【技术实现步骤摘要】
一种基于深度学习的排水管网混接改造优化模型系统
[0001]本专利技术涉及排水管网
,尤其涉及一种基于深度学习的排水管网混接改造优化模型系统
。
技术介绍
[0002]深度学习是学习样本数据的内在规律和表示层次,是复杂的机器学习算法,当前,我国市政排水管网系统日益完善,新老城区积极对排水管网系统进行修复和改进,但是,排水管网存在一些不合理之处,需对排水管网进行合理规划,优化设计,促进城市污水顺利排放以及居民用水及时输送;
[0003]在排水管网对液体进行输送时,可能会出现局部区域的液体流量过大或过小的情况,当液体流量过小时,水源可能无法及时输送到目标位置,从而影响排水效率和居民用水,当液体流量过大时,可能会对局部管道造成压力,且排水会产生拥堵情况,若不能及时进行疏导,长此以往局部管道会出现损坏;
[0004]据此,我们急需对排水管网进行混接改造工作,而直接进行改造可能会由于模拟设计的结果与实际改造的效果之间产生偏差,从而引发后续的排水效果差的问题,以及修复管道带来的经济损失,使得排水管网混接改造的工作效率低
、
改造效果差;
[0005]针对上述的技术缺陷,现提出一种基于深度学习的排水管网混接改造优化模型系统
。
技术实现思路
[0006]本专利技术的目的在于提供了一种基于深度学习的排水管网混接改造优化模型系统,解决了上述问题
。
[0007]为了实现上述目的,本专利技术采用了如下技术方案:一种基于深度学习的排水管网混接改造 ...
【技术保护点】
【技术特征摘要】
1.
一种基于深度学习的排水管网混接改造优化模型系统,其特征在于:包括初始设计模块
、
信息采集模块
、
对比分析模块和优化设计模块,初始设计模块
、
信息采集模块
、
对比分析模块和优化设计模块之间信号连接;初始设计模块用于建立初始的预设模型
N
号,根据现状管网
、
泵站情况搭建实际管网
N
号,通过对实际管网
N
号进行物理建模并创建初始的预设模型
N
号;信息采集模块用于采集预设模型
N
号的流量信息
A
和实际管网
N
号的流量信息
B
,并发送到对比分析模块;对比分析模块对流量信息
A
和流量信息
B
进行分析处理,判定预设模型
N
号的偏差度,生成校正信号发送到初始设计模块,并获取实际管网
N
号的波动指数,以判定实际管网
N
号的管道性能状态,生成调控信号发送到优化设计模块;优化设计模块接收调控信号后,对预设模型
N
号进行升级调整操作,生成优化的预设模型
N+1
号,并通过预设模型
N+1
号对排水管网进行混接改造操作,搭建实际管网
N+1
号,再将预设模型
N+1
号与实际管网
N+1
号反馈到信息采集模块;信息采集模块重新采集预设模型
N+1
号与实际管网
N+1
号的流量信息,再通过对比分析模块进行分析处理,再通过优化设计模块对预设模型
N+1
号进行升级调整,并重复循环上述操作,实现预设模型的自动优化
。2.
根据权利要求1所述的一种基于深度学习的排水管网混接改造优化模型系统,其特征在于:采集流量信息的过程如下:将排水管网分为
X
个区域,对每个区域进行编号,定时采集每个编号所属区域内的流量信息,其中,流量信息包括
X
个区域的液体流量值
Qx
,
x∈[1,X]
,
X
为大于1的自然数;获取液体流量值
Qx
的过程为:以当前区域的中心为圆心,以
r
为半径画圆
O
,其中,
r
的长度小于从中心点到区域边界的距离,再从圆
O
与排水管网的交点处随机选取
n
个液体采集点,获取每个液体采集点处的流量值
S
,再通过求取
n
个液体采集点处流量值
S
的平均值,获取当前区域内的液体流量值
Qx
;预设模型
N
号与实际管网
N
号的区域划分方式一致,且两者的区域编号相对应,则流量信息
A
包括预设模型
N
号内
X
个区域的液体流量值
Qax
,流量信息
B
包括实际管网
N
号的内
X
个区域的液体流量值
Qbx。3.
根据权利要求2所述的一种基于深度学习的排水管网混接改造优化模型系统,其特征在于:分析处理流量信息的过程如下:根据
X
个区域内的液体流量值
Qx
获取管网的管道液压指数
Zx
:先对
X
个区域的液体流量值
Qx
进行求平均值,以获取排水管网整体的液体流量值
PQx
;再将液体流量值
PQx
代入预设公式
G1
中进行测算,以获取管网液压指数
Zx
;预设公式
G1
为:
Zx
=
e
PQx
+PQx
,其中,
e
为转化因子系数,且
e
大于0;具体过程为:根据流量信息
A
获取预设模型
N...
【专利技术属性】
技术研发人员:曾庆彬,苏腾飞,杨宗国,陈正,李素云,
申请(专利权)人:深圳市水务科技发展有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。