【技术实现步骤摘要】
本专利技术属于城市供水管网爆管的预测方法类，尤其适用爆管历史数据有限的情况，具体来说，涉及供水管网爆管预测方法。
技术介绍
供水管网是城市最重要的基础设施之一，是保证城市生产、生活正常运行的不可或缺的条件。但是，近几年来，供水管网爆管事故频发，一方面严重影响人们的正常生活，另一方面也造成了大量净水资源的浪费。因此，对供水管网爆管的预测和预知就显得尤为重要。许多专家和学者曾对供水管网爆管预测进行了大量的探索和研究，以建立传统爆管数学模型、爆管预警系统等为主要成果。但是，由于供水管网爆管本身的不确定性、影响因素的多变性、实际供水管网的复杂性，建立爆管预测数学模型比较困难且预测精度不高。针对供水管网爆管的以上特点，提出了一种新的供水管网爆管模糊预测方法即基于自适应神经网络杂合变精度粗糙集的供水管网爆管预测方法。
技术实现思路
本专利技术旨在克服现有技术的不足，提供一种新的，以解决传统的爆管数学模型预测中因数据收集有限及爆管发生的不确定性而导致预测精度不高的问题，建立爆管预测模型，为城市供水管网爆管提供一种新的研究基础。为此，本专利技术采取的技术方案是，，包括如下步骤:(I)获取被测供水管网的爆管率及对其有影响的其他相关影响因素的历史数据作为检测的数据；(2)建立自适应神经网络杂合变精度粗糙集的供水管网爆管预测模型；(3)供水管网爆管预测模型的训练和测试分析；(4)利用通过测试的供水管网爆管预测模型预测供水管网的爆管率。所述的对供水管网爆管有影响的其他相关影响因素有管材、道路类型、路面材质。在获取供水管网的爆管率时，为保证预测精度，以单位管长的爆管率*1000作为爆...
【技术保护点】
一种城市供水管网爆管预测方法，其特征是，包括如下步骤：（1）获取被测供水管网的爆管率及对其有影响的其他相关影响因素的历史数据作为检测的数据；（2）建立自适应神经网络杂合变精度粗糙集的供水管网爆管预测模型；（3）供水管网爆管预测模型的训练和测试分析；（4）利用通过测试的供水管网爆管预测模型预测供水管网的爆管率。
【技术特征摘要】
1.一种城市供水管网爆管预测方法，其特征是，包括如下步骤: (1)获取被测供水管网的爆管率及对其有影响的其他相关影响因素的历史数据作为检测的数据； (2)建立自适应神经网络杂合变精度粗糙集的供水管网爆管预测模型； (3)供水管网爆管预测模型的训练和测试分析； (4)利用通过测试的供水管网爆管预测模型预测供水管网的爆管率。2.如权利要求1所述的城市供水管网爆管预测方法，其特征是，所述的对供水管网爆管有影响的其他相关影响因素有管材、道路类型、路面材质。3.如权利要求1所述的城市供水管网爆管预测方法，其特征是，在获取供水管网的爆管率时，为保证预测精度，以单位管长的爆管率*1000作为爆管率预测数据；并将包括管材、道路类型、路面材质的爆管的影响因素按照层次分析法归一化到0-1之间，具体归一化数值见表1、表2、表3 ; 表I不同管材影响爆管权重4.如权利要求1所述的城市供水管网爆管预测方法，其特征是，自适应神经网络杂合变精度粗糙集的供水管网爆管预测模型涉及以下两个阶段:利用变精度粗糙集简约信息系统及发现知识:包括数据收集、选择及预处理；决策表的构造，再由简约数据集训练神经网络建立预测模型；该模型实现模拟的过程是采用反向传播算法和梯度学习法的混合算法调整前提参数和结论参数，神经元的变换函数是S型函数，输出量为O到I之间的连续量。5.如权利要求1所述的城市供水管网爆管预测方法，其特征是，所述的对供水管网爆管预测模型进行训练和测试是指，将收集到的管材、道路类型、路面材质和相应的爆管率作为一组数据，将所有收集到的数据分为两部分，前80%作为训练样本，后20%作为检验样本。6.如权利要求1所述的城市供水管网爆管预测方法，其特征是，所述的对供水管网爆管预测模型进行训练和测试进一步包括:调用训练样本β_简约的条件属性、决策属性和仿真样本β-简约的...
【专利技术属性】
技术研发人员：田一梅，张海亚，吴卿，冯宇希，赵鹏，赵胜跃，
申请(专利权)人：天津大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。