基于GA-BP神经网络对不可避免漏失水量的确定.pdf

水利水电技术(中英文）第52卷2021年第12期

王俊岭，胡颖梦，张昕喆，等.基于GA-BP神经网络对不可避免漏失水量的确定[J].水利水电技术（中英文），2021，52(12):

201-211.

WANGJunling,HUYingmeng,ZHANGXinzhe,etal.GA-BPneuralnetwork-baseddeterminationofunavoidableannualreallossesfrom

watersupplypipelinenetwork[J].WaterResourcesandHydropowerEngineering,2021,52(12)：201-211.

赢彳GA-B神後网絡对泰可避兔滿失水1的确定

王俊岭、胡颖梦\张昕喆2，吴宾3

(1.北京建筑大学环境与能源工程学院，北京100044;2.国网河南省电力公司郑州供电公司，

河南郑州450006;3.中国林业科学研究院，北京100091)

摘要：为了分析管网漏损影响要素和供水管网不可避免漏失水量之间存在的复杂联系及对应关系，

建立适用于我国不可避免漏失水量的确定方法。通过采集、筛选实际管网的漏损统计数据，对独立计

量区域（DMA)展开夜间最小流量分析，并分析研究区域内管网的影响因素，将管龄、管材、用户数

量及管网压力设定为相关影响参数。在此基础上，分别建立BP神经网络模型以及经过遗传算法优化

后的BP神经网络模型（GA-BP神经网络），并对优化前后二者神经网络模型拟合结果对比分析。最终

将优化后的模型应用于不同DMA进行漏损分析。结果显示，优化后的BP神经网络不仅训练效率更

高，且误差平均降低了3.02%。将该模型应用于实际管网三个不同DMA时，可以发现DMA内均存

在可控漏损水量，以经济可行为前提，分别可节约水量10512m3/a、12702m3/a、37580.4m3/a。

研究成果可为DMA漏损控制提供参考。

关键词：BP神经网络；遗传算法；可行性评估；不可避免漏失；线性回归分析；人工智能算法；

DMA;影响因素

doi：10.13928/j.cnki.wrahe.2021.12.020开放科学（资源服务）标志码（OSID:

中图分类号：TU991.33文献标志码：A文章编号：1000-0860(2021)12-0201-11

GA-BPneuralnetwork-baseddeterminationofunavoidableannualreallossesfrom

watersupplypipelinenetwork

WANGJunling1,HUYingmeng1,ZHANGXinzhe2,WUBin3

(1.SchoolofEnvironmentandEnergyEngineering,BeijingUniversityofCivilEngineering