基于CUSUM算法的给水管网爆管检测分析

给水管网是城市重要的基础设施之一,负担着输水配水的重要任务,但目前爆管事故频发,严重影响了人们的生产和生活。CUSUM算法利用观测值与目标值偏差的累积进行绘图,具有能对较小异常变化作出明显反应、以及累积滤波的优点。针对以上两个优点提出一种基于CUSUM算法的给水管网爆管检测方法,并对使用条件进行了验证,最后利用实例进行了算法验证并对CUSUM图进行了分析。结果表明,CUSUM算法能很好地检测到管网中的爆管并有效的避免误报。

基于相空间重构的BP供水量预测模型的改进

基于相空间重构的BP预测模型是目前较为先进的预测技术,对于非线性非平稳的城市供水系统的预测较为适用。训练样本与此模型预测精度密切相关,而传统方法通常将整个相空间作为训练样本,这样可能会引入"伪训练样本",导致预测精度的降低。鉴于此,将演化追踪法引入城市日供水量预测,用来优选相空间数据作为此模型的训练样本,以提高预测精度。采用实际日供水量数据验证所提出方法,结果表明,运用演化追踪法优选的训练样本能显著提高日供水量预测精度,预测平均绝对误差由1.857%降低到1.447%。

局域法邻近点选取对降雨量预测精度影响研究

基于混沌理论的局域法对非线性、非平稳的降雨系统的预测较为适用,而邻近点个数与混沌局域法预测精度密切相关,但在运用该模型对降雨量预测时却鲜有人考虑邻近点个数问题,邻近点个数选择过少可能将历史运动趋势忽略,选取过多将加大计算量,甚至引入伪邻近点,导致预测精度降低。鉴于此,研究了BIC信息准则用于混沌局域法的邻近点个数的确定,并采用实测月降雨量数据验证所提出方法。结果表明,运用BIC信息准则优选邻近点能显著提高月降雨量预测精度,预测的平均绝对误差由3.640%降低到2.511%。

我国农村火灾统计分析研究

农村消防是社会消防的一项重要内容,但由于农村经济发展不平衡,一旦发生火灾,往往无法及时扑救,造成房屋、财产损失巨大。如果不对农村火灾引起足够重视,将会影响社会治安、经济发展的稳定,最终导致新农村的建设无法定期完成。本文结合我国农村十年的火灾统计数据,分析我国目前的农村火灾基本情况,并与我国十年来的总体的火灾数据进行了对比。最后分析得出农村火灾发生规律,并针对当前农村火灾频发的原因提出相应解决措施。

基于小波分析的供水管网爆管信号检测

供水管网系统是城市重要的基础设施之一,负担着输水供水的重要任务,但目前爆管事故频发,严重影响了人们的生产、生活。针对这一问题,首先采用小波分析处理管网压力信号,根据处理后的高频信息判断出明显的故障点,对于疑似存在的故障点利用拉依达准则对处理后的高频信息进行处理从而找出剩余的故障点。采用实例对所提出的方法进行验证,结果表明,将该方法用于供水管网爆管信号检测可行。

综合法优选局域邻近点的供水量预测模型

基于混沌理论的局域法是目前较先进的预测技术,对于非线性、非平稳特征较强的城市日供水系统的预测,通常混沌局域法更适用。混沌局域法的日供水量预测,最重要的就是对历史信息的利用,即对邻近点的选择和利用,但在运用混沌局域法对城市日供水量预测时却鲜有人考虑邻近点选取问题,或仅考虑邻近点个数与邻近点位置中的一个,很少没有人将2种情况综合考虑的研究。据此,运用BIC信息准则和衰减系数相结合对相空间重构进行数据挖掘,优选混沌局域法的邻近点,并用该模型对实际水厂日供水量进行了预测。结果表明,运用该方法能显著提高日供水量预测精度,预测平均绝对误差仅为1.06%,说明该综合法是可行的。

基于LM-BP的供水管网爆管研究

供水管网正常运行是人们生产生活的基本保障,针对供水管网爆管检测问题,采用Water GEMS对实例管网进行模拟仿真,并对管网进行压力监测点的优化布置。以监测点的压力数据作为输入,爆管程度作为输出,证明了经LM法优化的BP神经网络具有更好的收敛速度和稳定性,最后利用LM-BP对实例管网进行爆管检测,给出了实例管网中各管段可检测的最小爆管流量。

混沌局域法与神经网络组合供水量预测

城市供水量是非线性、非平稳时间序列,组合预测模型能获得更高精度预测结果。通过深入分析混沌局域法与神经网络预测模型特点,提出了一种新的组合预测模型。首先,应用混沌局域法对城市日供水量进行初预测,然后,应用神经网络对预测结果进行修正。由于所提出的组合模型利用了混沌局域法及神经网络进行优势互补,能同时提高预测精度与计算效率。为验证所提出组合预测模型的可行性,采用某市7a实测供水量数据,对混沌局域法、BPNN、RBF及GRNN神经网络4种单一预测模型及相应的3种组合模型预测精度进行定量分析,结果表明,组合预测模型精度都高于对应单一预测模型,混沌局域法与GRNN神经网络组合模型预测精度最高,且运算时间远低于单一神经网络模型运算时间。

豆制品加工废水处理工程改扩建

为满足某豆制品产业园区发展需要,对其废水处理工程改扩建。在原有好氧处理工艺基础上,设计采用UASB-缺氧-好氧的组合工艺处理豆制品加工废水。工程运行结果表明,出水CODCr质量浓度为30~48 mg/L,BOD5质量浓度为6.7~12.5 mg/L,NH3-N质量浓度为3.4~7.3 mg/L,出水水质达到GB 18918—2002《城镇污水处理厂污染物排放标准》中一级B标准。

局域法邻近点选取对供水量预测精度的影响

混沌局域法预测模型适用于非线性、非平稳的城市日供水量预测,而邻近相点个数的选取对该模型预测精度有直接影响。传统方法通常以嵌入维m作为参考值,凭经验选取m+1个邻近相点,且仅使用欧式距离法计算当前相点距离,无法反映相点的运动趋势,易引入伪邻近相点,导致预测精度的降低。鉴于此,将演化追踪法引入城市日供水量预测,通过挖掘邻近相点的历史演化规律对参考样本进行优选,以提高预测精度。最后,采用实际日供水量数据验证所提出方法,结果表明,运用演化追踪法优选邻近相点能显著提高日供水量预测精度,预测平均绝对误差由2.501%降低到1.683%。

基于级联神经网络的年降雨量预测

降雨量是农业生产的一个重要影响因素,如何准确预测降雨量成为指导农业、水利等一项重要的科技指标。从信息利用角度来看,单一预测模型仅能利用降雨量数据部分有效信息,而组合模型将单一模型的优势互补,可获得更佳的预测效果。基于神经网络理论的快速发展及级联神经网络预测模型被广泛应用于各个方面并取得了很好的结果,针对降雨量曲线的特点,深入分析BP神经网络及RBF神经网络发现,BP神经网络可很好的拟合对降雨量有很大影响的气候信息和其它因素,输出同一类型的降雨量影响信息;RBF网络的特点就是可很好地提取同一类信息特征,二者的组合可很大程度的提高降雨量预测精度。鉴于此,将BP-RBF级联神经网络引入降雨量预测研究中,实例计算表明,该方法高于单一神经网络预测精度,证明该方法应用于降雨量预测是合理有效的。

低压供水管网水力分析研究进展

从水力方程求解及节点流量-压力关系率定两个方面梳理了低压供水管网水力分析研究进展。研究发现,当前成果尚不足以解决实际工程问题,并针对节点流量-压力关系指出有如下3点需要解决:(1)不同建筑及管网节点流量-压力曲线中额定压力及最低压力的率定;(2)不同建筑及管网中VDD与PDD卫生器具比例的确定;(3)包含不同比例VDD及PDD类型卫生器具的节点流量-压力曲线的率定,以及简化率定方法研究。针对上述问题,提出应用蒙特卡洛模拟对低压供水时建筑用水进行数值仿真。