-
公开(公告)号：CN115270619A
公开(公告)日：2022-11-01
申请号：CN202210863034.8
申请日：2022-07-21
Applicant: 同济大学
Abstract: 本发明涉及基于灵敏度的供水管网管道分组及参数校核方法、装置，该方法包括：(1)收集、处理管网压力、流量监测数据；(2)统计管网中管道属性信息；(3)对管网中待校核管道进行灵敏度分析；(4)根据管道属性信息对高灵敏度管道加权聚类，计算高灵敏度管道聚类结果中各分组的管道属性聚类中心；(5)将剩余低灵敏度管道归入高灵敏度管道的分组中，完成管道分组；(6)在该分组下进行粗糙系数校核，输出管道粗糙系数校核结果及监测点误差。与现有技术相比，本发明采用两步聚类的方法，针对管网中高灵敏度管道和低灵敏度管道分别聚类，可在管网模型校核中实现对待校核参数的自动分组，并显著提升后续校核算法的稳定性和准确性。
-
公开(公告)号：CN108717584B
公开(公告)日：2022-08-16
申请号：CN201810448525.X
申请日：2018-05-11
Applicant: 同济大学
IPC: G06Q10/04 , G06Q10/06 , G06Q50/06 , G06F30/18 , G06F30/27 , G06N3/12 , G06F111/04 , G06F111/10
Abstract: 本发明涉及一种供水管网多目标分区方法，该方法包括如下步骤：(1)输入供水管网数据，包括供水管网的邻接矩阵、分区的允许规模范围以及节点服务压力；(2)选取干管，确定候选分区入口；(3)设定多个目标函数，采用非支配排序遗传算法求解供水管网的分区方案集，所述的目标函数包括：最小化管网平均压力、最小化管网平均水龄以及最小化分区改造费用。与现有技术相比，本发明考虑的因素更加全面，分区更加合理。
-
公开(公告)号：CN114330152A
公开(公告)日：2022-04-12
申请号：CN202111382206.1
申请日：2021-11-22
Applicant: 同济大学
IPC: G06F30/28 , G06F113/08 , G06F113/14
Abstract: 本发明提供一种基于光滑粒子流体动力学的地表产汇流计算方法，包括如下步骤：初始化计算条件，用底部粒子来描述地表信息，用流体粒子来描述地表产汇流；根据流体粒子在当前时刻的速度和位置，计算加速度；根据流体粒子的加速度和位置，计算该粒子在下一时刻的速度和位置；计算该粒子移动到新位置后的密度和光滑长度；根据降雨和下渗的水量计算流体粒子的质量，对流体粒子进行动量修正；对于无粒子覆盖的上游区域添加初始状态的流体粒子；对每一时步进行计算，输出地表产汇流的计算结果。本发明提供的方法无须建立网格，建模过程更加高效；支持降雨和下渗计算，可以更完整地模拟地表产汇流过程。
-
公开(公告)号：CN114139433A
公开(公告)日：2022-03-04
申请号：CN202110862977.4
申请日：2021-07-29
Applicant: 同济大学
Abstract: 本发明提供一种用于城市内涝预警的雨水系统模拟方法，所述方法是基于深度学习的，由降雨产流过程模拟模型和一维管网汇流过程模拟模型两个深度学习模型构成。降雨产流过程模拟模型，用于模拟子汇水区径流、降雨入渗等管网外部进流量，并作为所述一维管网汇流过程模拟模型训练的边界条件；一维管网汇流过程模拟模型，用于模拟管网节点积水流量，同时兼具深度学习模型网络架构比选功能。本发明建模简单，具有高灵活性和高时效性，模型可以通过补充数据进行更新，精度高；可以实现对不同复杂程度的管网结构下的积水过程模拟，具有广泛的应用前景。
-
公开(公告)号：CN112113146A
公开(公告)日：2020-12-22
申请号：CN202010989677.8
申请日：2020-09-18
Applicant: 同济大学
Abstract: 本发明涉及一种供水管网管道粗糙系数和节点需水量同步自适应校核方法，包括如下步骤：(1)收集供水管网监测数据，初始化自适应校核过程；(2)基于供水管网监测数据计算当前时刻节点需水量的推理观测值，并代入推理观测卡尔曼滤波器计算当前时刻节点需水量的最优估计值；(3)基于供水管网监测数据计算当前时刻管道粗糙系数的推理观测值，并代入推理观测卡尔曼滤波器计算当前时刻管道粗糙系数的最优估计值；(4)将当前时刻的节点需水量的最优估计值以及当前时刻管道粗糙系数的最优估计值代入下一时刻重复执行步骤(2)～(3)完成下一时刻的校核。与现有技术相比，本发明可同时对管网中的管道粗糙系数和节点需水量进行校核，校核精度高。
-
Patent Agency Ranking
公开(公告)号：CN112097126A
公开(公告)日：2020-12-18
申请号：CN202010989680.X
申请日：2020-09-18
Applicant: 同济大学
Abstract: 本发明涉及一种基于深度神经网络的供水管网爆管管道精确识别方法该方法包括如下步骤：(1)搭建深度神经网络，确定爆管发生的可能区域并选择压力监测点位置；(2)模拟不同位置的爆管，采集压力监测点压力数据作为训练数据，训练深度神经网络；(3)在现场爆管发生的可能区域选择压力监测点位置并采集压力监测点压力数据，将其输入到训练好的深度神经网络中进行识别；(4)输出爆管管道识别结果。与现有技术相比，本发明可使用管网中容易获取的压力监测数据取得精确的爆管管道定位结果，对水力模型、监测数据的不确定性有良好的适应能力，具有成本低、精度高的特点。
-
公开(公告)号：CN109886830A
公开(公告)日：2019-06-14
申请号：CN201910002247.X
申请日：2019-01-02
Applicant: 同济大学
Abstract: 本发明涉及一种基于用户投诉信息的供水管网污染源追踪定位方法，包括以下步骤：S1：利用用户投诉的位置信息生成污染矩阵；S2：判断各候选节点之间相似性并进行划分；S3：增加随机投诉滞后时间并构造用户投诉样本；S4：利用用户投诉样本对卷积神经网络进行训练验证测试，并将其用于实际污染源追踪定位。与现有技术相比，本发明具有根据污染事故发生后的实时用户投诉信息，采用用户投诉模式识别进行污染源定位，对于水源污染和非水源污染均具有良好的污染源识别能力，且对用户投诉滞后时间的不确定性具有一定的鲁棒性。在管网水质在线监测设备尚不完善的城市，可以实现对污染源位置的快速定位，增强城市对管网水质突发事故的应急响应能力等优点。
-
公开(公告)号：CN108647686A
公开(公告)日：2018-10-12
申请号：CN201810449150.9
申请日：2018-05-11
Applicant: 同济大学
Abstract: 本发明涉及一种基于卷积神经网络的水表图像读数识别方法，该方法包括如下步骤：(1)获取训练样本；(2)使用随机梯度下降法对训练样本中的数据进行训练，构建识别水表图像字符的卷积神经网络；(3)采用构建的卷积神经网络对待识别的水表图像进行识别，得到水表图像的读数。与现有技术相比，本发明实现过程简单，识别精度高和识别准确率高。
-
公开(公告)号：CN106248900A
公开(公告)日：2016-12-21
申请号：CN201610649895.0
申请日：2016-08-10
Applicant: 同济大学
Abstract: 本发明涉及一种用于低影响开发设施水质模拟的实验系统，包括LID设施水质模拟单元、人工降雨控制单元及样品收集单元，LID设施水质模拟单元包括并列设置的实验箱体(12)及LID设施，实验箱体(12)顶部敞口，LID设施设置在实验箱体(12)内，并与样品收集单元相连通，人工降雨控制单元包括依次通过导水管(4)连接的混合组件、给水组件及喷淋组件，喷淋组件设置在实验箱体(12)的上方，并与LID设施相对设置。与现有技术相比，本发明结构简单、操作方便、经济实用，适用于在室内进行低影响开发设施处理水质的模拟研究，同时兼具水量模拟功能。
-
公开(公告)号：CN103336001A
公开(公告)日：2013-10-02
申请号：CN201310251786.X
申请日：2013-06-24
Applicant: 同济大学
IPC: G01N21/76
Abstract: 一种快速评价饮用水水质生物稳定性的方法，属于市政工程的给排水监测领域。本发明结合利用TOC化学分析快速简便的特点以及细菌生长对成分复杂的低浓度有机碳浓度变化敏感的生物特性，同时利用在生物稳定性一定高的水样中，异养菌接种初期阶段生长波动剧烈的特点，建立水样梯度稀释系列的方法，绘制出在短时间内不同时间阶段比增长速度μ与相应稀释梯度TOC浓度的曲线，通过不同时间阶段μ值随TOC浓度变化趋势的对比，找出比增长速度μ与TOC浓度变化趋势随时间和浓度变化最剧烈的曲线段，获得水样有机碳与标准溶液有机碳的近似比例关系，完成对待测饮用水水质生物稳定性的评价。本发明可应用于给水处理和饮用水管网水质生物稳定性分析。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.048 seconds)
