基于EPANET-RTX实时模型的供水管网调度研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 引言 | 第11页 |
| 1.2 城市供水管网调度研究现状 | 第11-17页 |
| 1.2.1 供水管网水力建模研究 | 第11-13页 |
| 1.2.2 需水量预测研究 | 第13-14页 |
| 1.2.3 调度决策研究 | 第14-16页 |
| 1.2.4 国内供水管网调度研究存在的问题 | 第16-17页 |
| 1.3 研究目的、内容及框架、创新及意义 | 第17-20页 |
| 1.3.1 研究目的 | 第17页 |
| 1.3.2 研究内容及论文框架 | 第17-18页 |
| 1.3.3 研究创新 | 第18-19页 |
| 1.3.4 研究意义 | 第19-20页 |
| 第二章 城市供水管网实时水力模型的建立 | 第20-32页 |
| 2.1 EPANET-RTX实时建模框架 | 第20-22页 |
| 2.1.1 EPANET-RTX实时建模 | 第20页 |
| 2.1.2 EPANET-RTX改进 | 第20-22页 |
| 2.2 供水管网实时建模实例 | 第22-31页 |
| 2.2.1 管网供水实例概况 | 第22-23页 |
| 2.2.2 管网拆分建模 | 第23-24页 |
| 2.2.3 获取实时数据 | 第24-28页 |
| 2.2.4 实时水力模拟效果分析 | 第28-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第三章 城市供水管网需水量预测 | 第32-42页 |
| 3.1 常用需水量预测方法简介 | 第32-35页 |
| 3.1.1 ARIMA模型 | 第32-33页 |
| 3.1.2 ELMAN模型 | 第33页 |
| 3.1.3 GRNN模型 | 第33-34页 |
| 3.1.4 LSSVM模型 | 第34-35页 |
| 3.2 需水量预测方法比较研究 | 第35-39页 |
| 3.2.1 需水量预测影响因素 | 第35页 |
| 3.2.2 日需水量预测 | 第35-37页 |
| 3.2.3 分钟需水量预测 | 第37-39页 |
| 3.3 基于时变权最小方差的日需水量组合预测方法 | 第39-41页 |
| 3.3.1 时变权最小方差组合方法简介 | 第39-40页 |
| 3.3.2 基于时变权最小方差的日需水量组合预测 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 城市供水管网运行状态评估 | 第42-61页 |
| 4.1 常用供水管网状态评估方法 | 第42-43页 |
| 4.2 模糊综合评价及层次分析法简介 | 第43-45页 |
| 4.2.1 模糊综合评价方法 | 第43-44页 |
| 4.2.2 层次分析方法 | 第44-45页 |
| 4.3 供水管网状态评估 | 第45-49页 |
| 4.3.1 评估指标 | 第45-47页 |
| 4.3.2 评估模型建立 | 第47-49页 |
| 4.4 实例评估 | 第49-60页 |
| 4.4.1 运行状态一级评估 | 第49-58页 |
| 4.4.2 运行状态二级评估 | 第58-59页 |
| 4.4.3 分析说明 | 第59-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 数据驱动的城市供水管网日计划调度 | 第61-71页 |
| 5.1 数据驱动的日计划调度思路 | 第61-62页 |
| 5.1.1 日计划离线调度简介 | 第61页 |
| 5.1.2 数据驱动的研究思路 | 第61-62页 |
| 5.2 模糊C均值聚类算法简介 | 第62-64页 |
| 5.3 数据驱动的日计划调度方法 | 第64-65页 |
| 5.3.1 基于模糊c均值聚类的日用水量聚类 | 第64页 |
| 5.3.2 基于管网状态评估的供水方案筛选 | 第64页 |
| 5.3.3 基于优选供水方案的日计划调度 | 第64-65页 |
| 5.4 实例应用 | 第65-70页 |
| 5.4.1 历史用水量模糊聚类 | 第65-66页 |
| 5.4.2 聚类中心及最优调度方案 | 第66-68页 |
| 5.4.3 管网日计划调度 | 第68-70页 |
| 5.5 本章小结 | 第70-71页 |
| 第六章 城市供水管网实时调度实例研究 | 第71-85页 |
| 6.1 管网实时调度思路 | 第71-73页 |
| 6.1.1 日常调度 | 第71-72页 |
| 6.1.2 异常应急调度 | 第72页 |
| 6.1.3 城市供水管网实时调度框架 | 第72-73页 |
| 6.2 相关算法简介 | 第73-75页 |
| 6.2.1 遗传算法 | 第73-74页 |
| 6.2.2 二进制多目标粒子群算法 | 第74-75页 |
| 6.3 日常实时调度 | 第75-77页 |
| 6.4 异常实时调度 | 第77-79页 |
| 6.4.1 基于二进制多目标粒子群算法的关阀分析 | 第77-78页 |
| 6.4.2 管网水力模型更新 | 第78页 |
| 6.4.3 城市供水管网异常情况下入水口实时调度 | 第78-79页 |
| 6.5 实例应用 | 第79-84页 |
| 6.5.1 日常实时调度 | 第79-81页 |
| 6.5.2 异常实时调度 | 第81-84页 |
| 6.6 本章小结 | 第84-85页 |
| 第七章 总结与展望 | 第85-87页 |
| 7.1 总结 | 第85-86页 |
| 7.2 展望 | 第86-87页 |
| 致谢 | 第87-88页 |
| 参考文献 | 第88-96页 |
| 附录一 | 第96-98页 |
| 附录二 | 第98-101页 |
| 附录三 | 第101页 |
