我国目前排水管道已超过60万km。高地下水水位地域管路损坏造成很多外水入渗,减少了雨污水管道的运输能力,加剧了内涝现象和污水厂雨天溢流;低地下水水位地域管路损坏则导致废水渗漏,污染地表水。此外,排水管网混接导致废水根据降水管网直排河堤,导致废水管网高普及率下的具体截污效率稍低。因而,城镇排水管网改造修补是提标增效的前提。在改造修补以前,需要通过科学规范和低成本的诊断方式鉴别管网中混接、破损的由来,制作管网混接损坏风险图,从而达到精准发力的目的。
排水管道物探检验显像的智能识别
CCTV检验图象必须人力判断,主观性强且判断效率低。根据人工智能的图像识别技术可提高CCTV检验图象的鉴别效率,其基本概念是最先根据已拍摄的CCTV图象判断结论,创建管路缺点难题(包含缝隙、横剖面面积变小、产生偏移等)的图象数据库;在此基础上选用机器学习算法对检验图象开展自动判断。
用于管路缺点判断的机器学习算法包含反向传播神经网络法、径向基函数神经网络法、svm算法算法和随机森林算法等。同反向传播神经网络对比,径向基函数神经网络靠近能力、归类能力、学习速率更高;随机森林算法则通过创建许多决策树,构成决策树山林,有效提高对样版的分类精确度。
排水管道智能化诊断检测技术
排水管道CCTV检验必须排水管道停水、清淤操作,每千米检测费用达到数万元乃至十万元之上;此外遭受降雨排尽操作的限定,对高水位运行的雨污水管道检验无法执行。在排水片区检测中,全面选用CCTV检测技术,不但成本昂贵,并且在管道高水位运作条件下也不现实。因而,成本低、持续水的排水管道智能化诊断技术是将来管道检测评估的关键方式方法。
排水管道智能化诊断的第一个层级是全局水量均衡分析技术。一般是根据单独管网系统或是管网与河堤、多个管网系统间的即时水位、流量过程开展相关分析和流量均衡剖析,用以鉴别潜在的河水倒灌、管网连接等问题。
排水管道智能化诊断的第二个层次是水量水体分区诊断技术。排水管道水量水体分区诊断技术是首先将排水管网划分成多个网格节点,这种网格节点一般选择在泵房、管网检查井处。之后在网格节点处进行流量观察和水体特征因子检验,融合化学质量均衡算法分区域或主抓段定量分析管道中各种入流源(生活污水、化工废水、地表水等)的水量。
排水管道智能化诊断的第三个层级是基于管网数学模型和在线数据的追溯反演技术。在分区追溯分析的基础上,进一步根据检查井或是泵房的液位、水量数据监测,完成管道中入流源的反演定位,有利于进一步降低水量水体分区检测的工作量,扩展智慧排水的实现方式和应用价值。