基于GIS的城市供水管网爆管空间分析及预测 67页

'摘要城市供水管网爆管不仅会浪费大量的水资源，而且还会引起停水、停电，干扰城市交通秩序等现象，严重影响居民的正常生活。为了减少供水管网爆管，对爆管的原因和爆管分析方法的研究具有重要意义。本文对爆管的不同情况进行了划分，确定了本次爆管的研究对象。结合本次收集到的供水管网和爆管数据，充分考虑爆管数据库建立的层次结构和逻辑结构两个方面，建立了基于GIS的爆管空间分析数据库，这是进行GIS空间分析的数据基础。以研究区域内的爆管和相关管网数据为基础，建立了基于GIS的爆管的空间叠置分析模型、空间缓冲区分析模型和空间统计分析模型，分析爆管与各个影响因素之间的关系。根据已知管网的爆管率，利用克里格插值方法，对研究区域内供水管网的爆管率进行了预测，基本上实现了空间预测的目的。对引起供水管网爆管的因素进行了总结，并结合本次的研究实例，．确定了建立爆管预测模型的分组变量和解释变量。由于影响爆管因素的最大特点是高度非线性和不确定性，尤其是受一些随机干扰的影响较大，据此，本文根据自适应模糊推理系统(ANFIS)的原理和特点，在MATLAB中建立了爆管模糊预测模型，并对模型进行了检验，预测精度基本满足爆管预测的要求。关键词：供水管网；爆管；GIS空间分析：预测模型；自适应模糊推理系统 ABSTRACTThepipeburstsofurbanwatersupplysystemsnotonlycausethewasteofgreatamountofwaterbutalsoleadtothecuttingoffofwaterandelectricitysupply．Itinterferetheorderofthecityandinfluencetheresidents’nomallifeseriously．Toreducethephenomenon，furtherstudyingofmechanismandanalyticalmethodofpipebursthasmuchmoresignificance．Inthepaper，weclassifiedthedifferentsituationoftubeburst，andfixthesituationweresearchon．Combiningthecollectingdataofpipeburstandthewatersupplysystems，itbuildthepipeburstdatabase，whichontheprincipalofhirarchimentandlogic．ThedatabaseisthebasicofspatialanalysisbasedonGIS．Itbuildthepipeburstspatialsuperimpositanalysismodel、spatialbufferanalysismodelandspatialstatisticalanalysismodelbasedonGISwhicha11basedonthecollectingdataofthestudyregion．Fromthemodel，itCanconcludethefactorsinflucingthepipeburst．Accordingtothegivendata，itprodcastthepipeburstrateofthestudyregionutilizingkriging．．whichrealizingthespatialpredictionbasically．ItconcludethefactorsofthetubeburstandestablishtheeaplainingvariablesandgroupingvariablesOilthefoundationofthestudyregion．ThecharacteristicofthesefactorishJ曲nonlinearityanduncertainty,whichalsoundergo仃emendousinfluenceoftherandomfactor．Accordingtothis，thepaperbulidthevagueprectionmodelofpipeburstintheMatlabconsidingtheconstitutionandprincipalofANFIS．Finally,itverifythemodelwhichsatisfythebasicneedofthepipeburstforcasting．KEYWORDS：Waterdistributionsystem；Pipeburst；SpatialanalysisbasedonGIS；Precfionmodel；ANFIS 独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其它人已经发表或撰写过的研究成果，也不包含为获得叁盗盘堂或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文作者签名：张驽亚签字日期：2∞，年f月弓日学位论文版权使用授权书本学位论文作者完全了解丞鲞盘堂．有关保留、使用学位论文的规定。特授权苤洼盘堂可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。(保密的学位论文在解密后适用本授权说明)学位论文作者签名：张智亚导师签名：＼≮7签字同期：2a矽年f月弓日^．吨之彳窃／签字日期：≯习年‘月夕日f 第一章绪论1．1课题的提出及研究意义1．1．1课题的提出供水管网是城市的重要基础设施之一，也是城市生命线工程的重要组成部分。供水管网的重要性是不言而喻的。目前，如何有效的解决城市供水管网的爆管问题已成为国内外各供水部门普遍面临的问题，而解决这一难题的关键是对爆管的机理和爆管理论的认识以及对爆管预测模型的建立。当前，我国的部分供水企业己经建立或者正在建立基于GIS的供水管网管理信息系统，例如沈阳市供水管网地理信息系统、南京市供水管网地理信息管理系统、广州市供水管网地理信息系统等，己不同程度地实现了对管网进行信息化管理的一些基本功能，如实现综合管网普查结果的图形数据和属性数据快速入库、图形数据分层、数据库建立及维护功能、管网用户管理功能、管网工况模拟功能、管网规划功能、管网辅助设计功能等。已经建成或正在构建的供水管网管理信息系统大多数是通过GIS的集成，使管网图形库、属性数据库融为一体，不仅图文并茂、准确高效，而且易于动态更新，从而提高了管网管理工作的效率和质量，初步实现了供水管网的信息化管理。然而，对于供水管网维护和事故分析及处理功能还很不完善，一般只是停留在建立管网维护记录数据库，不具备对已有的维护数据进行分析和利用的功能：在已知爆管管段或漏水地点的情况下，能实现迅速、合理地确定关阀方案，并生成受影响用户报表，若某个应关阀门出现故障无法关闭，可迅速制订出二级关阀方案，使爆管造成的用水影响降低到最小。实际上，只是简单地实现了数据存储功能和事故后的处理功能，而通过对管网事故历史数据建立管网管理决策支持系统，并利用该决策系统制定相应的控制方案和预防爆管事故发生的功能尚不具备。在国内，不管是从理论研究上还是从实践工作上来看，基于GIS的供水管网爆管分析和预测开展的深层次研究较少，理论深度不够，对爆管统计规律的认识比较有限，对管网运行管理实践工作缺乏有效的理论指导，难以针对性的提出有效的预防爆管的对策。另外由于爆管的发生具有很大的随机性，所以导致对爆管的预测非常的困难，因此对爆管数据进行有效的收集和整理，对影响爆管的因素进行合理分析，对爆管事故进行进一步的预测更有待深层次的研究。 第一章绪论1．1．2课题的研究意义供水管网爆管空间分析及预测研究以提高现有管网系统安全运行管理水平为目标，是供水管网安全运行管理的重要基础。本课题研究重点在于通过GIS的空间分析功能对影响爆管的因素进行分析，揭示爆管发生的内在规律；并对爆管统计预测模型研究，探索爆管预测的方法。本课题为提高供水管网爆管事故的预测、预防和快速反应及事故处理能力，有效降低爆管事故发生率和事故损失，提供可靠依据及技术支持。并为采用信息化技术加强管网运行管理和建立供水管网安全运行预测系统，实现供水管网安全信息化管理提供了新思路。有效的爆管分析可以为管网的管理、维护、更新提供可靠的依据，具有社会效益、环境效益和经济效益。1．2课题的国内外研究现状国外发达国家城市管理和供水部门较早的开展了基于GIS供水管网系统安全运行研究和技术开发应用，针对供水系统安全运行保障要求，开展了比较全面的爆管管理理论与技术研究。国外研究者从供水管网维护数据记录中挖掘爆管统计规律，并辅以大量的现场实测与实验数据对爆管事故进行物理原因分析，再利用可靠性分析理论、经济漏损函数等，在GIS中将可靠性的评价与优化模型相结合，用以预测在紧急情况下的运行情况。国外研究部门在爆管预测、管网资产模拟、管网维护决策系统方面的研究已经取得了较为丰富的成果，建立爆管预测的统计模型、物理模型，且开发了相关计算机软件，在生产实践中得到了初步应用。例如，N．R．Cooper(2000)t1】使用GIS建立爆管风险概率模型。该文对爆管数据进行了收集和整理，并对影响爆管的因素进行总结，最后选用了每小时的公交车数量、管道直径、土壤腐蚀级别、管线密度等因素建立了基于GIS的爆管数据库作为建立爆管预测模型的基础。该文将伦敦供水区域的供水管网以50m的长度为单位进行了划分，每个管段作为一个研究单位。考虑到爆管数据的可行性，该文采用了以下四个因素对供水管网爆管进行研究：每小时的公交车数量、管道直径、土壤腐蚀级别、管网密度。这四个要素不仅代表了本身确定的变量，还代表了一些不可测量的变量数据。例如：管径不仅代表了管道反抗内外部阻抗的作用，而且还代表了管道厚度的影响，因为随着管径的增加，管壁厚度的也随着增加。在管道基础上量化管壁厚度是不切实际的，但是在建立爆管预测模型的时候可以使用管径进行替代。2 第一章绪论该文在统计分析中使用沿着主干管网的5m*5m的方形栅格数据作为一个研究单位，并且使用了一般的线性模型将上述变量结合到一起，概率函数如下：／："rob：—Ll+e‘(1-1)式中Z=bo+blXl+b2X2+63X3+b4X4：X．，墨，墨，X。——上述的四个独立变量。在对该模型求解时采用的O．05的置信度。每个管段爆管概率的大小作为管道的属性存储在GIS中，并且代表了在主干管道的范围内的相对爆管风险大小。最后使用GIS的ArcView功能对该爆管模型建立了用户使用界面的平台，这使得用户更简单、更有效的获得模型的输出。C．T．Ta使用Logistic回归模型对爆管的风险进行分析【21，该模型的研究对象是管径为300ram及以上主干管网的爆管情况。该文利用ArcGIS为平台将影响爆管的因素作为一个层存储起来。通过将爆管点与不同的土壤腐蚀级别图、交通荷载图进行叠加，探索土壤的腐蚀性和交通荷载对爆管的影响，最后用Logistic回归的方法建立了爆管预测模型，并且指出爆管模型与不同影响因素的相关性越高，只能说明这些因素是爆管的很好的体现，并不是发生爆管的必要因素。K．Vairavamoorthy等以ArcGIS为平台在研究分时段供水系统受污染风险时时【3】，提出一种管道状态评价模型，用来评价管道的腐蚀状态，这种方法综合考虑了很多冈素，其中包括物理的、环境的和运行的要素，并将要素按其对腐蚀的影响分为三级。对于一些不确定的状态要素，使用模糊理论的方法进行描述。随后将第一级的影响因素按照相似性聚合为第二级的因素，进而聚合为最终的指示要素。在聚合过程中使用层次分析法以确定每种因素的权重。国内，方丹霞、陈明利用GIS对供水管道爆管因素进行空间分析【41，该文以ArcGIS9．0为软件平台。提出使用ArcGIS9．0的caculate自动赋值功能计算出各管段的使用年限，研究爆管与管段年龄的关系。另外；该文指出城市供水管网有些管段出现浅埋现象，在外部荷载的作用下常会发生爆管，在此基础上通过地面高程点建立地面高程模型，再将三维管线图转换成栅格数据，对高程栅格数据和管线栅格数据进行计算即可得到管道的埋深，提取浅埋的管段，并与爆管点进行叠加，研究爆管点与管道埋深的关系。在此基础上对上述两个因素进行综合分析，确定管网爆管发生隐患的空间位置。何芳，刘遂庆15)概述了了GIS空间分析在爆管分析中的应用，提出了划分爆管易发程度分区的概念，指出爆管易发程度分区不仅应考虑已发生的爆管，还要考虑可能发生的爆管，应该建立基于GIS的爆管易发程度划分评价模型，且该 第一章绪论评价模型应建立在一定的评价指标体系上。同时指出，爆管易发程度分区不仅要考虑管道自身的因素还有考虑周边环境方面的因素，同时还要考虑外界的诱发因素。爆管易发程度分区划分后，应进一步的深入分析爆管高易发区爆管频数高的原因或加大对爆管易发区的管段实时监测力度。目前，就总的研究趋势而言，利用GIS空间分析功能对爆管的研究相对比较少，但是在对预测管道寿命、爆管时间间隔、管道更新时间预测模型、漏水时间间隔预测模型方面还是建树颇丰的。P．Davis，S．Bum，M．Mo指出对于一些使用时间较长的管材来说【．71，可以从现存的大量的历史数据中预测未来的爆管率。但是，对于一些新的管材如PVC，其爆管数据是非常有限的，单独从历史爆管数据中建立准确的爆管预测模型是不可行的。为了解决这个问题，该文提出了物理概率模型，它可以通过PVC管的埋设年代预测爆管发生的概率。该模型假定在正常的运行条件下，爆管的发生是由管内壁的缺陷引起的。该文通过线性弹性理论预测内部有缺陷，且同时承受着内部轴向应力和外部的剪切应力作用下管段发生爆管的时间。在爆管预测的过程中，为了考虑到不确定性的影响，将内部缺陷的尺寸当作一个随机变量。通过显微镜观察澳大利亚地区PVC管的爆管表面，发现这些数据符合双参数的韦布尔分布。因此，使用蒙特卡罗模拟预测在典型运行条件下的内部有缺陷的管段的寿命。在内部缺陷尺寸一定的情况下，使用双参数的韦布尔分布函数预测管道寿命，因此使用与管道寿命有关韦布尔分布函数预测期望的爆管率(次／年)，最后，使用英国供水公司的爆管数据库对该模型进行了检验，并且数据拟合程度较高。YvesLeGat等使用统计学的生存分析方法来制定管道维修决策[引，他们以韦伯分布的比例危险模型为基础，以历史爆管记录次数为主要影响因素，同时考虑了管径、管长、路面荷载、土壤腐蚀性等因素和反映不确定因素的变量，建立了描述爆管间隔时间的模型。在尝试使用不同水平的数据来预测总爆管率并筛选需要修复的管道，将预测结果和实际观测结果进行比较后，发现使用5．10年的短期维修与使用长期的维修记录具有同样的效果。国内，马学文，夏利，程琳等在城市供水管道更新时间预测模型[9】一文中采用Shamir和Howard利用回归分析得到管道的爆管预测统计模型【10】，得到管道更换时间的预测结果，并对影响管道更换时间的相关因数进行分析，为合理进行管网更新改造，降低供水管网爆管事件的发生提供技术参考。该文提出了极限爆管速率的概念，认为极限爆管速率是指某时刻管道修复与更换总费用为最小时的爆管发生率，如果某供水管线供发生11次爆管，在前n．1次爆管中对此管段进行了修复，此时，该管段的修复与更换总费用为：4 第一牵绪论瓦=喜赫+赤(1-2)式中乙——以当前市值计算的管段修复及换管总费用；7——折旧率；t；——从管道安装到第i次爆管的时间；e——为第i次爆管的费用；只——为t。时的换管费用。为使t。时的管段的修复与更换的总费用(瓦)最小，假设一不等式，它必须满足下列条件：疋一，>L<疋¨(1．3)根据以上三个式子，可以得到管道的更换时间模型t_三吨糌N(to)C．]_g。㈤彳l-+lj。f】4、式中卜从现在算起，管道的继续使用年限。张宏伟，王亮等分析研究了管网漏水时间间隔‘11】，按照历史漏损记录将管段分为两组，分别采用多元线性回归和灰色预测方法对其进行预测。经实例验证，预测精度能够满足实用需要。在使用多元线性回归方法预测4次以下漏损时间间隔时，文中提及了影响因素的选择过程，但没有给出各影响因素的影响程度。在使用描述性影响因素(管材、路面性质)时，研究者将影响因素直接编号，这种方法可能会潜在地造成模型中不同描述变量间的固有差距，笔者认为在研究爆管的影响因素时应对每种描述都单独采用0．1变量来反映。综合分析上述情况，国内外学者目前都着力于对爆管分析模型的建立，或者是各种风险评价模型，或者是爆管预测的统计模型，成果比较丰富，取得了一定的成就，但是基于爆管的影响惨重，所以对爆管的成因、机制机理等方面应做进一步的研究，并且重点于对空间分析的研究，才是以后的爆管研究的发展方向。 第一章绪论1．3课题的研究内容和研究方法1．3．1课题的研究内容GIS空间分析是基于地理对象的位置和形态特征的空间数据分析技术，其目的在于提取或传输空间信息，是GIS的主要特征，同时也是评价一个地理信息系统功能的主要目标之一。根据爆管点具有的空间特征，将GIS技术引进来，作为本课题研究的主要内容，具体可以分为以下几个方面：(1)建立基于GIS的爆管空间分析数据库GIS空间分析的基础是数据库，数据库为GIS空间分析提供了强大的数据支持。结合本课题研究的目的，爆管数据库的建立应包含管道的基本信息和爆管的基本信息。(2)建立基于GIS的爆管空间分析模型本文分别建立了基于GIS的叠置分析模型、缓冲区分析模型、统计分析模型，探讨不同影响因素对爆管的影响。例如：以建筑物边界线为线目标线建立缓冲区研究建筑物占压对爆管的影响等。利用统计分析预测中的克里格插值方法根据已知爆管率对其他区域的爆管率进行预测，基本上实现了空间预测的目的。(3)利用自适应模糊推理系统建立爆管模糊预测模型影响爆管的各个因素具有高度非线性和不确定性，并且爆管受一些随机性的因素影响比较大。所以在考虑如何克服非线性和随机干扰的基础上，采用了自适应神经网络模糊推理系统进行爆管模型的建立。因为该模型利用神经网络的参数和结构训练方法，实现模糊系统的学习和自适应，能够克服上述爆管影响因素的缺点，具有较高的预测精度。1．3．2研究区域介绍本文的研究区域分为两部分，A供水区是北方某城市的中水公司，B供水区是北方某城市的保税区。由于A供水区域内的中水管网与自来水管网在管道埋设方式、管材、埋深、供水方式等多方面与自来水管网相接近，特别是此类供水管网的爆管的成因、方式、影响因素都与自来水管网相似，因此本文将A供水区的中水管网和B供水区的自来水管网作为本次供水管网的研究对象。A供水区面积约为100平方公里，DNl00以上的管道约为80公里。由于直径较小的管段破裂造成的影响比较小，所以此次研究的对象是DNl00以上的管段。该区域的大部分供水管道在2002、2003年完成，至今已经运行6、7年的时间。管材大致有以下几种情况：球墨铸铁、玻璃钢、UPVC等。其中球墨铸铁管6 第～章绪论韧性、延性可冲击性、抗震性较好，并且在此供水系统中的球墨铸铁管用的水泥砂做的内防腐材料，所以内部腐蚀较小。玻璃钢管的表面水力条件好、重量轻强度高、耐腐蚀抗冻性能好，但是抗折性能差，质脆易受冲击破坏，用于温差大的地方易老化变脆发生折断爆管。UPVC管表面水力条件好，并且有较好的防腐抗震能力，重量较轻，施工和运输方便，但是用于温差大的地方容易老化变脆发生折断爆管。由于运行时间较短，所以，供水管网的内外壁腐蚀情况并不是很严重。整个供水区域内的管道布设在道路边缘，因此交通荷载比较大，所以管道容易发生压碎爆管。B供水区面积5平方公里，DNl00以上管道约40公里。该区域大部分供水管道均在93年建成，至今已运行了15年。管材基本采用90年代国内建材加工制造生产的灰121铸铁管以及后来更新改造的球墨铸铁管。灰口铸铁管道本体的物理性能表现为脆性较强、抗剪切较差，容易发生折断爆管。接口为刚性接口，在相邻管段发生位移时容易导致接口松脱漏水。区域内土壤受海水侵蚀严重，多数为盐碱地。虽然建区时铺设了1．5米厚的新土，但经过十几年，盐碱度也很大。管道外壁因此发生了严重的腐蚀老化现象。区域内物流业发达，集装箱车流量很大，且地基条件差，土质松软，管道极容易发生不均匀沉降、侧移等现象。灰口铸铁管没有防腐内衬，导致管道内壁锈蚀，造成管道有效输水断面的极大减小，增大了管道的沿程水阻，既降低了管网的输水能力，又增加了输水能耗，使得管道的腐蚀增大，加大了爆管发生的可能性。1．3．3研究方法通过查阅国内外相关文献，分析导致爆管的原因和影响因素，借鉴国内外学者利用GIS空间分析研究爆管的方法，并验证了GIS空间应用到本课题的可行性。本研究以AreGIS9．2为工作平台，利用收集到的供水管网和爆管数据，结合数据库设计的逻辑条件和层次结构建立了爆管数据库，并且通过关系类将爆管点与管线一一对应起来。在此基础上利用GIS的空间分析工具建立了爆管的叠置分析模型、缓冲区分析模型、统计分析模型，并通过该模型总结了影响爆管的不同因素。结合本次收集的数据，以管径作为分组变量，以管径、道路类型、路面材质为影响因素，利用原始数据确定每个变量的权重。最后利用自适应模糊推理系统对原始数据进行自学习和适应，建立了爆管的模糊预测模型，并利用实际数据对建立的爆管模型进行了检验，符合爆管预测的要求。7 第二章建立基于GIS的爆管数据库第二章建立基于GIS的爆管数据库2．1爆管和爆管率的定义供水管网运行管理部门对“爆管”和“漏水”这两个在管网维护管理过程中经常遇到的状况难以区分。不同的供水部门在定义管网爆管和漏水的概念时缺乏一致性，导致在建立维护数据文档时容易引起混乱，对评价供配水管网的现状也带来了一定的困难。管网维护数据文档记录是管网更新改造方案的重要依据，也是进行爆管分析的重要的基础资料，因此应对管道漏水和爆管的概念给予澄清，建立严格有效的管网维护记录文档。国外研究者对爆管的定义为：由于管道的结构性损坏，管道漏水至地面，必须立即进行维修的情况。爆管也可定义为管道局部或接口突然爆裂，大量的水在短时间内流失，需要尽快修理的情况。有时爆管发生以后的漏水直接进入到附近的排水管渠而无法到达地面，可能数日以后才被发现，有时甚至无法发现。漏水的定义为：是管网总漏失量的一部分，包括从管道上、接头处、管道配件上的物理渗漏，还包括从水池中溢流的部分。本次的研究对象主要是在短时间内导致水流大量损失的爆管，而对漏水的情况应在日常生活上加强巡检。爆管率的定义有不同的形式，如：次／m2，次／年。本次研究中将爆管率定义为单位管长的爆管次数(次／In)。2．2爆管数据的分析处理2．2．1供水管网爆管数据的收集数据收集的内容取决于数据研究的决策丰题。爆管分析数据的收集不应局限于爆裂管道自身状态数据和运行状态数据，还应收集管道的周围环境状况的信息。对管道周围环境状况的信息的收集可能为爆管分析方法的研究提供一些线索，如考虑交通荷载对爆管的影响，所以爆管分析数据的收集范围卡H当的广泛。随着我国供水行业的信息化水平的不断提高，使获取大量相关的数据作为分析对象成为可能。供水行业的GIS数据库、管网数据维护数据库等构成了一个庞大的信息存储体系，为分析爆管提供了丰富的数据源。因此。针对本次的研究的课题．所收集的爆管数据的重点在于对时空数据的 第二章建立基于GIS的爆管数据库收集，如爆管点的位置、经度、纬度、爆管口期、修复口期。另外还包括对爆管所属管段的摹本信息的收集如编号、管长、管径、管材、管道的埋设年代、道路类型、路面材质、路基土壤等信息。2．2．2供水管网爆管数据的整理通过对爆管数据的收集已经完成了数据分析处理的前期准备工作，还需要对收集的爆管数据进行处理。因为数据质量的好坏决定着用户能否作出正确的分析判断和决策，所以有必要对收集到的数据进行筛选，选择出好的、准确的数据。数据处理的过程包括以下几个方面：(1)数据清洗：处理有错误的、不完全的、不一致的数据；(2)数据集成：将来自于多个数据源的数据结合到一起形成一个统一的数据集合。为了能从收集的大量的数据中获得有用的信息，应该把这些数据正确的表达出来，以辨别和处理不合理的数据和遗漏数据，这是建立爆管数据库的前期准备工作。2．3建立爆管GIS空间分析数据库基于GIS的爆管空间分析的基础是爆管数据库t抡】，从数据库中获取相关的管网信息和属性信息，才能实现爆管GIS空间分析的不同功能，因此必须设计合理的爆管数据库结构。爆管数据库设计主要从两方面考虑，首先便于数据的组织、管理与应用，能够满足爆管点与管线管理的需要；其次便于爆管空间分析模型的建立与实现，因为空间分析模型的建立与实现依赖于空间数据结构。2．3．1爆管数据库的层次结构设计所谓数据库，是在计算机内存上合理存储的关系型数据集【”】，GIS数据库则是对空间数据合理存放的一个集合。一般来说数据库的集合存放应有下面几个要求：(1)最小冗余度原则：数据尽可能不重复；(2)应用程序对数据资源的共享原则：以最佳的方式为一个或多个应用程序服务；(3)数据独立性原则：数据的存放，尽可能地独立于使用它的应用程序；(4)统一管理原则：能够用一个软件统一管理这些数据，例如：对数据的维9 第二章建立基于GIg的爆管数据库护、更新、增删等一系列的操作：依照以上原则，所建立的爆管数据库的组成主要包括爆管点层和辅助数据层，为便于管理和能够对未来的爆管进行预测，爆管数据库应该按照数据类别分别显示，本文所建立的爆管数据库的组织结构图如图2-1所示。图2-1爆管数据库组织结构2．3．2爆管数据库的逻辑设计逻辑设计的主要任务是按照关系型数据库管理系统的特点，将E．R图转换成关系数据库模式，逻辑设计的目标是保证数据的完整性和实用性，并尽量降低数据的开销，提高系统的性能，这里主要对爆管空间分析相关的数据库结构进行描述，主要包括爆管点、管线、附属信息表的描述。爆管点：爆管位置、经度、纬度、爆管日期、爆管类型、爆管所属管线编号、爆管修复日期、修复材料、抢修单位等。管线基本属性信息表：D号、管线所在的位置、管径、管材、通水日期、路面材质、路基土壤、交通负荷、接口方式、施工方式等。10 第二章建立基于GIS的爆管数据库参考信息表：管网水压、流量实时监测值。2．3．3爆管数据库要素的字段类型在爆管数据库中建立的要素数据集共有爆管点和管线两大类。其中爆管点的位置、所属管线编号以及经纬度都放在爆管点属性表中，管线的基本信息和辅助信息都放在管线属性表中。然后将爆管点和管线通过爆管点．管线的关系类一一对应起来，连接的字段是爆管点所属的管线编号和管线的编号。爆管点基本属性信息如表2-1所示，管线的基本属性信息如表2．2所示。表2-1爆管点的基本属性信息表字段名别名数据类型长度管线爆管编码Text15爆管所属管线编号Text20地址Text15●爆管日期‘．爆管日期Date爆管类型Text10气温气温(℃)Float路面材质Text6路基土壤Text6地下环境Text8交通负荷Text3爆管原因Text8抢修时间Date漏失流量漏失流量(m，、3)ShortInteger修复形式Text8爆管次数ShortInteger信息来源Text8抢修单位Text15经度经度(o)Double纬度纬度(o)Double 第二章建立基于GIS的爆管数据库表2-2管线基本属性信息表字段名别名数据类型长度默认值OBJECTIDIDObjectIDSHAPEGeometry位置Text30级别Text10干网干管管径管径(mm)ShortInteger管长管长(m)Float管材Text12球墨铸铁管顶埋深管顶埋深(m)Float道路类型Text20主干道路面材质Text10沥青维修记录Text30●内防腐Text10水泥外防腐Text10环氧接口形式Text12法兰施上方式施工方式Text10普通埋设日期Date交通荷载Text202．4研究区域内爆管相关数据的收集和爆管数据库的建立2．4．1研究区域内的供水管网数据的收集和整理研究区域内供水管网数据的收集不仅应包含管网的供水面积、服务人口、供水规模等的基本信息，也要包含管网的管径、管材等一些详细信息。(1)研究区域内供水管网的现状数据通过对两个研究区域内的基本信息的调研，获得的两个研究区域的供水情况如表2．3所示。 第二章建立基于GIS的爆管数据库表2-3研究区域内供水管网情况研究区域供水面积(km2)服务人口(人)供水规模(m3／d)客户水表数(只)A供水区loo10000020000600B供水区5180002000200(2)研究区域内供水管网按管材分类统计管长A供水区的管网埋设年代为2003年左右，综合考虑到每种管材的优缺点，以及供水区域内对供水条件的不同需求，采用的管材有以下四种，见表24所示，B供水区的管网建设年代较早，因此管网采用的是早期生产条件下的灰口铸铁和球墨铸铁，具体情况见表2．5所示。表2．4A供水区内的管网按管材分类统计管长管材球墨铸铁玻璃钢UPVCPE管长(m)23061．0046118．7316547．308196．68表2．5B供水区内的管网按管材分类统计管长管材灰口铸铁球墨铸铁管长(m)20874．5420688．46从上表可以看出，管材为玻璃钢的管道在供水管网中所占的比例最大，约占到供水管网的50％，其次为球墨铸铁，约占到供水管网的25％，究其原因可能是玻璃钢管材的管表面水力条件好、重量轻强度高、耐腐蚀抗冻性能好，球墨铸铁的管道有很高的机械性能，柔韧性强，其强度是灰口铸铁管的很多倍，抗腐蚀性能又远高于玻璃钢管，且球墨铸铁管的重量较轻，所以在供水管网中大规模使用。(3)研究区域内按管径分类统计管长A供水区的供水服务面积较大，因此出厂的压力和流量较大，所以管网管径有特大管径的情况，如DNl000和DNl200，并且供水管网涉及到进户管，所以也有小管径的管段，如DN50，DNl00等，由于这些小管径的管段对管网爆管的影响较小，所以将DN200以下管段分为一类进行统计，其具体分类统计情况如表2-6所示。B供水区的服务面积和供水规模较小，因此没有特大管径的管道出现，管径分布较均匀，其分类统计情况如表2．7所示。 第二章建立基于GIS的爆管数据库表2-6A供水区按管径分类统计管长管径(mml管长(m)占总管长的百分比(％)<2003412．973．7l2006455．257．022504942．765．3830040277．8043．823501220．261．3340016857．4418．344508179．238．905009227．0710．0460023．220．031000440．830．481200888．330．97表2．7B供水区按管径分类统计管长管径(mml管长(m)占总管长的卣分比(％)loo193．7O．520010443．8626．7230018813．148．134006942．417．165002503．266．40600192．460．49据表2．7可知，A供水区DN300管径的管段在总管长中所占的比例最大，为43．82％，约占到整个供水管网的一半，别占供水管网总长度的18．34％和10．04％，究的重点内容之一。其次是DN400和DN500的管道，分对这三大类管径爆管的研究是本次研对于B供水区而言，DN300管径的管段在总管长中所占的比例最大，为48．13％，约占到整个供水管网长度的一半，其次是DN200和DN400的管道，分别占到管网总长度的26．72％和17．16％，而其他管径的管段所占的比例较小。(4)研究区域内供水管网通水日期资料的收集14 第二章建立基于GIS的爆管数据库从收集到的管网的基础资料中还可以获得A供水区的供水管网的通水时间是2003年，B供水区的供水管网的通水时间是1994年。2．4．2研究区域内爆管数据的收集和整理对研究区域内供水管网的爆管数据的收集和整理，统计结果见表2-8。表2．-8研究区域内的历年爆管率的统计年份(年)200620072008爆管次数(次)133812A供水区历年通水管长(m)68487．3575596．8779482．03年爆管率(次／m奉年)0．000l898160．000502666O．000150978爆管次数(次)313421B供水区历年通水管长(m)41561．0441561．04年爆管率(次／m*年)0。00074930。00082180。0005076由于数据来源于不同的供水管理部门，而且其中有些数据来自不同的管网管理部门，所以出现了数据不一致问题，比如有的供水管理部门收集的数据相对完整，包括爆管日期、爆管地点、埋设日期、管材、管径、埋深、接口类型、管道内外防腐情况、爆管类型、道路类型、路面材质、接口形式等，而有的供水区域收集的数据只包含上述指标的几项。所以在对收集到的爆管数据进行基于GIS的空间分析的时候只能使用收集的爆管属性相对较全的数据进行分析。例如，对于A供水区而言，收集到的爆管所属管段的路面材质的数据比较全，所以可以利用这部分数据进行基于GIS的爆管的统计分析，将爆管点与不同的路面材质的管段进行统计。探索爆管与不同的路面材质之间的关系。2．4．3研究区域内的爆管数据库建立根据前文所提出的建立爆管数据库的层次结构和逻辑结构，建立了GIS爆管分析数据库，其中包括爆管点要素类和供水管网要素类。另外考虑到B供水区内要以往年的爆管点为基准点做缓冲区研究其对现在的爆管点的影响，所以把B供水区内的爆管点按照不同的年限建立了不同的要素类。以A供水区为例，所建立的爆管点属性结构如图2．1所示。15 第二章建屯基于GIS的爆瞥数据厍⋯刖—i_～阿兰叫～☆⋯*“)圈2-IA供水区爆管点属性结构综台考虑影响爆管的因素，例如：管径、管材、管龄、路基土壤等，将其总结到管线要素类中。以A供水区为例，所建成的营线埔性结构如图2-2所示。牡晡驻脚耻盹驻蛇聃韩釉椭肚眦脯伸釉酾脚聃肚哺袖懈蒜飘嚣黧麓瓣蟊萝￡l|；l蘸辫第蠹黧静l{ 第二苹建立基于GIS的爆管数据库—。兰±——可三刖帅。F三坚到州悯～I圈2-2A供木区供水管线敷据结构所建立的供水管网和爆营点的数据库是进行基于GIS的爆管空间分析的数据基础，在对研究区域内的供水管网数据库建立完善之后，F一步的工作就是进行基于GIS的爆管的空间分析，wqHnHⅫHⅡo；；；；；li槲揪榭栅一～～挂钾时神州¨种科时”州¨盯料舸酣概枉栈科辑佃”砧阳竹肿耐砧：。砧#．^^。忖时．酣韶。^盱"耐。#ll#lltllt**tl《i■ll■l；t^till；f}}}ff}utfffffffff}}}一￡十ff十十}；≯一蛙昕雌啦赃畦髓髓姓眭髓雠雠吐雠舛髓壮耽髓脏脏赃难耽畦畦料壮．咖札啦m龇嘶|s眦伽帆帆恤ll恤。恤恤恤，恤恤啦肌帆15f}恤恤15MMMMⅡuMHⅡii*日HF5d5■5口5{t■ult■#ttH■*tt■t±】_i{{ti^l}^^i^l^^}t十ii《《liH目■■lH{ 第三章基于GIS的爆管的空间分析3．1GIS环境下的空间分析空间分析是地理学的精髓【l51，是为解答地理空间问题而进行的数据分析和挖掘。空间分析是基于地理对象的位置和形态特征的空间数据的分析技术，其目的在于提取和传输空间信息：是GIS的主要特征，同时也是评价一个地理信息系统功能的，丰要目标之一：是各类综合性分析模型的基础，为人们建立复杂的空间应用模型提供了基本方法。3．1．1GIS与空间分析张成才，秦昆，卢艳等在GIS空间分析原理与方法一书中【№】指出GIS空间分析涉及地理空间数据的分析、计算、表达等内容，与一般的数据分析方法不同，它强调事件或参数的时空变化。用户利用空间分析技术，通过对原始数据模型的观察和实验，可以获得新的信息和知识，并以此作为空间行为的决策依据。空间分析方法从简单到复杂、简单方法如两个地物之间的空间距离测量，复杂方法如对全球气候变化过程的数值模拟。传统的空间分析方法包括空间信息量算、空间信息分类、空间信息叠加、网络分析、领域分析、地统计分析等多方面，这些分析方法在一般的GIS软件中都已经实现。空间插值、探测性数据分析、解释性分析和确定性数据分析(统计推论和模型的发展与预测)等技术也不断发展和完善。为了适应空间分析新需要的挑战，计算机领域的智能技术提供了一系列的适应地理空间数据的高性能计算模型，并重点强调在数据丰富的计算环境中所产生的空间分析新方法，包括神经网络、模拟退火、遗传算法和密集计算模拟算法等。目前，空间分析一般采用专业分析模型与GIS集成方式。GIS软件与空间分析软件相结合的方式可以分为两种：～种是紧耦合，即把空间分析模块作为一个高级应用模块嵌入到GIS软件包中，GIS不仅可以为空间分析提供图形显示功能，而且GIS中的有关数据直接参与空间分析计算。这种方式可以为用户提供方便、全面、有效的使用功能，但是造价高、实现的周期长，其结构图如图3．1所示。第二种是松耦合，即在两个相对独立的GIS软件和空间分析软件之间增加数据交换接口，使空间分析数据及相关的影响因素和空间分析结果能够在GIS中以各种简单的或复杂的图形方式显示出来，这种方式适用于短期且费用较小的情况，其结构图如图3．2所示。1R 第三章基于GIS的爆管的空间分析图3-1GIS与空间分析的紧耦合图图3-2GIS与空间分析的松耦合图GIS引入专业空间分析模块已经在国内外地理信息系统软件中部分实现。但总的而看来，数量还很少，其原因可归结为以下几个方面：(1)空间分析理论本身不完善，缺乏权威的、大型的、全面的软件包：(2)空间分析过于专业化的算法阻碍了软件的开发。GIS开发者与空间分析建模人员之间缺乏交流，对GIS空间分析功能的研究19 第三章基于GIS的爆管的空间分析尚不够深入，研究成果尚欠深度。3．1．2GIS空间分析的基本原理和方法根据空间对象的不同特征可以运用不同的空间分析方法【171，其核心是根据描述空间对象的空间数据分析其位置、属性、运动变化规律以及周围其他对象的相关制约、相互影响关系。不同的空间数据模型有其自身的特点和优点，基于不同的数据模型使用不同的分析方法。(1)叠加分析叠加分析是指将同一地区、同一比例尺、同一数学基础、不同信息表达的两组或多组专题要素的图形或数据文件进行叠加，根据各类要素的叠加建立具有多重属性组合的新图层，并对那些在结构和属性上既相互重叠，又相互联系的多种现象要素进行综合分析和评价；或者反映不同时期同一地理现象的多边形图形进行多时相系列分析，从而深入解释各种现象要素的内在联系及其发展规律的一种空间分析方法。(2)缓冲区分析缓冲区分析足为了识别某一地理实体或空间物体对其周围地物的影响度而在其周围建立的具有一定宽度的带状区域。缓冲区分析则是对对一组或一类地物按缓冲的距离条件，建立缓冲区多边形，然后将这一图层与需要进行缓冲区分析的图层进行叠加分析，得到所需结果的一种空间分析方法。(3)空间统计分析空间统计分析的目的是找到某种属性分布的整体特征和趋势，了解其中的规律，以便对其进行科学的分析和预测。空间统计方法是建立在概率论和数理统计基础上的地理数学方法，适用于各种随机现象，随机过程和随机事件的处理。几乎所有的地学现象、地学过程和地学事件都具有一定的随机性，这是由于地学对象的复杂性决定的。空间统计分析主要应用与空间数据的分类和综合评价。为了将空间实体的某些属性进行纵向或横向比较，往往将实体的属性进行统计以便进行直观的综合评价。常见的空间统计分析方法多种多样，包括相关性分析、回归分析、时间序列分析、系统聚类分析、主成分分析、趋势面分析、马尔科夫预测和克里格估计法。(4)智能化空间分析智能化GIS是指将人工神经网络、模糊逻辑、遗传算法等相结合的GIS。随着GIS应用水平的不断提高，人们逐渐开始关注地理空间数据的模糊性、不确定性及其分析方法，显然，传统基于确定性数据的分析模型已经不能有效的解决这一问题。同时，越来越多的复杂问题也对GIS空间分析提出了更高的要求。 第三章基于GIS的爆管的空间分析因此，张海荣(2008)在地理信息系统原理与应用【18】把数学、计算机科学和信息科学领域的只能计算技术引起地学研究，将模糊数学、神经网络、遗传算法等人工智能技术与GIS相结合，试图把不确定的数据转换为可靠、精确的知识和信息分析，以提高GIS空间数据分析和空间问题模拟的准确度。智能计算将数值计算与语义表达、形象思维等高级智能行为联系起来，通过模拟人脑判断与推理的行为和过程，处理关系错综复杂的数据，使高维非线性随机、动态或混沌系统行为的分析、预测和决策问题通过软计算找到有效的解决途径。3．1．3GIS空间分析模型GIS空间分析模型是在GIS空间数据基础上建立起来的空间模型19】，是分析型和辅助决策型GIS区别于管理型GIS的一个重要特征，是空间数据综合分析和应用的主要实现手段，是联系GIS应用系统与专业领域的纽带。空间分析模型不是一个独立的模型实体，它与广义模型中的抽象模型的定义是交叉的。GIS要求完全精确地表达了地理环境间复杂的空间关系，因此常用数学模型。利用GIS建立空间分析模型的步骤如下：(1)明确问题：分析问题的实际背景，弄清建立模型的目的，掌握做分析对象的各种信息，即明确实际问题的实质所在，不仅要明确所解决的问题是什么，要达到什么样的目标，还要明确实际问题的具体解决途径和所需要的数据。(2)分解问题：找出与实际问题有关的因素，通过假设把所研究的问题进行分解、简化，明确模型中需要考虑的要素以及它们在过程中的作用，并准备相关的数据集。一(3)组建模型：运用数学知识和GIS空间分析工具赖描述问题中变量间的关系。(4)检验模型结果：运行所得到的模型、解释模型的结果或把运行结果与实际观测进行对比。如果模型结果的解释与实际情况负荷或结果与实际观测基本一致，这表明模型是符合实际问题的。如果模型的结果很难与实际相符或与实际很难一致，则表明模型与实际不相符，不能将它运用到实际问题。如果图形要素、参数设置没有问题的话，就需要返回到建模前问题的分解。对假设作出必要的修正，重复前面的建模过程，直到模型的结果满意为止。(5)应用分析结果：在对模型的结果满意的前提下，可以运用模型得到对结果的分析。利用GIS空间分析方法建模，具有以下多方面的优点：(1)空间分析建模是对空间决策过程的模拟，因此能有效地从各种因素之间找出因果关系或联系，促进问题的解决，优化解决过程；2l 第三章基于GIS的爆管的空间分析(2)空间分析模型可引入成熟的数学模型，有效减少空间分析工作量，提高分析结果的准确性；(3)空间分析模型可以集中和验证该领域的专家的经验和知识，有利于GIS更加完善，为空间决策分析奠定基础。(4)空间分析模型能够简练而准确的描述分析数据、过程等，有利于信息的交流和复用。3．2利用GIS空间分析工具进行爆管研究的可行性分析空间分析技术是GIS区别于其他信息系统的主要特征【201，是评价地理信息系统功能的主要指标之一。在地理信息系统中，空间分析是以空间数据为基础，以地理学原理为依托，通过分析算法、从空间数据获取相关地理现象的空间位置、空间分布、空间形态、空间形成和空间演变等信息。GIS的空间分析功能包括数字地形模型分析、空间特征的几何分析、空间缓冲分析、叠加分析、网络分析、数字影像分析和地理变量的多元分析等。在建成的GIS爆管空间分析数据库中，供水管线和爆管点的属性信息中都有确切的空间位置、空间分布、空间形态，为进行GIS空间分析提供了强大的数据支持。同时，GIS空间分析为供水管网爆管研究提供了新思路，新方法。3．2．1爆管的GIS空间叠置分析GIS空间叠置分析是GIS的一种基本的空间分析方法【211，它是在统一坐标系下，将同一地区的两个或两个以上的地理要素进行叠置，以产生空间区域的多重属性特征的分析方法。通过叠置分析，能够对叠置后产生的多重属性进行新的分类，建立地理对象之间的空间关系，提取某个区域范围内某些专题内容的特征。叠置分析根据所选用的数据结构的不同，通常分为栅格数据叠置分析和矢量数据叠置分析。栅格数据叠置分析的结果是新的栅格数据，而矢量数据叠置分析的结果是新的空间特性和属性关系。矢量数据叠置分析的主要对象有点、线、面，它们之间的互相叠置分析可以产生6种不同的叠置分析形式：点与点、点与线、点与面、线与线、线与面、面与面。例如：在本课题的研究中，爆管点是点的形式，供水管线是线的形式。在研究爆管点与管材之间的关系时，通过使不同管材的管线显示不同的颜色，然后将收集到的爆管点数据与管线进行叠置，探讨不同管材的管线上的爆管情况，用的就是点与线的叠置。点与线的叠置是一个图层上的点与另～个图层上的线进行的叠置，从而为点和线建立新的空间属性。 第三章基于GIS的爆管的空间分析3．2．2爆管的GIS缓冲区分析缓冲区分析是根据GIS数据库的点、线、面实体【221，自动建立其周围一定宽度范围内的缓冲多边形实体，从而实现空间数据在水平方向得以扩展的信息分析方法。点、线、面矢量实体的缓冲区表示该矢量实体某种属性的影响范围，它是地理信息系统重要和基本的空间操作功能之一。从空间变换的观点，缓冲区分析模型就是将点、线、面状地物分布图变换为这些地物的扩展距离图，图上每一点的值代表该点离开最近的某种地物的距离。它是地理目标或工程规划目标的一种影响范围。从数学上来看，缓冲区分析就是基于空间目标(点、线、面)拓扑关系的距离分析，其基本思想是给定空间目标，确定它们的某个领域，领域的大小由领域半径决定。设有空间目标集O={D。li=1,2⋯．n)(3一1)式中Oi——其中一个空间目标。Oi的缓冲区定义为：B，=扛IdG，D，)≤d；)(3—2)式中d(x，0，)1与0，之间的距离：0：——领域半径，或称缓冲区，可谓变量也可为常数对于空间目标集，0={D，li=1,2⋯．n)(3-3)其缓冲区通常定义为B2¨B；(3-4)蚤空间目标主要是点目标、线目标、面目标以及由点、线、面目标组成的复杂目标。因此，空间目标的缓冲区分析包括点目标缓冲区、线目标缓冲区、面目标缓冲区和复杂目标缓冲区。从缓冲区的定义可以看出，点目标的缓冲区是围绕该目标的半径为缓冲距的圆周所包围的区域；线目标的缓冲区是围绕该目标的两侧距离不超过缓冲距的点组成的带状区域；面目标的缓冲区是沿着该目标边界线的内侧或外侧距离不超过缓冲距的点组成的面状区域。其具体显示分别如图3．3、3-4、3．5所示： 笫三套基于GIS的爆管的空间分析口图3{以点为目标建立的缓冲区图34以线为目标建立的缓冲区圈3"5以面为目标建立的缓冲区在本课题中，研究咀往爆管点对现在爆营的影响，可以使用往年的爆营点作为点爿标．以一定的半径建立点目标缓冲区确定其影响范围，分析现在的爆管是否受管道上以往爆管的影响。 第三章基于GIS的爆管的空间分析在研究加压泵站对爆管的影响中，可以选择泵站作为点目标，以不同的半径分别建立点目标缓冲区，分析不同缓冲区内爆管次数和爆管率的变化，探讨随着与加压泵站的距离的变化，爆管率的变化规律。另外，在研究建筑物的占压对爆管的影响中，可以将CAD格式的建筑物图转化为GIS形式的shapefile形式图，并以建筑物的边界为线目标，以一定的半径，建立线目标缓冲区确定其影响范围，分析建筑物占压在多大范围能对供水管网爆管产生影响。3．2．3爆管的空间数据统计分析由于空间现象之间存在不同方向、不同距离成分等相互作用【231，使得传统的数理统计方法无法更好的解决空间样本点的选取、空间估值和两组以上的空间数据的关系等问题。因此，空间统计分析方法应运而生。空问数据统计分析是以具有地理空间信息特性的事物或现象的空间相互作用及变化规律为研究对象，不仅可以研究空间分布数据的结构性和随机性、空间相关性和依赖性、空间格局和变异，还可以对空间数据进行最优无偏内插，以及模拟空间数据的离散型和波动性。空间统计分析方法假设研究区内的所有的值都是非独立的，相互之间不存在相关性。在空间或时间的范畴内，这种相关称为自相关。根据空间数据的自相关性，可以利用己知样点值对任意未知点进行预测。但事实上，在进行未知点预测之前并不知道数据间具体的规律性，因此揭示空间数据的相关规律是空间统计分析的重要任务。在本课题的研究中，利用空间数据统计分析的方法，首先对不同道路类型下的爆管情况进行统计分析揭示空间数据的相关规律性，并利用克里格插值法实现对空间数据的最优无偏内插进而对未知的数据进行预测。3．3基于GIS的爆管空间分析模型研究实例3．3．1爆管的空间叠置分析模型爆管的空间叠置分析模型关键在于对爆管点与管线的定位，因此，选择合适的坐标系统是非常重要的。结合本研究实例，采用的是WGSl984坐标系统，进行空间定位。由于两个供水区域的管网建设年代相差较远，并且物理位置上差别较大，因此在本研究中将两个研究区域单独进行研究。在爆管的空间叠置分析模型中，将爆管点层与根据不同的属性显示的不同的25 第三章基于GIS的爆管的空间分析管线进行叠加，研究爆管与管网不同的属性的变化关系3ll爆管点与不同管径的管段叠加分析管径的大小对供水管网的爆管有很大的关系，因为随着管径增大，其管壁越厚，在同样的运行条件和环境压力下，如果管道的腐蚀层厚度相同，则管壁越厚，剩余厚度越大，有可能认为其抵抗外界压力的能力越大．因此发生爆管的可能性就越小。在研究爆管点与不同的管径的关系式时，采用了将供水管线按照不同的管径显示不同的颜色，然后将爆管点与这些不同颜色的管线进行叠加，研究供水管网爆管与管径的关系。rll咀B供水区为例在管径的分类中考虑到DNl00的管段只有～条．其长度较小，并且在该管段上没有发生爆管，所以将其和DN200的管段分为类显示，管径为500和600的管段所占的比例也较小．所以将500-600分为一粪，另外管径300和400的管线分别分为一类。也就是说将管线按照不同的管径分为了4类：DN200、DN300、DN400、DN500和DN600。将爆管点与不同的管径的管线叠加的效果图如图3-6所示。圈3正爆管点与不回的管径叠加的结果显示然后，按照不同的管径分类统计的表格如表3-1所示 第三章基于GIS的爆管的空间分析表3-1爆管按照不同的管径分类统计管径(mm)DN200DN300DN400DN500和DN600管长(m)10443．8618813．16942．412695．72爆管次数(次)47238爆管率(次／米)O．0045O．0012230．0012960．002968由表3．1可以看出，不同的管径对供水管网爆管的影响是不同的，但并不是简单的正相关负相关的关系，即管径越大爆管次数越低的说法并不稳妥。这种现象还反映一个问题，即影响爆管的各个要素之间是相互作用、相互影响的，管径本身并不能对爆管起作用，但管径会随着管道在管网中的位置变化而变化，管网上游的管道，流量压力都较大，管径也比较大；管网下游的管道则反之。管径要素不仅反映了它本身，还间接反映了流速、压力等要素。综上所述，管径应该作为研究爆管的分组变量，而不是建立爆管预测模型的解释变量。需要将爆管数据按照管径进行分组，对每组数据分别进行建模。3．3．．1．2爆管点与不同的管材的管段叠加分析研究区域内的管材有很多种，不同的管材由于其抗腐蚀、抗拉压的性能不同，所以对管道的影响是不同的。因此不同的管材对爆管的影响也是不同的，通过将爆管点与不同的管材进行叠加分析，探索管材与爆管之间的规律性，为进一步的建立爆管预测模型提供信息。在研究过程中将爆管点与不同管材的管线进行叠加，并且管线按照不同的管材显示不同的颜色，通过统计分析研究两者之间的关系。(1)以A供水区为例，爆管点与不同管材的管线叠加分析的效果图如图3．7所示。 塑三雯董士g!堕璺要墼至旦坌堑毛磊■一i上田”鼍管点与不同的管材的管段叠加结果按照不同的营材统计单位管长的爆管次数的表格如表3_2所示寰3-2按照不同的管材分类统计一管事管村玻璃钢球墨铸铁岸管次鼓(次)占总爆管次数的百分比(％)营长(m)165473046Il8．73辱管事(次，m)由上表可以看出，UPvC管爆管率最大，这是因为UPVC管虽然安装简易，成本低廉，耐用性高，容易保养，抗腐蚀，抗老化的性能较强，但是由于其质地较脆．抗震性较差，所以在使用过程中容易发生横向破裂爆管。球璺铸铁的爆管率最小．这是因为球墨铸铁管有很高的机械性能．柔韧性强，其强度是灰口铸铁管的很多倍，抗腐蚀性能又远高于玻璃钢管。另外，球墨铸铁管的重量较轻，接口采用胶圈柔性接口，所以桓少发生嚣管、渗水和漏水现象(21以B供水区为例，爆管点与不同管材的管线的叠加结果如图3-8所示， 第三章基于GIS的爆管的空间分析—》正Er图，{爆管点与不同的管材叠加结果显示然后，按照不同的管材分粪统计的单位管眨的堞管次数如表3-3所示。袁30按照不同的管材分类统计●管率管材灰口铸铁球墨铸铁管长(m)謦管次数(次)爆管率(次，m)可以看出，不同的管材对爆管的影响是不同的．且灰口铸铁管材的爆管率比球墨铸铁管材的爆管率大很多。究其原因，灰口铸铁虽然有较强的酎腐蚀性，但由于其质地较脆，抗冲击和抗震能力差，因此经常发生接口漏水、折管和爆管事故。而球墨铸铁管有很高的机械性能，柔韧性强，其强度是灰口铸铁管的很多倍，抗腐蚀性能又远高于钢管。球墨铸铁管的重量较轻，由于采用胶圈柔性接口，很少发生爆管、渗水和漏水现象，可以减少管同捅损和管网维修赞用。由于不同的管材损害机制不同，即使是相同的管材，也会因防腐措施不同而使得管道保护机制的不同．造成不同的爆管。因而在蛆管道材质为基础进行爆管率预测时，应该按照管材分别计算影响权重，作为建立爆管预测模型的解释变量。严争嚣鋈～日日日日f+．+ 第三荜基于GIS的爆管的空同分析3-32爆管的空间缓冲区分析模型321有过爆管历史的管段对其周围发生爆管的影响璨管的空间缓冲区分析是指以往年的爆管点为圆心，自动建立以～定的距离为半径的空间缓冲区，研究现在的爆营点是否在缓冲区内，用阻识别发生过爆管的管段对以后发生爆管的影响。当两个不同的中心点建立的缓冲区重叠时，将会出现如图3-9和3-10所示的两种情况。@l可圈34缓冲区边界重叠稠圈3-10缓冲区边界重叠圈本研究串采用的是圈3-9的情况。解决了缓冲区边界的重叠情况之后，以B供水睡的06年的爆管点为目标点，分别I三110m和20m为半径做缓冲区。研究07、08年的爆管点与06年的爆管点之间的关系，图标如图3-1l所示，所完成的效果图如图3-12所示。_={尹五二二—————————一回Buffer—of-⋯蠊首点』Buff洲1～ctin回圃暖I匝霹二10000200oo回ez出t爆首点-／}一目⋯e《*^★日⋯镕*^☆图3-1I建立爆管点缓冲区的图标 第三章基于GIS的爆管的空间分析★“★妻兰‰鬟☆★≮簧蠹奄交蓑圈3-12B供水区以帖年的量管点建立的缓冲区效果圈经过统计发现，07年和08年共发生爆管55次．其中有38个在以06年的爆管点为圆心的20m为半径的缓冲区内，有29个在以lOm为半径的缓冲区内，分别占到爆管总数的6909％和5273％。由阻上供水区域的研究实例发现，有过爆管历史的管段再发生爆管的可能性较大．其周围管段再发生爆管的可能性也很大．这就说明爆管的发生具有空问积聚性。3．322加压泵站对爆管的影响为了研究泵站和爆管点之间的关系，利用GIS的空间缓冲区分析功能进行研究。分别以泵站为圆心以不同的距离为半径建立缓冲区，研究爆管点到泵站的距离与其发生爆管率之间的关系。研究过程如下：考虑到泵站压力只对主干管网上的爆管产生影响，因此本次研究的爆管数据全部是主干管网上的爆管。以水厂泵站为目标点，以100m为缓冲距，建立13层的缓冲区，建完之后鲍效果图如圈3-13所示。 第三章基于GI$的晨营的空同分析圈3-13啦泵站为嚼心建立的13层缓冲区为了概括规律性，对图3-13内的爆管情况进行总结分析，得到的结果如表如表3-4所示。表3一泵站不同缓冲区内爆管情况统计表缓冲区半径(m)爆管次数(扶)占总母管次数的百分比C％)嚣昔率(次，m)50028953684473711∞12001300 第三章基于GIS的爆管的空间分析爆管率随着与管线与泵站距离的变化曲线如图3。14所示。图3．14爆管率随着与泵站距离的变化泵站对爆管点的影响主要是因为泵站内水泵的启闭会造成周同管道内压力的波动，管道内压力波动会产生瞬时的高压或者负压，超出管道的承载能力就会产生爆管。’通过对上述表和图的总结分析可以发现，随着距离的增加，供水管网爆管点一直增加，直至当供水管网与泵站的距离为1000m之后，爆管点的数目不再变化。对爆管率的统计可以发现，在400m以内，爆管率随着距离的增加不断增加，超过400m以后，爆管率随着距离的增加而下降，这说明在400m以内，水厂泵站内压力的变化会辐射到其周围供水管网上造成其内部压力的巨大变化而产生爆管，当超过400m以后，泵站内压力的变化对管网内压力的影响就减弱。另外，如果供水管网上有实时的压力监测点，这样对研究泵站和管网爆管的关系将是非常有帮助的。由于数据缺乏，所以只能定性的研究泵站与供水管网爆管点之间的关系。而在建立爆管预测模型时，对加压泵站对爆管的影响将暂时不予以考虑。对待这种问题需要采取的预防措施只能对泵站周围的供水管网重点控制，加强日常的巡检，并对夜间的供水调度方案的制定予以关注。3．3．2．3建筑物占压对爆管的影响供水管网在重压之下容易产生爆管，根据《室外给水设计规范》的要求城市供水管网与建筑物的水平距离不应小于5m，本文通过ArcMap工具将B供水区的CAD格式的建筑物背景图转为shapefile形式的图，并以此作为线目标点，以33 第三章基于GIS的爆管的空间分析5m为半径建立线缓冲区，研究建筑物占压对供水管网爆管的影响．完成之后的效果图如躅3-15所示。田3—15研究建筑物占压对坪管影响的成果圈经过统计分析发现，以建筑物边界为线目标建立缓冲区，在研究范围内每个路段都有受建筑物占压的管段，有60％的爆管点在此缓冲区内，建筑物占压对爆管的影响比较严重，同时也说明，管线被建筑物占压现象很严重，管线周围违章建设比较多。因此，在新管段建设时，应尽量注意供水管网与建筑物之间的距离保持在5m以上，如果条件允许，町以使得距离越大越好，在物理基础上将爆营率降到最低。33．3爆管的空间统计分析模型3．33l按照不同的遵路类型统计爆管为了研究供水管网爆营与交通荷载之间的关系，将研究区域内A供水区内的07年和08年的爆管按照不同的道路类型进行统计，因为在供水管网数据中没有直接的交通荷载高低的记录，只有道路类型的统计，所以用道路类型来代替交通荷载，并且认为主干道上的交通荷载偏高，次干道居中，而人行遭和草地的交通荷载偏低．统计结果如表3-5所示。=；；嚣黑搿嚣|i|-l≯黼隧i日日目!．．． 第三章基于GIS的爆管的空间分析表3-5爆管按照不同的道路类型分类统计道路类型主干道次干道人行道草地—爆管次数(次)302264管长(m)27764．9130229．185846．104962．50爆管率(次／m)0．00108l0．000728O．0010260．000806由上表可以看出，供水管网在道路类型为主干道(交通荷载高)的情况下，爆管率最高。究其原因是，如果路面荷载过大，超出了道路的设计极限，也将对埋地管道造成额外的负荷。过重的负荷导致管道受路面压力增大，沿管径平面的圆周应力增大，容易导致管道发生豁口等破坏。路面负荷增大，容易造成管道偏移，增大管道连接处的弯矩，容易导致接口破裂。同时，路面负荷增大，来自路面震动也随之增多，管道反复震动容易产生疲劳应力，降低管道强度，更容易损坏。由此可见，交通荷载较大时对爆管的影响是非常严重的，不同道路类型下的交通荷载情况也不同，考虑数据的完整性，选取道路类型作为影响爆管的因素之一，建立爆管的预测模型。3．3．3．2按照不同的路基土壤统计爆管不同的路基土壤对管道的腐蚀性不同，管道的腐蚀将会导致管壁厚度减小，抵抗外力的能力减小，进而使管道容易发生爆裂。随着供水管网使用时间的延长，腐蚀现象逐渐加剧。不同管材的腐蚀程度是不同的，相比之下，铜管、钢管的抗腐蚀能力要好于铸铁管。为了研究爆管与埋设在不同的路基土壤下的管道之间的信息，统计不同的路基土壤下的管道的爆管情况，以A供水区07年和08年的爆管数据为例，统计结果如表3-6所示。表3—6爆管按照不同的路基土壤分类统计路基土壤砾石沙质土填土原始土爆管次数(次)2l71816占总爆管次数的百分比(％)33．8711．2929．0325．81由上表可以看出，当路基土壤为砾石的情况下爆管较多，考虑其原因，主要是因为研究区域内的供水管网管材是UPVC管，这种管材虽然有内壁光滑阻力35 第三章基于GIS的爆管的空间分析系数小、强度高、不易结垢、耐腐蚀、重量轻、施工操作方便、劳动强度低、对水质不构成二次污染的优点，但是由于质地较脆，所以在韧性较差，在与砾石的接触中，容易发生断裂爆管。虽然路基土壤是影响爆管的重要因素，但是在目前的供水管网数据库中对该项数据的收集非常不完善，所以在对爆管进行预测时，只能暂时不考虑这个因素。3．3．3．3按照不同的路面材质统计爆管路面的材质对供水管网爆管也会产生影响，例如：当路面材质为土就比路面材质为砖稳定，不容易发生压脆爆管，因此研究不同路面材质对爆管的影响也是很有必要的。以A供水区为例，统计不同路面材质下的爆管情况，研究它们之间的关系，统计结果如表3．7所示。表3-7爆管按照不同的路面材质分类统计路面材质草地土砖沥青爆管次数(次)952226管长(米)2668．919903．3330047．1733643．69爆管率(次／m)0．000397O．00050740．0007322O．0007728占总爆管次数的百分比(％)14．528．0635．4841．94由上述表格可以看出，路面材质是砖和沥青的情况下爆管率较大，并且爆管次数最多，约占到总爆管次数的76％，因为这种路面材质下的管道受到的应力的作用不同，导致发生爆管的可能性增大，因此，应该以该路面材质作为建立爆管预测模型时的影响因素。3．3．3．4爆管的空间统计预测模型一般情况下收集到的数据都是以离散点的形式存在的，只有在这些采样点上才有准确的数值，而其他未采样点上都没有值，然而在实际应用中却很可能用到某些未采样点的值，这个时候就要通过已知采样点的值来推算未采样点值。这样的一个过程也就是栅格插值过程。插值结果将生成～个连续的表面，在这个连续的表面上可以得到每一点的值。ArcGIS空间分析模块中，通过栅格插值运算生成表面主要有三种实现方式：反距离权重插值、样条函数插值和克里格插值。前两种插值是确定性插值，克里36 第三章基于G1S的曝管的空间分析格插值是一种基于统计学的插值方法。结台本次收集到的爆管数据的特点采用克里格插值法进行爆管空间预测模型的建立。克里格插值的基本原理是根据相邻变量的值，利用变异函数揭示的区域化变量的内在联系来估计空间变量数值，在本课题的研究中，通过表3-4获得了一些离散的爆管率的数据，而对于其他区域的馔管率情况却不得而知。所以利用克里格插值的方法和已知的数据可以对其他区域爆管率的情况预测，具体的实现的效果图如图3—16所示。d墨墨～圈3-16对供水管用的爆管卓进行克里格插值的效果凰通过上图可以看到，在ArcMap中对不同爆管率的供水管网辅以不同的颜色，且可以很直观的看到每个区域内发生爆管率的大小．这对于供水管网管理人员是非常重要的，可以对爆管率高的供水管网加强巡检力度，减少爆管的发生，将爆管造成的损失降到最低。≯醑一B日， 第四章爆管预测模型的建立4．1影响爆管的因素总结分析本次通过GIS空间分析功能对影响爆管的因素进行了分析，但是由于本次利用的爆管历史数据管理的不规范，对另外一些影响爆管的因素无法进行分析，这里只做简单的概述。4．1．1GIS空间分析中获得的影响爆管的因素利用GIS的空间分析功能对研究区域内的A供水区和B供水区的爆管数据进行分析，得出的爆管的规律和原因总结如下：(1)管材对于建设年代较久远的供水管网如B供水区，铸铁管仍然是使用的较多的管材，在铸铁管中灰口铸铁由于其质地较脆，容易发生爆管，所以在发生的爆管中灰口铸铁占绝对数量。在城市进化过程中，考虑到塑料管性能的优点以及价格的优势，其在城市供水管网中的应用也是越来越多的，如A供水区。但这种管材由于其韧性较差，容易发生横向破裂爆管。另外，管道的施工质量和安装技术水平也对爆管有很大的影响。(2)管径本研究对B供水区收集到的数据是针对DNl00以上的管道而言的。通过分析发现，DNl00．200的单位管长的爆管次数最大。经统计发现，在该研究区域内DNl00—200的总管长最大，此也即为爆管率数高的原因。(3)有过爆管历史的管段其周围再发生爆管的可能性越大在前面章节中利用GIS的空间缓冲区分析模型中得到的结论可以直接验证这一点，其原因可以解释为t①由于管道的破裂产生的漏水导致了事故点附近的管道基础损坏；②由于维修的需要把管道露出地面，管道周边的温度条件发生了变化；③在管道维修过程中，事故点附近的管道结构和基础受到了扰动。(4)／3N压,泵站对爆管的影响水泵周围的管道发生爆管的可能性比较大，其原因可以解释为：水泵的启闭造成管道内压力的波动。大用户用水模式的突然变化也会造成管道压力的波动，管道内压力的波动会产生瞬时高压或负压，超出管道的承载能力，就会发生爆管。3R 第阴章爆管预测模犁的建立(5)建筑物占压对爆管的影响通过以建筑物边界线为线目标建立缓冲区研究在此缓冲区内的爆管情况，发现管线受建筑物占压的现象比较严重，在此情况下，爆管情况也比较严重。(6)交通荷载高是引发爆管的重要原因交通荷载对管道产生的应力超过管道的承载能力，则发生爆管。从本研究区域B供水区的研究情况可以看出，在道路交口处，交通荷载比较大的情况下，爆管的频率明显高于道路密度小的地方。(7)路基土壤不同的腐蚀性也是引发爆管的原因之一如果供水管道周围的路基土壤是酸性土质，那么它们的腐蚀性是非常大的，另外还会导致管道内水流流速缓慢，这是因为水中的颗粒和腐蚀物质容易沉淀在管底，产生生物活动或电化学反应，形成腐蚀电池腐蚀管道。(8)路面材质是影响爆管的因素之一路面材质的不同会导致供水管网受到的拉应力不同，另外路面材质的不同，使得路面的稳定性不同，又因为供水管网一般埋深比较浅，所以这种稳定性对供水管网爆管的影响是比较大的。4．1．2影响爆管的其他因素(1)温度温度的骤然变化也是导致爆管的主要因素之一，同时，持续的低温也容易导致管道收缩过大，拉断管道。而且低温霜冻还将导致土壤中的潮气结冻，体积膨胀，增大管道压力。另外，就季节而言，爆管的高峰一般发生在夏季和冬季。夏季的爆管主要是由于气候干燥和土壤的不均匀收缩，冬季的爆管主要是由于冰冻荷载和热胀冷缩的作用。另外冬春交换气温回升也容易发生爆管，所以这段时间就更应该加强爆管的控制。但是，就本研究区域而言，由于收集到的数据都是过去的数据，而且在过去的时刻并没有记录当时的温度，所以虽然温度对爆管有着很大的影响，但是由于数据收集的不完善，所以在建立爆管预测模型的时候也不考虑这个因素。(2)管道接El管道连接是管道施工中的主要工序，是保证供水管网质量的主要一环，管道的接口有很多种形式。经过对研究区域内B供水区统计的爆管资料分析可以发现，供水管道破裂以承插式刚性接口居多。承插式刚性接口又分为嵌缝和密封填料两大部分。嵌缝作用主要是使承插口缝隙均匀和防止填料流串到管内。刚性接口的密封填料又分为石棉水泥填料、应力水泥砂浆填料、石灰水泥填料等多种形39 第四章爆管预测模犁的建屯式。在刚性接口中管道的破裂又以自应力砂浆填料和石膏水泥填料居多。但是，由于研究区域内收集到的数据不是很完善，所以对管道接口权重的界定也变得很困难，所以在建立爆管预测模型的时候不考虑管道接口的因素。(3)管网密度人为破坏一般是由于人为故意损坏或者在施工过程中不文明施工造成的，因而各类埋地管道越密集的地方，其开挖的可能性也越大，造成意外破坏的可能性也越大。一般用管道密度间接反映管道遭受第三方破坏的可能性大小。管道密度指在给水管道沿线一定距离内(如5米)其它各类管道的数目。它反映了其它管道的施工以及运行对给水管道的影响程度。管道密集的区域，开挖的可能性较大，除了可能意外挖坏管道，还有可能导致土层松动、侧向移动，从而导致给水管道的侧移。管道密集的区域，各类管道发生故障的可能性也较大，而渗漏的污水、中水或导线漏电等均有可能改变土壤的腐蚀性和氧化还原电位，从而增大对给水管道的腐蚀影响。本研究中不采用管道密度作为影响爆管的因素，原因是未获得通信、燃气等各类管线的具体埋设信息。另外，经过对本研究区域06、07、08年爆管数据分析发现，由开挖导致的人为爆管事故几乎没有i．开挖导致土壤性质改变进而对爆管率产生的影响更是难以定量的。所以在建立爆管预测模型的时候也不考虑这个因素。4．2爆管预测模型简介及分类传统的爆管分析仅限于定性分析预测，并且对每个影响因素分别进行分析，忽略了爆管影响因素之间的相互作用。这种分析方法过于粗略，这样的假设也是不够合理的，很有必要提高爆管的分析预测水平，并对影响爆管的所有因素进行多变量综合分析。解决该问题的方法就是建立爆管预测模型，并把它应用在具有有效爆管记录的管段上。尽管爆管预测模型的预测结果与实际观测结果会有一定的偏差，但在通常情况下，理论上计算出来的较高的事故率的管段总会在实际情况下表现出较高的事故率，总的来说，爆管预测模型的建立对爆管事故的预防与管道更新改造具有很大的参考利用价值。2001年，YehudaKleiner和BalvantRajani[24】两位学者研究了近20年内各学者提出的理论，充分分析了供水管网爆管的各种统计分析模型预测爆管的统计模型通常要利用可获得的历史数据来确定爆管模式。一般认为这些模式是可重复的，以便用于预测未来的爆管概率或是爆管可能性。爆管模型可以广泛的分为确定性模型、多变量概率模型和用于分类数据的单变量概率模 第四章爆管预测模型的建立型。这些模型通过相应的方程，由可测量的量(例如管径、管长、土壤阻抗等)和描述不可测量因素(例如土壤种类、管材等)的0．1变量来计算管道的爆管比率、生存率、故障率或其它的一些预测量。确定型模型在管龄和爆管历史基础上，用两到三个参数预测爆管率。许多因素，不论是运行、环境或者管材方面的，综合作用共同影响爆管率。将分析的全部管道按照这些因素的相似性分成几组，用于以两三个参数来捕捉准确的爆裂模式。接下来，这些模型在分析中隐含地(而且是定性的)使用分组的标准作为参数，为的是能够维持一种简单的数学结构。这些模型因而十分流行，而且已经应用于很多分析巨型配水管网的案例中。多变量概率模型分析可以精确定量地考虑多个参数。这种能力使得它们在预测爆管率方面更有力更全面。这同样也省去了将数据分组的麻烦，尽管通常仍需要一定程度的分组。然而，它的数学框架却极其庞大，需要很多的技术。一些模型对分组数据进行概率分析，以推导管道寿命期望的概率、爆管可能性以及爆管聚类现象的可能性分析。这些模型组成一类，称为用于分组数据的单变量概率模型。4．3常用的爆管统计模型的原理及评述在很多文献资料中都对供水管网的爆管预测模型进行了描述[25-30】。这些模型有简单的线性回归模型、比例风险模型、生存分析模型、贝叶斯推断模型等。模型建立过程中运用的方法分为三类，时间线性模型，时间指数模型、广义线性模型，下述的章节对这些模型的建立进行了回顾。还有使用比例风险模型，但是其为了获得更高的预测效果对历史数据的完整性要求比较高，一些单位开始收集爆管数据的年限较晚，这使得比例风险模型变得不奏效了，由于上述原因，我们并没有在文章中深入考虑这些模型。4．3．1时间线性模型时间线性模型假定研究变量Y是一系列解释变量的线性函数：y=／lo+∑l|Bizt+￡(4-1)式中∥。，屈——未知常量；￡——误差项。这些误差一般假定服从方差未知的零均值的正态分布，并且认为这些因素是41 第pnq章爆管预测模型的建屯相互独立的。同时，这还隐含～个条件，这些误差是同方差的，并且误差的大小并不取决与反应变量Y的大小。KetterandGoulter[311首先提出在某特定管段上爆管次数和管龄之间的线性关系。他们使用如下模型：N=KoA(4—2)式中Ⅳ——某特定管段上每年的爆管次数；K。——未知的回归参数；彳——第一次发生爆管时的管龄。在使用上述公式(4-2)中的线性回归模型中，KetterandGoulter通过分析温尼伯市和马尼托巴湖区域内在10年之内安装的管段，他们发现了管径和爆管率之间有着明显的负相关的关系，表明小管径的管段比大管径的管段更容易发生爆管。MCMullen【32]对洛杉矶市的供水管网使用了线性回归模型对管段第一次发生爆管时的管龄进行预测，建立的线性模型是：Age=0．028SR一6．33pH一0·049rdf4．3)式中么ge——管道第一次发生爆管时的管龄；SR——饱和土壤的阻抗系数；p／-／——土壤的pH值；屹I化还原电势(mv)。他获得预测管龄值是0．375，MCMullen总结土壤的阻抗系数是管道爆管的主导因素，因为他观察到94％的爆管发生在其土壤阻抗系数小于2000Qcm的情况下。在该文验证线性回归模型时，对基本模型进行了，将其扩展为包含管径，管长、管段的安装年限、管段的运行压力、管段上的土地使用情况、埋设管段的土壤类型、温度、管段周围的降雨量情况、最大土壤湿度、最大最小土壤湿度之间的差值、每6个月的土壤腐蚀性。并将模型公式改为如下形式：N=80∞)+屈∽c)+∥：(a)+P3(CSC)+屈(D，)+屈(P比)+成(s死)+磊陋】+屈(】，)+展p)+∑8j(LO)+y8,(st／c)+82。(聊)+厦，(RAm)+82。(S脱4X)+82，(埘．MN)，=IOk=20+氏(Pcl)+尼，护c2)+f132pC3)(44)42 第网章爆管预测模型的建克式中Ⅳ——每6个月内每个管段的爆管次数；D——管段直径(英寸)；AC，CI，CSC，DI，PVC，．S死——标志水泥管、铸铁管、钢筋混凝土管、球墨铸铁管、聚氯乙烯管、钢管各自的二元变量；￡——管段的长度(英尺)；】，——管段的安装年限(年)；P——管段的运行压力(磅／平方英寸)；上U——管段上土地的使用级别；S丁——管道周围的土壤：TEMP——每6个月的平均温度；删——每6个月内降雨量(100英尺)；PCI，PC2，PC3——对6个土壤腐蚀性变量进行主成分分析的基础上获得三个主要成分。该模型的预测精度较高，但是对数据的要求也比较高，需要有大量完善的历史数据。4．3．2时间指数模型非线性回归模型在线性回归模型的基础上发展了大量具有传统功能的函数。非线性回归模型最基本的形式是：Y=／(孑；∥)+￡(4-6)式中v——独立变量；函数／(j；矽)是关于未知参数,ao，,al，⋯展非线性相关的，￡——残余变量；这种类型的模型经常转化为以线性回归参数表示的线性回归模型，因此潜在的线性回归的假定适用于转化后的模型。ShamirandHowardtlo】使用非线性回归分析方法得到一个管段爆管预测模型，该模型将爆管率(每年每单位长度的爆管)与管龄联系起来。该模型如下：Ⅳ(f)=N(to)e一‘H引(4．7)43 第四章爆管预测模型的建立式中Ⅳ(f)——每年每单位长度的爆管次数(次／年枣m)；N(to)——管道安装当年的年单位长度的爆管次数(次／年幸m)；f——现在的时间与给定爆管发生年的时间间隔(年)g——在t年时的管龄(年)；彳——基于原始数据获得的爆管率系数(1／年)KetterandGoulter对该模型进行了修正【31】，将从最后一次爆管开始计算的时间和管道的安装时间进行建模，模型的形式如下：y2Poexp(f11(TIME))+,62(INSTYR)(4-8)式中屏——自回归系数；屈——从上次爆管到现在的时间系数；鼠——安装时间系数。Walsl【i和Pelliccia(1982)[”】．对时间指数模型进行了改进。他们引入了两个要素，一个因素用于说明管道历史爆管次数，这是考虑到曾经爆过的管道更容易爆裂，另一个因素用于说明大管径管道爆管率占该类型所有管道爆管率的情况。N(t)=C1c2N(to弦肌+g’(4—9)式中C厂一没有／只有一次／有一次以上爆管记录的某种材质管道的爆管率占该类型管道爆管率的比值；C厂500mm管径的某种材质管道的爆管率占该类型所有管道爆管率的比值。4．3．3广义线性模型广义线性模型考虑到非常规的计算数据，他们把确定条件下分布函数的平均响应转化为预测函数。预测函数都是基于假定的离散变量的概率质量函数和一个连接函数，这个连接函数将概率质量函数的参数和可变量连接起来。泊松广义线性模型通常使用广义线性模型对计算数据进行回归分析，例如：基础设施系统的故障数据分析。X，=Ix¨，⋯xni]是第i个系统片段上的n个协变量的向量，其中(i=1,2，⋯m)，第i个管段上的故障数量通过Y；给出。 第网章爆管预测模型的建立在该文的研究中，系统是供水管网系统，片段是单个的管段。基于泊松分布的线性回归模型对在指定变量的观测值以计数条件的形式，计数的均值通过一个连续函数∥慨舅fJ给出，协变量的通过下述公式给出：E¨止∥慨孟，)似-101在泊松回归模型中为获得Y，质量概率函数条件假定了毛。若正相关，则。fLoe-p晖≯，杪舻，J-于r4-11)，f‘’该文中使用连接函数确定条件平均数，且假定E陟肛；--exp(xT；／西)，Guikema和Davidsot34】使用了泊松广义线性模型预测基础设施的故障率，他们发展了泊松广义线性模型预测一个发电站系统不断区域的电力中断，该模型的解释变量包括发电站系统信息、当地的地理信息以及影响系统的风险。Logistic回归模型是另一种形式的广义线性模型，这个模型预测离散事件的发生概率，例如：’集团成员，其大量的解释变量可能是连续的也可能是离散的，几个因素的分离或结合。在很多情况下，供水公司关心的是在给定的时间内某个管段上是否至少有一个爆管发生而不关心确切的爆管数目。发生一次爆管就足以使得他们采取昂贵的维修措施。这就使得Logistic回归模型在对供水可靠性建模时成为一个非常不错的选择。为了充分的利用作者的知识，该文中并没有使用Logistic回归模型，该文提出了预测供水系统中爆管风险的Logistic回归模型。在二元Logistic回归模型中，当概率为P时，因变量取值为l，当概率为1．p时，因变量取值为0。并且假定自变量和因变量之间的关系是非线性的。Logistic回归模型对二元事件建模时经常使用概率P的分对数转化，如式所示。n一．exp[tr+p＼xI+p2x2+⋯pix㈡．11+exp[ct+f11xl+屈工2+．．‘层xfJ“．12)式中a——回归参数常量；A——回归系数；x，——独立变量。45 第四章爆管预测模犁的建立4．3．4以往统计模型的总结不同的预测对象具有不同的特点，而不同的预测方法也有各自的优点和缺点，预测的关键就是为预测对象寻找合适的预测方法，使得预测结果具有更高的可靠性和准确程度，由于影响供水管网爆管的各个因素的最大特点就是高度非线性和不确定性，尤其是爆管受一些随机的干扰因素影响很大，所以各种爆管的预测方法都是围绕如何克服非线性和随机干扰的。传统的时间序列预测需要预先知道被控对象的数学模型，且预测精度不高，而爆管却具有高度的不确定性，因此，在预测爆管模型时差强人意。而自适应神经网络模糊推理系统是模糊逻辑与神经网络的结合，结合两者的优点并弥补其不足，它利用神经网络的参数和结构训练方法，实现模糊系统的学习和自适应，因而对具有复杂、高度非线性、不确定性特点的爆管预测过程的建模具有很大的优越性。所以，本课题拟采用上述方法建立爆管预测模型。4．4自适应神经网络模糊推理系统(ANFIS)简介余颖、乔俊飞(2006)【35J基于ANFIS的污水处理过程建模的研究中对ANFIS自适应模糊推理系统进行了简单介绍，自适应神经模糊推理系统(ANFIS)，是模糊推理系统和神经网络控制的有机结合。由于模糊控制技术的特点在于逻辑推理，即获得人类专家的结构化知识，模拟人的思维能力，神经网络在实时学习和自动模式识别方面有较强的优势，由此将两者有机结合起来组成神经模糊控制系统，可以有效的发挥模糊控制和神经网络控制的各自优势并弥补其不足。此时，模糊系统由一等价的神经网络表示，神经网络不再是一个黑箱，它的所有节点和参数具有一定的意义，即对应模糊系数的隶属函数和推理过程。张志红、韩直、肖盛燮等，在基于ANFIS交通流实时预测及其在MATLAB中的实现p6】一文中简要的介绍了ANFIS系统的特点指出：ANFIS系统最大的特点就是，该系统是基于数据的建模方法，自适应神经模糊系统中的模糊隶属度函数及模糊规则是通过对大量已知数据的学习得到的，而不是基于经验或直觉给定的，它改善传统的模糊控制器设计中必须靠人的思维反复调整隶属函数才能达到减小误差，增进效能的特点，通过训练与自适应解决了上述问题。这对于那些特性还不被人们所完全了解或特性非常复杂的系统尤为重要，所以尤其适用于缺乏专家经验知识的～类复杂预测、控制问题。用ANFIS网络实现的模糊神经网络【37枷】，采用反向传播算法和最d"--乘法 第四章爆管预测模型的建它的混合算法调整前提参数和结论参数，并能自动产生IF．Then规则，隐层神经元数据较少，网络结构更加清晰，网络学习参数较少，网络参数更具可解释性。因此，可以认为ANFIS系统构成直观，推理。合成计算简单，学习方法合理有效，具有良好的预测，控制性能，完全可以满足爆管预测的要求。4．5ANFIS的结构和原理及其在MATLAB中的实现4．5．1ANFIS的结构和原理ANFIS自适应神经模糊推理系统中的模糊隶属度和模糊规则是通过对大量已知数据的学习得到的【411。ANTIS的系统结构图如图4．1所示：图4-1ANFIS系统结构图Ifz为4andY为BlthenZ=plx+qIy+_(4-11)Ifx为42andY为B2then^=p2x+q2Y+r2(4-12)假设输入变量采用高斯型隶属度函数，分别为gxi瓴q，b，)和g蟠(工，C，，d，)表示(其中i=1，2)。ANFIS结构可以分为5层：第一层：计算输入的隶属度函数：01．i=g。i(x，a，，bj)i=1,2(4·13)Ol，j=gy0-2)(y，cj_2,d，一2)j=3，4(4—14)47 第四章爆管预测模犁的建立其中0¨表示第一层上的第i个输出。第二层：计算每条规则的适用度：02．1=01．1x01．3=gx,(工，口l，61)×gyl(y，c1，d1)记作劬(4—15)02．2=01．2x01．4=g。i(工，口f，bf)×gy2(y，C2，d2)(4—16)记作戤第三层：计算适用度的归一化值03．1=04／(劬+皑)(4一17)03．2=劬／(q+她)(4-18)分别记作q和皱第四层：计算每条规则的输出：∥=PiX+qfy+li=1,2(4—19)第五层：计算模糊系统的输出：f2锡Z+锡厶(4-20)在这一网络中，包含了特定的前件参数(隶属度函数中的参数口j，b，，C；，di(i=1,2))和后件参数(p，，g，，‘(i-1,2))，共有14个参数，通过算法训练ANTIS，可以按照指定的指标达到这些参数，从而达到模糊建模预测爆管的目的。4．5．2ANFIS在MATLAB中的实现罗建军(2005)在MATLABt42墩程中指出，训练ANFIS的任务可由antis函数完成，因此使模糊建模变得很容易实现。模糊推理建模过程可以分成下面6个步骤：(1)产生训练数据和检验数据；(2)确认输入变量的隶属度函数的类型和个数；(3)由genfisl函数产生初始的FIS结构；(4)设定ANFIS训练的步长数； 第四章爆管预测模犁的建立(5)利用antis函数训练ANFIS；(6)检验得到的FIS性能。4．6爆管预测模型的建立4．6．1实例仿真管网数据选用A供水区的爆管数据。通过上一章对影响爆管的因素进行分析之后，选用管材、道路类型和路面材质3个变量来解释供水管网爆管的分布。很明显这些因素并不能代表影响爆管的所有因素，但是它可以是一些不可测量的数据的替代。因此，上述的几个变量，不仅代表一个确定的变量，而且还代表着那些不容易测量或者不可得的数据。(1)管材：管材不仅代表了不同管材的管道本身的性能，而且还代表了管道的防腐性能、老化、水流速度的冲击等一些不可获得的数据。(2)道路类型：一般认为大管径的管道受交通荷载导致的地面运动的影响比较小。然后，当交通荷载已经增加到超过了地面的设计荷载情况下，交通荷载可以对供水管网的爆管产生很重要的影响。实际上交通荷载还代表着汽车开启和停止所产生的负荷。但这种负荷对于大量管段来说是不容易量化的，所以以交通荷载来进行替代。但是，本研究中收集的管网数据上并没有对交通荷载的直接记录，所以用道路类型对其进行替代，一般认为主干道上的交通荷载最高、依次是次干道、人行道、草地。(3)路面材质：路面材质的断裂位能对管道的寿命会产生很大的影响。扩张性的土壤可能会对供水管网产生额外的负荷。另外，管龄和管道接口也是影响爆管的重要因素，但是由于研究区域内的管道埋设年代相差比较小，不足以作为影响爆管的区分要素。而管道接口在收集的数据中非常不完善，所以在建立爆管模型的时候与予以考虑。以管径作为分组变量，分别研究上述因素对爆管的影响，以DN300的管道为例，其中爆管率与相关环境因素值如表4．1所示。 第叫章爆管预测模犁的建立表4-1爆管率与相关环境因素值序号管材道路类型路面材质爆管率+10001PE主干道沥青1．562PE主干道砖3．953UPVC主干道沥青5．274UPVC次干道沥青O．865UPVC人行道砖O．286玻璃钢主干道沥青O．767玻璃钢次干道沥青4．168玻璃钢人行道砖O．429球墨铸铁主干道沥青0．3310球聚铸铁人行道砖1．oo‘在使用ANTIS建模的时候数据只能是以数的形式呈现，通过第四章对不同的管材、道路类型和路面材质的统计，可以发获得它们的不同权重，管材、道路类型和路面材质的权重分别见表4．2、4．3、4．4所示。表4-2不同管材的爆管权重管材PEUPVC玻璃钢球墨铸铁占总爆管次数权重O．05O．50O．350．1表4-3不同道路类型的权重道路类型主干道次干道人行道草地占总爆管次数权重0．44O．32O．16O．08表“不同的路面材质的爆管权重路面材质草地土砖沥青占总爆管次数权重0．34O．1l0．29O．26将所有的权重输入之后的数据如表4．5所示。 第Pq章爆管预测模型的建屯表4-5爆管率与相关环境因素权重序号管材道路类型路面材质爆管率奉100010．05O．4J40．291．562O．050．44O．263．9530．5O．440．265．274O．5O．320．26O．865O．50．16O．29O．286O．350．44O．260．767O．350．32O．264．168O．10．16O．29O．429O．10．44O．260．33100．1O．160．291．oo模拟时首先给出输入数据集和输出数据集，如表4．5，本例为收集到的不同管材、道路类型和路面材质的爆管情况，为了减小计算时的不必要的误差带来的影响，将各种爆管率的初始数据乘以1000获得的，然后采用函数genfis2用模糊减法聚类算法产生一个初始的模糊推理系统，供自适应神经网络模糊推理系统迭代训练。该函数提取一些规则来模拟这些输入输出数据所代表的系统行为，具体过程如下：首先调用减法聚类函数Subclust，对输入输出数据进行减法聚类，决定输入和输出语言变量的隶属度函数个数和规则个数，然后采用最小方差估计得到推理规则结论部分的参数，即输出的隶属度函数(若对论域(研究的范围)U中的任一元素X，都有一个数A(x)∈[0，l】与之对应，则称A为U上的模糊集，A(x)称为X对A的隶属度)，具体仿真结果如图4．2所示。TrainingData表示输入的原始数据，ANFISOutput表示用自适应模糊推理系统对爆管数据进行学习和自适应的输出结果，并且在不同的爆管率范围内显示不同的颜色。 第四章爆管预测模型的建书462模型的检验圈4-2AN玎s珊练输出在爆管预测模型建立成功之后，通过对模型输入不同的值系统将会产生预测值，预测结果见表牟6。表4-6援测值与实际值的对比样本实际值预测值绝对误差相对误差-：由表4-6可知，预测结果的相对误差不超过17％，因此预测精度较高，本次对曝营预测的目的是区分相对爆管可船性的大小，并对爆管高易发区的管段加强巡检力度，所以，预剥结果是可取的。4．63模型的总结在本研究中使用ANFIS，利用模糊规则的不全面性、粗糙性，并将神经髓络技术引进来，借助神经网络的信息存贮能力和学习能力，更有效的利用人类知 第四章爆管预测模型的建立识，处理不精确及不确定的情况，加强了对位置或变化的环境进行学习和调节的性能，使系统本身朝着自适应、自组织、自学习的方向发展。从上面的实例可以看出，ANFIS模型的预测精度可以满足爆管预测的要求，而且在MATAB中实现非常简单，因此是以后爆管预测的一个发展方向。 第五章结论本文根据所收集到的管线维修记录和供水管网基本信息，并参考一些其他相关信息，综合运用计算机、GIS等多学科的理论和知识建立了基于GIS的爆管空间分析数据库。考虑到本次爆管数据收集的特点以及GIS空间分析的特有功能，建立了基于GIS的爆管空间分析模型的，在此基础上总结了影响爆管的因素，最后建立了爆管的模糊预测模型，为进一步的研究供水管网爆管提供了新思路、新方法。5．1主要成果5．1．1建立了基于GIS的爆管空间分析数据库本文的主要研究目的在于利用GIS的空间分析功能对目前城市供水管网普遍存在的爆管问题进行分析，而GIS空间分析的基础是数据库，所以对爆管空间分析数据库的建立具有举足轻重的作用。对爆管数据的收集不能只局限于爆裂管道自身的属性特征，对管道周边信息的收集和整理也会给爆管研究提供一些线索，如气候信息、温度条件、以及管道周围其他管道的爆管信息。所以，在建立爆管数据库时，应对上述数据进行全面的收集，并将其作为爆管点或者管网的属性信息存储到所建立的爆管数据库中。爆管数据库设计主要从两方面考虑，首先便于数据的组织、管理与应用，能够满足爆管点与管线管理的需要；其次便于爆管空间分析模型的建立与实现，因为空间分析模型的建立与实现依赖于空间数据结构。基于上述两个目的，本文所建立的数据库包含爆管点和管线两个大的要素类，然后通过爆管点所属管线编号——管线编号这个关系类将上述两个要素类连接起来。5．1．2建立了基于GIS的爆管空间分析模型爆管点的分布具有一定的空间聚集性，以GIS为平台对爆管进行空间分析是爆管空间研究的有效手段，是分析爆管影响因素的有力工具。在此基础上，可以量化分析结论，建立爆管预测模型，增加爆管预测模型的准确性。GIS空间分析是基于地理对象的位置和形态特征的空间数据的分析技术，其目的在于提取和传输空间信息。在建成的GIS爆管空间分析数据库中，供水管54 第五章结论线和爆管点的属性信息中都有确切的空间位置、空间分布、空间形态，为进行GIS空间分析提供了强大的数据支持。结合本次收集到的爆管数据的特点，分别建立了如下爆管空间分析模型。(1)爆管的空间叠置分析模型GIS空间叠置分析是GIS的一种基本的空间分析方法，它是在统一坐标系下，将同一地区的两个或两个以上的地理要素进行叠置，以产生空间区域的多重属性特征的分析方法。。本文采用WGSl984坐标系统，对研究区域内的爆管点和具有不同属性的管线进行点线叠置，并对建立好的叠置分析模型进行分析总结，得出新的空间信息。通过将爆管点与不同管径的管线叠置，得出如下结论：不同管径的管线对爆管的影响是不同的，但并不是简单的正相关或者负相关的关系。所以在建立爆管预测模型时，需要将爆管数据按照管径进行分组，对每组数据分别进行建模。通过将爆管点与不同管材的管线叠置，得出如下结论：不同管材类型的管段发生爆管的可能性不同，且UPVC管最容易爆裂，球墨铸铁管最不容易爆裂。因而在以管道材质为基础进行爆管率预测时，应该按照管材分别计算影响权重，作为建立爆管预测模型的解释变量。(2)爆管的空间缓冲区分析模型缓冲区分析是根据GIS数据库的点、线、面实体，自动建立其周围一定宽度范围内的缓冲多边形实体，从而实现空间数据在水平方向得以扩展的信息分析方法。本文主要采用了下述三种方法对爆管进行基于GIS的缓冲区分析。通过以往年的爆管点为圆心，自动建立其周围一定的距离为半径的空间缓冲区，研究现在的爆管点是否在缓冲区内，用以识别发生过爆管的管段对以后发生爆管的影响，得出如下结论：有过爆管历史的管段再发生爆管的可能性很大，其周围管段再发生爆管的可能性也很大，这就说明爆管的发生具有空间积聚性。通过以加压泵站为圆心，以不同的缓冲区为半径建立多重缓冲区，研究在多大的范围内泵站对爆管点有影响，得出如下结论：在一定的范围内，供水管网与泵站的距离越大爆管率随着增加，超过这个范围，距离越大爆管率随着减小。这也说明，在一定的距离范围内泵站的压力变化会对供水管网的爆管产生较大的影响，而超过这个范围这种影响作用则会减弱。通过以B供水区的建筑物边界为线目标建立缓冲区，研究建筑物占压对供水管网爆管的影响，得出如下结论：建筑物的占压对爆管影响严重，并且供水管网离建筑物越近发生爆管的可能性越大。(3)爆管的空间统计分析和预测模型55 第五章结论在本课题的研究中，通过对不同的道路类型、路基土壤、路面材质的爆管信息进行统计分析得出不同情况下对爆管影响的权重的不同，并结合本次爆管数据收集的特点，选用了道路类型和路面材质作为建立爆管预测模型的解释变量。本文利用空间统计分析中数据的插值方法，利用已知爆管点对其他区域的爆管率进行预测，实现了空间预测的目的，直观的显示了不同区域的爆管风险的大小，对供水管网管理部门而言，具有较大的应用价值。5．1．3建立了爆管的模糊预测模型通过查阅国内外相关文献，总结了以往建立爆管预测模型的基本原理和方法，并分析了其应用到本研究课题的局限性。考虑到影响爆管的各个因素具有高度非线性、不确定性、随机性，所以采用了自适应模糊推理系统建立爆管模糊预测模型，该模型很好的克服了各个影响因素之间的非线性和随机干扰。在本课题的研究中，对研究区域内A供水区的爆管数据按管径进行分组，由于数据不足，只考虑了DN300的爆管，解释变量选择管材、道路类型、路面材质，并利用原始数据分别计算其权重。然后利用神经网络的参数和结构训练方法对原始数据进行训练，实现模糊系统的自学习和自适应，建立了爆管模糊预测模型，并对模型进行了检验，预测结果的相对误差不超过17％，但是本次对爆管预测的目的是区分相对爆管可能性的大小，并对爆管高易发区的管段加强巡检力度，所以，预测结果是可取的。5．2论文的创新5．2．1泵站对爆管影响的距离的界定泵站对爆管点的影响主要是因为泵站内水泵的启闭会造成周围管道内压力的波动，管道内压力波动会产生瞬时的高压或者瞬时的负压，超出管道的承载能力都会产生爆管。但是泵站对爆管的影响在多大的范围内才能奏效?为了解决这个问题，在以泵站为圆心建立了13层不同半径的缓冲区，研究随着距离的变化单位距离的爆管率的变化，并在此基础上总结了泵站对爆管的影响距离为400m，超过该范围之后泵站对爆管的影响将减弱。5．2．2利用ArcGIS的统计插值方法实现空间预测的目的一般情况下收集到的数据都是以离散点的形式存在的，只有在这些采样点上56 第五章结论才有准确的数值，而其他未采样点上都没有值。然而，在实际应用中却很可能用到某些未采样点的值，这个时候就要通过已知采样点的值来推算未采样点值。本研究课题中对爆管率的是以100m为间隔统计分析的，那么其他区域的爆管率的大小只有通过预测方可实现。在本研究课题中根据统计分析的已知管网的爆管率，首次利用克里格插值的方法实现了对不同区域爆管率范围以不同的颜色显示，直观的显示了研究区域内的不同爆管风险的高低。这对管理工作者而言是非常重要的，可以据此对高爆管风险的管网加强巡检力度，提高他们对供水管网的管理力度，降低供水管网爆管率的发生，减少其损失。5．2．3利用ANFIS建立爆管预测模型ANTIS自适应神经模糊推理系统，是模糊推理系统和神经网络控制的有机结合。ANTIS系统最大的特点就是，该系统是基于数据的建模方法，自适应神经模糊系统中的模糊隶属度函数及模糊规则是通过对大量已知数据的学习得到的，而不是基于经验或直觉给定的，它改善传统的模糊控制器设计中必须靠人的思维反复调整隶属函数才能达到减小误差，增进效能的特点，通过训练与自适应解决了上述问题。这对于爆管这些还不被人们所完全了解或特性非常复杂的系统尤为重要，所以尤其适用于对供水管网爆管的预测。通过对研究区域内A供水区域内的爆管数据按照管径分组，按照管材、道路类型、路面材质进行分类分别统计对爆管影响的权重因子，并以这些数据作为ANFIS的数据输入，然后利用MATLAB的antis函数对数据进行处理，得出各个影响参数。对建立好的爆管模型通过输入几个样本进行检验，其预测精度较高，符合爆管分析的要求。5．3不足详细而完整的爆管分析一定要有完善的管道自身属性信息、管道运行参数信息、相关环境信息、管线维修记录数据，这样建立的爆管预测模型才具有较高的准确度和精确度。数据收集的不完整性是限制本课题研究的主要因素，同样也是其他学者和研究机构面临的问题。虽然有许多学者提出针对不完整数据(包括爆管数据、管道维修记录等)的研究方法，但仍旧需要5年以上的数据。所以，数据的不完整是本次研究的主要缺陷。本研究涉及的数据只有06、07、08三年的管道维修记录，而且对爆管的历57 第五章结论史数据的管理不规范，导致一部分数据不完整，例如：管道接口、路基土壤等数据的缺失。由于上述原因，不得不在爆管预测模型的建立中放弃这些因素。本文将研究重点放在利用GIS的空间分析功能研究影响爆管的因素以及模糊爆管预测模型的建立上，突出对爆管空间分析方法的研究。数据作为研究实例，如果数据更加完善，则有利于模型的完善，并提高预测的精度。5．4继续研究的建议本文在爆管预测的模糊模型方面取得了一定的成果，利用自适应神经模糊推理系统的自学习和自适应机理对历史数据建立爆管预测模型，但是对于爆管模糊预测模型的研究还有待深入。由于影响爆管的因素比较多，人口密度、管线压力、道路交通情况等都会对爆管产生影响，因此，在以后的数据收集中，应注重完善基础信息，并对现有供水管网上的信息进行补充和整理，确保数据的收集合乎规范。利用GIS对供水管网爆管建立空间分析模型时，不应仅停留在对某个区域内的供水管网分析得出影响爆管的因素，而更应该着重于对整个区域进行研究，并划分爆管的易发程度分区，可以考虑与其他的编程软件结合，建立可视化的界面，实现对高易发程度分区的供水管网进行实时监测，加大巡检力度，减少爆管情况发生。 参考文献【l】NRcooper,GBlakey,CSherwin，eta1．TheuseofGIStodevelopaprobability—basedtrunkmainsburstriskmodel[J]．TheScienceoftheTotalEnvironment，2002，25(2)：97—103．【2]CTTa，KemptonAWTW，Hanworth．Aprobabilitymodelforbufstriskstudiesofwatermains[J]．Waterscienceandtechnology，2002，2(4)：29．35．【3】KVairavamoorthy，JiminYah．AGIS．basedriskanalysistoolforwaterdistributionsystems[J]．EnvironmentalModelingSoftware，2007，22：951-965．[4】方丹霞，陈明．GIS的供水管道爆管因素空间分析[J】．城市勘测，2007，27(2)：30．32．[5】何芳．城市供水管网爆管分析方法的研究[D】．上海：同济大学，2005．【6]何芳，刘遂庆．供水管网爆管事故分析与对策探讨[J】．管道技术与设备，2004，2(5)：20—23．【7】PDavis，SBum，MMog．AphysicalprobabilisticmodeltopredictfailureratesinburiedPVCpipelines[J]．ReliabilityEngineeringandSystemSafety，2007，92(1)：1259—1266．[8】YvesLeGat，PatrickEisenbeis．Usingmaintenancerecordstoforecastfailuresinwaternetworks[J]．UrbanWater,2000，2(2)：173-181．[91马学文，夏利，程琳，等．城市供水管道更新时间预测模型[J]．沈阳建筑大学学报，2008，l(24)：129—131．[10]Shamir,Howard．Ananalyticapproachtoschedulingpipereplacement[J]．JournalofAWWA，1979，7l(5)：248-258．[1l】张宏伟，王亮，岳琳，等．城市供水管网漏损时间的预测模型研究[J】．中国给水排水，2006，22(5)：52～55．f12】郭仁忠．空间分析[M】．武汉：测绘科技大学出版社，1997．【13]王劲峰．空间分析[M】．北京：科学技术出版社，2006．[14】汤国安．ArcView地理信息系统空间分析方法[M】．北京：科学技术出版社，2002．【15]李德仁，程涛．从GIS数据库中发现知识[J】．测绘学报，1995，24(1)：3744． 参考文献【16]张成才，秦昆，卢艳，等．GIS空间分析理论与方法[M】．武汉：武汉大学出版社。2004．【17]黎夏，刘凯．GIS与空间分析原理与方法【M】．北京：科学技术出版社，2006．[18】张海荣．地理信息系统原理与应用[M】．江苏徐州：中国矿业大学出版社，2008．[19】朱长青，史文中．空间分析建模与原理【M】．北京：科学技术出版社：2006．[20]湘南，黄芳，王平，等．GIS空间分析原理与方法[M]．北京：科学技术出版社，2006．【2l】王远飞，何洪林．空间数据分析方法[M】．北京：科学技术出版社，2007．【22】韦玉春，陈锁忠．地理建模原理与方法[M】．北京：科学技术出版社，2005．【23]张宏，温永宁，刘爱利，等．地理信息系统算法基础[M]．北京：科学技术出版社，2006．【24]YehudaKleiner,BalvantRajani．Comprehensivereviewofstructuraldeteriorationofwater．mainsstatisticalmodels[J]．UrbanWater,2001：131-150．【25]MahmoudYousef,RajaNassar．Analysisofacceleratedfailuretimesofrehabilitationlinerssubjectedtoaconstantorvariablepressure[J]．TunnelingandundergroundSpaceTechnology，2006，21(2)：97-105．[26]C。Lawrence．ModelforthePeriodicBehaviourObservedintheFastFractureFailuresseenintheRoutineandFullSaleTestsOilthePlasticPipes[J]．ManufacturingEngineeringDepartment,1996，l5(2)：129—151．[27]KAtkinson，JTWhiter．Failureofsmalldiametercastironpipes[J]．UrbanWater，2002，2(4)：263-271．[28]SamuelT’Ariaratnam，UlfHilmar．Simplifiedmodelfornumericalcalculationofpullforceinstaticpipe-burstingoperation[J]．TunnellingandUndergroundSpaceTechnology，2001，76—78．[29]Andreou，SAMarks．AnewMethodologyformodelingbreakfailurepaRernsindeterioratingwaterdistributionsystems[J]．Applications．Advance切WaterResources，1987(10)：11-20．[30]GoodchildMEAspatialanalyticalperspectiveofgeographicalinformationsystems，Journalofeographicalinformationsystems，1987(4)：327—334．[3I]KettlerAJ，GoulterIC．Ananalysisofpipebreakageinurbanwaterdistributionnetworks[J]．SafetyAssesmentandManagement，2006，5(2)：256·264．t；0 参考文献[32]MCMullen，HD，AndreouS．Statisticalmodelsforwatermainfailures[J]．USEnvironmentProtectionAgency(Co-operativeAgreementCR8l0558)【33]Watkins，RKSpangler．Somecharacteristicsofthemodulusofpassiveresistanceofsoil——astudyinsimilitude[J]．HighwayResearchBoardProceedings，195807)：576-583．【34]Guikema,ShridharYamijala，SethD．Statisticalmodelsfortheanalysisofwaterdistributionsystempipebreakaata[J]．Re,abilityEngineeringandSystemSafety，2008：162-168．[351余颖，乔俊飞．基于ANFIS污水处理过程建模研究【J】．计算机工程，2006，8(32)：266—277．[36]张志红，韩直，肖盛燮，等．基于ANFIS交通流实时预测及其在MATLAB中的实现[J]．重庆交通学院学报，2007，26(3)：112—115．[37]文lJ洪波，张宏伟，张刚．基于模糊聚类理论的城市供水管网ANFIS系统设计【J】．天津大学学报，2007，40(2)：247．252．{38]疏靖，田丽．ANFIS神经网络在城市大气802含量预测中的应用【J】．安徽工业大学学报，2008，25(3)：312．315．[39]李士勇．模糊控制、神经控制和智能控SUJ[M]．哈尔滨：哈尔滨工业大学出版社．1998．[401张宏伟，牛志广．神经网络建立城市供水管网宏观模型的研究[J】．系统工程理论与实践，2003，23(10)：121．126．[41]刘卫国．MATLAB程序设计与应用【M】．北京：高等教育出版社，2006．【42]罗建军，杨琦．MATLAB教程[M】．北京：电子工业出版社，2005．61 发表论文及参加科研情况自2007年研究生入学以来，本人在导师田一梅的精心指导下，主要参与及完成如下科研课题。参加科研情况：1．天津市建委科技发展规划项目——基于GIS的城市中水管网管理信息系统(2007．09-2009．01)；2．国家自然科学基金——城市供水管网爆管预测预警的研究(2008．04至今)；3．天津市科技创新专项基金子课题项目——区域多水源优化调度与配置技术研究(2008．12至今) 附录MATLAB主程序代码：clearall；xl=[O．05O．050．50．35O．10．1O．1】’；x2=[o．440．44O．440．32O．160．440．320．160．440．161’：x3=[0．290．260．290．260．29O．260．29]’：z=[x1x2x3】；y=[1．5633．9565．2790．8680．2810．7604．160．420O．3371．00]’；tmData=【zy】；numMFs=5；mfI"ype=’gbcllmf"；epoch_n22000；in—fis=genfisl(trnData，numMFs，mfType)；out—fis=anfis(trnData，in_fis，20)；figure(4)plot(z，y,z，evalfis(z，ouLfis))；legend(’TrainingData","ANFISOutput‘)；figure(2)plot(z，y"怫’)；figure(3)plot(z，evalfis(x，ouLfis)，哗’)；63 致谢致谢值此论文完成之际，谨向每一位关心过和帮助过我的人表示衷心的感谢!首先，要向我敬爱的田一梅老师致以最诚挚的谢意，感谢田老师在这两年多的时间里对我的学习和生活无微不至的关怀，对我的悉心教导，感谢导师在百忙之中抽出时间对本论文的指导和帮助，更重要的是田老师教会了如何做人，如何生活。田老师，您严谨治学的态度和对工作认真负责、精益求精的精神将使我终身受益。您慈母般关怀呵护我，使我茁壮成长。在此，向您致以我最诚挚的敬意，这一段求学时光令我终身难忘。感谢赵新华老师对我学习生活的帮助，在此向您表示衷心的谢意。赵鹏、于志强、彭森等师兄在项目和课题上都给与我很大支持，在此一并表示感谢。感谢王彬蔚、李震和张盛楠同学，能师从同一个导师是我们的缘分，两年来你们对我的帮助，我不会忘记。感谢我的室友和朋友，和你们在一起的日子我无所畏惧，无比快乐，你们是我终身的朋友。感谢两年多来和我一起工作的和生活的宿舍同学和办公室成员，和你们相处的时光将是我难以忘怀的美好回忆。要特别感谢的是我的父母，您对我的养育之恩，我无以为报，永记心中。感谢所有帮助过我的人，谢谢!'