本发明涉及城市供水管网压力监测领域，尤其涉及一种城市供水爆管界定方法。
背景技术：
城市供水管网是城市的生命线,它相当于城市的血管，与人民的生活息息相关。近年来,随着城市建设的飞速发展，城市的规模也在不断扩大，城市的地下供水管网也已经发展成为庞大、复杂的网络。伴随着管网规模的不断扩大，爆管、漏管事故呈现出逐年增加的趋势，管网的漏失水量也在不断增加。因此，完善管网的信息管理系统，对突发性的漏损事故进行预警就显得极为重要。利用先进的管理手段辅以计算机管理系统来提高管网管理水平已成为各地供水企业所面临的重要问题。
城市供水管网地理信息系统为研究爆管问题提供了一个很好的技术平台。国外学者在爆管问题的研究上较多的采用了GIS空间分析技术，他们的分析内容一般包括爆管事故与土壤类型、爆管事故与交通荷载、管道与压力分布分析、爆管事故与管道密度等方面的内容。但是，传统的城区爆管事故监测方式粗糙、实时监测自动化程度不高，准确性低，缺乏对主要干扰因素的分析处理。
因此，本领域的技术人员致力于开发一种城市供水爆管界定方法，根据现有数据对供水管网测爆管预警系统和基础的爆管阈值界定方法进行深入的研究，通过已有的水压数据，建立分析模型，判断目前的水压数值是否发生异常，来及时检测供水管网是否发生爆管或漏水；同时结合临时性水力设施动作、天气温度、节假日、管材、管径、爆管历史记录等静态数据对不同水管的爆管风险进行一个综合的评估，提升检测的准确性。
技术实现要素：
有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是进行供水管网数据清洗，减小原始异常的误差，结合多种影响水压的因素修正水压阈值计算模型，水压阈值便于在线计算与滚动更新，提升爆管界定准确性。
为实现上述目的，本发明提供了一种城市供水爆管界定方法，包括以下主要步骤：
(1)通过历史一周的水压数据采用统计学中的3δ法则计算合理的水压阈值(上下界范围)，同时获取主要水压影响因素的数据；
(2)针对临时性水力设施动作调整优化水压阈值计算模型；
(3)针对节假日信息调整优化所述水压阈值计算模型，采用BP神经网络得到节前和往年对应节假日的水压的权重；
(4)针对天气温度的调整优化所述水压阈值计算模型，基于系数修正所述水压阈值；
(5)针对管段综合风险程度调整优化所述水压阈值计算模型，采用AHP层次分析法计算管网的总和风险系数；
(6)将更新之后的所述水压阈值和相关数据滚动更新并存储。
进一步地，所述步骤(1)中所述主要水压影响因素包括天气温度、临时性水力设施动作、管网信息以及节假日信息。
进一步地，所述步骤(2)中所述临时性水力设施动作包括泵站开停泵、水厂机组开停、阀门关闭/开启和消防栓开启。
进一步地，所述泵站开停泵和所述水厂机组开停情况可以参考历史数据一天内水压的最大值和最小值，用于估算非日常时间段进行所述临时性水力设施动作引发的水压变化。
进一步地，所述步骤(3)中所述BP神经网络的修正步骤如下：
(31)取90％的水压数据为训练集，其余10％的水压数据为验证集；
(32)选取基本的三层神经网络结构进行计算；
(33)从输入层到隐含层之间选取双曲正切sigmoid函数，将输入变量映射至0到1之间。
进一步地，所述步骤(4)中具体为：
(41)所述天气温度以8℃为界，提升所述水压阈值的下界防止漏报；
(42)以25mm的降水量为修正界限，下调所述水压阈值的下界以免造成误报。
进一步地，所述步骤(4)中所述水压阈值调整的系数根据条件的不同选定为0.95、1、1.05。
进一步地，所述步骤(5)中所述针对合管段综合风险程度调整模型的步骤包括：
(51)获取管段材质、管龄、管径以及历史爆管次数，通过AHP层次分析法计算得到权重依次为53％、31％、10％和6％(52)计算得到综合风险系数，所述综合风险系数为：0-0.4对应一级、0.4-0.6对应二级、0.6-0.8对应三级、0.8以上对应四级，级数越高表明风险越大；
(53)根据所述评级和所述管段综合风险系数，对对应的管段的爆管检测的所述水压阈值进行调整。
进一步地，所述步骤(5)中所述对对应的管段的爆管检测的水压阈值进行调整幅度为：所述综合风险系数小于0.4则维持原有所述水压阈值，在0.4-0.6之间则所述水压阈值的下界提高1％，在0.6-0.8之间则所述水压阈值的下界提高2％，0.8以上则所述水压阈值的下界提高3％。
进一步地，所述步骤(6)具体包括如下步骤：
(61)首先确定是否是法定节假日，是则采用往年历史数据和节前平均水压加权计算所述水压阈值，反之只使用当天前一周的数据进行计算；
(62)判定爆管时间节点附近是否有所述临时性水力设施动作，没有则不调整所述水压阈值，反之根据历史最大值和最小值修正所述水压阈值；
(63)获取当天的天气温度、降水量信息修正所述水压阈值；
(64)通过GIS和信息数据库获取路段和管网的信息，计算综合的管网风险系数并在此基础上调整所述水压阈值。
本发明考虑多种影响和干扰因素，尽可能使得清洗后的数据保持原有的变化规律，提高阈值界定的准确程度，模型基于实际数据和历史数据并结合干扰因素修正，对其它多个工况下具有普适性。
附图说明
图1是城市供水管网爆管界定方法的执行流程图；
图2是采用本发明所述方法界定爆管事件的当天水压和阈值上下界曲线图。
具体实施方式
以下参考说明书附图介绍本发明的多个优选实施例，使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现，本发明的保护范围并非仅限于文中提到的实施例。
图1城市供水管网爆管界定方法具体执行流程图，包括以下主要步骤：
(1)在已经计算得到基础水压阈值的基础上，获取主要水压影响因素；主要水压影响因素包括天气温度、临时性水力设施动作、管网信息以及节假日信息。
(2)针对临时性水力设施动作调整优化水压阈值计算模型；临时性水力设施动作包括泵站开停泵、水厂机组开停、阀门关闭/开启和消防栓开启。
泵站开停泵和水厂机组开停情况可以参考历史数据一天内水压的最大值和最小值，用于估算非日常时间段进行临时性水力设施动作引发的水压变化。
(3)针对节假日信息调整优化水压阈值计算模型，采用BP神经网络得到节前和往年对应节假日的水压的权重；BP神经网络的修正步骤如下：
(31)取90％的水压数据为训练集，其余10％的水压数据为验证集；
(32)选取基本的三层神经网络结构进行计算；
(33)从输入层到隐含层之间选取双曲正切sigmoid函数，将输入变量映射至0到1之间。
(4)针对天气温度的调整优化水压阈值计算模型，基于系数修正水压阈值；具体为：
(41)天气温度以8℃为界，提升水压阈值的下界防止漏报；
(42)以25mm的降水量为修正界限，下调水压阈值的下界以免造成误报。
水压阈值调整的系数根据条件的不同选定为0.95、1、1.05。
(5)针对管段综合风险程度调整优化水压阈值计算模型，采用AHP层次分析法计算管网的总和风险系数；针对合管段综合风险程度调整模型的步骤包括：
(51)获取管段材质、管龄、管径以及历史爆管次数，通过AHP层次分析法计算得到权重依次为53％、31％、10％和6％，各因素的风险估值的量化表如下：
(52)计算得到综合风险系数，综合风险系数为：0-0.4对应一级、0.4-0.6对应二级、0.6-0.8对应三级、0.8以上对应四级，级数越高表明风险越大；
(53)根据评级和管段综合风险系数，对对应的管段的爆管检测的水压阈值进行调整。
对对应的管段的爆管检测的水压阈值进行调整幅度为：综合风险系数小于0.4则维持原有水压阈值，在0.4-0.6之间则水压阈值的下界提高1％，在0.6-0.8之间则水压阈值的下界提高2％，0.8以上则水压阈值的下界提高3％。
(6)将更新之后的水压阈值和相关数据滚动更新并存储。具体包括如下步骤：
(61)首先确定是否是法定节假日，是则采用往年历史数据和节前平均水压加权计算水压阈值，反之只使用当天前一周的数据进行计算；
(62)判定爆管时间节点附近是否有临时性水力设施动作，没有则不调整水压阈值，反之根据历史最大值和最小值修正水压阈值；
(63)获取当天的天气温度、降水量信息修正水压阈值；
(64)通过GIS和信息数据库获取路段和管网的信息，计算综合的管网风险系数并在此基础上调整水压阈值。
以某次爆管事件为例，在当日下午14:20分左右某路口发生较大的爆管事件，导致路面积水，影响范围较广，采用本发明所述方法，进行水压的监测和爆管界定。
(1)获取目标区域中各个测压点的压力数据，主要目标区域中有6个测压点，下表展示爆管点附近测压点的在当时的原始水压数据进行修正填补以及间隔统一后的结果；
(2)将预处理后的数据进行统计分析，计算得到基础水压阈值；利用前一周该测压点对应的数据分别计算各个时间节点的水压均值与方差值，进行合理范围估计。
(3)获取主要影响因素的数据；爆管之前没有临时性水力设施的动作，同时当日不是节假日、没有温度的骤变(温度变化程度小于5摄氏度)，综合管段风险程度计算结果为0.925(主要管材为风险系数较高的铸铁管且建成使用时间超过40年)。
(5)根据主要的水压阈值影响因素调整修正基础阈值；绘制的阈值上下界曲线与当天水压的曲线图,如图2所示。
(6)滚动更新数据并存储。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。