基于小波神经网络对城市供水管网漏损的研究

总第321期2016年第7期计算机与数字工程Computer&•DigitalEngineeringVol.44No.71357基于小波神经网络对城市供水管网漏损的研究$汪健王煜秦正飞(昆明理工大学冶金与能源科学学院昆明650092)摘要管网漏损的研究是在供水领域一项重要的工程。论文以某水司提供的2011〜2014年DN300主管的漏损作为研究对象，运用Matlab构建小波神经网络对其进行预测，并与BP神经网络模型进行比照,结果表明:小波神经网络比BP神经网络拥有更好的预测精确度，最小误差为〇.36%,最大误差为13.47%。关键词小波神经网络；BP神经网络；管网漏损中图分类号TP311DOI：10.3969/j.issa1672-9722.2016.07.036PredictionoftheLeakageofUrbanWaterSupplyNetworksbyWaveletNeuralNetworkWANGJianWANGYuQINZhengfei(CollegeofMetallurgyandEnergyscienc,KunmingUniversityofScienceandTechnology,Kunming650092)AbstractThestudyofthepipelineleakageisanimportantprojectinthefieldofwatersupply.Takingmaintenanceda­taofDN300pipediameterinWaterworksfrom2011to2014asresearchobject,waveletneuralnetworkisusedtoforecastetheWaterNetwork’sleakage.PredictionmodelisestablishedtocomparewiththeBPneuralnetworkWaveletneuralnet­workismoreaccuratethantheBPneuralnetworkinpredictWaterNetwork^leakagewiththeminimumerroris0.36%,andthemaximumerroris13.47%.KeyWordswaveletneural,BPneuralnetwork,pipenetwork’sleakageClassNumberTP311i引言管网漏损在城市供水行业中存在非常普遍的现象，管网漏损不仅对水资源的浪费起着决定性作用，更是制约供水企业的发展。管网漏损的原因有多方面的，主要在以下几点有所体现：1)管网的腐蚀和老化。经过日积月累，管道一直承受着温度的变换、各种腐蚀及地基下沉等各种原因，使得爆管和漏损的概率提高。2)管网的材料问题。供水管网有多种那材料，如球墨铸铁管，钢塑复合管，PE管，混泥土管，PVC管等，不同材料的管道漏损原因不同。3)水锤破坏。由于机组开泵、停泵、开关闸门过于快速，可能使流速发生急剧变化，可能引起水锤现象，造成水管压力过高，过高的压力会使管道变形甚至爆管[1〜4]。因此，能准确预测管道漏损，掌握管道的运行状态，为管网维修提供了有效的依据。2小波神经网络理论基础2.1小波变换小波变换[5~6]是针对傅里叶变换的基础上发展起来的，是现代信号分析与处理的基础，因傅立叶变换只在信号的频域有所表示，而不能表达信号的时域信息，在频域里没有分辨能力。而小波变换克服这些缺点，即在信号和时域方面都有良好的分辨能力，又具有简单、灵活、随意的特点，对函数或*收稿日期=2015年12月4日，修回日期=2016年1月19日基金项目：国家自然科学基金项目（编号：51179079)资助。作者简介:汪健，男，硕士研究生，研究方向:基于神经网络对供水管网。王煜，男，副教授,研究方向:基于神经网络对供水管网。秦正飞，男，硕士研究生，研究方向:基于神经网络对供水管网。1358汪健等:基于小波神经网络对城市供水管网漏损的研究第44卷信号通过伸缩和平移等运算法则进行多尺度的研究，能克服傅立叶不能解决的问题。若傅里叶变换<满足以下可容许条件：fI^/(w)I2<〇〇(1)JRZV小波母函数为#0,式(1)为小波的必要条件。母小波函数经过伸缩与平移，尺度因子a与平移因子L得到以下函数：，b(t)=⑵则称为小波分析函数，再与待分析信号做做内积，得到以下函数：fx(a^b)=Jx(t)cp{^^^^jdta>0(3)小波变换是经过尺度因子离散化得到的：fx(a^b)=a〉0Vak=i\a/(4)式中，尺度因子a相对于镜头向目标推进或远离，平移因子6使镜头相对于目标平行平移。信号的局部特征能通过小波基函数的变化，实现了时间序列时频局部化。2.2小波神经网络人工神经网络[7〜8]是一种仿