(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210517426.9 (22)申请日 2022.05.12 (71)申请人 浙江中控信息产业股份有限公司 地址 310051 浙江省杭州市滨江区滨康路 352号2号楼 23-25层 (72)发明人 沈寅杰　何东　苟茂华　彭越　 徐建钢　 (74)专利代理 机构 杭州杭诚专利事务所有限公 司 33109 专利代理师 祝欢欢 (51)Int.Cl. G01D 21/02(2006.01) G06K 9/62(2022.01) F17D 5/00(2006.01) (54)发明名称 一种排水 管网淤积监测分析的方法 (57)摘要 本发明公开了一种排水管网淤积监测分析 的方法， 包括以下步骤： S1： 选取样本数据， 对样 本数据进行异常值处理， 将样 本数据转化为无量 纲数值； S2： 基于无量纲数值， 采用异构并行架 构， 构建并训练门循环单元模型得到预测液位； S3： 分析预测液位和真实液位的均方误差和拟合 度， 得到预测液位精度， 预测液位精度满足要 求， 实时监测真实液位； S4： 基于真实液位和预测液 位的偏差程度， 判断淤积程度并归类。 本发明的 有益效果是： 能通过泵站流量数据和雨量数据实 现在线检测 和分析管网的淤积程度。 权利要求书1页 说明书5页 附图4页 CN 115031776 A 2022.09.09 CN 115031776 A 1.一种排水 管网淤积监测分析的方法， 其特 征在于， 包括以下步骤： S1： 选取样本数据， 对所述样本数据进行异常值处理， 将所述样本数据转化为无量纲数 值； S2： 基于所述无量纲数值， 采用异构并行架构， 构建并训练门循环单元模型得到预测液 位； S3： 分析所述预测液位和真实液位的均方误差和拟合度， 得到预测液位精度， 所述预测 液位精度满足要求， 实时监测真实液位； S4： 基于所述真实液位和预测液位的偏差程度， 判断淤积程度并归类。 2.根据权利要求1所述的一种排水管网淤积监测分析的方法， 其特征在于， 所述样本数 据包括上游泵站 流量数据、 下游泵站 流量数据、 管网液位计和雨量数据， 异常值处理的方式 包括异常值去除和插值。 3.根据权利要求1或2所述的一种排水管网淤积监测分析的方法， 其特征在于， 所述样 本数据转 化为无量纲数值， 无量纲数值处于同一特性区间， 算式如下： 式中， x′i为xi的无量纲数值， xi为样本数值， xmin为样本最小值， xmax为样本最大值。 4.根据权利要求1所述的一种排水管网淤积监测分析的方法， 其特征在于， 构建所述门 循环单元模型包括以下步骤： S21： 设置 激活函数和转换函数； S22： 基于所述激活函数， 设置 重置函数和更新 函数； S23： 基于所述 转换函数和重 置函数， 设置候选函数； S24： 基于所述更新 函数和候选函数， 构建目标状态值模型。 5.根据权利要求1所述的一种排水管网淤积监测分析的方法， 其特征在于， 所述门循环 单元模型输入值为雨量时间序列、 上游泵站流量序列和下游泵站 流量序列， 序列长度为4小 时， 采样频率 为5分钟/个； 隐藏层的隐层节点数为输入节点的1.5倍。 6.根据权利要求1所述的一种排水管网淤积监测分析的方法， 其特征在于， 满足预测液 位精度要求的判定条件为： 所述均方误差小于0.001且趋于稳定， 且 所述拟合度 精度为95％ 及以上。 7.根据权利要求1所述的一种排水管网淤积监测分析的方法， 其特征在于， 步骤S3还包 括： 预测液位精度未满足精度要求， 优化门循环单元模型参数， 重新训练门循环单元模型得 到新预测液位。 8.根据权利要求1所述的一种排水管网淤积监测分析的方法， 其特征在于， 所述偏差程 度越大， 管网的淤积越多， 基于偏差程度、 管网容 量和管网面积对淤积程度进行分类。权　利　要　求　书 1/1 页 2 CN 115031776 A 2一种排水管 网淤积监测分析的方 法 技术领域 [0001]本发明涉及排水 管检测技 术领域， 特别涉及一种排水 管网淤积监测分析的方法。 背景技术 [0002]目前， 排水管道系统由于规划、 设计、 施工、 运维等各方面的原因， 时常会出现管道 淤积、 堵塞等问题， 导致管道过流能力低下的现象， 严重影响了排水管道的正常运行， 诱发 降雨期间路面积水、 城市内涝等问题 灾害， 给城市的交通和市民的正常生活带来极大不便。 由于城市排水过程的复杂性和不可见性， 对城市排水系统需要有一套规划合理、 动态监测、 实时管理的一体化系统。 但是目前城市管网的基础数据很难支撑传统机理模型 的构建， 埋 深、 坐标、 管径、 高程、 点 号等GIS数据存在严重质量问题。 [0003]现有技术中， 淤积物监测装置， 通常包括图像采集装置及图像识别装置， 用带有摄 像头的图像采集装置连接图像识别装置， 用于采集管网内淤积物的图像， 根据管网内淤积 物的图像识别淤积物高度， 从而判断管网的淤积程度。 [0004]例如， 一种在中国专利文献上公开的 “淤积物监测装置及淤积物监测方法 ”， 其公 告号： CN113091847A， 其 申请日： 2021年04月08日， 该发明通过少数摄像头采集沉淀池 内淤 积物的图像， 并利用上述图像进行识别得到淤积物高度， 观测数据直观、 操作简单， 不用结 合大量的数据计算， 无需过多获取数据及过多占用计算机内存， 观测数据准确且可移植性 较高， 但是存在不能通过泵站流量数据和雨量数据实现在线检测和分析管网的淤积程度的 问题。 发明内容 [0005]针对现有技术不能通过泵站流量数据和雨量数据实现在线检测和分析管网的淤 积程度的不足， 本发明提出了一种排水管网淤积监测分析 的方法， 能通过泵站流量数据和 雨量数据实现在线检测 和分析管网的淤积程度。 [0006]以下是本发明的技 术方案， 一种排水 管网淤积监测分析的方法， 包括以下步骤： [0007]S1： 选取样本数据， 对所述样本数据进行异常值处理， 将所述样本数据转化为无量 纲数值； [0008]S2： 基于所述无量纲数值， 采用异构并行架构， 构建并训练门循环单元模型得到预 测液位； [0009]S3： 分析所述预测液位和真实液位的均方误差和拟合度， 得到预测液位精度， 所述 预测液位精度满足要求， 实时监测真实液位； [0010]S4： 基于所述真实液位和预测液位的偏差程度， 判断淤积程度并归类。 [0011]本方案中， 选取样本数据， 用于建立模型分析淤积程度， 对所述样本数据进行异常 值处理， 避免异常数据影响模型结果， 将所述样本数据转化为无量纲数值， 便于模型计算， 基于所述无量纲数值， 采用异构并行架构， 提高运算速度， 实现在线监测， 构建并训练门循 环单元模 型得到预测液位， 通过模型得出预测液位， 便于与真实液位进 行比较， 分析所述预说　明　书 1/5 页 3 CN 115031776 A 3