基于改进SHAP的城市供水管网爆管主影响因素研究

城市供水管网爆管事件频发,基于爆管主影响因素的风险评估研究亟待深入开展。主影响因素识别是爆管风险评估准确性的重要基础,现有爆管风险评估模型研究缺乏对爆管主影响因素的分析,导致模型精度偏低。本文提出基于信息增益率权值的改进SHAP法(SHapley Additive ex Planation),改善了多影响因素共同作用时各个特征的shapley值区分度较小、误差较大的问题。使得特征区分度较好、误差降低,有利于影响爆管的主影响因素更容易被自来水公司发觉。对爆管评估模型进行主影响因素分析结果表明,基于改进SHAP法获得的爆管主影响因素有利于提高供水管道爆管风险评估的准确率。

结合粗糙集属性约简和夜间用水量分析的漏损识别研究

DMA(district metering area)小区的漏损判断一般采用夜间最小流量法(minimum night flow),其对小区计量设备的精度和采样频率有较高要求,中小城市DMA居民小区因为整体用水量偏小的原因,夜间最小小时流量往往与远传水表的最小计量单位在同一数量级,影响了远传水表数据精度,基于夜间最小流量法识别漏损的应用面临困难。针对以上问题,本文提出一种利用夜间累积用水量判断DMA居民小区是否发生漏损的方法。该方法通过邻域粗糙集的属性约简算法,找到居民小区夜间累积用水量的主影响因素,建立了夜间累积用水量与日用水量、是否周末、最低气温等主影响因素之间的关系模型。结果表明,基于修正后的夜间累积用水量关系模型有效提升居民小区漏损发生的识别能力,提高识别精度,降低误报率。