一种智能识别供水管网爆管的预测方法技术

本发明专利技术公开了一种智能识别供水管网爆管的预测方法，涉及管道风险预测技术领域；为了解决预测结果不准确的问题；具体包括以下步骤：建立爆管分析预测模型；收集被测供水管网的实际条件参数；将实际条件参数导入至爆管分析预测模型中，确定爆管风险预测点；根据爆管风险预测点统计被测供水管网的预测爆管情况；根据得到的预测爆管情况结果，对处于风险预警范围的爆管风险预测点进行提示；所述爆管分析预测模型的生成方法：采集所有类型供水管道的爆管历史数据；统计每种类型供水管道的爆管因素及爆管频率；构建包含所有类型供水管道的爆管因素合集。本发明专利技术结果预测快速，提高了被测供水管网爆管风险的精准性，操作简单。操作简单。操作简单。

【技术实现步骤摘要】
一种智能识别供水管网爆管的预测方法


[0001]本专利技术涉及管道风险预测
，尤其涉及一种智能识别供水管网爆管的预测方法。

技术介绍

[0002]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。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。
[0003]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。现有研究直接将爆管影响因素值作为风险因素代入模型进行预测，未考虑多个因素之间的相关性，没有与管道的爆管属性结合起来，只能使监测点最优地反映管网正常工作时的压力分布情况，从而不能很好地保障城市供水管网安全运行，因此，还存在预测结果不准确的缺陷。基于此，我们提出了一种预测结果更为精确的智能识别供水管网爆管的预测方法。

技术实现思路

[0004]本专利技术的目的是为了解决现有技术中存在的缺点，而提出的一种智能识别供水管网爆管的预测方法。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：
[0006]一种智能识别供水管网爆管的预测方法，包括以下步骤：
[0007]S1：建立爆管分析预测模型；
[0008]S2：收集被测供水管网的实际条件参数；
[0009]S3：将实际条件参数导入至爆管分析预测模型中，确定爆管风险预测点；
[0010]S4：根据爆管风险预测点统计被测供水管网的预测爆管情况；
[0011]S5：根据得到的预测爆管情况结果，对处于风险预警范围的爆管风险预测点进行提示。
[0012]优选地：所述爆管分析预测模型的生成方法：
[0013]A1：采集所有类型供水管道的爆管历史数据；
[0014]A2：统计每种类型供水管道的爆管因素及爆管频率；
[0015]A3：构建包含所有类型供水管道的爆管因素合集；
[0016]所述爆管历史数据的采集手段包括网络爬虫、文字输入、U盘导入。
[0017]优选地：所述爆管因素合集包括供水管网基本属性数据、每种属性供水管网的运行数据、每种属性供水管网的周边环境、每种属性供水管网的爆管发生原因；
[0018]所述供水管网基本属性数据包括每一段管线埋深、每一段管线的管径、每一段管
线的管长、每一段管线的材质和每一段管线的管龄；
[0019]所述每种属性供水管网的运行数据包括管线运行压力、管线运行流量；
[0020]所述每种属性供水管网的周边环境包括管线安装时的温差、道路荷载、土壤腐蚀环境、PH值、氧化还原点位、排水条件。
[0021]优选地：所述实际条件参数包括被测供水管网上每一段管线的性能参数、影响因素、输送介质；
[0022]所述性能参数包括管线材质、管线功能性、管线承压能力、管线使用年限；
[0023]所述影响因素包括管线的实际使用环境；
[0024]所述输送介质包括液体类型、液体PH值、腐蚀性、每日输送时长、每日输送流量。
[0025]优选地：所述实际条件参数的收集手段为：在被测供水管网的每一段管线周边布局监控采集终端；
[0026]所述监控采集终端包括定位器、压力表、流量计。
[0027]优选地：所述爆管风险预测点包括爆管原因、爆管范围、爆管时间。
[0028]优选地：所述预测爆管情况包括被测供水管网上每一段管线的爆管风险位置、被测供水管网上每一段管线的爆管风险数量、被测供水管网的爆管风险位置总数量以及被测供水管网的爆管风险总数量；
[0029]所述预测爆管情况的表现形式包括表格、折线图、柱形表。
[0030]优选地：所述风险预警范围包括正常级、存危级和高危级；
[0031]所述正常级：表示被测管线正常，无风险；
[0032]所述存危级：表示被测管线可能会在≥15天以上时间出现爆管风险，需进行提示预警；
[0033]所述高危级：表示被测管线可能会在＜15天时间内存在爆管风险，需进行即时预警。
[0034]优选地：所述提示预警的方法包括后台页面提示；所述即时预警的方法包括声光报警器。
[0035]本专利技术的有益效果为：
[0036]1.本专利技术基于自学习型进行不断采集所有类型供水管道的爆管历史数据，并统计每种类型供水管道的爆管因素及爆管频率，从而得到包含所有类型供水管道的爆管因素合集，当直接输入被测供水管道参数，考虑各因素之间的相关性，即可预测得到该被测供水管道的爆管风险，结果预测快速，提高了被测供水管网爆管风险的精准性，操作简单。
[0037]2.本专利技术将收集的实际条件参数数据输入至爆管分析预测模型中演练，从而获得整个被测供水管网的预测爆管时间以及损坏原因，以便人们在事故发生时间前可以对被测供水管网上的事故发生点进行检修或更换，避免造成不必要的损失。
[0038]3.本专利技术爆管历史数据可以不断进行补充，统计分析不同爆管因素的爆管率并进行归一化处理，以保证爆管分析预测模型的全面性和精确性；通过爆管分析预测模型分析判断被测供水管网中所有管线的预测爆管情况结果，并预测爆管情况结果，对处于存危级和高危级范围内的进行提示预警和即时预警，方便进行风险提示。
附图说明
[0039]图1为本专利技术提出的一种智能识别供水管网爆管的预测方法的流程示意图。
具体实施方式
[0040]下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
[0041]下面详细描述本专利的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利，而不能理解为对本专利的限制。
[0042]实施例1：
[0043]一种智能识别供水管网爆管的预测方法，如图1所示，包括以下步骤：
[0044]S1：建立爆管分析预测模型；
[0045]S2：收集被测供水管网的实际条件参数；
[0046]S3：将实际条件参数导入至爆管分析预测模型中，确定爆管风险预测点；
[0047]S4：根据爆管风险预测点统计被测供水管网的预测爆管情况，以便集中且统一的观看结果；
[0048]S5：根据得到的预测爆管情况结果，对处于风险预警范围的爆管风险预测点进行提示。
[0049]所述爆管分析预测模型的生成方法：
[0050]A1：采集所有类型供水管道的爆管历史数据；
[0051]A2：统计每种类型供水管道的爆管因素及爆管频率；
[0052]A3：构建包含所有类型供水管道的爆管因素合集。
[0053]优选的，所述爆管历史数据的采集手段包括网络爬虫、文本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能识别供水管网爆管的预测方法，其特征在于，包括以下步骤：S1：建立爆管分析预测模型；S2：收集被测供水管网的实际条件参数；S3：将实际条件参数导入至爆管分析预测模型中，确定爆管风险预测点；S4：根据爆管风险预测点统计被测供水管网的预测爆管情况；S5：根据得到的预测爆管情况结果，对处于风险预警范围的爆管风险预测点进行提示。2.根据权利要求1所述的一种智能识别供水管网爆管的预测方法，其特征在于，所述爆管分析预测模型的生成方法：A1：采集所有类型供水管道的爆管历史数据；A2：统计每种类型供水管道的爆管因素及爆管频率；A3：构建包含所有类型供水管道的爆管因素合集；所述爆管历史数据的采集手段包括网络爬虫、文字输入、U盘导入。3.根据权利要求2所述的一种智能识别供水管网爆管的预测方法，其特征在于，所述爆管因素合集包括供水管网基本属性数据、每种属性供水管网的运行数据、每种属性供水管网的周边环境、每种属性供水管网的爆管发生原因；所述供水管网基本属性数据包括每一段管线埋深、每一段管线的管径、每一段管线的管长、每一段管线的材质和每一段管线的管龄；所述每种属性供水管网的运行数据包括管线运行压力、管线运行流量；所述每种属性供水管网的周边环境包括管线安装时的温差、道路荷载、土壤腐蚀环境、PH值、氧化还原点位、排水条件。4.根据权利要求1所述的一种智能识别供水管网爆管的预测方法，其特征在于，所述实际条件参数包括被测供水管网上每一段管线的性能参数、影响因素、输送介...

【专利技术属性】
技术研发人员：周晨，
申请(专利权)人：湖南云河信息科技有限公司，
类型：发明
国别省市：