基于GA-SVR的管网异常漏损检测

杨辉斌; 郑德仁; 王贺龙; 温进化; 苏龙强; 李进兴

doi:10.20040/j.cnki.1000-7709.2024.20230802

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GA-SVR的管网异常漏损检测

水利枢纽、水工建筑物 | 更新时间：2026-02-25

- 基于GA-SVR的管网异常漏损检测
- 基于GA-SVR的管网异常漏损检测
- 水电能源科学 2024年第3期页码：133-136+53
- 作者机构：
  
  1. 浙江省水利河口研究院(浙江省海洋规划设计研究院)
  2. 平阳县水利局
- 作者简介：
- 基金信息：
  
  浙江省水利厅科技计划项目(RC2114,RB2106,RB2020)
- DOI：10.20040/j.cnki.1000-7709.2024.20230802
  中图分类号： TU991.33
- 纸质出版：2024
- 稿件说明：
移动端阅览
杨辉斌, 郑德仁, 王贺龙, 等. 基于GA-SVR的管网异常漏损检测[J]. 水电能源科学, 2024,(3):133-136+53.

杨辉斌, 郑德仁, 王贺龙, et al. 基于GA-SVR的管网异常漏损检测[J]. 2024, (3): 133-136+53.
杨辉斌, 郑德仁, 王贺龙, 等. 基于GA-SVR的管网异常漏损检测[J]. 水电能源科学, 2024,(3):133-136+53. DOI： 10.20040/j.cnki.1000-7709.2024.20230802.

杨辉斌, 郑德仁, 王贺龙, et al. 基于GA-SVR的管网异常漏损检测[J]. 2024, (3): 133-136+53. DOI： 10.20040/j.cnki.1000-7709.2024.20230802.

摘要

为快速、准确定位供水管网异常漏损所在位置，减少水资源流失和降低漏损检测成本，以A村为例，在区域管网分区计量的基础上，采用遗传算法(GA)优化支持向量回归(SVR)模型，建立基于GA-SVR的水量预测模型，进而分析模型预测水量与实际水量之间的差异性，从而识别区域管网异常漏损情况，构建区域管网异常漏损检测模型。结果显示，基于GA-SVR的水量预测模型，其测试期的平均纳什效率系数为0.891;管网异常漏损识别准确率为91.7%。结果表明，构建的GA-SVR管网异常漏损检测模型，其异常漏损识别程度较高，实际应用效果良好，结合区域管网分区计量方法，可实现漏损的快速识别和定位。

Abstract

关键词

Keywords

references

Andrea Cataldo,Egidio De Benedetto,Giuseppe Cannazza,Giuseppina Monti,Christian Demitri.Accuracy improvement in the TDR-based localization of water leaks[J].Results in Physics,2016.

John Mashford,Dhammika De Silva,Stewart Burn,Donavan Marney.LEAK DETECTION IN SIMULATED WATER PIPE NETWORKS USING SVM[J].Applied Artificial Intelligence,2012.

佟怿维,尹宁,郭晨,张晓虎,崔言,沈涛,杨光,靳林.基于长波段雷达卫星的供水管网探漏技术及实践[J].给水排水,2023(02).

张振星,吕谋,赵桓.基于SAA-SVM模型的供水管网漏损预测技术研究[J].水电能源科学,2022(11).

张伟,林莉,樊俊铃,马志远.基于PSO-SVR的非均质涂层组织均匀性超声表征[J].中国表面工程,2022(06).

赵桓,吕谋,岳宏宇,王一霖.基于群体智能优化算法的供水管网漏损定位研究[J].水电能源科学,2022(07).

吴文红,崔玉莹,刘宁.基于布谷鸟算法的管网漏损定位模型[J].中国给水排水,2022(11).

郭新蕾,郑飞飞,马朝猛,柴端伍,付辉,崔海涛.输水管道泄漏的探地雷达检测原理和现象机理分析[J].水利学报,2021(07).

浏览量

171

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VMD的供水管道漏损检测研究

基于可解释机器学习的岩溶介质渗透系数估算模型

东江流域梯级水电站的多目标调度研究

基于ANN-GA协同寻优的大跨度双曲桁架拱钢闸门结构优化设计

遗传算法的群体模式多样性与模式生长方程(Ⅱ)