供水管网系统漏失分析与模型初步研究

《供水管网系统漏失分析与模型初步研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文供水管网系统漏失分析与模型初步研究LEAKAGEANALYSINGANDMODELSTUDYONURBANWATERDISTRIBUTIONSYSTEM刘保川哈尔滨工业大学2009年6月国内图书分类号：TU991学校代码：10213 国际图书分类号：628.1密级：公开硕士学位论文供水管网系统漏失分析与模型研究硕士研究生：刘保川导师：吴晨光副教授申请学位：工学硕士学科：市政工程所在单位：市政环境工程学院答辩日期：2009年6月授予学位单位：哈尔滨工业大学ClassifiedIndex:TU991U.D.C:628.1Disse

2、rtationfortheMasterDegreeinEngineeringLEAKAGEANALYSINGANDMODEL STUDYONURBANWATER DISTRIBUTIONSYSTEMCandidate：LiuBaochuanSupervisor：AssocProf.WuChenguangAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：MunicipalEngineeringAffiliation：SchoolofMuni.&Env.Eng.DateofDefen

3、ce：June,2009Degree-Conferring-Institution：HarbinInstituteofTechnology哈尔滨工业大学工学硕士学位论文摘要漏失是供水行业普遍存在的严重问题，供水系统无论采用何种管材，随着时间的推移都会不可避免地发生漏失。我国水资源匮乏，人均水资源占有量仅为世界平均水平的四分之一，水污染严重，水土流失加剧，漏失不仅浪费了宝贵的水资源，带来灾害问题，还给供水企业带来很大的经济损失。因此，漏失问题已成为我国供水行业着力研究的重要课题。供水系统发生漏失时，各压力监测点压力值会出现程度不同的波动，且

4、不同的漏失位置、不同的漏失程度，对应的波动谱线也不相同，如同人的指纹，通过识别指纹，就可以确定人的身份，本文采用概率神经网络模型对波动谱线进行模式识别，进而对漏失位置进行初步定位。概率神经网络采用贝叶斯分类选择器，以漏失发生时压力监测点的波动作为神经网络的输入，设不同的漏失位置为各种模式，并以设定的模式作为神经网络的输出，对网络进行训练，建立漏失定位模型,并对建立的概率神经网络模型计算结果进行分析研究，对模型进行初步校核和修正。最后，本文以我国AS市SGS地区的实际供水系统为例，以实际监测数据对建立的概率神经网络模型进行校核，对模型存在的

5、问题进行分析，并以模型为基础，对我国供水行业的漏失控制工作提出建议性措施。关键词：供水管网系统漏失定位模型模式识别概率神经网络I哈尔滨工业大学工学硕士学位论文AbstractWaterleakageisawidespreadexistingseriousprobleminwatersupplyindustry，nomatterwhatpipematierialyouhaveutilized，itwilloccurleakageinevitablywiththetimegrowing.ChinaisASortofwaterresources

6、，possessionoffreASwaterperpersonisthequarteroftheworldaveragestandard，besides，inchinathereexistseriouswaterpollutionandincreasingsoilerosion，whichnotonlybringaboutthewasteofvaluablewateranddisasterproblems，butalsocausethegreateconomiclossestothewatersupplyenterprises.Ther

7、efore，theproblemofwaterleakagehasbecometheresearchfocusofChina'swatersupplyindustry.Whenthewatersupplynetworkoccursleakage，thevaluesofthepresureofmonitoringpointswillfluctuate.Rangeoffluctuationvarieswithdifferentleakagedegreeordifferentleakagelocation.Itisjustlikethefing

8、erprints，wecanidentifythepersonbyrecognizingfingerprints.Therefore，inthispaper，weadoptProbabilis