供水管網(wǎng)漏損檢測與識別技術(shù)研究進(jìn)展

王杉月，張 葵，艾 靜，陶 濤

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

漏損問題在給水管網(wǎng)中是普遍存在且難以避免的。不同國家地區(qū)的供水系統(tǒng)均面臨著不同程度的管網(wǎng)漏損問題，漏損現(xiàn)象嚴(yán)重的地區(qū)如挪威奧斯陸、意大利那不勒斯，其管網(wǎng)漏損水量超過總供水量的35%[1]。據(jù)《2018年城市供水統(tǒng)計(jì)年鑒》顯示，載入年鑒的各城市在2017年的管網(wǎng)漏損總量超過60億m3，平均漏損率為14.56%，這與“水十條”明確規(guī)定的控漏目標(biāo)相比仍存有差距。與此同時(shí)，居高不下的管網(wǎng)漏損不僅會造成水資源的嚴(yán)重浪費(fèi)與能源的額外耗散，影響節(jié)水型社會建設(shè)與環(huán)境可持續(xù)發(fā)展，還會給供水企業(yè)的經(jīng)營帶來巨大壓力[2]。因此，高效開展漏損控制工作、有效降低管網(wǎng)漏損率已成為世界各地供水企業(yè)的迫切任務(wù)。

目前，用于實(shí)際管網(wǎng)漏損檢測的傳統(tǒng)方法主要包括儀器音聽法、最小夜間流量法、水量平衡分析法等。隨著科技的發(fā)展，在依靠儀器設(shè)備進(jìn)行現(xiàn)場搜索的漏損檢測硬件技術(shù)不斷更新的同時(shí)，涌現(xiàn)出了一類依靠計(jì)算機(jī)仿真軟件、數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)、模型和算法等軟件工具來完成管網(wǎng)漏損點(diǎn)檢測或漏損區(qū)域識別的新型漏損檢測軟件技術(shù)。本文通過整理國內(nèi)外供水管網(wǎng)漏損檢測技術(shù)的研究成果，重點(diǎn)對目前較為新穎的漏損點(diǎn)檢測與漏損區(qū)域識別技術(shù)做出簡述。

1 漏損檢測硬件技術(shù)

探尋有效的漏損檢測方法對管網(wǎng)漏損控制、降低管網(wǎng)漏損率來說至關(guān)重要。隨著科學(xué)技術(shù)的進(jìn)步和漏損管理意識的增強(qiáng)，管網(wǎng)檢漏逐漸由被動轉(zhuǎn)向主動，漏損檢測設(shè)備與方法也日益豐富。漏損檢測硬件技術(shù)是一類依靠硬件設(shè)備對管道進(jìn)行現(xiàn)場搜索，從而精準(zhǔn)確定漏損點(diǎn)位置的主動漏損識別技術(shù)。比較傳統(tǒng)和成熟的硬件檢漏技術(shù)主要包括使用聽音桿、噪音記錄儀、相關(guān)檢漏儀等作為檢漏設(shè)備的一系列聲學(xué)方法。與此同時(shí)，一些正在發(fā)展的漏損檢測硬件技術(shù)如智能球、探地雷達(dá)、分布式光纖傳感等同樣需要受到關(guān)注。

1.1 傳統(tǒng)聲學(xué)檢測

包括聽音法、相關(guān)分析法、噪聲法等在內(nèi)的傳統(tǒng)聲學(xué)檢測方法是目前在供水企業(yè)中普及率高、應(yīng)用成熟的一類基于管段漏水聲音探測的漏損檢測硬件技術(shù)[3]。

聽音法是一種歷史悠久、使用非常廣泛的人工主動檢漏方法。在進(jìn)行聽音檢漏時(shí)，巡檢人員手持聽音桿、電子聽漏儀等音聽設(shè)備，直接在管道及管道附屬設(shè)施(如閥門)處進(jìn)行聽測，以排查異常管道；或順著供水管道走向在地面上逐點(diǎn)聽測漏水聲,以查找漏水管道、精準(zhǔn)定位漏點(diǎn)。這種方法可操作性強(qiáng)，但人力成本高，檢漏質(zhì)量依賴于檢漏人員的素質(zhì)、經(jīng)驗(yàn)及工作態(tài)度，因此，前期需在人員培訓(xùn)方面投入大量精力。此外，人工聽音檢漏難以保證每條供水管道被及時(shí)排查，且受管道材料、管道埋設(shè)深度、敷設(shè)位置等因素的影響存在檢測盲區(qū)，實(shí)際應(yīng)用中還會受到環(huán)境噪聲、天氣原因等外在因素的干擾[4]。

相關(guān)分析法利用布設(shè)在同一漏水管道兩端管壁或閥門、消火栓等附屬設(shè)備的傳感器接收漏水噪聲信號，根據(jù)該信號傳到兩端探測器的時(shí)間差，結(jié)合輸入的管道長度、材質(zhì)等信息，可以依靠相關(guān)儀器計(jì)算出漏水點(diǎn)相對探測器的位置。該方法精度高，抵抗環(huán)境噪音干擾能力更強(qiáng)，適用于深埋管道；但檢漏成本高，檢測效果受到計(jì)算參數(shù)設(shè)置、傳感器布置位置等因素的影響，依賴專業(yè)人員操作，在大口徑非金屬管中運(yùn)用的可靠性還有待改進(jìn)。

噪聲法通過在供水管道、閥門、消火栓等位置長期或移動設(shè)置若干噪音記錄儀，分別實(shí)現(xiàn)管網(wǎng)漏損情況監(jiān)測和漏水管段檢測。噪音記錄儀能夠根據(jù)預(yù)設(shè)的工作時(shí)間自行啟動，通常用于記錄夜間2∶00—4∶00的管道漏水噪聲信號，而后借助專業(yè)軟件對采集的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，推斷漏水區(qū)域和管段。該方法具有自動化程度更高、易于使用、檢漏實(shí)時(shí)性好、可降低檢漏人員的工作強(qiáng)度、檢測效率更高等特點(diǎn)，可用于相對大面積管道的漏水檢測。與此同時(shí)，該方法也存在前期檢漏投資高、需要一定的人員經(jīng)驗(yàn)、檢測效果受背景噪聲干擾、噪音記錄儀數(shù)量和布置方式影響等不足。

1.2 智能球

智能球(smart ball)是一種在管道內(nèi)部對泄漏噪聲信號進(jìn)行檢測的球形設(shè)備，它由泡沫外殼、鋁制防水內(nèi)核以及內(nèi)置傳感器、測量儀表、電池、電子元件組成[5]。將智能球投入管道中，其隨著管內(nèi)介質(zhì)自由向前移動，并在前進(jìn)過程中持續(xù)記錄管內(nèi)噪聲信號、發(fā)送脈沖追蹤信號。當(dāng)智能球經(jīng)過管道漏水點(diǎn)時(shí)，內(nèi)置的聲音傳感器能夠靈敏地捕捉到微小泄漏發(fā)出的噪聲，通過對智能球收集的噪音信號和其他信息進(jìn)行分析，能夠非常精確地對漏損點(diǎn)進(jìn)行識別，定位誤差僅為幾英尺。這種設(shè)備具有應(yīng)用不受管材限制、對小漏點(diǎn)響應(yīng)靈敏、可用于長距離管道等優(yōu)點(diǎn)，在國外的輸水管道漏損檢測中已有應(yīng)用[6]。然而，由于要進(jìn)行管內(nèi)測量，這種設(shè)備僅適用于直徑在300 mm以上的管道，且存在影響供水水質(zhì)的風(fēng)險(xiǎn)。

1.3 探地雷達(dá)

探地雷達(dá)(ground penetrating radar，GPR)是一種無損檢測技術(shù)。它通過發(fā)射電磁波并利用電磁波在地下的傳播和反射，繪制出反映地下管線情況的雷達(dá)圖像，由于漏損的水會產(chǎn)生改變管道周圍介質(zhì)的電學(xué)性質(zhì)等影響，通過對圖像的分析，可以探查管段的漏水情況，精準(zhǔn)確定漏點(diǎn)位置[7]。這項(xiàng)技術(shù)目前已有實(shí)際應(yīng)用，具有高效、無破壞性、不易受外界干擾等優(yōu)點(diǎn)，適用于檢測已形成浸濕區(qū)域或脫空區(qū)域的漏損點(diǎn)，但使用受到管道埋深、土壤類型、人員經(jīng)驗(yàn)等因素的限制。具體來說，由于GPR技術(shù)的穿透深度有限，對寒冷地區(qū)埋設(shè)在冰凍線以下的管道可能不適用；GPR技術(shù)依賴電磁波的發(fā)射與接收，在一些具有高電導(dǎo)性、易導(dǎo)致信號衰減的土壤中使用時(shí)效果不理想；使用GPR技術(shù)時(shí)還需要對圖像進(jìn)行解析以獲得結(jié)果，這對專業(yè)人員的經(jīng)驗(yàn)與知識提出了要求。

1.4 分布式光纖傳感

分布式光纖傳感技術(shù)(distributed optical fiber sensing，DOFS)集傳感與傳輸功能于一體，順著管道布置單根傳感光纖，可以沿光纖傳輸路徑獲取數(shù)萬點(diǎn)溫度或應(yīng)變傳感信息[8-9]。管道漏損的發(fā)生會引起漏點(diǎn)附近局部區(qū)域溫度的異常變化或引發(fā)管壁振動而對光纖施加應(yīng)力，而后基于光時(shí)域反射技術(shù)對光纖受到擾動而產(chǎn)生的光學(xué)效應(yīng)進(jìn)行檢測和分析，最終得到漏損點(diǎn)的準(zhǔn)確位置。具備長距離實(shí)時(shí)診斷功能是這項(xiàng)技術(shù)的突出優(yōu)勢，此外，分布式光纖傳感相對點(diǎn)式傳感器來說，能以更低的成本獲取單位長度內(nèi)的信息。然而，目前這項(xiàng)技術(shù)僅適用于直管道[10]，且在給水管線上的應(yīng)用并不成熟，少數(shù)研究者如吳慧娟等[11]、朱新民等[12]分別對該技術(shù)進(jìn)行了實(shí)驗(yàn)室和實(shí)際工程的驗(yàn)證，取得了良好的效果。在今后的研發(fā)中，需對傳感光纖的耐久性、抗破壞、抗電磁干擾等能力進(jìn)行提高，以適應(yīng)實(shí)際工程的需要。

以上幾種不同硬件檢測技術(shù)的主要特點(diǎn)總結(jié)如表1所示。

表 1 不同硬件檢測技術(shù)的主要特點(diǎn)Tab.1 Main Characteristics of Different Hardware-Based Leakage Detection Technologies

2 漏損檢測軟件技術(shù)

隨著現(xiàn)代通訊以及計(jì)算機(jī)軟件技術(shù)的蓬勃發(fā)展，供水企業(yè)逐漸將管網(wǎng)分區(qū)計(jì)量、數(shù)據(jù)遠(yuǎn)傳等技術(shù)應(yīng)用于實(shí)際管網(wǎng)的運(yùn)行管理，這為漏損檢測軟件技術(shù)的建立提供了大量的原始數(shù)據(jù)支持。漏損檢測軟件技術(shù)是一類相較于硬件設(shè)備更加智慧、更加高效的現(xiàn)代技術(shù)，其在采集供水管網(wǎng)大量壓力、流量等監(jiān)測數(shù)據(jù)的基礎(chǔ)上，通過使用數(shù)學(xué)模型、計(jì)算機(jī)算法等軟件工具，完成漏損點(diǎn)的檢測或漏損區(qū)域的辨識，指導(dǎo)實(shí)際檢漏工作，應(yīng)在計(jì)算得到的漏損點(diǎn)附近的管道上或識別的漏損區(qū)域內(nèi)重點(diǎn)開展。這類技術(shù)在一定程度上克服了漏損檢測硬件技術(shù)費(fèi)時(shí)費(fèi)力、依賴檢漏人員的經(jīng)驗(yàn)、檢測成本高昂、在較大規(guī)模復(fù)雜管網(wǎng)中應(yīng)用效果不佳等局限[13]，引起了國內(nèi)外許多學(xué)者的關(guān)注，本文重點(diǎn)介紹目前較為新穎和具有代表性的幾種漏損檢測軟件方法。

2.1 采用靈敏度矩陣法識別單個(gè)漏損點(diǎn)

供水管網(wǎng)水力模型是供水行業(yè)推進(jìn)智慧水務(wù)建設(shè)、提高供水管網(wǎng)運(yùn)行管理水平的重要軟件工具，在管網(wǎng)水力水質(zhì)模擬、管網(wǎng)優(yōu)化設(shè)計(jì)、管網(wǎng)故障診斷等諸多方面均有應(yīng)用[14]。部分學(xué)者在利用具有一定精度的管網(wǎng)水力模型對真實(shí)管網(wǎng)水力狀態(tài)、管網(wǎng)系統(tǒng)隨時(shí)間動態(tài)變化進(jìn)行模擬分析的基礎(chǔ)上，引入靈敏度分析，建立了靈敏度矩陣法，完成了對管網(wǎng)中單個(gè)漏損點(diǎn)位置的識別。

這類方法的具體步驟是，首先通過計(jì)算機(jī)模擬管網(wǎng)在無漏損和單漏點(diǎn)工況下的節(jié)點(diǎn)壓力情況；其次，構(gòu)建“泄漏-靈敏度”矩陣，即管網(wǎng)節(jié)點(diǎn)壓力靈敏度矩陣，儲存含有測壓點(diǎn)壓力變化信息的漏損特征向量，從而在理論上評估管網(wǎng)不同位置，即管網(wǎng)模型不同節(jié)點(diǎn)發(fā)生漏損時(shí)對測壓點(diǎn)壓力監(jiān)測值的影響；隨后，將構(gòu)建好的靈敏度矩陣用于分析目標(biāo)管網(wǎng)區(qū)域內(nèi)觀測到的實(shí)際壓力數(shù)據(jù)，最終達(dá)到定位漏水點(diǎn)位置的目的。根據(jù)這一思路，Perez等[15]在計(jì)算出節(jié)點(diǎn)壓力靈敏度矩陣與實(shí)際壓力變化向量之后，采用相關(guān)函數(shù)法進(jìn)行漏損特征向量與實(shí)際壓力變化向量的匹配。類似地，Casillas等[16]提出了Angle法，通過計(jì)算靈敏度矩陣中漏損特征向量與實(shí)際壓力變化向量的夾角以評價(jià)兩者的相似程度，最終鑒別可能出現(xiàn)漏水的位置。

這類靈敏度矩陣法具有易理解、操作簡單的優(yōu)點(diǎn)，但同時(shí)應(yīng)用上也存在一定的局限性。首先，這類方法僅適用于管網(wǎng)單漏點(diǎn)識別問題。其次，需要選擇適宜的名義漏損量以計(jì)算靈敏度矩陣元素，當(dāng)所選名義漏損量與真實(shí)管網(wǎng)中的實(shí)際漏損量不符時(shí)，識別結(jié)果可能出現(xiàn)較大偏差。因此，這類方法最好在已估算實(shí)際漏損水量大小的前提下使用。

2.2 采用優(yōu)化校核法識別多個(gè)漏損點(diǎn)或漏損區(qū)域

另一類具有代表性的漏損檢測軟件方法是Wu等[17]在2010年基于管網(wǎng)水力模擬和管網(wǎng)模型校核思想提出的壓力相關(guān)漏損定位(pressure-dependent leakage detection，PDLD)法。這種方法將發(fā)生在管網(wǎng)中的漏水事件視為發(fā)生在管網(wǎng)模型某些節(jié)點(diǎn)上的噴射流，其大小與射流系數(shù)以及節(jié)點(diǎn)壓力有關(guān)；隨后，將供水管網(wǎng)漏損識別問題視為一個(gè)優(yōu)化問題——以漏損位置(模型節(jié)點(diǎn)索引)和漏損水量大小(節(jié)點(diǎn)射流系數(shù))為決策變量，以最小化管網(wǎng)壓力或流量實(shí)際監(jiān)測值與模型模擬值的差值為目標(biāo)函數(shù)，采用遺傳算法等優(yōu)化算法進(jìn)行求解；最終，求解結(jié)果中若出現(xiàn)射流系數(shù)大于0的節(jié)點(diǎn)，則認(rèn)為此節(jié)點(diǎn)上存在漏水量。國內(nèi)的張清周[18]將以布谷鳥算法為優(yōu)化引擎的PDLD法應(yīng)用于實(shí)際工程案例，經(jīng)驗(yàn)證，采用先通過模型計(jì)算得到漏損點(diǎn)位置，再附加現(xiàn)場設(shè)備精準(zhǔn)定位實(shí)際漏點(diǎn)的方案，能夠大大縮短漏損檢測的工時(shí)，檢測效率較傳統(tǒng)的掃描式檢漏提高了3倍以上。張瑱等[19]將PDLD法應(yīng)用于安徽省某市供水管網(wǎng)泄漏量較大的漏損事件的識別，指出在線監(jiān)測點(diǎn)的布置密度將對漏損點(diǎn)定位結(jié)果造成影響，對案例管網(wǎng)而言，當(dāng)只運(yùn)用流量監(jiān)測數(shù)據(jù)進(jìn)行計(jì)算時(shí)，計(jì)算得到的大部分漏水點(diǎn)與管網(wǎng)實(shí)際漏點(diǎn)的距離小于200 m。

這類方法具有易于理解、應(yīng)用和推廣的優(yōu)點(diǎn)，與靈敏度分析法一樣，都在管網(wǎng)水力模型的基礎(chǔ)上進(jìn)行進(jìn)一步計(jì)算。因此，需要高精度的水力模型，并依賴足夠準(zhǔn)確的管網(wǎng)水力監(jiān)測數(shù)據(jù)，以保證漏損識別效果。除此之外，管網(wǎng)內(nèi)監(jiān)測點(diǎn)布置方式的合理性也會對結(jié)果產(chǎn)生影響。值得注意的是，雖然PDLD法能夠有效識別實(shí)際管網(wǎng)中多個(gè)位置的漏損點(diǎn)，實(shí)際檢漏時(shí)通過重點(diǎn)檢查這些計(jì)算得到的漏損點(diǎn)位置及其附近的管道便能更快找到實(shí)際漏水點(diǎn)，但是PDLD法無法被直接應(yīng)用于中型或大型管網(wǎng)中。這是因?yàn)楫?dāng)把大中型管網(wǎng)的漏損檢測問題當(dāng)作一個(gè)優(yōu)化問題求解時(shí)，會面臨決策變量數(shù)過多而原始觀測數(shù)據(jù)嚴(yán)重不足的問題，現(xiàn)有的優(yōu)化算法在這種情況下無法進(jìn)行有效計(jì)算。因此，當(dāng)把這項(xiàng)技術(shù)應(yīng)用于大中型供水管網(wǎng)時(shí)，應(yīng)配合某些縮小搜索域的計(jì)算策略進(jìn)行使用。在這方面，Wu等[17]根據(jù)經(jīng)驗(yàn)人為規(guī)定了管網(wǎng)中可能存在的漏點(diǎn)的最大數(shù)量；Nasirian等[20]提出了一種逐步消除策略，以縮小候選漏損節(jié)點(diǎn)的個(gè)數(shù)；Sophocleous等[21]在兩者研究的基礎(chǔ)上，提出了一種兩階段的搜索域縮小策略；Adachi等[22]建立了一種基于管網(wǎng)虛擬分區(qū)和管網(wǎng)資產(chǎn)信息的漏損區(qū)域識別方法,該方法根據(jù)干管、測壓點(diǎn)和測流點(diǎn)的分布，將管網(wǎng)劃分為若干虛擬子區(qū)，以達(dá)到管網(wǎng)模型節(jié)點(diǎn)分組、減少決策變量個(gè)數(shù)的目的。隨后，結(jié)合管長、管齡等管網(wǎng)資產(chǎn)信息，建立管道漏損風(fēng)險(xiǎn)模型。在此基礎(chǔ)上，將PDLD法中需要求解的節(jié)點(diǎn)射流系數(shù)c拆解為與節(jié)點(diǎn)所在虛擬分區(qū)有關(guān)的系數(shù)x和與節(jié)點(diǎn)漏損風(fēng)險(xiǎn)要素有關(guān)的系數(shù)k的乘積，即c=x×k；之后，同樣采用優(yōu)化校核思想，對所建立的漏損區(qū)域識別問題進(jìn)行求解，以優(yōu)化漏損水量的空間分布。通過比較計(jì)算得到的各虛擬分區(qū)漏損水量，確定管網(wǎng)中漏損情況較為嚴(yán)重的區(qū)域，對檢漏工作在何區(qū)域優(yōu)先開展提出建議。該方法對管道資料狀況良好的管網(wǎng)來說具有較高的實(shí)際應(yīng)用價(jià)值。

2.3 采用數(shù)據(jù)驅(qū)動模型識別單個(gè)漏損點(diǎn)或漏損區(qū)域

數(shù)據(jù)驅(qū)動法利用模式識別的原理，通過對樣本特征進(jìn)行提取、分析和處理，得到樣本的類別屬性。在供水管網(wǎng)中，安裝在管網(wǎng)內(nèi)的流量計(jì)、壓力傳感器等監(jiān)測設(shè)備能夠記錄下反映管網(wǎng)運(yùn)行狀態(tài)的流量和壓力等數(shù)據(jù)。當(dāng)有漏損事件發(fā)生時(shí)，管網(wǎng)中的水力監(jiān)測數(shù)據(jù)或其他測量信號將出現(xiàn)不同程度的異常變化。通過構(gòu)建數(shù)據(jù)驅(qū)動模型，對這種異常變化進(jìn)行辨識和分析，判斷管網(wǎng)的漏損狀態(tài)，識別管網(wǎng)中的漏損點(diǎn)或漏損區(qū)域。

2.3.1 人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)(artificial neural network，ANN)作為一種有著廣泛應(yīng)用的數(shù)據(jù)驅(qū)動模型，能夠?qū)W習(xí)大量的輸入與輸出之間的映射關(guān)系，在模式識別、故障診斷、信號處理等多個(gè)領(lǐng)域取得了成功[23]。在供水管網(wǎng)的漏損識別問題中，可以通過搭建人工神經(jīng)網(wǎng)絡(luò)，利用網(wǎng)絡(luò)對訓(xùn)練樣本的分析和學(xué)習(xí)，建立水力監(jiān)測數(shù)據(jù)變化與管網(wǎng)漏損位置之間的聯(lián)系，最后結(jié)合管網(wǎng)中的實(shí)際監(jiān)測數(shù)據(jù)，找到管網(wǎng)中的漏損點(diǎn)。

王俊嶺等[24]以某城市區(qū)域管網(wǎng)為研究對象，以目標(biāo)管段位置均勻分布為原則，選取部分管段進(jìn)行不同損壞程度的漏損模擬，將仿真漏損發(fā)生前后測壓點(diǎn)的壓力變化和相應(yīng)漏點(diǎn)坐標(biāo)作為原始數(shù)據(jù)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)；隨后，利用訓(xùn)練完成的BP神經(jīng)網(wǎng)絡(luò)模型，基于仿真測試樣本，驗(yàn)證漏點(diǎn)位置預(yù)測效果；結(jié)果顯示，構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)能夠在可接受的偏移誤差范圍內(nèi)識別漏點(diǎn)位置。這種方法的優(yōu)點(diǎn)在于能夠通過訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型直接建立測壓點(diǎn)壓力數(shù)值變化與漏點(diǎn)坐標(biāo)的聯(lián)系，在應(yīng)用時(shí)根據(jù)輸入的實(shí)際監(jiān)測數(shù)據(jù)變化即可快速輸出預(yù)定位的漏點(diǎn)坐標(biāo)；隨后，以該位置為中心，在平均偏移誤差范圍內(nèi)，采用檢漏設(shè)備進(jìn)行漏損檢測，實(shí)現(xiàn)對管網(wǎng)漏點(diǎn)的精準(zhǔn)定位，大大提高了漏損控制工作效率。但是，人工神經(jīng)網(wǎng)絡(luò)的使用尚有一些局限性，如需要專業(yè)人員完成網(wǎng)絡(luò)搭建、需要大量樣本進(jìn)行訓(xùn)練以保證足夠的精度、訓(xùn)練樣本增加時(shí)訓(xùn)練時(shí)間也變長、管網(wǎng)物理?xiàng)l件發(fā)生變化時(shí)模型需要重新訓(xùn)練等。

2.3.2 多級支持向量機(jī)

近年來，Zhang等[25]提出了一種利用多級支持向量機(jī)(multiclass support vector machines，M-SVMs)的分類功能實(shí)現(xiàn)大型給水管網(wǎng)漏損區(qū)域識別的軟件方法。與人工神經(jīng)網(wǎng)絡(luò)相比，支持向量機(jī)(SVM)是一種基于統(tǒng)計(jì)學(xué)理論的機(jī)器學(xué)習(xí)方法，更適合解決小規(guī)模樣本問題[26]。在SVM基礎(chǔ)上發(fā)展而來的M-SVMs則擁有更好的多分類能力，Mamo等[27]將其用于獨(dú)立計(jì)量分區(qū)(district metered area，DMA)運(yùn)行狀況的評價(jià)與多種漏損程度的判斷。

Zhang等[25]提出的方法基于“先聚類后分類”的思想。首先，依據(jù)管網(wǎng)不同位置，模擬發(fā)生漏損時(shí)測壓點(diǎn)監(jiān)測值波動的相似性，提出管網(wǎng)待識別漏損區(qū)域的劃分方案；然后，在各待識別區(qū)域內(nèi)，利用水力仿真軟件隨機(jī)模擬生成漏損事件樣本，這些訓(xùn)練樣本以測壓點(diǎn)壓力波動值作為樣本數(shù)據(jù)，以待識別區(qū)域編號作為分類標(biāo)簽；利用生成的漏損事件樣本，對M-SVMs進(jìn)行訓(xùn)練，以建立用于漏損區(qū)域識別的數(shù)據(jù)驅(qū)動模型；最終，結(jié)合測壓點(diǎn)現(xiàn)場觀測值，運(yùn)用M-SVMs數(shù)據(jù)驅(qū)動模型，識別管網(wǎng)中可能發(fā)生漏損的區(qū)域。完成漏損區(qū)域識別之后，還可以結(jié)合PDLD法進(jìn)一步縮小漏損檢測的范圍，將現(xiàn)場設(shè)備檢漏工作開展的范圍減小至可疑漏損區(qū)域中某漏損點(diǎn)附近的管段上。多級支持向量機(jī)漏損區(qū)域識別與PDLD漏點(diǎn)檢測的組合方法為提高大型供水管網(wǎng)漏水點(diǎn)搜尋效率、縮短修復(fù)時(shí)間提供了可能性，具有實(shí)際的工程意義。但是，需要注意的是，用戶在使用該方法時(shí)面臨著漏損區(qū)域識別準(zhǔn)確率與該區(qū)域漏點(diǎn)檢測范圍的權(quán)衡，即更多的待識別漏損區(qū)域意味著各區(qū)域內(nèi)更小的漏點(diǎn)檢測范圍，但同時(shí)也意味著更高的計(jì)算成本與更低的多級支持向量機(jī)分類準(zhǔn)確率。

2.3.3 卷積神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)組合模型

近年來，深度學(xué)習(xí)成為人工智能領(lǐng)域的研究熱點(diǎn)。卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network，CNN)作為深層神經(jīng)網(wǎng)絡(luò)的經(jīng)典結(jié)構(gòu)之一，具有特征提取能力強(qiáng)、泛化能力好、可拓展性強(qiáng)、容錯能力強(qiáng)等優(yōu)點(diǎn)，在處理復(fù)雜分類問題時(shí)具有優(yōu)異的表現(xiàn)[28]。

Kang等[29]創(chuàng)新地提出了一種將卷積神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)相結(jié)合構(gòu)成雙分類器的漏損檢測方法。為獲得更高的漏損識別精度，該方法并未使用測流點(diǎn)、測壓點(diǎn)處收集的水力監(jiān)測數(shù)據(jù)，而是利用安裝在管網(wǎng)中的壓電式加速度傳感器收集振動信號作為原始數(shù)據(jù)；隨后，采用CNN自動對原始數(shù)據(jù)的特征進(jìn)行提取，并將提取的特征分別作為CNN全連接層以及SVM的輸入；而后，綜合兩者的分類結(jié)果，得到以概率形式呈現(xiàn)的最終輸出，由此判斷管網(wǎng)的漏損情況。在檢測到管網(wǎng)漏損之后，Kang等[29]還采用了一種基于圖論的算法對漏損點(diǎn)進(jìn)行了定位。該研究提出的方法綜合了CNN在樣本特征提取以及SVM在處理分類問題方面的優(yōu)勢，采用在韓國首爾某管網(wǎng)中實(shí)際收集的夜間時(shí)段(2∶00—4∶00)數(shù)據(jù)進(jìn)行驗(yàn)證；結(jié)果表明，CNN與SVM的組合數(shù)據(jù)驅(qū)動模型與單獨(dú)的CNN、SVM模型相比，具有更高的漏損檢測準(zhǔn)確率與更低的誤報(bào)率，其缺陷在于CNN與SVM的組合模型需要較長的訓(xùn)練時(shí)間，且在使用前需添加單獨(dú)的預(yù)處理單元對采集的信號進(jìn)行去噪預(yù)處理以保證檢測精度。

以上3類軟件檢測技術(shù)的主要特點(diǎn)如表2所示。

表 2 不同軟件檢測技術(shù)的主要特點(diǎn)Tab.2 Main Characteristics of Different Software-Based Leakage Detection Technologies

3 結(jié)論

管網(wǎng)漏損帶來的一系列負(fù)面影響使其成為供水管網(wǎng)中一個(gè)亟待控制和解決的問題。與此同時(shí)，“水十條”的考核目標(biāo)對各地供水企業(yè)的漏損控制工作提出了更高的要求。主動漏損檢測是管網(wǎng)漏損控制中的關(guān)鍵一環(huán)，它作為一項(xiàng)系統(tǒng)性工程，需要先進(jìn)的設(shè)備、因地制宜的核心技術(shù)方法、專業(yè)的人才等多方面的協(xié)同作用。通過了解和借鑒國內(nèi)外漏損識別新技術(shù)，可以幫助供水企業(yè)實(shí)現(xiàn)傳統(tǒng)檢漏設(shè)備、技術(shù)和模式的改造與升級，最終更加高效和有效地開展管網(wǎng)漏損控制工作。

(1)漏損檢測硬件技術(shù)依靠硬件設(shè)備對管道進(jìn)行現(xiàn)場搜索，通常具有很高的漏損識別精度，可以準(zhǔn)確找到漏損點(diǎn)的實(shí)際位置。然而，這種方法一般檢測范圍小，直接在管網(wǎng)中運(yùn)用時(shí)需要付出人力、物力的雙重代價(jià)，需要花費(fèi)很長的時(shí)間進(jìn)行漏點(diǎn)搜尋，其使用還受制于工作人員經(jīng)驗(yàn)、管道大小、管道材料等因素。在硬件技術(shù)方面，在結(jié)合管網(wǎng)實(shí)際情況引進(jìn)智能球等國外先進(jìn)硬件設(shè)備的同時(shí)，今后還應(yīng)注重基于探地雷達(dá)、光纖傳感等新技術(shù)的設(shè)備研發(fā)與實(shí)地檢驗(yàn)。

(2)漏損檢測軟件技術(shù)相對硬件技術(shù)來說更加智慧，具有成本費(fèi)用更低、人工勞動強(qiáng)度更低、檢測效率更高、使用不受管道尺寸和管道材料的限制等優(yōu)點(diǎn)，具有廣闊的應(yīng)用前景。然而，這類技術(shù)無法精準(zhǔn)定位漏損點(diǎn)，只能識別管網(wǎng)中漏損點(diǎn)的大致位置或辨識管網(wǎng)中的漏損區(qū)域。對軟件檢漏技術(shù)而言，小漏損和大型管網(wǎng)漏損的識別是未來需要關(guān)注的問題，目前關(guān)于大型管網(wǎng)的漏損識別問題可以重點(diǎn)考慮將漏損區(qū)域辨識和漏損點(diǎn)定位相結(jié)合的思路。

(3)總體來說，目前雖尚沒有完全可靠和各場景通用的漏損檢測方法，但出現(xiàn)了一種軟硬件技術(shù)結(jié)合檢漏的趨勢——漏損檢測技術(shù)，由單純地依靠硬件設(shè)備現(xiàn)場檢查轉(zhuǎn)向以軟件方法為核心、軟硬件結(jié)合檢漏的綜合方法。這種綜合方法可首先利用軟件檢漏技術(shù)縮小可疑漏損范圍，以指明現(xiàn)場檢漏工作開展的方向，再利用硬件檢漏技術(shù)進(jìn)行精準(zhǔn)識別，提高了漏損檢測工作的效率。