一种排水管网监测点的自动识别方法技术

本发明专利技术公开了一种排水管网监测点的自动识别方法，包括：收集信息建立目标区域的排水管网模型，设置多种情景模拟得到各情景下所有节点监测指标对应的状态曲线，对节点进行初步分组；计算节点状态曲线间相关性，加权平均得到相关性矩阵，依据相关性大小进行聚类；根据聚类情况，在同类节点中选择与其他点平均相关性最大的作为代表性监测点；对代表性监测点进行检验和调整，确定最终监测方案，并给出监测方案优劣的定量化评价指标。本发明专利技术具有如下优点：降低人为制定方案时对管网运行规律认识的局限性，避免人为设定监测点的主观性，减少人工工作量，确保监测点代表性，给出监测方案的定量化评估结果，较少节点的监测即可全面反映排水管网运行状况。

【技术实现步骤摘要】

本专利技术涉及城市水系统监测点的设计与布置领域，具体设计一种可对排水管网进行监测点自动识别的方法。
技术介绍
针对海绵城市建设的绩效评估以及黑臭水体整治情况的监测评估，都需要以实际监测数据为依据进行定量化考核，排水管网的监测是其中的关键点之一。在排水管网的规划、管理、评估与诊断等环节，均需要真实在线监测数据的支撑。监测点的合理布置，可以优化监测系统的建设方案，优化监测方案建设资金的投入效果，并通过在线监测数据全面反映整个排水管网的运行状态。但目前缺少一套系统性的技术方法来科学合理的选择监测点，对监测方案的优劣及监测点的代表性无法进行定量化评估。目前我国对排水管网监测点的布置主要是设立一定的原则，根据已有的经验进行人工的筛选和精简，以人工经验为主，缺乏客观定量化指标反映监测方案的优劣及代表性，监测点的选择并未站在系统整体层面，未考虑排水管网的复杂拓扑关系，未考虑不同工况下的综合监测需求，严重影响了排水管网监测点识别的效率和监测点所具有的代表性。主要表现如下：(1)关于排水管网监测点的设置原则尚无统一标准，在不同区域不同城市对排水管网进行监测时，可能会根据不同的原则来进行监测点的布置，使得所得到的结果不能客观反映排水管网的运行情况，缺乏可比性。(2)即使根据相似的原则进行监测点的布置，由于是依赖工作人员的主观判断，会产生一定的不确定性，而且耗费了较多的人力和时间。(3)目前监测点的设置方法很少利用排水系统模型进行模拟，但已有的实测数据有限，尤其缺乏对不同工况条件下管网节点规律差异的分析，从而只能在对排水规律认识尚不够全面的情况下对监测点进行筛选和设置。(4)有些设置方法虽然利用了排水系统模型进行模拟，但往往是先进行一定的筛选，只对较少数量的节点进行模拟，这种设置方法已丢失了部分节点的信息，降低了监测点在不同工况下的代表性及有效性。
技术实现思路
本专利技术旨解决上述技术问题。为此，本专利技术的目的在于提出一种排水管网监测点的自动识别方法，直接对所有节点进行采样，并在多种情景下进行模拟，掌握不同工况情景下所有节点变化规律。为了实现上述目的，本专利技术的实施例公开了一种排水管网监测点的自动识别方法，包括以下步骤：S1：收集排水管网信息建立目标区域的排水管网模型，根据监测对象、监测目的及监测指标设置多种不同工况情景，并在所述多种不同工况情景下进行模拟得到各情景下所有节点的监测指标对应的状态曲线，结合管网拓扑结构或所在排水分区对所有节点进行初步分组；S2：在所述多种不同情景下对节点状态曲线进行相关性的计算，根据监测的具体要求对相关性进行加权平均得到相关性矩阵，并根据相关性大小对所述相关性矩阵进行聚类；S3：根据监测目标确定需要聚类的节点，在同类节点中选择与其他点平均相关性最大的点作为代表性监测点；S4：对所述代表性监测点根据所述管网拓扑结构及所代替的监测点数量进行检验和调整，确定最终监测方案，输出所述最终监测方案定量化评估结果。根据本专利技术实施例的排水管网监测点的自动识别方法，利用排水系统模型的模拟，可对所有节点在不同工况条件下的运行状态进行分析，全面掌握所有节点在不同工况情景下的变化规律。以该方法进行排水管网监测点的识别，可降低人为制定方案时对管网运行规律认识的局限性，避免人为设定监测点的主观性，减少了人工工作量，确保了监测点代表性，以较少的经济投入对一定量节点进行监测就可全面反映排水管网的整体运行状况。同时可对监测方案及节点代表性进行定量化评估，支撑海绵城市和黑臭水体整治工作的评估，切实解决国家及行业需求。另外，根据本专利技术上述实施例的排水管网监测点的自动识别方法，还可以具有如下附加的技术特征：进一步地，步骤S1进一步包括：S101：根据收集的排水管网相关资料建立区域排水管网模型，并对所述排水管网模型的相关参数进行设置；S102：根据监测目的确定工况情景，所述工况情景包括降雨强度、降雨雨型、运行水位或水量、以及调控策略中的一种或多种组合；S103：根据所述监测目的选择监测指标对所述排水管网模型的所有节点进行计算得到选定监测指标的时间变化曲线，其中，所述监测指标包括液位、流速、流量的水量指标和SS、COD、TN、TP、NH3-N的水质指标中至少一种指标；S104：对排水管网模型的所有节点进行初步分组。进一步地，步骤S102中，根据降雨强度确定工况情景进一步包括：选取小型降雨、排水管网设计控制标准、海绵城市建设要求及极端大型降雨分别进行模拟，其中，小型降雨对应降雨重现期为2年，排水管网设计控制标准及海绵城市建设要求可对应降雨重现期5—10年，极端大型降雨的重现期为100年。进一步地，步骤S104中，对所述排水管网模型的所有节点依据所述管网拓扑结构、空间地理位置及排水分区进行初步分组。进一步地，步骤S2进一步包括：S201：在不同情景下，分别利用线性回归的方法分析空间分组后组内节点两两间液位曲线的相关性，将其中一个节点不同时刻的液位值作为自变量，另一个节点的值作为因变量，利用最小二乘法计算最佳拟合直线：y＝m1x1+m2x2+…+b其中，y表示一个节点各时刻液位值，x表示另一个节点各时刻液位值，m表示与每个x值对应的系数，b为常量；节点间彼此进行线性回归分析后，可得到不同降雨情景下的附加回归统计值，对其中的判定系数r21ij，r22ij…r2kij进行计算：r2＝ssreg/sstotal＝(sstotal-ssresid)/sstotal其中，r2为判定系数，0≤r≤1，ssreg表示回归平方和，sstotal表示y的实际值和平均值的平方差之和，ssresid表示每一点的y的估计值与实际值的平方差；S202：根据监测和控制目标，对不同情景下的判定系数赋以不同的权重值，计算节点间平均判定系数构成相关性对称矩阵Am×m：其中，表示节点i和节点j之间的相关性平均判定系数，ωk表示不同情景所占权重，0≤ωk≤1且r2kij表示不同情景下节点i和节点j相关性的判定系数，m表示对称矩阵A的行与列；S203：将矩阵A中的判定系数进行从大到小的排序；S204：将判定系数作为设置相关性要求的依据，当相关性要求为1时，所有节点各为一类，相互不可替代，不断降低相关性的要求对节点进行聚类，直至所有节点聚为一类。进一步地，步骤S204进一步包括：将相关性要求降低为第二大的判定系数对应的节点i和j可归为一类，以形成类别H1，其中类别H1中i和j只监测一个，此时需要监测的点个数为m-1；对相关性的要求进一步降低，则有新的节点达到要求而可进行合并，其中，对于某一类节点HO，只要其中任意一个节点O与其他节点P判定系数达到相关性要求，新的节点P或该节点所属分类HP，即可与HO归为新的一类HQ。进一步地，步骤S3进一步包括：S301：根据监测目标和要求，确定总共需要设置的监测点的个数及每组监测点个数，从而确定每组在该监测点数量目标下节点对应的聚类情况；S302：计算同类节点中各节点与其他节点的平均判定系数，将平均判定系数最大的点选为代表性监测点；S303：根据实际情况对判定系数大小进行约束，检验每类中的代表性节点可否满足要求，若无法达到要求则需对监测目标进行适当调整。进一步地，步骤S4进一步包括：S401：对于聚类结果只含有一个节点而作为代表性节点的情况本文档来自技高网...

【技术保护点】
一种排水管网监测点的自动识别方法，其特征在于，包括以下步骤：S1：收集排水管网信息建立目标区域的排水管网模型，根据监测对象、监测目的及监测指标设置多种不同工况情景，并在所述多种不同工况情景下进行模拟得到各情景下所有节点的监测指标对应的状态曲线，结合管网拓扑结构或所在排水分区对所有节点进行初步分组；S2：在所述多种不同情景下对节点状态曲线进行相关性的计算，根据监测的具体要求对相关性进行加权平均得到相关性矩阵，并根据相关性大小对所述相关性矩阵进行聚类；S3：根据监测目标确定需要聚类的节点，在同类节点中选择与其他点平均相关性最大的点作为代表性监测点；S4：对所述代表性监测点根据所述管网拓扑结构及所代替的监测点数量进行检验和调整，确定最终监测方案，输出所述最终监测方案定量化评估结果。

【技术特征摘要】
1.一种排水管网监测点的自动识别方法，其特征在于，包括以下步骤：S1：收集排水管网信息建立目标区域的排水管网模型，根据监测对象、监测目的及监测指标设置多种不同工况情景，并在所述多种不同工况情景下进行模拟得到各情景下所有节点的监测指标对应的状态曲线，结合管网拓扑结构或所在排水分区对所有节点进行初步分组；S2：在所述多种不同情景下对节点状态曲线进行相关性的计算，根据监测的具体要求对相关性进行加权平均得到相关性矩阵，并根据相关性大小对所述相关性矩阵进行聚类；S3：根据监测目标确定需要聚类的节点，在同类节点中选择与其他点平均相关性最大的点作为代表性监测点；S4：对所述代表性监测点根据所述管网拓扑结构及所代替的监测点数量进行检验和调整，确定最终监测方案，输出所述最终监测方案定量化评估结果。2.根据权利要求1所述的排水管网监测点的自动识别方法，其特征在于，步骤S1进一步包括：S101：根据收集的排水管网相关资料建立区域排水管网模型，并对所述排水管网模型的相关参数进行设置；S102：根据监测目的确定工况情景，所述工况情景包括降雨强度、降雨雨型、运行水位或水量、以及调控策略中的一种或多种组合；S103：根据所述监测目的选择监测指标对所述排水管网模型的所有节点进行计算得到选定监测指标的时间变化曲线，其中，所述监测指标包括液位、流速、流量的水量指标和SS、COD、TN、TP、NH3-N的水质指标中至少一种指标；S104：对排水管网模型的所有节点进行初步分组。3.根据权利要求2所述的排水管网监测点的自动识别方法，其特征在于，步骤S102中，根据降雨强度确定工况情景进一步包括：选取小型降雨、排水管网设计控制标准、海绵城市建设要求及极端大型降雨分别进行模拟，其中，小型降雨对应降雨重现期为2年，排水管网设计控制标准及海绵城市建设要求可对应降雨重现期5—10年，极端大型降雨的重现期为100年。4.根据权利要求2所述的排水管网监测点的自动识别方法，其特征在于，步骤S104中，对所述排水管网模型的所有节点依据所述管网拓扑结构、空间地理位置及排水分区进行初步分组。5.根据权利要求1所述的排水管网监测点的自动识别方法，其特征在于，步骤S2进一步包括：S201：在不同情景下，分别利用线性回归的方法分析空间分组后组内节点两两间液位曲线的相关性，将其中一个节点不同时刻的液位值作为自变量，另一个节点的值作为因变量，利用最小二乘法计算最佳拟合直线：y＝m1x1+m2x2+…+b其中，y表示一个节点各时刻液位值，x表示另一个节点各时刻液位值，m表示与每个x值对应的系数，b为常量；节点间彼此进行线性回归分析后，可得到不同降雨情景下的附加回归统计值，对其中的判定系数r21ij，r22ij…r2kij进行计算：r2＝ssreg/s...

【专利技术属性】
技术研发人员：郭效琛，赵冬泉，杜鹏飞，王浩昌，国小伟，唐兰贵，
申请(专利权)人：北京清控人居环境研究院有限公司，清华大学，
类型：发明
国别省市：北京;11