一种基于信息论与无监督学习的SWMM模型参数率定方法

    公开(公告)号:CN118797856A

    公开(公告)日:2024-10-18

    申请号:CN202410771554.5

    申请日:2024-06-14

    摘要: 本发明涉及城市雨洪模型参数优化技术领域,特别涉及一种基于信息论与无监督学习的SWMM模型参数率定方法。利用历史实际降雨事件和生成的模拟降雨事件组成雨数据集,将降雨事件时间序列导入SWMM模型中,并循环驱动运行,得到模型结果;计算管网各节点所包含的信息量和各节点之间的跨信息熵,形成VOI矩阵和TE矩阵,以所选取节点的总信息量值最大,节点间的跨信息熵值最小和节点数量最小作为优化目标,利用多目标智能优化算法寻找帕累托前沿,并根据研究区域已有监测点情况选择虚拟监测点,构建数据驱动模型,实时反演出虚拟监测点的液位高度。本发明在保证较高精确度的基础上使得模型泛化性更强,避免结果精度虚高。

    一种基于矩阵补全的排水系统全局液位实时反演方法

    公开(公告)号:CN117708476A

    公开(公告)日:2024-03-15

    申请号:CN202311483696.3

    申请日:2023-11-08

    摘要: 本发明涉及城市智慧排水中污水或雨水排水系统的实时监控领域,特别涉及一种基于矩阵补全的排水系统全局液位实时反演方法,本发明将采集的排水系统节点液位时序数据构建成矩阵形式,由于节点液位数据的时序性和波动性,故节点液位数据矩阵具有低秩结构,从而可以通过借助低秩矩阵中的冗余信息恢复矩阵,即通过已有监测点的数据计算出排水系统全局节点液位数据;本发明在不需要提前构建计算机水力模型,即不需要提前得到数据的分布模型的情况下,能对缺失数据进行较为准确的补全,也不需要完整的液位数据集进行提前训练,并考虑了管网节点液位的时序性、波动性等特征,加入了正则化项和偏置项来进行缺失矩阵补全,能更满足实际数据情况。