基于机器学习的供水管网风险评价.pdf

1、基于机器学习的供水管网风险评价基于机器学习的供水管网风险评价汇报人汇报人：朱婧聪：朱婧聪导导 师：扈震师：扈震 曾文曾文中国地质大学（武汉中国地质大学（武汉）地理与地理与信息工程学院信息工程学院 高性能空间计算智能实验室（高性能空间计算智能实验室（HPSCIL）High-performance Spatial Computational Intelligence Lab CUG12023年中国测绘学会地下管线专业委员会年会年中国测绘学会地下管线专业委员会年会2023.11.23 中国中国.上海上海1 1High-performance Spatial Computational Intelli

2、gence Lab CUGHigh-performance Spatial Computational Intelligence Lab CUGCONTENT 01 引言 02 研究方法 03 结果与讨论 04 总结与展望 05 参考文献3High-performance Spatial Computational Intelligence Lab CUGHigh-performance Spatial Computational Intelligence Lab CUG01引言引言012019年7月，乐山市高新区的市第一自来水厂原水管因外单位施工导致破损，现场路面出现大量积水，造成交通拥堵，

3、绿化带土地全部浸湿。2022年10月，四川省广元市利州区利州东路，DN600供水主管发生爆管，紧急抢修12小时，影响周边近2万名居民家中正常生活。生命线系统作为分布在城市中的复杂网络，由大量管道组成，具有地理范围分布广、关联性强、风险大等特点。一但发生事故，往往破坏严重、波及范围广、社会影响大。通过事故前的风险评估能够在一定程度上预防管线事故的发生，提高供水管网的管理水平、保障人民群众的生命财产安全。生命线系统负担着城市的信息传递、能源输送，是满足城市运行和市民生产生活的重要基础，是确保社会经济和城市建设健康协调发展的重要基础和保障。4某市供水管网分布图引言01水利部明确指示，全面加强地下管线

4、等基础市政设施的运行管护，水资源节约管理，数字孪生水利建设加快推进。保障供水系统的安全运行，降低城镇公共供水管网漏损，提高水资源利用效率，为供水管网风险评估提供政策基础。城市地下市政基础设施建设总体平稳，但仍存在统筹协调不够、运行管理不到位等问题，爆管、漏水事故时有发生。5研究现状01典型的风险评估方法6 定性方法半定量方法定量方法概念由专家依据实践经验以及行业标准，对事故风险做出直观判断根据管道属性及其对风险的贡献大小建立指标体系，对各个因素失效可能性和失效后果进行评分以系统事故发生概率来评价，对燃气管网的状况进行定量的计算方法事件树法、故障树法、领结图模型法灰色系统法、肯特指数法、贝叶斯网

5、络法、层次分析法和模糊评价法概率风险评价法、危险指数评价法和伤害（破坏）范围评价法局限性或多或少取决于专家的估计和经验使用数学工具提高评价结果的客观性，但难以应用于不同情况性能取决于样本数据的数量和质量，对于缺失历史数据的区域难以应用实例科学问题01科学问题（2）针对供水管网故障重点区预测尚无固定程式，风险评估结果不确定性较大，需要综合考虑结果精度，模型适用性进行结果评价。（1）现有研究多用专家打分的方式对耦合作用的强弱做出评价，具有一定的主观性，且较少考虑到管线与周边环境之间的空间相关性。解决方法对供水管网事故案例进行分析，并总结事故原因，考虑管线周边环境因素，建立综合风险评价指标体系。综合

6、运用空间分析、统计分析和支持向量机（SVM）等方法，构建了四种核函数SVM管网风险预测模型并分析评价结果。78High-performance Spatial Computational Intelligence Lab CUGHigh-performance Spatial Computational Intelligence Lab CUG02研究方法研究方法029研究方法02数据来源10（1）管网数据中国南部某市供水管网（2）管网故障数据研究区设备维修故障管段共89处，故障类型包括人为爆管、自然爆管、水管漏水、其他水管设备故障4种类型（3）人口密度数据 数据来源于2000-2020年总分