管网诊断及管理方法。
背景技术
排水管,广泛用于公路、铁路路基、地铁工程、废弃物填埋场、隧道、绿化带、运动场及含水量偏高引起的边坡防护等排水领域,以及农业、园艺之地下灌溉、排水系统。它与软式透水管、塑料盲沟已成为我国土木工程建设(渗水、排水)中三大主要产品。市政排水管网视排水压力大小,可选用双臂波纹管与直壁管。直壁管压力承受能力较强,可用于大型排水排污管网的专用管道。如何在满足规定的各种技术条件下合理设计城市排水系统,是规划设计中的一个重要课题,应此我国出台了城市排水许可管理办法,旨在解决此类问题的发生。
现有的排水管网,管网系统不完善,无法在管网出现入渗入流的问题时进行快速诊断及处理,不但造成环境污染,还造成人生命和财产的巨大损失,为此,我们提出一种排水管网诊断及管理方法。
发明内容
针对现有技术的不足,本发明提供了一种排水管网诊断及管理方法,解决了上述背景技术中提出的问题。
为实现以上目的,本发明通过以下技术方案予以实现,一种排水管网诊断及管理方法,包括以下步骤:
S1、信息科;
S2、外科;
S3、内科;
S4、康养科。
进一步的,所述一种排水管网诊断及管理方法包括以下具体步骤:
S1、信息科
通过和合排水软件将厂、站、网、河和湖不同数据源的管网数据信息,对排水设施基本属性拓扑分析、现有排水设施数据的校核与修正,对数据进行梳理、复核,检查管网数据的完整性和准确性,确保数据的标准化,提高后续对管网的排查精准度,然后进行导入,不限于CAD、ArcGIS,也可以通过人工输入管网的管线、节点、泵站等相关图形信息,然后根据地形图,自动提取相关节点的地面高程,根据窨井、雨水口和管线,进行汇水区的自动划分,对连通的管线自动完成剖面图;
S2、外科
系统地对管网信息准确性进行检查,对测绘单位提供的信息,协助业主接收成果,对不符合要求的成果,不予入库,结合模型分析及对部分抽检测绘摸排数据进行复核,静态数据诊断,包含原始数据的地上、地下、管径、管长等属性校核;管网连通性;雨污混接分析;管道摩阻分析;错误数据再测绘分析;溢流点位;排口倒灌分析;提升泵站数据分析;现有CCTV数据诊断分析;边界条件分析;监测点定位分析;外河水位变化曲线分析等;
通过对排水设施基本属性拓扑分析、现有排水设施数据的校核与修正、监测点位优化调整,结合和合排水对S1中的测绘管网剖面图进行分析,对可疑突变点进行自动识别、亮显,和合排水对管网测绘数据进行拓扑连接关系进行分析,采用排水管网数值化诊断评估技术,将管网模型和在线监测结合,通过通过智慧排水检测,评估排水管网的运行状况,诊断雨污混接、错接和管网破损的情况,并及时对不符合标准的混接、错接及管径和排口进行修正更换;
可以按照水文条件和地形地貌,进行水库容积的优化设计,可以进行水库排水口、管网泄洪口、拦河坝的设计与模拟,可以将地面边沟和地下管网相结合,实现窨井溢流模拟与控制,可以同时实现降雨、地面、径流、管道、河道径流以及LID设计与模拟,可对水质特性因子进行计算,量化分析混接、客水来源,进行实际工程的方案比较设计与模拟,把苏联的设计规范与美国模拟理论相结合,直接应用中国暴雨强度公。可以通过专门窗口放大缩小显示选择区域,可进行最少10个窗口打开,并在10个屏幕上连动显示;
S3、内科
配合和合排水的应用,将和合管网模型和在线监测结合,经过算法,实时在线诊断排水管网运行状况,包括雨污混接、管网破损、河湖水倒灌,针对流域生活源、工业源、农业源及地下水入渗的情况,尤其是工业源的超标排放情况,建立流域水污染物特征数据库,以和合管网模型内含的水质特征因子算法,实现水质超标溯精准源分析,对河湖重点排水口、溢流口等建立智慧化管控体系,及时发现异常突发排放情况,并可依托和合排水模型进行精准溯源,第一时间采取控制措施,提升管网的诊断效率,污染的溯源和河湖排口的管理,实现污水“零直排”管理,实现数字水库的预警及调度、内涝预警及调度、防潮预警及调度、“厂站网河”联合调度,通过在生活小区、工业园区等污水零直排区企业污排口、雨排口、附近河道等建立水位水量、污染物指标在线监控,通过水位水量、污染物指标等大数据分析,建立零直排区长效管控机制,接入气象预报结果、水雨情监测数据,通过水库洪水预报模型,实时预测水库可能出现的入库洪水情和最高水位、库区淹没范围及经济损失等信息,实现洪水预报和智慧调度,接入实时水雨情监测数据,通过和合管网河道水库潮汐耦合模型,实时预测城区内涝点及淹没范围、水深等信息,提前进行洪水预报和智慧调度;
通过大数据的收集结合大数据模型的建立,使得便于对管网进行基础数据管理、管道缺陷管理、辅助规划分析和数据更新管理,通过大数据分析模型的建立,便于查看管道相应的缺陷信息、缺陷图片、缺陷视频等,操作员对排水管网缺陷数据进行结构缺陷、功能缺陷等属性的条件查询,将显示在查询结果区域中,支持点击定位、属性查看、数据导出等,从而实现管网问题的快速解决;
通过动态数据实时监测诊断,提质增效一厂一策诊断;通过水质特征因子在线检测及模型分析,评估排水管网的运行状况,诊断雨污混接、错接、管网破损及河水倒灌等问题,内涝、溢流CSO、SSO诊断;基于监测的内涝预警,溢流防治策略,污染回溯,排口排污量分析,基于降雨的RTK参数分析,基于河道水位变化分析,调蓄设施及排口分析;
S4、康养科
对于S2和S3中诊断完成的管网数据进行更新入库,新建、改建排水设施数据,对于竣工资料及竣工效果进行验证,对于排水管网的运维数据进行分析,解决管网的全生命周期维护问题,通过和合排水的应用,将和合管网模型和在线监测结合,通过从感知系统及神经系统的多个角度全方位与管网医院各个科室相结合,通过和合排水的智慧平台,做到长久有效的智慧管控,确保排水管网健康长效运行,和合排水配合深度神经网络算法对S3内科中的大数据分析模型进行多轮分析处理,将单轮分析结果及模型变化进行记录,通过多轮对比最终可以得出管网的动向趋势,以便于对管网进行日常的定点养护,提升管网的实际使用寿命,通过深度神经网络算法使得系统对管网模型建立过程中进行不断的自我学习,不断提升对管网模型建立的精准度;
深度神经网络算法的计算公式如下:令f(x;ω)表示一个深度神经网络,ω为网络参数,在使用小批量梯度下降进行优化时,每次选取K个训练样本δt={(x(k),y(k))}Kk=1。第t次迭代(Iteration)时损失函数关于参数ω的偏导数为;
其中L(·)为可微分的损失函数,K称为批量大小(Batch Size)
第t次更新的梯度gt定义为;
使用梯度下降来更新参数;
ωt←ωt-1-αgt
其中α>0为学习率。
进一步的,所述步骤S2外科中拓扑连接关系主要包括污水溢流排放口、孤立管段、大管接小管、逆坡和雨污混接管段。
进一步的,所述步骤S2外科中智慧排水检测主要包括液位、流量、CCTV 探测、在线监测和模型动态分析。
进一步的,所述步骤S3内科中的算法具体为水质特征因子算法。
本发明提供了一种排水管网诊断及管理方法,具备以下有益效果:该排水管网诊断及管理方法,可以结合医院对人体检测的角度,运用到管网的建设系统中,管网的数据采集相当于对人体检测前的信息科病人信息的查询,管网的数据分析相当于病人外科的体征检测,管网的监测诊断相当于病人内科的检测,管网的运维数据分析相当于病人医疗后的康养科康复阶段,通过从感知系统及神经系统的多个角度全方位与管网医院各个科室相结合,提出了管网医院的概念,将管网从建设至问题处理的各项数据进行记录,结和合排水管网模型、水质特征因子法、物联网监测、DMA分区计量等方式,当管网出现入渗入流的情况,可以对管网存在的问题进行快速诊断,从而判断管网入渗入流的属于地下水入渗、雨水入流、河水倒灌、污水溢流及雨水内涝的类型,以便于根据管网实际入渗入流的情况采取相对应的处理方案,以达到快速精确解决问题的效果,高标准完成水环境治理和雨污分流工作,管网全流程智慧化诊断较传统物理排查进度节省50%以上时间,且见效快,通过“管网医院”技术体系对排水管网实施对症下药,用20%的费用解决80%的问题;通过管网网格化精准运维,确保节省日常人工及运维费用25%以上,基于模型的智慧化技术体系建立长效管理机制,及时发现问题,解决问题,做到长久有效的智慧管控,确保排水管网健康长效运行。
附图说明
图1为本发明一种排水管网诊断及管理方法的管网治理流程示意图;
图2为本发明一种排水管网诊断及管理方法的入渗入流诊断流程示意图。
图3为本发明一种排水管网诊断及管理方法的排水智能应用流程示意图。
具体实施方式
下面将结合本发明的具体实施例,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。
一种排水管网诊断及管理方法,包括以下步骤:
S1、信息科;
S2、外科;
S3、内科;
S4、康养科。
一种排水管网诊断及管理方法包括以下具体步骤:
S1、信息科
通过和合排水软件将厂、站、网、河和湖不同数据源的管网数据信息,对排水设施基本属性拓扑分析、现有排水设施数据的校核与修正,对数据进行梳理、复核,检查管网数据的完整性和准确性,确保数据的标准化,提高后续对管网的排查精准度,然后进行导入,不限于CAD、ArcGIS,也可以通过人工输入管网的管线、节点、泵站等相关图形信息,然后根据地形图,自动提取相关节点的地面高程,根据窨井、雨水口和管线,进行汇水区的自动划分,对连通的管线自动完成剖面图;
S2、外科
系统地对管网信息准确性进行检查,对测绘单位提供的信息,协助业主接收成果,对不符合要求的成果,不予入库,结合模型分析及对部分抽检测绘摸排数据进行复核,静态数据诊断,包含原始数据的地上、地下、管径、管长等属性校核;管网连通性;雨污混接分析;管道摩阻分析;错误数据再测绘分析;溢流点位;排口倒灌分析;提升泵站数据分析;现有CCTV数据诊断分析;边界条件分析;监测点定位分析;外河水位变化曲线分析等;
通过对排水设施基本属性拓扑分析、现有排水设施数据的校核与修正、监测点位优化调整,结合和合排水对S1中的测绘管网剖面图进行分析,对可疑突变点进行自动识别、亮显,和合排水对管网测绘数据进行拓扑连接关系进行分析,采用排水管网数值化诊断评估技术,将管网模型和在线监测结合,通过通过智慧排水检测,评估排水管网的运行状况,诊断雨污混接、错接和管网破损的情况,并及时对不符合标准的混接、错接及管径和排口进行修正更换;
可以按照水文条件和地形地貌,进行水库容积的优化设计,可以进行水库排水口、管网泄洪口、拦河坝的设计与模拟,可以将地面边沟和地下管网相结合,实现窨井溢流模拟与控制,可以同时实现降雨、地面、径流、管道、河道径流以及LID设计与模拟,可对水质特性因子进行计算,量化分析混接、客水来源,进行实际工程的方案比较设计与模拟,把苏联的设计规范与美国模拟理论相结合,直接应用中国暴雨强度公。可以通过专门窗口放大缩小显示选择区域,可进行最少10个窗口打开,并在10个屏幕上连动显示;
S3、内科
配合和合排水的应用,将和合管网模型和在线监测结合,经过算法,实时在线诊断排水管网运行状况,包括雨污混接、管网破损、河湖水倒灌,针对流域生活源、工业源、农业源及地下水入渗的情况,尤其是工业源的超标排放情况,建立流域水污染物特征数据库,以和合管网模型内含的水质特征因子算法,实现水质超标溯精准源分析,对河湖重点排水口、溢流口等建立智慧化管控体系,及时发现异常突发排放情况,并可依托和合排水模型进行精准溯源,第一时间采取控制措施,提升管网的诊断效率,污染的溯源和河湖排口的管理,实现污水“零直排”管理,实现数字水库的预警及调度、内涝预警及调度、防潮预警及调度、“厂站网河”联合调度,通过在生活小区、工业园区等污水零直排区企业污排口、雨排口、附近河道等建立水位水量、污染物指标在线监控,通过水位水量、污染物指标等大数据分析,建立零直排区长效管控机制,接入气象预报结果、水雨情监测数据,通过水库洪水预报模型,实时预测水库可能出现的入库洪水情和最高水位、库区淹没范围及经济损失等信息,实现洪水预报和智慧调度,接入实时水雨情监测数据,通过和合管网河道水库潮汐耦合模型,实时预测城区内涝点及淹没范围、水深等信息,提前进行洪水预报和智慧调度;
通过大数据的收集结合大数据模型的建立,使得便于对管网进行基础数据管理、管道缺陷管理、辅助规划分析和数据更新管理,通过大数据分析模型的建立,便于查看管道相应的缺陷信息、缺陷图片、缺陷视频等,操作员对排水管网缺陷数据进行结构缺陷、功能缺陷等属性的条件查询,将显示在查询结果区域中,支持点击定位、属性查看、数据导出等,从而实现管网问题的快速解决;
通过动态数据实时监测诊断,提质增效一厂一策诊断;通过水质特征因子在线检测及模型分析,评估排水管网的运行状况,诊断雨污混接、错接、管网破损及河水倒灌等问题,内涝、溢流CSO、SSO诊断;基于监测的内涝预警,溢流防治策略,污染回溯,排口排污量分析,基于降雨的RTK参数分析,基于河道水位变化分析,调蓄设施及排口分析;
S4、康养科
对于S2和S3中诊断完成的管网数据进行更新入库,新建、改建排水设施数据,对于竣工资料及竣工效果进行验证,对于排水管网的运维数据进行分析,解决管网的全生命周期维护问题,通过和合排水的应用,将和合管网模型和在线监测结合,通过从感知系统及神经系统的多个角度全方位与管网医院各个科室相结合,通过和合排水的智慧平台,做到长久有效的智慧管控,确保排水管网健康长效运行,和合排水配合深度神经网络算法对S3内科中的大数据分析模型进行多轮分析处理,将单轮分析结果及模型变化进行记录,通过多轮对比最终可以得出管网的动向趋势,以便于对管网进行日常的定点养护,提升管网的实际使用寿命,通过深度神经网络算法使得系统对管网模型建立过程中进行不断的自我学习,不断提升对管网模型建立的精准度;
深度神经网络算法的计算公式如下:令f(x;ω)表示一个深度神经网络,ω为网络参数,在使用小批量梯度下降进行优化时,每次选取K个训练样本δt={(x(k),y(k))}Kk=1。第t次迭代(Iteration)时损失函数关于参数ω的偏导数为;
其中L(·)为可微分的损失函数,K称为批量大小(Batch Size)
第t次更新的梯度gt定义为;
使用梯度下降来更新参数;
ωt←ωt-1-αgt
其中α>0为学习率。
综上所述,该一种排水管网诊断及管理方法,使用时一种排水管网诊断及管理方法包括以下具体步骤:
通过和合排水软件将厂、站、网、河和湖不同数据源的管网数据进行批量导入,不限于CAD、ArcGIS,也可以通过人工输入管网的管线、节点、泵站等相关图形信息,确保数据的标准化,提高后续对管网的排查精准度,并对数据进行梳理、复核,检查管网数据的完整性和准确性,然后根据地形图,自动提取相关节点的地面高程,根据窨井、雨水口和管线,进行汇水区的自动划分,对连通的管线自动完成剖面图;
通过对排水设施基本属性拓扑分析、现有排水设施数据的校核与修正、监测点位优化调整,结合和合排水对S1中的测绘管网剖面图进行分析,对可疑突变点进行自动识别、亮显,和合排水对管网测绘数据进行拓扑连接关系进行分析,采用排水管网数值化诊断评估技术,将管网模型和在线监测结合,通过通过智慧排水检测,评估排水管网的运行状况,诊断雨污混接、错接和管网破损的情况,并及时对不符合标准的混接、错接及管径和排口进行修正更换;
配合和合排水的应用,将和合管网模型和在线监测结合,经过算法,实时在线诊断排水管网运行状况,包括雨污混接、管网破损、河湖水倒灌,针对流域生活源、工业源、农业源及地下水入渗的情况,尤其是工业源的超标排放情况,建立流域水污染物特征数据库,以和合管网模型内含的水质特征因子算法,实现水质超标溯精准源分析,对河湖重点排水口、溢流口等建立智慧化管控体系,及时发现异常突发排放情况,并可依托和合排水模型进行精准溯源,第一时间采取控制措施,提升管网的诊断效率,污染的溯源和河湖排口的管理,实现污水“零直排”管理,实现数字水库的预警及调度、内涝预警及调度、防潮预警及调度、“厂站网河”联合调度,通过在生活小区、工业园区等污水零直排区企业污排口、雨排口、附近河道等建立水位水量、污染物指标在线监控,通过水位水量、污染物指标等大数据分析,建立零直排区长效管控机制,接入气象预报结果、水雨情监测数据,通过水库洪水预报模型,实时预测水库可能出现的入库洪水情和最高水位、库区淹没范围及经济损失等信息,实现洪水预报和智慧调度,接入实时水雨情监测数据,通过和合管网河道水库潮汐耦合模型,实时预测城区内涝点及淹没范围、水深等信息,提前进行洪水预报和智慧调度;
对于S2和S3中诊断完成的管网数据进行更新入库,新建、改建排水设施数据,对于竣工资料及竣工效果进行验证,对于排水管网的运维数据进行分析,解决管网的全生命周期维护问题,通过和合排水的应用,将和合管网模型和在线监测结合,通过从感知系统及神经系统的多个角度全方位与管网医院各个科室相结合,通过和合排水的智慧平台,做到长久有效的智慧管控,确保排水管网健康长效运行,和合排水配合深度神经网络算法对S3内科中的大数据分析模型进行多轮分析处理,将单轮分析结果及模型变化进行记录,通过多轮对比最终可以得出管网的动向趋势,以便于对管网进行日常的定点养护,提升管网的实际使用寿命,通过深度神经网络算法使得系统对管网模型建立过程中进行不断的自我学习,不断提升对管网模型建立的精准度。
Claims (5)
1.一种排水管网诊断及管理方法,其特征在于,包括以下步骤:
S1、信息科;
S2、外科;
S3、内科;
S4、康养科。
2.根据权利要求1所述的一种排水管网诊断及管理方法,其特征在于,所述一种排水管网诊断及管理方法包括以下具体步骤:
S1、信息科
通过和合排水软件将厂、站、网、河和湖不同数据源的管网数据信息,对排水设施基本属性拓扑分析、现有排水设施数据的校核与修正,对数据进行梳理、复核,检查管网数据的完整性和准确性,确保数据的标准化,提高后续对管网的排查精准度,然后进行导入,不限于CAD、ArcGIS,也可以通过人工输入管网的管线、节点、泵站等相关图形信息,然后根据地形图,自动提取相关节点的地面高程,根据窨井、雨水口和管线,进行汇水区的自动划分,对连通的管线自动完成剖面图;
S2、外科
系统地对管网信息准确性进行检查,对测绘单位提供的信息,协助业主接收成果,对不符合要求的成果,不予入库,结合模型分析及对部分抽检测绘摸排数据进行复核,静态数据诊断,包含原始数据的地上、地下、管径、管长等属性校核;管网连通性;雨污混接分析;管道摩阻分析;错误数据再测绘分析;溢流点位;排口倒灌分析;提升泵站数据分析;现有CCTV数据诊断分析;边界条件分析;监测点定位分析;外河水位变化曲线分析等;
通过对排水设施基本属性拓扑分析、现有排水设施数据的校核与修正、监测点位优化调整,结合和合排水对S1中的测绘管网剖面图进行分析,对可疑突变点进行自动识别、亮显,和合排水对管网测绘数据进行拓扑连接关系进行分析,采用排水管网数值化诊断评估技术,将管网模型和在线监测结合,通过通过智慧排水检测,评估排水管网的运行状况,诊断雨污混接、错接和管网破损的情况,并及时对不符合标准的混接、错接及管径和排口进行修正更换;
可以按照水文条件和地形地貌,进行水库容积的优化设计,可以进行水库排水口、管网泄洪口、拦河坝的设计与模拟,可以将地面边沟和地下管网相结合,实现窨井溢流模拟与控制,可以同时实现降雨、地面、径流、管道、河道径流以及LID设计与模拟,可对水质特性因子进行计算,量化分析混接、客水来源,进行实际工程的方案比较设计与模拟,把苏联的设计规范与美国模拟理论相结合,直接应用中国暴雨强度公,可以通过专门窗口放大缩小显示选择区域,可进行最少10个窗口打开,并在10个屏幕上连动显示;
S3、内科
配合和合排水的应用,将和合管网模型和在线监测结合,经过算法,实时在线诊断排水管网运行状况,包括雨污混接、管网破损、河湖水倒灌,针对流域生活源、工业源、农业源及地下水入渗的情况,尤其是工业源的超标排放情况,建立流域水污染物特征数据库,以和合管网模型内含的水质特征因子算法,实现水质超标溯精准源分析,对河湖重点排水口、溢流口等建立智慧化管控体系,及时发现异常突发排放情况,并可依托和合排水模型进行精准溯源,第一时间采取控制措施,提升管网的诊断效率,污染的溯源和河湖排口的管理,实现污水“零直排”管理,实现数字水库的预警及调度、内涝预警及调度、防潮预警及调度、“厂站网河”联合调度,通过在生活小区、工业园区等污水零直排区企业污排口、雨排口、附近河道等建立水位水量、污染物指标在线监控,通过水位水量、污染物指标等大数据分析,建立零直排区长效管控机制,接入气象预报结果、水雨情监测数据,通过水库洪水预报模型,实时预测水库可能出现的入库洪水情和最高水位、库区淹没范围及经济损失等信息,实现洪水预报和智慧调度,接入实时水雨情监测数据,通过和合管网河道水库潮汐耦合模型,实时预测城区内涝点及淹没范围、水深等信息,提前进行洪水预报和智慧调度;
通过大数据的收集结合大数据模型的建立,使得便于对管网进行基础数据管理、管道缺陷管理、辅助规划分析和数据更新管理,通过大数据分析模型的建立,便于查看管道相应的缺陷信息、缺陷图片、缺陷视频等,操作员对排水管网缺陷数据进行结构缺陷、功能缺陷等属性的条件查询,将显示在查询结果区域中,支持点击定位、属性查看、数据导出等,从而实现管网问题的快速解决;
通过动态数据实时监测诊断,提质增效一厂一策诊断;通过水质特征因子在线检测及模型分析,评估排水管网的运行状况,诊断雨污混接、错接、管网破损及河水倒灌等问题,内涝、溢流CSO、SSO诊断;基于监测的内涝预警,溢流防治策略,污染回溯,排口排污量分析,基于降雨的RTK参数分析,基于河道水位变化分析,调蓄设施及排口分析;
S4、康养科
对于S2和S3中诊断完成的管网数据进行更新入库,新建、改建排水设施数据,对于竣工资料及竣工效果进行验证,对于排水管网的运维数据进行分析,解决管网的全生命周期维护问题,通过和合排水的应用,将和合管网模型和在线监测结合,通过从感知系统及神经系统的多个角度全方位与管网医院各个科室相结合,通过和合排水的智慧平台,做到长久有效的智慧管控,确保排水管网健康长效运行,和合排水配合深度神经网络算法对S3内科中的大数据分析模型进行多轮分析处理,将单轮分析结果及模型变化进行记录,通过多轮对比最终可以得出管网的动向趋势,以便于对管网进行日常的定点养护,提升管网的实际使用寿命,通过深度神经网络算法使得系统对管网模型建立过程中进行不断的自我学习,不断提升对管网模型建立的精准度;
深度神经网络算法的计算公式如下:令f(x;ω)表示一个深度神经网络,ω为网络参数,在使用小批量梯度下降进行优化时,每次选取K个训练样本δt={(x(k),y(k))}Kk=1,第t次迭代(Iteration)时损失函数关于参数ω的偏导数为;
其中L(·)为可微分的损失函数,K称为批量大小(Batch Size)
第t次更新的梯度gt定义为;
使用梯度下降来更新参数;
ωt←ωt-1-αgt
其中α>0为学习率。
3.根据权利要求2所述的一种排水管网诊断及管理方法,其特征在于:所述步骤S2外科中拓扑连接关系主要包括污水溢流排放口、孤立管段、大管接小管、逆坡和雨污混接管段。
4.根据权利要求2所述的一种排水管网诊断及管理方法,其特征在于:所述步骤S2外科中智慧排水检测主要包括液位、流量、CCTV探测、在线监测和模型动态分析。
5.根据权利要求2所述的一种排水管网诊断及管理方法,其特征在于:所述步骤S3内科中的算法具体为水质特征因子算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210525821.1A CN114942948A (zh) | 2022-05-12 | 2022-05-12 | 一种排水管网诊断及管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210525821.1A CN114942948A (zh) | 2022-05-12 | 2022-05-12 | 一种排水管网诊断及管理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114942948A true CN114942948A (zh) | 2022-08-26 |
Family
ID=82907736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210525821.1A Pending CN114942948A (zh) | 2022-05-12 | 2022-05-12 | 一种排水管网诊断及管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114942948A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115577506A (zh) * | 2022-09-22 | 2023-01-06 | 长江生态环保集团有限公司 | 污水管网问题预诊断及精准排查的方法 |
CN116126963A (zh) * | 2022-12-30 | 2023-05-16 | 哈尔滨航天恒星数据系统科技有限公司 | 非线性多源异构排水模型诊断入流入渗方法 |
CN116658831A (zh) * | 2023-05-29 | 2023-08-29 | 青岛沃泰水技术设备制造有限公司 | 一种基于深度学习的智慧排水管线实时监测预警系统 |
-
2022
- 2022-05-12 CN CN202210525821.1A patent/CN114942948A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115577506A (zh) * | 2022-09-22 | 2023-01-06 | 长江生态环保集团有限公司 | 污水管网问题预诊断及精准排查的方法 |
CN115577506B (zh) * | 2022-09-22 | 2023-08-25 | 长江生态环保集团有限公司 | 污水管网问题预诊断及精准排查的方法 |
CN116126963A (zh) * | 2022-12-30 | 2023-05-16 | 哈尔滨航天恒星数据系统科技有限公司 | 非线性多源异构排水模型诊断入流入渗方法 |
CN116658831A (zh) * | 2023-05-29 | 2023-08-29 | 青岛沃泰水技术设备制造有限公司 | 一种基于深度学习的智慧排水管线实时监测预警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114942948A (zh) | 一种排水管网诊断及管理方法 | |
CN110298076B (zh) | 一种基于gis和swmm的城市内涝智能建模及分析方法 | |
CN106382471B (zh) | 一种考虑关键节点的城市排水管网诊断评估方法 | |
CN103559775B (zh) | 城市洪涝灾害预警系统及方法 | |
CN112001610B (zh) | 农业面源污染的处理方法及装置 | |
CN109409694B (zh) | 基于实测值的地块海绵城市绩效考核指标计算方法 | |
WO2021259009A1 (zh) | 深层污水排水隧道的调度运行方法、装置和计算机设备 | |
CN115545678A (zh) | 一种基于水环境画像与污染物溯源的水质监测方法 | |
CN108376318A (zh) | 一种排水管网入流入渗评估方法及系统 | |
CN110838079A (zh) | 一种智慧城市防洪排水远程监控系统及方法 | |
CN110472887B (zh) | 流域管网-河道模型耦合的降雨对河流水质影响解析方法 | |
CN110287615B (zh) | 基于遥感解译和降雨实验的雨水径流污染负荷测算方法 | |
CN114647881B (zh) | 顾及建筑物微观水文过程的城市内涝建模方法 | |
CN104483465A (zh) | 一种生态植草沟模拟实验装置及实验操作方法 | |
CN110533258B (zh) | 一种稻麦轮作农田涝渍预警评估方法及系统 | |
Dirckx et al. | Groundwater Infiltration Potential (GWIP) as an aid to determining the cause of dilution of waste water | |
CN113011903A (zh) | 基于gis和水力模型的水污染精准溯源方法 | |
CN115577506A (zh) | 污水管网问题预诊断及精准排查的方法 | |
CN113836622A (zh) | 一种基于gis+bim的排水管网信息管理与综合应用系统 | |
CN116227362A (zh) | 一种基于图与深度学习的市政排水管网状态预测方法 | |
CN116562060B (zh) | 基于智慧城市的雨污管网数据分析系统及方法 | |
CN109840870A (zh) | 一种排水系统网格化管理模式分析方法及储存其的介质 | |
Zhiming et al. | Risk evaluation of urban rainwater system waterlogging based on neural network and dynamic hydraulic model | |
Wang et al. | The improved analytical stochastic model of infiltration trenches for stormwater quantity control | |
CN116126963A (zh) | 非线性多源异构排水模型诊断入流入渗方法 |
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 |