一种基于深度学习的排水管网混接改造优化模型系统的制作方法

本发明涉及排水管网，尤其涉及一种基于深度学习的排水管网混接改造优化模型系统。

背景技术：

1、深度学习是学习样本数据的内在规律和表示层次，是复杂的机器学习算法，当前，我国市政排水管网系统日益完善，新老城区积极对排水管网系统进行修复和改进，但是，排水管网存在一些不合理之处，需对排水管网进行合理规划，优化设计，促进城市污水顺利排放以及居民用水及时输送；

2、在排水管网对液体进行输送时，可能会出现局部区域的液体流量过大或过小的情况，当液体流量过小时，水源可能无法及时输送到目标位置，从而影响排水效率和居民用水，当液体流量过大时，可能会对局部管道造成压力，且排水会产生拥堵情况，若不能及时进行疏导，长此以往局部管道会出现损坏；

3、据此，我们急需对排水管网进行混接改造工作，而直接进行改造可能会由于模拟设计的结果与实际改造的效果之间产生偏差，从而引发后续的排水效果差的问题，以及修复管道带来的经济损失，使得排水管网混接改造的工作效率低、改造效果差；

4、针对上述的技术缺陷，现提出一种基于深度学习的排水管网混接改造优化模型系统。

技术实现思路

1、本发明的目的在于提供了一种基于深度学习的排水管网混接改造优化模型系统，解决了上述问题。

2、为了实现上述目的，本发明采用了如下技术方案：一种基于深度学习的排水管网混接改造优化模型系统，包括初始设计模块、信息采集模块、对比分析模块和优化设计模块，初始设计模块、信息采集模块、对比分析模块和优化设计模块之间信号连接；

3、初始设计模块用于建立初始的预设模型n号，根据现状管网、泵站情况搭建实际管网n号，通过对实际管网n号进行物理建模并创建初始的预设模型n号；

4、信息采集模块用于采集预设模型n号的流量信息a和实际管网n号的流量信息b，并发送到对比分析模块；

5、对比分析模块对流量信息a和流量信息b进行分析处理，判定预设模型n号的偏差度，生成校正信号发送到初始设计模块，并获取实际管网n号的波动指数，以判定实际管网n号的管道性能状态，生成调控信号发送到优化设计模块；

6、优化设计模块接收调控信号后，对预设模型n号进行升级调整操作，生成优化的预设模型n+1号，并通过预设模型n+1号对排水管网进行混接改造操作，搭建实际管网n+1号，再将预设模型n+1号与实际管网n+1号反馈到信息采集模块；

7、信息采集模块重新采集预设模型n+1号与实际管网n+1号的流量信息，再通过对比分析模块进行分析处理，再通过优化设计模块对预设模型n+1号进行升级调整，并重复循环上述操作，实现预设模型的自动优化。

8、优选的，采集流量信息的过程如下：

9、将排水管网分为x个区域，对每个区域进行编号，定时采集每个编号所属区域内的流量信息，其中，流量信息包括x个区域的液体流量值qx，x∈[1,x]，x为大于1的自然数；

10、获取液体流量值qx的过程为：以当前区域的中心为圆心，以r为半径画圆o，其中，r的长度小于从中心点到区域边界的距离，再从圆o与排水管网的交点处随机选取n个液体采集点，获取每个液体采集点处的流量值s，再通过求取n个液体采集点处流量值s的平均值，获取当前区域内的液体流量值qx；

11、预设模型n号与实际管网n号的区域划分方式一致，且两者的区域编号相对应，则流量信息a包括预设模型n号内x个区域的液体流量值qax，流量信息b包括实际管网n号的内x个区域的液体流量值qbx。

12、优选的，分析处理流量信息的过程如下：

13、根据x个区域内的液体流量值qx获取管网的管道液压指数zx：

14、先对x个区域的液体流量值qx进行求平均值，以获取排水管网整体的液体流量值pqx；再将液体流量值pqx代入预设公式g1中进行测算，以获取管网液压指数zx；

15、预设公式g1为：zx＝epqx+pqx，其中，e为转化因子系数，且e大于0；

16、具体过程为：根据流量信息a获取预设模型n号的管网液压指数zxa；根据流量信息b获取实际管网n号的管网液压指数zxb；再对比管网液压指数zxa与管网液压指数zxb，以判定预设模型n号的偏差度。

17、优选的，判定预设模型n号的偏差度的过程如下：

18、先设置公式g2，获取预设模型n号的偏差系数spc；

19、预设公式g2为：spc＝ε*(zxb-zxa)2，其中，ε为影响因子系数，且ε大于0；

20、再设置偏差系数spc的误差阈值w，判定预设模型n号的偏差度；

21、当偏差系数超出误差阈值时，判定预设模型n号的偏差度高，则生成校正信号并反馈到初始设计模块，对预设模型n号进行模型结构优化，用于对预设模型进行校正调整；

22、当偏差系数未超出误差阈值时，判定预设模型n号的偏差度低，则表示预设模型n号符合设定标准，再判定实际管网n号是否需要进行混接改造优化。

23、优选的，判定实际管网n号是否需要进行混接改造优化的过程如下：

24、根据实际的管网液压指数zxb与流量信息b，以测算实际管网n号的内x个区域内的波动指数bdx，其中，流量信息b包括实际管网n号内x个区域的液体流量值qbx；

25、设置公式g3，预设公式g3为：获取实际管网n号内x个区域对应的波动指数bdx，其中，λ为波动因子系数，ω为比例因子系数，且λ与ω均大于0；

26、根据波动指数bdx判定当前区域内的管道性能状态，对于管道性能状态差的区域进行混接改造工作。

27、优选的，判定管道性能状态的过程如下：

28、设置波动指数bdx的稳定阈值t，若当前区域内的波动指数bdx超出稳定阈值时，则说明该区域内管道性能状态差，生成调控信号，用于进行管道混接改造处理；若当前区域内的波动指数bdx没有超出稳定阈值时，则不做处理；

29、调控信号的具体生成过程为：设置公式g4，获取对比参照值sc，判定x个区域内管道的液压状态，根据液压状态来判定管道内的流量大小，并对当前区域内的管道进行升级调整操作；

30、预设公式g4为：sc＝ω*qbx-zxb，其中，ω为比例因子系数，且ω大于0；

31、若sc为正数，则表示当前区域管道内的液压过大，生成一号调控信号；

32、若sc为负数，则表示当前区域管道内的液压过小，生成二号调控信号。

33、优选的，升级调整操作的具体过程为：

34、当接收到一号调控信号时，说明管道内的流量大，则对于预设模型n号内该区域的管道设置疏导机构；

35、当接收到二号调控信号时，说明管道内的流量小，则对于预设模型n号内该区域的管道设置加压机构。

36、综上所述，由于采用了上述技术方案，本发明的有益效果是：

37、1、本发明的一种基于深度学习的排水管网混接改造优化模型系统中，通过初始设计模块获取现有的实际管网并建立预设模型，通过信息采集模块采集预设模型和实际管网的流量信息，再通过对比分析模块进行信息处理，判定预设模型的偏差度以及实际管网的性能状态，实现对预设模型的校正调整，进而通过优化设计模块对预设模型进行模拟设计，从而实现对实际管网的优化改造，并通过反馈和循环操作，实现了预设模型的深度学习和自动优化；

38、2、本发明整体实现了对排水管网的混接改造，通过对预设模型的多次校正调整，使得预设模型与实际管网不断趋于一致，通过对预设模型进行模拟设计，再根据模拟设计对实际管网进行混接改造工作，模拟的结果与实际的效果逐渐趋同，避免了直接改造排水管网造成的偏差，以及改造偏差引发的后续排水影响和经济损失，使得实际管网的改造更直接准确且具备针对性，混接改造的工作效率高；

39、3、本发明通过对排水管网进行混接改造，使得液体输送整体状态一致，水源能够及时输送到目标位置，保证了居民用水和排水效率，并疏导了拥堵管道的液体压力，延长排水管网的使用寿命。