基于数据分析的浑南新区爆管识别研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究的背景及意义 | 第11-13页 |
| 1.1.1 水资源的现状 | 第11-12页 |
| 1.1.2 我国供水管网发展现状 | 第12-13页 |
| 1.1.3 课题的意义 | 第13页 |
| 1.2 研究现状 | 第13-19页 |
| 1.2.1 国内外关于爆管识别研究现状 | 第13-16页 |
| 1.2.2 管网微观水力模型的进展研究 | 第16-17页 |
| 1.2.3 神经网络及深度学习算法的发展 | 第17-19页 |
| 1.3 课题研究的主要内容及方法 | 第19-21页 |
| 1.3.1 主要研究内容 | 第19页 |
| 1.3.2 技术路线 | 第19-21页 |
| 第2章 算法原理与模型实现 | 第21-40页 |
| 2.1 BP神经网络算法的基本原理及实现 | 第21-32页 |
| 2.1.1 人工神经网络概述 | 第21页 |
| 2.1.2 神经元模型 | 第21-24页 |
| 2.1.3 BP网络结构 | 第24-25页 |
| 2.1.4 BP算法 | 第25-26页 |
| 2.1.5 神经网络的学习过程 | 第26-27页 |
| 2.1.6 时序预测模型的建立 | 第27-31页 |
| 2.1.7 空间关系预测模型的建立 | 第31-32页 |
| 2.2 SOM神经网络算法的基本原理及实现 | 第32-35页 |
| 2.2.1 SOM神经网络概述 | 第32页 |
| 2.2.2 SOM网络的结构 | 第32-34页 |
| 2.2.3 SOM神经网络的规则及计算过程 | 第34-35页 |
| 2.3 深度学习算法的基本原理及实现 | 第35-37页 |
| 2.3.1 深度学习算法的思想 | 第35-36页 |
| 2.3.2 自编码器 | 第36-37页 |
| 2.4 工况分类信息库的建立 | 第37-39页 |
| 2.4.1 分类器模型的结构与建立 | 第37页 |
| 2.4.2 分类器模型的实现 | 第37-39页 |
| 2.5 本章小结 | 第39-40页 |
| 第3章 微观水力模型的建立及工况模拟 | 第40-56页 |
| 3.1 供水管网水力模型 | 第40-41页 |
| 3.2 微观水力模型的建立 | 第41-51页 |
| 3.2.1 建模区域供水概况 | 第41-43页 |
| 3.2.2 基础数据收集 | 第43-47页 |
| 3.2.3 水力模型的建立 | 第47-50页 |
| 3.2.4 模型的校核 | 第50-51页 |
| 3.3 爆管工况模拟 | 第51-55页 |
| 3.3.1 喷射模型 | 第51-52页 |
| 3.3.2 漏点的设置 | 第52-53页 |
| 3.3.3 模拟工况 | 第53-55页 |
| 3.4 本章小结 | 第55-56页 |
| 第4章 爆管识别定位方法的建立 | 第56-71页 |
| 4.1 爆管工况的识别方法与工具平台的介绍 | 第56-57页 |
| 4.2 压力信号时序评估 | 第57-63页 |
| 4.3 压力信号的空间分析 | 第63-68页 |
| 4.4 爆管区域定位的方法 | 第68-69页 |
| 4.5 本章小结 | 第69-71页 |
| 第5章 识别模型在爆管工况下的应用 | 第71-84页 |
| 5.1 爆管工况 | 第71-73页 |
| 5.2 模型应用 | 第73-82页 |
| 5.2.1 模拟的工况压力序列时序评估 | 第73-77页 |
| 5.2.2 模拟工况压力序列空间分析 | 第77-79页 |
| 5.2.3 区域定位分析 | 第79-80页 |
| 5.2.4 结果评估 | 第80-81页 |
| 5.2.5 分类模型的应用 | 第81-82页 |
| 5.3 本章小结 | 第82-84页 |
| 结论 | 第84-85页 |
| 参考文献 | 第85-88页 |
| 附录Ⅰ 时序预测模型部分源程序 | 第88-90页 |
| 附录Ⅱ 分类器模型部分源程序 | 第90-92页 |
| 附录Ⅲ 空间预测模型部分原程序 | 第92-95页 |
| 致谢 | 第95页 |
