供水管網(wǎng)爆管動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估

曾 翰，柯 慶，周 超，陶 濤

（同濟(jì)大學(xué)環(huán)境與工程學(xué)院，上海 200092）

1 研究背景

爆管是指管道發(fā)生的結(jié)構(gòu)性損傷，管道漏水上升到地面，必須立即修復(fù)的情況［1］。近年來，城市供水管網(wǎng)爆管事故所造成的經(jīng)濟(jì)損失和社會(huì)影響不斷擴(kuò)大，嚴(yán)重影響了市民生活和城市安全，反映了城市基礎(chǔ)設(shè)施的薄弱環(huán)節(jié)，對(duì)城市供水管網(wǎng)安全保障提出了更高的要求。加快現(xiàn)代高新技術(shù)在供水管網(wǎng)運(yùn)行安全保障的應(yīng)用已成為供水行業(yè)和科技部門的迫切任務(wù)。

目前，如何對(duì)爆管事故進(jìn)行科學(xué)有效地預(yù)防和預(yù)測(cè)仍然是實(shí)現(xiàn)供水管網(wǎng)可持續(xù)管理所面臨的一項(xiàng)主要挑戰(zhàn)。針對(duì)壓力管道爆管的研究已經(jīng)進(jìn)行了近50 年，在爆管預(yù)測(cè)方面，1979 年，Shamir等［2］認(rèn)為爆管的次數(shù)與管齡呈指數(shù)關(guān)系，提出了管道爆管率的回歸分析方法，這種基于管齡的模型能夠較好地對(duì)管網(wǎng)爆管進(jìn)行宏觀預(yù)測(cè)，但是無法分析出爆管發(fā)生的確切時(shí)間和位置。2005年，Moglia等［3］同時(shí)考慮了爆管的統(tǒng)計(jì)概率以及管材的物理特性，提出了物理概率失效模型。類似的統(tǒng)計(jì)模型在Kleiner等［4］、Scheidegger等［5］、Gat［6］的研究中也有報(bào)道。

爆管風(fēng)險(xiǎn)評(píng)估的研究主要集中在利用統(tǒng)計(jì)模型對(duì)爆管記錄、管道特征以及地域特征進(jìn)行分析，預(yù)測(cè)出管道在未來一段時(shí)間內(nèi)的爆管風(fēng)險(xiǎn)率，評(píng)估的結(jié)果大多是一個(gè)固定的爆管率值，換句話說，這些結(jié)果是“靜態(tài)”的。然而，供水管網(wǎng)的水力因素是隨時(shí)間變化的，故爆管風(fēng)險(xiǎn)率也是時(shí)變的，即管道在一天之內(nèi)，在水力條件良好的時(shí)段內(nèi)處于安全等級(jí)，而在其他的時(shí)段（如壓力劇烈波動(dòng)的時(shí)段）則可能處于不安全等級(jí)。由于傳統(tǒng)的評(píng)估方法沒能深入發(fā)掘出爆管風(fēng)險(xiǎn)與動(dòng)態(tài)水力因素的關(guān)系，這些方法在管道維護(hù)、更新等方面的應(yīng)用受到了限制。因此，有必要開發(fā)出一種能夠得到爆管風(fēng)險(xiǎn)與時(shí)間關(guān)系的評(píng)估方法，即“動(dòng)態(tài)”方法。

本文首先對(duì)影響管段爆管的動(dòng)態(tài)水力因素進(jìn)行篩選，并確定其分級(jí)評(píng)價(jià)標(biāo)準(zhǔn)，然后，應(yīng)用BP神經(jīng)網(wǎng)絡(luò)原理，分析待評(píng)價(jià)管段的水力狀態(tài)與哪一分級(jí)標(biāo)準(zhǔn)更為接近，即把水力因素定量化為評(píng)價(jià)等級(jí)，構(gòu)建一個(gè)供水管網(wǎng)動(dòng)態(tài)爆管風(fēng)險(xiǎn)評(píng)估體系，進(jìn)而配合管段爆管靜態(tài)風(fēng)險(xiǎn)評(píng)價(jià)，實(shí)現(xiàn)對(duì)管網(wǎng)安全的綜合評(píng)價(jià)。

2 動(dòng)態(tài)水力安全評(píng)價(jià)指標(biāo)的選擇和量化

2.1 評(píng)價(jià)指標(biāo)的選擇

影響管段爆管的動(dòng)態(tài)因素包括流速、壓力、溫度、路面載荷等，然而管段水流的實(shí)時(shí)溫度和路面載荷數(shù)據(jù)一般較難獲得，因此本研究主要考慮管道的動(dòng)態(tài)水力因素，包括以下三點(diǎn)。

（1）管段流速

管段內(nèi)水流的壓力振蕩幅度與管段的流速有關(guān)，流速越大，壓力波動(dòng)也越大，管段的爆管幾率也會(huì)相應(yīng)增大。因此對(duì)某一管道進(jìn)行水力安全評(píng)價(jià)時(shí)，必須考慮管道中的流速。

（2）管段壓力

盡管管段的運(yùn)行壓力不是引發(fā)爆管的主要原因，但是爆管發(fā)生的主要原因水錘的最大和最小壓力變化與管網(wǎng)運(yùn)行的壓力有關(guān)。有的文章［7］中指出，管網(wǎng)運(yùn)行壓力對(duì)管道破壞造成的漏水與爆管幾率隨壓力的增大而增加，因此本文考慮管段的平均壓力（即管段兩端節(jié)點(diǎn)壓力的均值）作為評(píng)價(jià)指標(biāo)。

（3）管段壓力的變化幅度

當(dāng)管段壓力變化較為劇烈時(shí)，會(huì)使管壁和管段接口處產(chǎn)生延展形變，對(duì)管段的安全使用產(chǎn)生很大的影響，管段的爆管幾率也即相應(yīng)的變大。因此對(duì)某一管道進(jìn)行動(dòng)態(tài)爆管率風(fēng)險(xiǎn)評(píng)估時(shí)，必須考慮管道中的不同時(shí)刻之間的壓力變化幅度。本文定義管段某個(gè)時(shí)間點(diǎn)的壓力與其下一個(gè)時(shí)間點(diǎn)壓力的差值作為該時(shí)間點(diǎn)的壓力變化值，時(shí)間間隔為15 min。

2.2 評(píng)價(jià)指標(biāo)的量化

本文根據(jù)所選案例管網(wǎng)的實(shí)際爆管統(tǒng)計(jì)情況以及爆管管段的流速、壓力、壓力差情況，將動(dòng)態(tài)水力安全評(píng)價(jià)指標(biāo)分為安全、低危險(xiǎn)、危險(xiǎn)和高危險(xiǎn)4個(gè)等級(jí)，每個(gè)等級(jí)所對(duì)應(yīng)的水力評(píng)價(jià)指標(biāo)的取值范圍如表1所示。

表1 爆管動(dòng)態(tài)水力安全評(píng)價(jià)指標(biāo)Tab.1 Evaluation Index of Dynamic__Hydraulic Safety for Pipe Burst

以管段的上述三個(gè)指標(biāo)組成的評(píng)價(jià)指標(biāo)向量的時(shí)間序列作為BP神經(jīng)網(wǎng)絡(luò)的輸入，可以得到管段每個(gè)時(shí)間點(diǎn)的安全等級(jí)。

3 BP神經(jīng)網(wǎng)絡(luò)爆管動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估

3.1 訓(xùn)練樣本設(shè)計(jì)

BP神經(jīng)網(wǎng)絡(luò)又被稱作誤差反向傳播（back propagation）神經(jīng)網(wǎng)絡(luò)。反向傳播，顧名思義，一般是指對(duì)于誤差的調(diào)整過程是從最后的輸出層依次向前，逐層進(jìn)行的。標(biāo)準(zhǔn)的BP神經(jīng)網(wǎng)絡(luò)一般是采用梯度下降算法，而對(duì)于網(wǎng)絡(luò)權(quán)值則會(huì)沿著性能函數(shù)梯度進(jìn)行反向的調(diào)整。

本文構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模型以EPANET中管網(wǎng)水力模型的運(yùn)行數(shù)據(jù)為輸入，根據(jù)對(duì)上述三個(gè)水力參數(shù)的評(píng)價(jià)標(biāo)準(zhǔn)，對(duì)管段的整個(gè)動(dòng)態(tài)運(yùn)行狀態(tài)進(jìn)行分析。考慮到計(jì)算效率的問題，本文采取最基本的BP神經(jīng)網(wǎng)絡(luò)，它包括輸入層、隱層、輸出層這三層節(jié)點(diǎn)。

訓(xùn)練樣本集的設(shè)計(jì)按如下方法進(jìn)行：每個(gè)訓(xùn)練樣本對(duì)應(yīng)一個(gè)風(fēng)險(xiǎn)等級(jí)，假定水力評(píng)價(jià)指標(biāo)按風(fēng)險(xiǎn)等級(jí)從低到高劃分為N個(gè)等級(jí)，則訓(xùn)練樣本集包含N組樣本，其中第i組樣本對(duì)應(yīng)于風(fēng)險(xiǎn)等級(jí)的第i級(jí)（i＝1，2，...，N）。

第i組訓(xùn)練樣本的期望輸出向量的確定方法如下：第i組訓(xùn)練樣本的期望輸出向量是一個(gè)N維向量 （Y1i，Y2i，．．．，Yji，．．．，YNi），向量中的 N 個(gè)元素分別對(duì)應(yīng)于N個(gè)風(fēng)險(xiǎn)等級(jí)，其中第j個(gè)元素的取值如式（1）。

第i組訓(xùn)練樣本的輸入向量的確定方法如下：假設(shè)共有m種風(fēng)險(xiǎn)因子參與管網(wǎng)爆管的風(fēng)險(xiǎn)評(píng)估，首先將這m種風(fēng)險(xiǎn)因子的第i級(jí)風(fēng)險(xiǎn)等級(jí)的標(biāo)準(zhǔn)值組成一個(gè) m 維向量（X1i，X2i，．．．，Xji，．．．，Xmi），其中，Xji表示第j種風(fēng)險(xiǎn)因子的第i級(jí)風(fēng)險(xiǎn)等級(jí)的取值。之后，對(duì)上述的m維向量進(jìn)行標(biāo)準(zhǔn)化。第j種風(fēng)險(xiǎn)因子的第i級(jí)風(fēng)險(xiǎn)等級(jí)的標(biāo)準(zhǔn)值按照式（2）標(biāo)準(zhǔn)化。

其中，XjN表示第j種危險(xiǎn)因子的第N級(jí)風(fēng)險(xiǎn)等級(jí)（即爆管風(fēng)險(xiǎn)最高的等級(jí)）訓(xùn)練樣本中的最大值，X′ji表示標(biāo)準(zhǔn)化后的結(jié)果。對(duì)所有m種風(fēng)險(xiǎn)因子的標(biāo)準(zhǔn)值進(jìn)行標(biāo)準(zhǔn)化后，得到新的 m維向量 （X′1i，X′2i，...，X′ji，...，X′mi），即為第 i組訓(xùn)練樣本的一個(gè)輸入向量。

如本文第2節(jié)所述，動(dòng)態(tài)水力安全評(píng)價(jià)指標(biāo)（風(fēng)險(xiǎn)因子）包括流速、壓力和壓力變化值3種，劃分為4個(gè)等級(jí)，部分訓(xùn)練樣本如表2所示。例如，假設(shè)某管段某時(shí)刻的流速、平均壓力和壓力變化值分別為1.26 m／s、30.82 m、5.76 m，根據(jù)表 1，三者的范圍均在危險(xiǎn)等級(jí)的范圍內(nèi)，則該樣本處于危險(xiǎn)等級(jí)，其期望輸出向量為（0，0，1，0），假設(shè)高危險(xiǎn)等級(jí)的訓(xùn)練樣本中三者的最大值分別為 1.75 m／s、47.42 m、10.06 m，對(duì)樣本的三個(gè)指標(biāo)標(biāo)準(zhǔn)化后得到3維向量（0.72，0.65，0.57），該 3 維向量即為危險(xiǎn)等級(jí)的一個(gè)輸入向量。如果某個(gè)訓(xùn)練樣本的三個(gè)指標(biāo)值并不全在某一風(fēng)險(xiǎn)等級(jí)的范圍內(nèi)，則應(yīng)根據(jù)經(jīng)驗(yàn)和管網(wǎng)實(shí)際爆管情況判斷該樣本處于哪一風(fēng)險(xiǎn)等級(jí)。

表2 訓(xùn)練樣本表Tab.2 Training Samples

3.2 爆管動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估

利用BP神經(jīng)網(wǎng)絡(luò)對(duì)管段的爆管風(fēng)險(xiǎn)進(jìn)行評(píng)估，需要分成以下兩個(gè)步驟來實(shí)現(xiàn)。

（1）訓(xùn)練數(shù)據(jù)。即利用上述的訓(xùn)練樣本對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到神經(jīng)網(wǎng)絡(luò)的隱層和輸出層各節(jié)點(diǎn)的連接權(quán)值和閾值。

（2）利用已經(jīng)訓(xùn)練完畢的神經(jīng)網(wǎng)絡(luò)對(duì)管段爆管動(dòng)態(tài)風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)。

利用BP神經(jīng)網(wǎng)絡(luò)對(duì)管網(wǎng)中的某根管段某個(gè)時(shí)刻的爆管風(fēng)險(xiǎn)等級(jí)進(jìn)行評(píng)價(jià)的過程主要分為以下兩步。

（1）從EPANET建立的水力模型中得到該管段該時(shí)刻的三個(gè)評(píng)價(jià)指標(biāo)的數(shù)據(jù)，進(jìn)行標(biāo)準(zhǔn)化后得到神經(jīng)網(wǎng)絡(luò)的輸入向量。

（2）將上述的輸入向量輸入到神經(jīng)網(wǎng)絡(luò)中，得到一個(gè)輸出向量。然后，根據(jù)最大隸屬度原則可以得到該管段該時(shí)刻的風(fēng)險(xiǎn)等級(jí)，即在輸出向量的N個(gè)元素中，哪個(gè)元素的數(shù)值最大，管段的爆管動(dòng)態(tài)風(fēng)險(xiǎn)等級(jí)就處于哪一級(jí)。

圖1 BP神經(jīng)網(wǎng)絡(luò)動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估流程圖Fig.1 Flow Chart of Risk Assessment of Pipe Burst Dynamic for BP Neural Network

對(duì)管網(wǎng)的爆管風(fēng)險(xiǎn)進(jìn)行綜合評(píng)價(jià)的過程如圖1所示，首先利用BP神經(jīng)網(wǎng)絡(luò)得到管段的動(dòng)態(tài)風(fēng)險(xiǎn)等級(jí)，然后，根據(jù)動(dòng)態(tài)風(fēng)險(xiǎn)等級(jí)可以對(duì)管段的靜態(tài)爆管率進(jìn)行修正，得到綜合考慮動(dòng)態(tài)和靜態(tài)因素的爆管風(fēng)險(xiǎn)率。

本文的靜態(tài)爆管率評(píng)定參考柯慶等［8］的爆管風(fēng)險(xiǎn)評(píng)估模型，該模型考慮的主變量是管齡t，協(xié)變量是管徑X1和管材X2，如式（3）。

其中：h（t，X）—單位長(zhǎng)度管段發(fā)生爆管的概率，次／（年·km）；

A，B，C，β1，β2—爆管風(fēng)險(xiǎn)模型參數(shù)。

根據(jù)得到的動(dòng)態(tài)風(fēng)險(xiǎn)等級(jí)，對(duì)管段的靜態(tài)爆管率進(jìn)行修正，假設(shè)對(duì)管段的動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估的輸出變量為（Y1，Y2，Y3，Y4），每個(gè)時(shí)段的靜態(tài)爆管率的修正系數(shù)可以由神經(jīng)網(wǎng)絡(luò)的輸出向量的每個(gè)元素，乘以其對(duì)應(yīng)的評(píng)價(jià)等級(jí)的權(quán)值，再把這些元素與權(quán)值的乘積進(jìn)行加和得到，修正后的爆管率如式（4）。

其中：H（t，X）—修正后的爆管率，次／（年·km）；

wj—第j級(jí)風(fēng)險(xiǎn)等級(jí)的權(quán)值。

本文中，權(quán)值主要根據(jù)經(jīng)驗(yàn)確定，安全、低危險(xiǎn)、危險(xiǎn)、高危險(xiǎn)四個(gè)等級(jí)的權(quán)值分別為1、1.2、1.5、2。

3.3 BP神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置

本文的BP神經(jīng)網(wǎng)絡(luò)模型采用matlab的神經(jīng)網(wǎng)絡(luò)工具箱來構(gòu)建，其主要參數(shù)設(shè)置如下。

（1）選擇兩層（只有一個(gè)隱層）BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)；

（2）輸入節(jié)點(diǎn)數(shù)為3（對(duì)應(yīng)3個(gè)動(dòng)態(tài)水力安全評(píng)價(jià)指標(biāo)），輸出節(jié)點(diǎn)數(shù)為4（對(duì)應(yīng)4個(gè)評(píng)價(jià)等級(jí)）；

（3）隱層節(jié)點(diǎn)數(shù)為15；

（4）考慮樣本的多樣性以及代表性，樣本空間容量設(shè)為1 000；

（5）輸入層到隱層的傳遞函數(shù)選擇tansig型函數(shù)，隱層到輸出層傳遞函數(shù)選擇purelin型函數(shù)；

（6）訓(xùn)練函數(shù)選擇traindgm函數(shù)；

（7）網(wǎng)絡(luò)的訓(xùn)練精度設(shè)定為0.01。

以預(yù)設(shè)的參數(shù)對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，學(xué)習(xí)效率初始值為0.05，容量誤差為0.001，學(xué)習(xí)樣本數(shù)為96，網(wǎng)絡(luò)經(jīng)過555次訓(xùn)練后達(dá)到了預(yù)設(shè)的目標(biāo)誤差0.01。

4 實(shí)例分析

4.1 實(shí)例供水管網(wǎng)模型概況

本文用于爆管動(dòng)態(tài)風(fēng)險(xiǎn)率評(píng)估研究分析的ZZ市供水管網(wǎng)模型如圖2所示。對(duì)ZZ市管網(wǎng)模型進(jìn)行簡(jiǎn)化，將管徑300以下的管段去除，并根據(jù)管網(wǎng)的拓?fù)湫再|(zhì)，在不影響管網(wǎng)水力特性的前提下，刪減部分管段，將模型原來50 000多根管段，化簡(jiǎn)為25 000多根管徑在300以上的管段，管網(wǎng)管段信息概況如表3所示。

圖2 ZZ市供水管網(wǎng)水力模型Fig.2 Hydraulic Model of Water Supply Distribution Network in ZZ City

表3 ZZ市供水管網(wǎng)管段信息Tab.3 Pipes Information of Water Supply Distribution Network in ZZ City

該模型現(xiàn)狀概況統(tǒng)計(jì)如下：

（1）管段數(shù)量總數(shù)為25 516根；

（2）其中主要管段的管齡集中在10～20年，這個(gè)管齡階段的管段占整個(gè)城市中管段長(zhǎng)度的比例最高，爆管風(fēng)險(xiǎn)也為最高；

（3）城市中的管材以球墨鑄鐵、灰口鑄鐵為主，其他管材還包括PE、鍍鋅鋼管、混凝土管；

（4）模型中模擬了供水管網(wǎng)一天24 h的供水運(yùn)行狀況，其中每15 min為一個(gè)時(shí)段，總共有96個(gè)時(shí)段。

4.2 管網(wǎng)數(shù)據(jù)調(diào)用

本文采用matlab對(duì)EPANET管網(wǎng)水力模型的數(shù)據(jù)進(jìn)行調(diào)用，運(yùn)行一天模型共有96組數(shù)據(jù)，每組數(shù)據(jù)包括流速、壓力以及壓力的變化值。對(duì)于某一管段，可根據(jù)管段的ID號(hào)調(diào)出管段的96個(gè)時(shí)段的流速值。類似地，調(diào)取出管段上下游節(jié)點(diǎn)的96組壓力值，管段每個(gè)時(shí)段的平均壓力為該時(shí)段上下游節(jié)點(diǎn)壓力值的平均值。管段每個(gè)時(shí)段壓力的變化值則為管段該時(shí)段的平均壓力與其下一時(shí)段的平均壓力的差值的絕對(duì)值。最后，對(duì)每組數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，即得到了BP神經(jīng)網(wǎng)絡(luò)的輸入變量。

4.3 BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)結(jié)果

以管網(wǎng)中編號(hào)為567 283的管段為例進(jìn)行爆管動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估，調(diào)取該管段的流速、壓力、壓力變化值數(shù)據(jù)。動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果如表4所示，評(píng)價(jià)等級(jí)主要集中在良好，或者低危險(xiǎn)這兩個(gè)等級(jí)。參考柯慶等［8］的爆管風(fēng)險(xiǎn)評(píng)估方法評(píng)估該管段的靜態(tài)爆管風(fēng)險(xiǎn)，并規(guī)定靜態(tài)爆管率低于0.05次／（km·年）則管段屬于安全等級(jí)，管段的靜態(tài)爆管率為0.014 9次／（km·年），也是屬于安全等級(jí)，可以認(rèn)為，該管段在動(dòng)態(tài)因素影響下也是比較安全的。

表4 爆管動(dòng)態(tài)風(fēng)險(xiǎn)等級(jí)評(píng)價(jià)結(jié)果Tab.4 Assessment Results of Dynamic Risk Levels for Pipe Burst

由評(píng)價(jià)結(jié)果可知：

（1）在 0∶00～7∶30 以及 23∶15～24∶00，動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)價(jià)都為良好等級(jí)，這是因?yàn)樵摃r(shí)段為凌晨，用水量比較小，且用水曲線的變化較為平緩，因此管段流速較低，并且壓力變化值也較小，故管段較為安全；

（2）在 7∶30～23∶15，評(píng)價(jià)等級(jí)主要集中在低危險(xiǎn)，當(dāng)中有兩段短暫的時(shí)段為良好等級(jí)，這可能是因?yàn)檫@兩個(gè)時(shí)段在中午和夜晚的用水高峰附近，管段壓力較低。

對(duì)靜態(tài)爆管率進(jìn)行修正后，得到的爆管率-時(shí)間曲線如圖3所示，該管道的爆管率在某些時(shí)刻最高能達(dá)到 0.025次／（km·年），低于 0.05次／（km·年），仍在安全范圍內(nèi)，可見該管段經(jīng)過動(dòng)態(tài)爆管率風(fēng)險(xiǎn)評(píng)估之后，安全評(píng)級(jí)仍然為安全。

圖3 低危險(xiǎn)管段動(dòng)態(tài)爆管率曲線Fig.3 Burst Rate-Time Curve for Low Risk Pipes

對(duì)管網(wǎng)中另一條靜態(tài)爆管率為0.033 5次／（km·年）的管段進(jìn)行動(dòng)態(tài)爆管率評(píng)估，由圖4可知，在某些時(shí)段管段的動(dòng)態(tài)爆管率超過了0.05次／（km·年），甚至達(dá)到了0.07次／（km·年），在這些時(shí)段，本管段就成為了高危險(xiǎn)的管段。可見有關(guān)部門需要對(duì)此管段進(jìn)行關(guān)注，避免因?yàn)榇斯芏蔚撵o態(tài)爆管率低于0.05次／（km·年）就把它作為安全管段來對(duì)待，應(yīng)更加科學(xué)地預(yù)防爆管事故的發(fā)生。

圖4 中危險(xiǎn)管段動(dòng)態(tài)爆管率曲線Fig.4 Burst Rate-Time Curve for Medium Risk Pipes

5 結(jié)果與討論

本文所提出的供水管網(wǎng)爆管風(fēng)險(xiǎn)評(píng)估模型，能夠動(dòng)態(tài)地對(duì)某一時(shí)段內(nèi)管段的爆管風(fēng)險(xiǎn)進(jìn)行評(píng)估。由于影響管段爆管的水力因素是動(dòng)態(tài)的，因此爆管風(fēng)險(xiǎn)在1 d內(nèi)也是隨時(shí)間變化的。然而，以往的研究多著重于預(yù)測(cè)在一段較長(zhǎng)的時(shí)間內(nèi)管段的爆管次數(shù)，即在預(yù)測(cè)的時(shí)段內(nèi)爆管率是一個(gè)固定值。而本文的爆管動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估模型則考慮了流速、壓力以及壓力變化值這三個(gè)動(dòng)態(tài)水力因素，能夠揭示出管段在一段時(shí)間內(nèi)的實(shí)時(shí)爆管風(fēng)險(xiǎn)，配合爆管靜態(tài)風(fēng)險(xiǎn)評(píng)估能夠更為綜合地進(jìn)行管道安全評(píng)價(jià)，這是該模型相比于傳統(tǒng)模型的主要優(yōu)勢(shì)。由ZZ市的實(shí)例分析可知，該動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估模型能夠暴露出一些看似安全或者危險(xiǎn)等級(jí)比較低的管段的隱藏危險(xiǎn)性，對(duì)整個(gè)管網(wǎng)的所有管段進(jìn)行動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估，則能夠進(jìn)一步將潛在的危險(xiǎn)管段識(shí)別出來，從而針對(duì)這些管段，在水力動(dòng)態(tài)和管材維護(hù)兩個(gè)方面加強(qiáng)管道的維護(hù)與管理，保障管網(wǎng)供水安全性。

然而，該動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估模型也存在一定的缺陷，其在綜合程度以及精度上仍存在不足。該模型過多地依賴于BP神經(jīng)網(wǎng)絡(luò)，評(píng)估結(jié)果存在一定的波動(dòng)性。其次，模型僅考慮了流速、壓力、壓力變化值三個(gè)動(dòng)態(tài)因素，而忽略了諸如壓力瞬變、溫度、路面載荷等的影響，尚不能涵蓋所有對(duì)爆管有重要影響的物理因素。如能對(duì)上述的問題做更深入的研究，供水管網(wǎng)爆管動(dòng)態(tài)風(fēng)險(xiǎn)評(píng)估模型能夠得到進(jìn)一步的完善。此外，該模型的三個(gè)評(píng)價(jià)指標(biāo)的數(shù)據(jù)來自管網(wǎng)水力模型，因此評(píng)價(jià)結(jié)果的準(zhǔn)確度與模型精度有關(guān)，如將評(píng)價(jià)結(jié)果應(yīng)用于指導(dǎo)管網(wǎng)改造、管道維護(hù)，則需要根據(jù)在線儀器的流量、壓力數(shù)據(jù)把水力模型校核到足夠高的精度。

［1］何芳，劉遂慶.供水管網(wǎng)爆管事故分析與對(duì)策探討［J］.管道技術(shù)與設(shè)備，2004（5）：20-23.

［2］Shamir U，Howard C D D.An analytic approach to scheduling pipe replacement［J］.Journal American Water Works Association，1979，71（5）：248-258.

［3］Moglia M，Davis P，Burn S.Strong exploration of a cast iron pipe failure model［J］.Reliability Engineering ＆ System Safety，2008，93（6）：885-896.

［4］Kleiner Y，Rajani B.Comparison of four models to rank failure likelihood of individual pipes ［J］.Journal of Hydroinformatics，2012，14（3）：659.

［5］Scheidegger A，Scholten L，Maurer M，et al.Extension of pipe failure models to consider the absence of data from replaced pipes［J］.Water Research，2013，47（11）：3696-3705.

［6］Gat Y L.Extending the Yule process to model recurrent pipe failures in water supply networks ［J］.Urban Water Journal，2014，11（8）：617-630.

［7］張宏偉，牛志廣，陳超，等.供水管道漏損預(yù)測(cè)模型研究［J］.中國(guó)給水排水，2001，17（6）：7-9.

［8］柯慶，周超，王林森，等.供水管網(wǎng)爆管風(fēng)險(xiǎn)評(píng)估模型研究［J］.給水排水，2016，42（7）：114-118.