典型文献
基于极限学习机算法的供水管网爆管识别研究
文献摘要：
供水管网爆管具有定位难、影响范围广的特点,长期困扰着供水企业.针对供水管网爆管区域识别问题,综合考虑多种影响因素下的爆管工况,利用爆管特征值矩阵构建爆管样本数据集,采用极限学习机算法(ELM)建立爆管区域识别模型;应用K-means聚类算法分析节点水力变化特征的相似性,并在此基础上对管网进行监测区域划分与监测点布设,形成多种监测方案;综合爆管识别率等参数,分析ELM在不同监测方案以及在噪声影响下的识别性能.采用实际管网算例进行了爆管区域识别分析,结果表明:该模型可以进行有效的爆管区域识别,同时结合不同分区方案可以提高爆管识别率;监测点的增加可以减小压力监测数据的噪声影响.
文献关键词：
供水管网;爆管识别;极限学习机算法;K-means聚类算法
中图分类号：
作者姓名：
彭森;程蕊;吴卿;程景;孟涛
作者机构：
天津大学环境科学与工程学院,天津300350;中国市政工程华北设计研究总院有限公司,天津300381
文献出处：
引用格式：
[1]彭森;程蕊;吴卿;程景;孟涛-.基于极限学习机算法的供水管网爆管识别研究)[J].中国给水排水,2022(07):56-62
A类：
爆管识别
B类：
极限学习机算法,供水管网,影响范围,供水企业,管区,区域识别,管工,样本数据集,ELM,识别模型,means,聚类算法,算法分析,区域划分,监测点布设,监测方案,识别率,噪声影响,识别性,识别分析,分区方案,减小压力,压力监测
AB值：
0.225395
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
