基于人工免疫系統(tǒng)的爆管定位方法
【專利摘要】本發(fā)明涉及供水管網(wǎng)爆管事故的相關(guān)控制技術(shù),提出了一項(xiàng)基于人工免疫系統(tǒng)的爆管定位方法,可以通過構(gòu)建人工免疫系統(tǒng)對可能的爆管位置進(jìn)行識別定位,大大縮小爆管可能發(fā)生的區(qū)域,最終減少對爆管位置進(jìn)行精確定位的時間。爆管定位的步驟如下:首先,通過供水管網(wǎng)爆管模擬獲取足夠的爆管運(yùn)行數(shù)據(jù);然后根據(jù)人工免疫系統(tǒng)的相關(guān)原理,對這些爆管運(yùn)行數(shù)據(jù)進(jìn)行訓(xùn)練,構(gòu)建人工免疫系統(tǒng);最后通過人工免疫系統(tǒng)對新的爆管事件的運(yùn)行數(shù)據(jù)進(jìn)行識別,根據(jù)近鄰分類法最終確定可能的爆管發(fā)生的位置。與同類型的爆管檢測技術(shù)相比,本發(fā)明擁有更高的計(jì)算效率,能夠獲得更精確的可能的爆管區(qū)域。
【專利說明】基于人工免疫系統(tǒng)的爆管定位方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種爆管定位方法,尤其是涉及一種基于人工免疫系統(tǒng)的對爆管區(qū)域進(jìn)行有效定位的方法。
【背景技術(shù)】
[0002]十一屆全國人大常委會第二十七次會議的《國務(wù)院關(guān)于保障飲用水安全工作情況的報告》指出,我國城市供水管網(wǎng)漏損問題依然突出。目前全國年漏損水量達(dá)60億立方米,城市供水管網(wǎng)漏損率平均超過20%,有一半以上的城市供水管網(wǎng)漏損率高于國家標(biāo)準(zhǔn)規(guī)定值。根據(jù)原建設(shè)部在2002年發(fā)布的《城市供水管網(wǎng)漏損控制及評定標(biāo)準(zhǔn)》,城市供水企業(yè)管網(wǎng)的基本漏損率須控制在12%以內(nèi),因此我國城市供水降低漏損的還有很大的空間。近年來由于管網(wǎng)老化,供水管網(wǎng)建設(shè)投資不足等原因,供水管網(wǎng)爆管事故頻頻發(fā)生,爆管已成為引起漏損的一種重要形式,因此降低爆管的持續(xù)時間可以在很大程度上降低漏失水量。爆管定位技術(shù)就是為了縮短爆管發(fā)生到定位之間的時間,由此可見開展這方面的研究可以為快速準(zhǔn)確的完成爆管事故的檢測與定位提供堅(jiān)實(shí)的理論基礎(chǔ)和有效的技術(shù)支持,并對最終降低城市管網(wǎng)的漏損有著重要的現(xiàn)實(shí)意義。
[0003]國內(nèi)外有關(guān)這方面的研究很多,以下為一些代表性的研究:
[0004]I)基于瞬態(tài)事件的方法
[0005]Liggett, J.A., and Chen, L.(1994).“Inverse Transient Analysis in PipeNetworks,,.J.0f Hydraulic Engineering, 120 (8), 934-955.[0006]技術(shù)措施:首先人為地制造瞬態(tài)事件(一般為水錘),然后通過壓力記錄器記錄下瞬態(tài)事件發(fā)生時的壓力數(shù)劇,最后通過分析這些信息對爆管或者漏損位置進(jìn)行識別定位。
[0007]優(yōu)缺點(diǎn):這類方法優(yōu)勢在于它的簡單性以及理論上可以適用于任何的管網(wǎng)拓?fù)浣Y(jié)構(gòu)。但其不足之處在于:(1)需要精確的瞬態(tài)模型以及管網(wǎng)邊界條件,模型誤差是其應(yīng)用于實(shí)際管網(wǎng)的最主要限制因素;(2)往往需要大量的高靈敏度的傳感器進(jìn)行高頻率的取樣測量。
[0008]2)基于人工智能的方法
[0009]Mounce, S.R., Boxal I, J., and Machel I, J.(2010).“Development andverification ofan online artificial intelligence system for detection of burstsand other abnormal flows.”J.Water Resour.Ping, and Mgmt., 136 (3), 309-318.[0010]Ye, G., and Fenner, R.A.(2011).“Kalman filtering of hydraulicmeasurements for burst detection in water distribution systems.” J.0f PipelineSystems Engineering and Practice,2(I),14-22.[0011]技術(shù)措施;通過應(yīng)用各種人工智能方法對歷史數(shù)據(jù)進(jìn)行分析,最后基于一定原理對爆管進(jìn)行定位。
[0012]優(yōu)缺點(diǎn):其優(yōu)點(diǎn)在于不依賴管網(wǎng)水力模型,而且與基于瞬態(tài)事件的方法相比,其對測量儀器的精度和采樣頻率要求較低。但此類方法只能對爆管事件是否發(fā)生進(jìn)行識別,而不能對爆管位置提供更精確的信息。
【發(fā)明內(nèi)容】
[0013]本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種基于人工免疫系統(tǒng)的爆管定位方法,該方法通過供水管網(wǎng)爆管事件模擬獲取相應(yīng)的爆管運(yùn)行數(shù)據(jù),然后對這些數(shù)據(jù)進(jìn)行訓(xùn)練構(gòu)建人工免疫系統(tǒng),最后利用人工免疫系統(tǒng)對新的爆管事件進(jìn)行定位,不依賴于高精度的模型和高靈敏度的傳感器,同時可以對爆管位置進(jìn)行準(zhǔn)確的定位。
[0014]本發(fā)明的目的可以通過以下技術(shù)方案來實(shí)現(xiàn),具體包括了以下步驟:
[0015]1、獲取爆管數(shù)據(jù)
[0016]通過管網(wǎng)水力仿真模擬構(gòu)建爆管數(shù)據(jù)庫(包括爆管時間、地點(diǎn)、爆管流量以及各監(jiān)測點(diǎn)的數(shù)據(jù))??紤]到爆管的特殊性,管網(wǎng)水力模擬采用壓力驅(qū)動模擬方式。建立爆管數(shù)據(jù)庫的具體步驟如下:
[0017](I)明確壓力監(jiān)測點(diǎn)與流量監(jiān)測點(diǎn)的位置。監(jiān)測點(diǎn)的布置應(yīng)該滿足爆管監(jiān)測的需要。
[0018](2)根據(jù)管網(wǎng)模型中的水力步長間隔At指定規(guī)定時間內(nèi)各個爆管事件。考慮到水廠的供水模式一般以一天(即24小時)為一個運(yùn)行周期,因此本發(fā)明中的規(guī)定時間設(shè)置為24小時。而水力步長間隔At可以根據(jù)實(shí)際情況進(jìn)行選取,一般情況下At與監(jiān)測設(shè)備的取樣間隔一致,選為15分鐘。假設(shè)管網(wǎng)有m個節(jié)點(diǎn),那么一個爆管事件可以用下列表達(dá)式來描述:
[0019]BE = (j, t, q) (j e (I,…m),te (O,...900*24))
[0020]q = f (Minf low, Maxf low, Δ q)
[0021]式中,q-爆管流量,L/s ;
[0022]Minflow-最小爆管流量,L/s ;
[0023]Maxfiow-最大爆管流量,L/s ;
[0024]Δ q-爆管流量間隔,L/s。
[0025]Minflow,Maxflow, Δ q可以根據(jù)具體情況進(jìn)行選擇。假定某管網(wǎng)有10個節(jié)點(diǎn),而Minflow, Maxflow, Aq分別設(shè)置為10,50,10,那么爆管事件的總數(shù)就達(dá)到(10*24*4*5),即4800個事件。
[0026](3)依次對每一個爆管事件進(jìn)行壓力驅(qū)動模擬分析。在本發(fā)明中,爆管事件是通過在單一節(jié)點(diǎn)處添加一個額外的流量,而其他節(jié)點(diǎn)流量不變來進(jìn)行模擬。
[0027](4)記錄每一個爆管事件的模擬信息。這些信息包括爆管時間,爆管地點(diǎn),爆管流量以及各監(jiān)測點(diǎn)的壓力或流量數(shù)據(jù)。
[0028]2、數(shù)據(jù)處理
[0029]獲取足夠多的爆管數(shù)據(jù)后,需要運(yùn)用一些數(shù)據(jù)處理方法對其進(jìn)行系統(tǒng)的整理以便開展后續(xù)的工作。首先構(gòu)造一個能夠準(zhǔn)確表征爆管事件的特殊矩陣,該矩陣的每一行代表一個爆管事件的所有特征屬性,例如壓力,流量,發(fā)生時間等等,而對于每一行的每一列則表示對應(yīng)爆管事件的一個特征。矩陣每一行表示形式如下:
[0030]|pl p2...pn fI f2...fm bf t
[0031]其中pn表示第η個壓力監(jiān)測點(diǎn)的數(shù)據(jù),fm表示第m個流量監(jiān)測點(diǎn)的數(shù)據(jù),bf表示爆管流量,t表示爆管發(fā)生時間。矩陣構(gòu)造完成后,除表示時間的列之外,其余的列都需要進(jìn)行標(biāo)準(zhǔn)化處理,這里主要采用的是極大極小值標(biāo)準(zhǔn)化方法。
[0032]3、構(gòu)建人工免疫系統(tǒng)
[0033]I)首先對抗原進(jìn)行定義。在本發(fā)明中,一個爆管事件被描述成一個抗原Ag,其形式以下向量表示:
[0034]Agi= [P1, P2...PX,f2…fy]
[0035]其中,i e (1,2…η) (η表示爆管事件的總數(shù));ρχ表示第χ個壓力監(jiān)測點(diǎn)的值;fy表示第y個流量監(jiān)測點(diǎn)的值。
[0036]2)對每一個抗原依次運(yùn)用用于模式識別的克隆選擇算法產(chǎn)生對應(yīng)的抗體集合,直到所有的爆管事件都已產(chǎn)生相對應(yīng)的抗體集合。用于模式識別的克隆選擇算法流程如下:
[0037](a)隨機(jī)生成抗體種群P,其中抗體種群又分成記憶單元M與保留種群Pi兩部分;
[0038](b)計(jì)算抗體與抗原的親和度,并根據(jù)親合度從大到小選擇N個個體;
[0039](c)對第二步被選擇的個體進(jìn)行復(fù)制,生成一個克隆臨時種群C,其中克隆的規(guī)模和抗體-抗原的親合度成正比,即親合度越高的抗體,可復(fù)制更多的相同個體;
[0040](d)對克隆臨時種群C進(jìn)行高頻變異,由此獲得一個新的種群Cnew。其中種群C中抗體的親合度越低,變異率越高;親和度越高,變異率越大。與克隆階段正好相反,變異的規(guī)模與親合度成反比;
[0041](e)計(jì)算種群Cnew中抗體 與抗原的親合度,并選出與抗原親合度最高的抗體,如果選出的抗體的親合度高于記憶單元中某抗體的親合度,則用選出的抗體代替該抗體。
[0042](f)用新產(chǎn)生的抗體群Pnew替代種群Pi中對抗原親和力最低的指定數(shù)目抗體。親合度低就要被取代。
[0043](g)達(dá)到一定的迭代次數(shù)后,記憶單元里的抗體就是所求問題的最優(yōu)解。
[0044]3)上述過程完成后,所有的抗體組合在一起就組成了一個人工免疫系統(tǒng),定義為:
[0045]AIS = (U1, U2-Un)
[0046]其中,Un代表與第η個爆管事件相對應(yīng)的抗體集合。需要特別指出的是,人工免疫系統(tǒng)建立之后還需要對該系統(tǒng)進(jìn)行檢驗(yàn)校核以確定其是否能夠?qū)Ρ苁录M(jìn)行有效準(zhǔn)確地識別。
[0047]4、應(yīng)用人工免疫系統(tǒng)進(jìn)行爆管檢測定位
[0048]人工免疫系統(tǒng)構(gòu)造完成后,可以根據(jù)K-最近鄰分類法(KNN)對新的爆管事件進(jìn)行分類,從而根據(jù)新樣本所屬的類別確定爆管發(fā)生的位置。根據(jù)KNN分類法,對于一個新的爆管事件(即抗原),將會有K個抗體集與抗原的歐式距離。從理論上來說,先求出歐式距離最小的抗體集,最后根據(jù)這個抗體集所對應(yīng)的爆管事件即可確定新爆管事件的位置。上述過程可以用以下數(shù)學(xué)形式來描述:
[0049]Result = min(d1, d2,...dk)
[0050]式中,dk——第k個抗體集與抗原的歐式距離。
[0051]其中,選出的k個抗體集所對應(yīng)的爆管事件應(yīng)該與新的爆管事件處于同一時間段。
[0052]與現(xiàn)有技術(shù)相比,本發(fā)明利用訓(xùn)練完成的人工免疫系統(tǒng)對新的爆管事件進(jìn)行定位,不依賴于高精度的模型和高靈敏度的傳感器,同時可以對爆管位置進(jìn)行準(zhǔn)確的定位。
【專利附圖】
【附圖說明】
[0053]圖1為本發(fā)明的總流程圖;
[0054]圖2為克隆選擇算法流程圖;
[0055]圖3為本發(fā)明的具體處理流程圖;
[0056]圖4為本實(shí)施例所確定的可能爆管發(fā)生地點(diǎn)。
【具體實(shí)施方式】
[0057]下面結(jié)合附圖和具體實(shí)施例對本發(fā)明進(jìn)行詳細(xì)說明。
[0058]實(shí)施例
[0059]如圖1和圖3所示,本發(fā)明主要通過4個步驟實(shí)現(xiàn)對爆管區(qū)域的定位,具體如下:
[0060]1、獲取爆管數(shù)據(jù)
[0061]首先明確監(jiān)測點(diǎn)的位置,然后通過大量的水力模擬試驗(yàn)確定Minflow, Maxflow,Aq的取值,分別為10L/s,200L/s,10L/s。之后,通過在節(jié)點(diǎn)處添加一個于爆管事件相對應(yīng)的固定流量,依次對每一個爆管事件進(jìn)行壓力驅(qū)動模擬,并記錄每一個爆管事件的所有信肩、O
[0062]2、數(shù)據(jù)預(yù)處理
[0063]提取每一個爆管事件所對應(yīng)的監(jiān)測點(diǎn)數(shù)據(jù)。然后將這些數(shù)據(jù)組成一個矩陣M,每一行對應(yīng)于一個爆管事件的監(jiān)測點(diǎn)數(shù)據(jù),最后對每一列進(jìn)行標(biāo)準(zhǔn)化處理,將每一列的數(shù)據(jù)范圍歸一到O到I之間。
[0064]3、構(gòu)建人工免疫系統(tǒng)
[0065]將矩陣M的每一行看成是一個抗原,并通過如圖2所示的克隆選擇算法產(chǎn)生相應(yīng)的抗體。在本實(shí)施例中,每一抗原對應(yīng)的抗體種群為20,其中記憶單元為10,保留種群也為10,變異概率為0.05,克隆概率為0.75,迭代次數(shù)為100。依次對每一抗原運(yùn)行克隆選擇算法,最后所有的抗體構(gòu)成一個人工免疫系統(tǒng)。為了檢驗(yàn)人工免疫系統(tǒng)的準(zhǔn)確率,需要應(yīng)用一些測試樣本對人工免疫系統(tǒng)進(jìn)行校核驗(yàn)證,當(dāng)準(zhǔn)確率達(dá)到95%時,說明該人工免疫系統(tǒng)滿足要求,訓(xùn)練結(jié)束;否則返回步驟2,繼續(xù)訓(xùn)練。
[0066]4、爆管檢測定位
[0067]將新爆管事件的壓力和流量數(shù)據(jù)按照監(jiān)測點(diǎn)順序組成一個向量,然后作為一個新抗原與人工免疫系統(tǒng)中同一時間段的抗體進(jìn)行匹配。根據(jù)K-最近鄰分類法(KNN)對新的爆管事件進(jìn)行分類,從而根據(jù)新樣本所屬的類別確定爆管發(fā)生的位置。在本實(shí)例中,K值取為20。最后確定77?80這四個節(jié)點(diǎn)為可能的爆管發(fā)生位置,如圖4所示。
【權(quán)利要求】
1.一種基于人工免疫系統(tǒng)的爆管定位方法,其特征在于,該方法通過模擬供水管網(wǎng)的爆管事件獲取的爆管運(yùn)行數(shù)據(jù),然后應(yīng)用該數(shù)據(jù)進(jìn)行訓(xùn)練,建立人工免疫系統(tǒng),最后應(yīng)用人工免疫系統(tǒng)對新的爆管事件進(jìn)行識別,確定可能的爆管發(fā)生區(qū)域,該方法具體包括以下步驟: (1)進(jìn)行爆管事件的模擬,獲取爆管運(yùn)行數(shù)據(jù),并對數(shù)據(jù)進(jìn)行預(yù)處理; (2)使用克隆選擇算法對數(shù)據(jù)進(jìn)行訓(xùn)練,構(gòu)建人工免疫系統(tǒng); (3)判斷人工免疫系統(tǒng)訓(xùn)練是否完成,如未完成,則返回步驟(2),否則轉(zhuǎn)到步驟(4); (4)應(yīng)用訓(xùn)練完成的人工免疫系統(tǒng)對新的爆管事件進(jìn)行識別,確定可能的爆管發(fā)生區(qū)域。
2.根據(jù)權(quán)利要求1所述的基于人工免疫系統(tǒng)的爆管定位方法,其特征在于,在模擬供水管網(wǎng)的爆管事件的模擬中,采用壓力驅(qū)動的模擬方式,爆管事件通過在單一節(jié)點(diǎn)上添加一個固定節(jié)點(diǎn)流量來進(jìn)行模擬。
3.根據(jù)權(quán)利要求1或2所述的基于人工免疫系統(tǒng)的爆管定位方法,其特征在于,所述的爆管運(yùn)行數(shù)據(jù)包括爆管發(fā)生時間、發(fā)生地點(diǎn)、爆管流量、各監(jiān)測點(diǎn)的壓力或流量數(shù)據(jù),其中只對爆管流量和各監(jiān)測點(diǎn)的壓力或流量數(shù)據(jù)進(jìn)行預(yù)處理,將其歸一化為O到I的范圍。
4.根據(jù)權(quán)利要求1所述的基于人工免疫系統(tǒng)的爆管定位方法,其特征在于,步驟(2)中,克隆選擇算法中的一個抗原對應(yīng)一個爆管事件的爆管運(yùn)行數(shù)據(jù),每一個抗原由爆管流量、各監(jiān)測點(diǎn)的壓力或流量數(shù)據(jù)組成。
5.根據(jù)權(quán)利要求1或4所述的基于人工免疫系統(tǒng)的爆管定位方法,其特征在于,由克隆選擇算法訓(xùn)練得出的所有抗體的集合構(gòu)成一個人工免疫系統(tǒng)。
6.根據(jù)權(quán)利要求3或4所述的基于人工免疫系統(tǒng)的爆管定位方法,其特征在于,在步驟(3)中所有的抗原都已經(jīng)過訓(xùn)練后,應(yīng)用已知的爆管事件對人工免疫系統(tǒng)進(jìn)行校核,當(dāng)對這些爆管事件的識別準(zhǔn)確率達(dá)到95%時,判定該人工免疫系統(tǒng)訓(xùn)練完成。
7.根據(jù)權(quán)利要求1、3或4中任一項(xiàng)所述的基于人工免疫系統(tǒng)的爆管定位方法,其特征在于,在步驟(4)中,利用訓(xùn)練完成的人工免疫系統(tǒng)進(jìn)行爆管定位時,先將新爆管數(shù)據(jù)進(jìn)行歸一化到O和I之間,然后與人工免疫系統(tǒng)進(jìn)行匹配,根據(jù)近鄰法對可能的爆管發(fā)生地點(diǎn)進(jìn)行識別,得出定位結(jié)果。
【文檔編號】F17D5/02GK103574291SQ201310275034
【公開日】2014年2月12日 申請日期:2013年7月2日 優(yōu)先權(quán)日:2013年7月2日
【發(fā)明者】信昆侖, 黃海東, 陶濤, 李樹平 申請人:同濟(jì)大學(xué)