基于空间聚类算法的排水管网风险分析.pdfVIP

2014年第 4期 (总 198期 ) 安 徽 建 筑 在核心点nodej满足nodej~．node，则认为点node是节点集合 的噪点。 ⑤双重属性密度可达，给定一系列节点node，，node…… 虽 node，并且nodej双重属性直接密度可达于nodej+。( n一1)，则 称节点node 双重属性密度可达于节点node。 2．2空间聚类算法步骤 空间聚类算法用于节点风险分析的具体步骤可以总结如 下。 Step1：选取离排放 口最近的节点node，作为起始节点。 Step2：搜索起始节点node的双重属性邻域点，判断其是 否为核心点。 图 1 空间聚类算法下排水系统风险分布 ~(node。不是核心点，则暂时将其标记为噪点 ，找到下一个 因为系统处于合肥市老城区，排水管网管径较小，加上管段坡 离排放 口最近的节点作为新的起始节点，重复步骤2； 度较缓 ，使得整个地区过水能力较小，引发溢流。 ②node是核心点，则建立新类，并将node。双重属性邻域 3．2参数敏感性分析 内的所有点用node。的类标号标记，进入步骤3。 参数的选取是为了提供更稳定的结果 ，并尽可能的与实际 Step3：依次用当前类别中的其他核心点进行搜索，找到所 情况相符。本文提供了一种全新的基于密度的聚类有效性指 有双重属性密度可达于node的节点，用node的类标号标记 ， 数——类内密度，用聚类内的风险点数量与聚类覆盖管段长度 完成本聚类族的划分，进入步骤4。 的比值来评价聚类内聚．f生的强弱，具体公式如下： Step4：找到离排放 口最近的未标记的节点，以此节点作为 ∑ 新的起始节点，进入步骤2进行新一个聚类族的搜索。直到所 Elc=AVR{D(Ci)}×～ 一 (2) 有节点均被处理为止，聚类过程结束。 』V 水 其中：D (cJ=ni为类 Ci的密度 ，n为类Ci中有效风险点总 、 L 电 3 应用实例 、 数 ，厶为cf覆盖的管段总长度；N为相应风险等级系统总风险 暖 点数量。Elc越大，表明系统聚类结果越好。此外，划分过于笼统 通 技 本次模拟地区位于安徽省合肥市东北角，合肥火车站前。 的聚类结果不利于制定灵活的改造策略。本次聚类采用聚类数 术 该区面积约为275km：，地面平均坡度为5‰，属于商住混合区， 量及 Elc两个值评价不同参数取值下系统的聚类质量，评估结 与 地面不透水百分比约为60％。本次模拟管网含节点316个 ，排 果如图2。 应 用 水管段315条 ，节点间平均距离约为40m，排水管段直径为 由图2(a)我们可以发现：低风险等级聚类数量对参数取 0．4m～1．8m不等 ，部分末端管段为箱涵，尺寸为 1．9m(高)×4m 值较为敏感，而风险改造主要集中在中高风险区域，这样就避 (宽)。 免了参数选取不当造成改造决策的失误。另外 ，聚类结果对