基于管网分区流量数据的漏损检测方法研究

王彤; 李钟毓; 康炳卿; 朱多林; 王晴怡; 赵红斌; 许德伦; 洪磊

doi:10.20040/j.cnki.1000-7709.2023.20221541

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于管网分区流量数据的漏损检测方法研究

水利水电工程 | 更新时间：2026-02-25

- 基于管网分区流量数据的漏损检测方法研究
- 基于管网分区流量数据的漏损检测方法研究
- 水电能源科学 2023年第7期页码：127-131
- 作者机构：
  
  1. 长安大学建筑工程学院
  2. 长安大学住房与城乡建设部给水排水重点实验室
- 作者简介：
- 基金信息：
  
  水资源高效开发利用重点专项(2018YFC0406200)
- DOI：10.20040/j.cnki.1000-7709.2023.20221541
  中图分类号： TU991.33
- 纸质出版：2023
- 稿件说明：
移动端阅览
王彤, 李钟毓, 康炳卿, 等. 基于管网分区流量数据的漏损检测方法研究[J]. 水电能源科学, 2023,(7):127-131.

王彤, 李钟毓, 康炳卿, et al. 基于管网分区流量数据的漏损检测方法研究[J]. 2023, (7): 127-131.
王彤, 李钟毓, 康炳卿, 等. 基于管网分区流量数据的漏损检测方法研究[J]. 水电能源科学, 2023,(7):127-131. DOI： 10.20040/j.cnki.1000-7709.2023.20221541.

王彤, 李钟毓, 康炳卿, et al. 基于管网分区流量数据的漏损检测方法研究[J]. 2023, (7): 127-131. DOI： 10.20040/j.cnki.1000-7709.2023.20221541.

摘要

为减轻城镇供水管网漏损造成资源浪费，以预测分类为基本思想，将小波降噪处理后的管网流量监测数据用于PSO寻优最小二乘支持向量机(LSSVM)算法的预测模型，并对预测模型进行训练和评估，再结合模型预测误差分布规律，推出阈值和漏损量的估算方法用于漏损检测。结果表明，模型预测值与实际水量的平均误差较低，稳定性高，结合预测—阈值分类法能够及时检测出突发性漏损并相对准确地估算出漏损量。

Abstract

关键词

Keywords

references

基于流量和压力数据分析的城市供水管网漏损定位研究[D]. 吴杰.太原理工大学,2020(07)

基于LSSVM交互预测的供水管网爆管检测[J]. 吴以文;杜坤;吴汉清;罗雄武;宋志刚;黄乐烽.中国给水排水,2022(09)

基于PSO-LSSVM时序预测模型的管网漏失信号识别[J]. 王彤;金赵归;杨瑞虎;杨军;尚渝钧;王伟;鞠彩;韩大鹏.水电能源科学,2022(02)

基于遗传最小二乘支持向量机的初次给水管漏损时间预测模型[J]. 陈磊;王培永.浙江工业大学学报,2021(05)

基于PSO-SVM模型的供水管网漏损诊断[J]. 宋杰;吕谋;郝晨西;张士官.水电能源科学,2020(07)

浏览量

122

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于DyGKAN图神经网络的供水管网泄漏定位模型

基于VMD的供水管道漏损检测研究

机器视觉技术在大坝表面变形监测中的适用性研究

基于分布式光纤温度传感器的排水管网外来水监测试验研究

电力负荷与电量组合式预测模型及其应用