專利名稱：城市供水管網(wǎng)爆管預(yù)測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于城市供水管網(wǎng)爆管的預(yù)測(cè)方法類，尤其適用爆管歷史數(shù)據(jù)有限的情況，具體來說，涉及供水管網(wǎng)爆管預(yù)測(cè)方法。
背景技術(shù)：
供水管網(wǎng)是城市最重要的基礎(chǔ)設(shè)施之一，是保證城市生產(chǎn)、生活正常運(yùn)行的不可或缺的條件。但是，近幾年來，供水管網(wǎng)爆管事故頻發(fā)，一方面嚴(yán)重影響人們的正常生活，另一方面也造成了大量凈水資源的浪費(fèi)。因此，對(duì)供水管網(wǎng)爆管的預(yù)測(cè)和預(yù)知就顯得尤為重要。許多專家和學(xué)者曾對(duì)供水管網(wǎng)爆管預(yù)測(cè)進(jìn)行了大量的探索和研究，以建立傳統(tǒng)爆管數(shù)學(xué)模型、爆管預(yù)警系統(tǒng)等為主要成果。但是，由于供水管網(wǎng)爆管本身的不確定性、影響因素的多變性、實(shí)際供水管網(wǎng)的復(fù)雜性，建立爆管預(yù)測(cè)數(shù)學(xué)模型比較困難且預(yù)測(cè)精度不高。針對(duì)供水管網(wǎng)爆管的以上特點(diǎn)，提出了一種新的供水管網(wǎng)爆管模糊預(yù)測(cè)方法即基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)雜合變精度粗糙集的供水管網(wǎng)爆管預(yù)測(cè)方法。

發(fā)明內(nèi)容
本發(fā)明旨在克服現(xiàn)有技術(shù)的不足，提供一種新的城市供水管網(wǎng)爆管預(yù)測(cè)方法，以解決傳統(tǒng)的爆管數(shù)學(xué)模型預(yù)測(cè)中因數(shù)據(jù)收集有限及爆管發(fā)生的不確定性而導(dǎo)致預(yù)測(cè)精度不高的問題，建立爆管預(yù)測(cè)模型，為城市供水管網(wǎng)爆管提供一種新的研究基礎(chǔ)。為此，本發(fā)明采取的技術(shù)方案是，城市供水管網(wǎng)爆管預(yù)測(cè)方法，包括如下步驟:(I)獲取被測(cè)供水管網(wǎng)的爆管率及對(duì)其有影響的其他相關(guān)影響因素的歷史數(shù)據(jù)作為檢測(cè)的數(shù)據(jù)；(2)建立自適應(yīng)神經(jīng)網(wǎng)絡(luò)雜合變精度粗糙集的供水管網(wǎng)爆管預(yù)測(cè)模型；(3)供水管網(wǎng)爆管預(yù)測(cè)模型的訓(xùn)練和測(cè)試分析；(4)利用通過測(cè)試的供水管網(wǎng)爆管預(yù)測(cè)模型預(yù)測(cè)供水管網(wǎng)的爆管率。所述的對(duì)供水管網(wǎng)爆管有影響的其他相關(guān)影響因素有管材、道路類型、路面材質(zhì)。在獲取供水管網(wǎng)的爆管率時(shí)，為保證預(yù)測(cè)精度，以單位管長的爆管率*1000作為爆管率預(yù)測(cè)數(shù)據(jù)；并將包括管材、道路類型、路面材質(zhì)的爆管的影響因素按照層次分析法歸一化到0-1之間，具體歸一化數(shù)值見表1、表2、表3 ；表I不同管材影響爆管權(quán)重
權(quán)利要求
1.一種城市供水管網(wǎng)爆管預(yù)測(cè)方法，其特征是，包括如下步驟: (1)獲取被測(cè)供水管網(wǎng)的爆管率及對(duì)其有影響的其他相關(guān)影響因素的歷史數(shù)據(jù)作為檢測(cè)的數(shù)據(jù)； (2)建立自適應(yīng)神經(jīng)網(wǎng)絡(luò)雜合變精度粗糙集的供水管網(wǎng)爆管預(yù)測(cè)模型； (3)供水管網(wǎng)爆管預(yù)測(cè)模型的訓(xùn)練和測(cè)試分析； (4)利用通過測(cè)試的供水管網(wǎng)爆管預(yù)測(cè)模型預(yù)測(cè)供水管網(wǎng)的爆管率。
2.如權(quán)利要求1所述的城市供水管網(wǎng)爆管預(yù)測(cè)方法，其特征是，所述的對(duì)供水管網(wǎng)爆管有影響的其他相關(guān)影響因素有管材、道路類型、路面材質(zhì)。
3.如權(quán)利要求1所述的城市供水管網(wǎng)爆管預(yù)測(cè)方法，其特征是，在獲取供水管網(wǎng)的爆管率時(shí)，為保證預(yù)測(cè)精度，以單位管長的爆管率*1000作為爆管率預(yù)測(cè)數(shù)據(jù)；并將包括管材、道路類型、路面材質(zhì)的爆管的影響因素按照層次分析法歸一化到0-1之間，具體歸一化數(shù)值見表1、表2、表3 ; 表I不同管材影響爆管權(quán)重
4.如權(quán)利要求1所述的城市供水管網(wǎng)爆管預(yù)測(cè)方法，其特征是，自適應(yīng)神經(jīng)網(wǎng)絡(luò)雜合變精度粗糙集的供水管網(wǎng)爆管預(yù)測(cè)模型涉及以下兩個(gè)階段:利用變精度粗糙集簡約信息系統(tǒng)及發(fā)現(xiàn)知識(shí):包括數(shù)據(jù)收集、選擇及預(yù)處理；決策表的構(gòu)造，再由簡約數(shù)據(jù)集訓(xùn)練神經(jīng)網(wǎng)絡(luò)建立預(yù)測(cè)模型；該模型實(shí)現(xiàn)模擬的過程是采用反向傳播算法和梯度學(xué)習(xí)法的混合算法調(diào)整前提參數(shù)和結(jié)論參數(shù)，神經(jīng)元的變換函數(shù)是S型函數(shù)，輸出量為O到I之間的連續(xù)量。
5.如權(quán)利要求1所述的城市供水管網(wǎng)爆管預(yù)測(cè)方法，其特征是，所述的對(duì)供水管網(wǎng)爆管預(yù)測(cè)模型進(jìn)行訓(xùn)練和測(cè)試是指，將收集到的管材、道路類型、路面材質(zhì)和相應(yīng)的爆管率作為一組數(shù)據(jù)，將所有收集到的數(shù)據(jù)分為兩部分，前80%作為訓(xùn)練樣本，后20%作為檢驗(yàn)樣本。
6.如權(quán)利要求1所述的城市供水管網(wǎng)爆管預(yù)測(cè)方法，其特征是，所述的對(duì)供水管網(wǎng)爆管預(yù)測(cè)模型進(jìn)行訓(xùn)練和測(cè)試進(jìn)一步包括:調(diào)用訓(xùn)練樣本β_簡約的條件屬性、決策屬性和仿真樣本β-簡約的條件屬性，輸入包括管材、道路類型、路面材料的情況和爆管率的原始數(shù)據(jù)，對(duì)以上數(shù)據(jù)和目標(biāo)矩陣做歸一化的處理并設(shè)置歸一化處理后的最大最小值，利用處理好的數(shù)據(jù)對(duì)網(wǎng)絡(luò)采用梯度下降法進(jìn)行訓(xùn)練，訓(xùn)練次數(shù)為50000次，且每1000次輪回顯示一次結(jié)果，再設(shè)置該系統(tǒng)的學(xué)習(xí)速度和均方差，隨著訓(xùn)練的進(jìn)行，得到一系列的仿真數(shù)據(jù)，把它們還原為原始的數(shù)據(jù)，并用原始數(shù)據(jù)仿真結(jié)果和已知的數(shù)據(jù)進(jìn)行逐個(gè)對(duì)比測(cè)試得出誤差，若誤差小于指定精度則學(xué)習(xí)結(jié)束，否則，繼續(xù)學(xué)習(xí)，直到誤差達(dá)到0.000001時(shí)學(xué)習(xí)停止。
7.如權(quán)利要求1所述的城市供水管網(wǎng)爆管預(yù)測(cè)方法，其特征是，利用通過測(cè)試的供水管網(wǎng)爆管預(yù)測(cè)模型預(yù)測(cè)供水管網(wǎng)的爆管率具體為，輸入歸一化的0-1之間的數(shù)據(jù)，再輸入到建立的供水管網(wǎng)爆管預(yù)測(cè)模型中通過網(wǎng)絡(luò)運(yùn)算后得到爆管率的預(yù)測(cè)值。
8.如權(quán)利要求1所述的城市供水管網(wǎng)爆管預(yù)測(cè)方法，其特征是，自適應(yīng)神經(jīng)網(wǎng)絡(luò)雜合變精度粗糙集共有5層，第一層為輸入層，第二層為模糊化層，第三層為模糊推理層，第四層為決策層，第五層為輸出層； 第一層為輸入層，該層的輸入為特征向量X的精確值，即精確條件屬性；神經(jīng)元個(gè)數(shù)η為簡約后的條件屬性個(gè)數(shù)，特征向量X = [X1, X2-.., χη]，即把爆管率作為節(jié)點(diǎn)輸入的一個(gè)狀態(tài)變量，X為輸入爆管率的數(shù)據(jù)； 第二層為模糊化層，當(dāng)給輸入層一個(gè)輸入向量時(shí)，必須確定其與每個(gè)相應(yīng)隱層之間的聯(lián)系，與第t個(gè)輸入節(jié)點(diǎn)相聯(lián)接的一組神經(jīng)元的作用是對(duì)輸入向量第t個(gè)分量進(jìn)行的解釋，對(duì)精度值模糊化，該層的神經(jīng)層函數(shù)為各離散值對(duì)應(yīng)的模糊隸屬函數(shù)，徑向基神經(jīng)網(wǎng)絡(luò)采用徑向基函數(shù)，采用高斯函數(shù)進(jìn)行神經(jīng)網(wǎng)絡(luò)的傳遞的激活函數(shù)， 神經(jīng)元作用 函數(shù)為Gauss函數(shù)，以高斯傳遞函數(shù)和馭(-UW/,)表示，其中i=1,2,...,η叫、匕、Cp (Ii是高斯修正參數(shù)； 以某一節(jié)點(diǎn)為例，傳遞函數(shù)高斯化，則:
全文摘要
本發(fā)明屬于城市供水管網(wǎng)爆管的預(yù)測(cè)方法類，為提供一種新的城市供水管網(wǎng)爆管預(yù)測(cè)方法，以解決預(yù)測(cè)精度不高的問題，建立爆管預(yù)測(cè)模型，為城市供水管網(wǎng)爆管提供一種新的研究基礎(chǔ)。為此，本發(fā)明采取的技術(shù)方案是，城市供水管網(wǎng)爆管預(yù)測(cè)方法，包括如下步驟(1)獲取被測(cè)供水管網(wǎng)的爆管率及對(duì)其有影響的其他相關(guān)影響因素的歷史數(shù)據(jù)作為檢測(cè)的數(shù)據(jù)；(2)建立自適應(yīng)神經(jīng)網(wǎng)絡(luò)雜合變精度粗糙集的供水管網(wǎng)爆管預(yù)測(cè)模型；(3)供水管網(wǎng)爆管預(yù)測(cè)模型的訓(xùn)練和測(cè)試分析；(4)利用通過測(cè)試的供水管網(wǎng)爆管預(yù)測(cè)模型預(yù)測(cè)供水管網(wǎng)的爆管率。本發(fā)明主要應(yīng)用于城市供水管網(wǎng)爆管的預(yù)測(cè)。
文檔編號(hào)G06Q50/06GK103226741SQ201310173420
公開日2013年7月31日 申請(qǐng)日期2013年5月10日 優(yōu)先權(quán)日2013年5月10日
發(fā)明者田一梅, 張海亞, 吳卿, 馮宇希, 趙鵬, 趙勝躍 申請(qǐng)人:天津大學(xué)