FCM聚类算法在给水管网流量监测点优化布置中的应用.pdfVIP

FCM聚类算法在给水管网流量监测点优化布置中的应用 王绍伟1李树平1刘先品1何芳2何志勋2曹国栋2 (1同济大学环境科学与工程学院，上海200092；2佛山市水业集团有限公司，佛山528000) 摘要基于目标函数的聚类算法，把聚类分析归结成一个带约束的非线性规划问题，通过优化 求解获得数据集的最优模糊划分和聚类中心，可使流量监测点的布置较为均匀。结合算例，应用 FCM算法对给水管网的流量监测点进行优化布置，通过不同分类类别数f下的聚类划分的比较，可 得出最佳的管段模糊分类以及流量监测管段。 关键词 流量监测 优化布置模糊聚类分析FCM算法 城市给水管网设置流量监测装置对于了解给水 称为zt的模式矢量，对应特征空间中的一个点。将 管网运行状况，为管网检漏、爆管预警等提供流量数 样本集x划分为C类，即得到C个子集X。，xz，…， 据起着非常重要的作用。由于管网中用户和管段数 X。引入模糊分类矩阵U_--盼。]。×。，p。∈Eo，1]，触 目众多，难以采取简单的方式寻找到合适的流量监 称为样本zt对第i类划分的隶属度函数，矩阵u可 测点位，因此，有必要采用优化方法来确定流量监测 以刻画样本分属于各个类别的不确定性程度，建立 点的位置。 对于类别的不确定性描述[5]。 目前主要采用有效监测范围的概念，通过计 若要从众多可能的分类中寻求合理的分类结 算节点流量变化对管网各管段流量的影响程度， 果，就要确立合理的聚类准则。定义模糊聚类分析 求出在给定有效监测级下的有效监测矩阵，然后 的目标函数为： 计算非多余支配集和最小覆盖集，进行城市给水 (1) min．，。(【，，P)一∑∑(触)”(da)2 管网流量监测点的优化选址Ill。该方法得到的流 h=1i=l 量监测点在管网中布置的均匀性较差，常常会出现 约束条件为： 监测点集中于某一局部位置，因此需要在此基础上 ∑触一1 (2) 引入模糊聚类方法，使监测点的布置在管网中趋于 均匀。 式中【，．一模糊分类矩阵，【，一[触]，×。，u中第k列元 1 KM聚类算法 素分别为样本蕊相对于c个子集的隶属 伴随着模糊理论的发展、完善，模糊聚类方法越 度函数，m∈[o，1]； 来越多地应用于给排水系统的分析计算中。模糊聚 卜每一类别的代表矢量，P一[夕i]，即聚类 类分析的基本思想是根据分类对象之间的模糊相似 中心，Pi一(pn，户汜，…，Pi。)； 程度来衡量互相的异同程度，进而实现模糊分类L2]。 m——加权指数，没有特殊要求时通常取m c-Means)类型算法的 一2； 其中模糊c均值(FCM，Fuzzy 理论最为完善，应用最为广泛[3“1 巩——每一类别中样本以与聚类中心Pi之间 设X={z。，X2，…，岛)是待聚类分析的对象全 的欧式距离。 体(称为样本集)，X中的每个对象(称为样本)如 上述非线性规划问题可以用拉格朗日乘数法 (忌=1，2，…，咒)有s个特性，z^一(z∽Xh2，…，如)，求解： 国家“十一五”科技支撑计划(2006BAJl6即2)；佛山市产学 研专项基金项目(2007CT004)。