公开(公告)号：CN112068420A

公开(公告)日：2020-12-11

申请号：CN202010750197.6

申请日：2020-07-30

Applicant: 同济大学

Inventor： 田文翀 ,  廖振良 ,  王渲

IPC: G05B13/04

Abstract: 一种排水系统实时控制方法，引入强化学习方法，按照强化学习RL的模型结构和运行方式构建：以排水系统模型为环境Environment，以深度神经网络为智能体Agent，通过智能体Agent与环境Environment之间交互运行所获取的大量状态State、评价得分Reward、运行策略Action数据反复进行训练，不断优化智能体，实际应用中通过智能体Agent生成运行策略Action，以达到提升排水系统运行效果的目标。本发明借助强化学习实现排水系统的优化控制，相比于已有的启发式实时控制来说，可以搜索全局最优策略，更好的优化排水系统运行；相比于模型预测控制来说，可以避免预测误差带来的问题，可以提高排水系统实时控制的运行效果。

公开(公告)号：CN112084230A

公开(公告)日：2020-12-15

申请号：CN202010750178.3

申请日：2020-07-30

Applicant: 同济大学

Inventor： 王渲 ,  廖振良 ,  田文翀

IPC: G06F16/2458 ,  G06F16/951 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/26

Abstract: 一种地表水水质预测方法，通过Python网络爬虫技术获取相应站点的实时地表水水质数据；采用深度神经网络作为地表水水质预测模型，包括：通过Python爬虫技术从站点自动获取足够训练深度神经网络模型DNN的地表水水质时间序列数据；对获取到的数据进行预处理；将数据按时间顺序分为训练数据集和验证数据集，由训练数据集训练DNN，采用Adam算法优化模型参数；通过网格搜索方法获取模型超参数取值，将地表水水质数据爬虫系统新获得的时间序列数据输入优化后的DNN，从而预测下一个时间步的地表水水质数据。本发明结合网络爬虫技术及深度神经网络，能够实时获取最新监测数据，输入DNN模型预测得到下一个时间步的地表水水质数据，为水环境管理提供在线决策支持。

公开(公告)号：CN112112240A

公开(公告)日：2020-12-22

申请号：CN202010750220.1

申请日：2020-07-30

Applicant: 同济大学

Inventor： 王渲 ,  廖振良 ,  田文翀

IPC: E03F1/00 ,  G06F30/27 ,  G06N3/12 ,  G06Q10/04 ,  G06Q50/26

Abstract: 一种城市河网防涝优化调度方法，包括：获取城市河网上游各个雨水子汇水区的基础资料，分别构建SWMM模型，输入降雨过程线进行降雨径流模拟，获取各个子汇水区雨水管网排口的流量过程线；获取城市河网系统基础资料，构建河网SWMM模型，将S1中得到的排口流量过程线作为河网模型的入流，该模型将用于计算特定调度策略下的系统溢流量及河道湖泊水位过程线；构造河网系统防涝优化调度模型，包括优化目标函数及决策变量，基于差分进化算法对决策变量进行优化；在Python环境中实现基于差分进化算法的优化调度模型和SWMM模型的耦合，迭代计算河网系统的最优防涝调度策略。本发明稳健性好，可靠性高，得到的调度策略有助于发挥城市河网系统在城市内涝中的调蓄能力。