文章摘要
张辉,刘宁宁,王振华,张金珠,李淼,尹飞虎.基于SSA-BP的自压灌溉管网泄漏定位模型研究[J].水利学报,2025,56(4):488-498
基于SSA-BP的自压灌溉管网泄漏定位模型研究
Research on leakage positioning model of self-pressure irrigation pipe network based on SSA-BP
投稿时间：2024-06-25  
DOI：10.13243/j.cnki.slxb.20240396
中文关键词: 自压灌溉管网  泄漏定位  SSA-BP神经网络  水力模型  压力变化率
英文关键词: self-pressure irrigation pipe network  leak location  SSA-BP neural networks  hydraulic model  pres-sure change rate
基金项目:国家重点研发计划课题（2022YFD1900405）；兵团农业GG项目（2023AA305）；石河子大学科技攻关计划项目（KJGG202405）；兵团科技成果转化引导计划项目（2023BA003）
作者单位E-mail
张辉 石河子大学 水利建筑工程学院, 新疆 石河子 832000
现代节水灌溉兵团重点实验室, 新疆 石河子 832000
兵团农业水肥高效关键装备技术创新中心, 新疆 石河子 832000
农业农村部西北绿洲节水农业重点实验室, 新疆 石河子 832000 		 
刘宁宁 石河子大学 水利建筑工程学院, 新疆 石河子 832000
现代节水灌溉兵团重点实验室, 新疆 石河子 832000
兵团农业水肥高效关键装备技术创新中心, 新疆 石河子 832000
农业农村部西北绿洲节水农业重点实验室, 新疆 石河子 832000 		 
王振华 石河子大学 水利建筑工程学院, 新疆 石河子 832000
现代节水灌溉兵团重点实验室, 新疆 石河子 832000
兵团农业水肥高效关键装备技术创新中心, 新疆 石河子 832000
农业农村部西北绿洲节水农业重点实验室, 新疆 石河子 832000 		wzh2002027@163.com 
张金珠 石河子大学 水利建筑工程学院, 新疆 石河子 832000
现代节水灌溉兵团重点实验室, 新疆 石河子 832000
兵团农业水肥高效关键装备技术创新中心, 新疆 石河子 832000
农业农村部西北绿洲节水农业重点实验室, 新疆 石河子 832000 		 
李淼 石河子大学 水利建筑工程学院, 新疆 石河子 832000
现代节水灌溉兵团重点实验室, 新疆 石河子 832000
兵团农业水肥高效关键装备技术创新中心, 新疆 石河子 832000
农业农村部西北绿洲节水农业重点实验室, 新疆 石河子 832000 		 
尹飞虎 石河子大学 水利建筑工程学院, 新疆 石河子 832000
农业农村部西北绿洲节水农业重点实验室, 新疆 石河子 832000
新疆农垦科学院 农田水利与土壤肥料研究所, 新疆 石河子 832000 		 
摘要点击次数: 149
全文下载次数: 104
中文摘要:
      针对现有自压管网泄漏定位方法的局限性，本文通过搭建自压灌溉管网水力模型，分析了不同泄漏工况下泄漏点空间分布对管网压力变化的影响，提出了一种基于SSA-BP神经网络的自压灌溉管网泄漏定位模型，建立了泄漏点位置与监测点压力变化率的非线性关系，并与传统BP神经网络和GA-BP神经网络进行对比。结果表明，SSA-BP模型对于预测泄漏位置的横、纵坐标具有更高的预测精度，决定系数R2分别达到0.991和0.993，相比BP模型和GA-BP模型R2分别提高0.90%、1.71%和3.32%、3.12%，均方根误差RMSE、平均绝对百分比误差MAPE分别为29.45、0.88%和26.76、0.74%，预测误差显著低于后两者，展现出更好的泛化能力。在案例管网随机模拟泄漏定位中，大尺度泄漏条件下的SSA-BP模型平均预测偏差仅为39.93 m，相较BP模型和GA-BP模型分别降低了67.66%和26.99%，小尺度泄漏条件下的SSA-BP模型平均预测偏差仅为66.17 m，相较BP模型和GA-BP模型分别降低了53.70%和37.54%，进一步证明SSA-BP模型具有更高的准确性和稳定性。本研究工作可为自压灌溉管网压力监测点选取及泄漏定位提供可靠依据。
英文摘要:
      Given the limitations of the existing self-pressure pipe network leakage location methods，this paper analyzes the impact of the spatial distribution of leakage points on the pressure changes in the pipe network under various leakage conditions by constructing a hydraulic model of self-pressure irrigation pipe network. A self-pressure irrigation pipe network leakage location model based on the SSA-BP neural network is proposed. The nonlinear relationship between the leakage point position and the pressure change rate of the monitoring point is established and compared with the traditional BP neural network and GA-BP neural network. The results show that the SSA-BP model has higher prediction accuracy for the horizontal and vertical coordinates of the predicted leakage position，and the determination coefficients R2 reach 0.991 and 0.993，respectively，which are 0.90%，1.71% and 3.32%，3.12% higher than those of the BP model and the GA-BP model，respectively. The root mean square error（RMSE）and the mean absolute percentage error（MAPE）are 29.45 and 0.88%，and 26.76 and 0.74%，respectively，obviously lower than those of the latter two. The prediction error is reduced dramatically，showing better generalization ability. In the random simulation leakage location of the case pipeline network，the average prediction deviation of the SSA-BP model under large-scale leakage conditions is only 39.93 m，which is 67.66% and 26.99% lower than that of the BP model and the GA-BP model，respectively. The average prediction deviation of the SSA-BP model under small-scale leakage conditions is only 66.17 m，which is 53.70% and 37.54% lower than that of the BP model and the GA-BP model，respectively，which further proves that the SSA-BP model has higher accuracy and stability. This paper is not only essential for studying the spatial distribution of leakage points in response to the pressure changes in the pipe network and for selecting pressure monitoring points reasonably，but also for providing a reliable basis for the leakage location of the self-pressure irrigation pipe network.
查看全文   查看/发表评论  下载PDF阅读器
关闭