差分自回归移动平均模型预测管网漏损的研究

《差分自回归移动平均模型预测管网漏损的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第26卷第1l期中国给水排水Vo1．26No．1l2010年6月CHINAWATER&WASTEWATERJun．2010差分自回归移动平均模型预测管网漏损的研究王丽娟，张宏伟(天津大学环境科学与工程学院，天津300072)摘要：给水管网敷设后会因多种原因发生漏损，有效进行漏损控制是世界各国亟待解决的问题。在对某市实际管网漏损数据进行统计分析的基础上，建立了基于差分自回归移动平均模型[ARIMA(P，d，q)(P，D，Q)]的管网漏损预测模型。该模型能够根据管网的历史漏损数据预测管网未来的漏损趋势，可为管网漏损控制及更新决策提供有效依据。关键词：供水管网；漏损；差分自回归移动

2、平均模型；预测中图分类号：TU991文献标识码：C文章编号：1000—4602(2010)11—0127—03LeakagePredictionofWaterDistributionNetworkbyARIMAModelWANGLi-juan．ZHANGHong—wei(SchoolofEnvironmentalScienceandTechnology，TianfinUniversity，Tianjin300072，China)Abstract：Leakageofwaterdistributionnetworkmaybecausedbyseveralreasons．Theef

3、fectivecontrolofleakageisaproblemtobeurgentlysolvedforallthecountriesintheworld．Basedonthestatis—ticalanalysisofleakagedataofacitywaterdistributionnetwork，apredictionmodelforleakageofwaterdistributionnetworkwasestablishedbasedonautoregressiveintegratedmovingaverage(ARIMA)(p，d，q)(P，D，Q)mode1

4、．Accordingtothehistoricalleakagedata，thismodelcanpredictthefutureleak—agetendencyofwaterdistributionnetwork，whichcanprovideabasisforleakagecontrolandrenovationdecisionofwaterdistributionnetwork．Keywords：waterdistributionnetwork；leakage；autoregressiveintegratedmovingaverage(ARIMA)model；predi

5、ction进入21世纪后，世界各国的许多重要城市都面管网系统庞大复杂，漏损信息往往含有太多的临着水资源危机，据世界气象学组织预测，城镇的迅不确定性，如果漏损数据未能及时、准确地采集，就速增长将会使水资源迅速枯竭IJ。城市供水管网很难建立漏损与影响因素之间的量化关系。因此，是工业社会的重要基础设施之一，对保证国民经济管道漏损与诸多因素之间是一种多变量、强耦合、严发展和人们正常生活起着举足轻重的作用，然而却重非线性关系。时间序列方法是把漏损管网系统看由于腐蚀、老化和变形等各种原因不断发生漏成一个“黑箱”，不考虑其影响因素，只依赖其历史损l2j。管网漏损不仅严重浪费了大量水资源，还

6、给观测数据和数据模式j，而笔者对实际供水管网的供水企业带来较大的经济损失，造成严重的社会问漏损数据进行统计分析，建立了供水管网的差分自题。对供水管网漏损进行预测是进行漏损控制的基回归移动平均预测模型[ARIMA(P，d，q)(P，D，础，可为管网维护、更新决策提供依据J。Q)]，对管网漏损进行了预测。基金项目：国家自然科学基金资助项目(50278062、50578108)；天津市科技创新项目(08FDZDSF03200)·127·第26卷第11期中国给水排水~fW3~．watergasheat．corn1差分自回归移动平均模型型的理论特征作为鉴别实用模型的标准，观察实际差分自

7、回归移动平均模型(ARIMA)是在时间模型与理论特征的接近程度，最后根据比较分析的序列预测和回归预测的基础上发展起来的一种高级结果判断实用模型的类别。预测方法，包括自回归分析(AR)、差分时间序列稳②模型参数估计与审核定法(I)和移动平均法(MA)，表示为ARIMA(P，d，采用交叉调整法估计模型参数，即选定一套参q)，其中P是AR的阶次、d是差分的次数、q是MA数的估计值输人计算机，利用编好的程序包对输入的阶次，它是一种精度较高的时问序列短期预测方值进行反复交叉调整，最后得出所需的参数估计值。法。在对