数据挖掘方法在城市供水管网漏损预测模型中的应用.pdfVIP

数据挖掘方法在城市供水管网漏损预测模型中的应用 徐强，陈求稳 （中国科学院生态环境研究中心，北京 100085） 摘要 管网漏损是城市供水管网中经常发生的一个问题，它给管网的管理带来了挑战，对安全供 水也造成了威胁。然而，用传统的方法来检测漏损点效率比较低，因此，需要建立合理可靠的漏 损预测模型来对管道的漏损风险大小进行评估，以对实际的漏损检测提供技术指导。研究选取了 北京市主城区供水管网作为实例，收集了管网的基础资料及 1987 至 2005 年间漏损数据，利用两 种新颖的数据挖掘方法，建立了管网漏损预测模型，并利用部分数据对模型进行了验证。模型结 果可用于对整个管网进行漏损可能性评估，以指导具体的漏损检测工作。 关键词 供水管网，漏损预测，数据挖掘方法 作者简介 徐强（1983.8-），男，博士研究生，就读于中国科学院生态环境研究中心，主要从事城市水信息学专业研究。Email: plelynn@ 陈求稳（1974.1-），男，研究员，就职于中国科学院生态环境研究中心，主要从事生态水力学，水信息学，城市 水信息学等领域研究。Email: qchen@ 1. 引言 北京是世界上最缺水的大城市之一，人均水资源不足 300m3 ，仅为世界平均水平的 1/30，水 资源短缺已严重制约北京市的可持续发展[1] 。与此同时，水资源的浪费现象也很严重，其中管网 漏失是一个供水管网中普遍存在的问题。目前，世界平均的漏失比例为大于 15%，北京市为 15.9%[2] 。管网漏失不仅会带来巨大的经济损失，也可能会引发一些社会问题，因此必须尽可能 地减少管网漏失。而目前漏失管理所面临的一个关键问题就是如何在复杂的管网中找到漏损发生 位置。 目前，应用最为广泛的检漏方法是音听检漏法。工人利用听音杆或布设专门的声学仪器来捕 捉漏水的声音信号，这种传统的方法费时费力。为了提高检漏效率和合理利用有限的资源，应该 有针对性地进行漏点排查，因此，需要研究管道的漏损规律，建立漏损模型，从而确定漏损的重 [3-4] [5-6] [7-9] 点监测区。文献报导中，采用的分析方法主要有贝叶斯转换 、水力模型 以及数据挖掘 。 本研究收集了 1987~2005 年间的北京市主城区供水管网干线漏损数据，利用遗传编程和进 化多项式回归两种数据挖掘方法建立了漏损预测模型，通过模型的应用，确定了北京市主城区的 漏失重点监测区。 2. 数据挖掘方法 数据挖掘是数据库知识发现（Knowledge-Discovery in Databases, KDD) 中的一个步骤。数据 挖掘一般是指从大量的数据中自动有哪些信誉好的足球投注网站隐藏于其中的有着特殊关系性的信息的过程。具体的数据 方法有很多，本研究采用了遗传编程（genetic programming, GP ）和进化多项式回归（evolutionary polynomial regression, EPR ）两种数据挖掘方法。因为这两种方法可以用显式的方法将模型结构 表达出来，而不同于黑箱模型无法得到模型表达式。 遗传编程[10]是一种进化(遗传)计算方法，是由美国的 Koza 教授于 1992 年创立的。它是一种 从生物进化过程得到灵感的自动化生成和选择计算机程序来完成用户指定任务的技术，从理论上 讲，人类用遗传编程只需要告诉计算机“做什么”，而不需要告诉它“怎么做”，最终可能实现真 正意义上的人工智能。 遗传编程中，组成种群的个体均为具有树状结构的代数表达式，树的结点由终结点、变量与 运算符组成。其基本遗传算子包括复制、交叉和变异。复制是对现有种群中的个体按照某种方式 进行选择，适应度高的个体被选中概率大，选中的个体被复制到新一代种群中存活下来。交叉是 在当前种群中，根据适应度，按照一定的规则，选择两个父个体，再在两个父个体上随机选择两 棵子树，然后交换两棵子树，生成两个新的个体。变异是先按概率选择一个要发生变异的个体， 再随机选择一个变异点，然后随机生成一棵新子树以代替变异点为根的子树，变异通常以很小的 概率发生(如 5 ％) 。 在本研究中，评价这些表达式优劣的方法是计算表达