通过进化式人工神经网络与专家系统提升饮用水分配网络校准的精度与效率
计算工程、金融与科学
2024-12-02 v1
摘要
饮用水分配网络（DWDNs）作为关键城市基础设施，其模型开发与应用旨在确保在分析、设计、运行与管理层面实现最优效率与水质。为使模型准确反映实际DWDN的行为与特性，模型校准是必需且关键的步骤（Alves 等，2014）。然而，由于DWDNs通常为大型地下网络，数据获取常存在问题。本文引入一种新型自动校准方法，称为专家系统与增强拓扑进化神经网络（Expert Systems and Neuro-Evolution of Augmenting Topologies, ES-NEAT）。该方法利用专家系统（ES）与遗传算法对神经网络拓扑进行演化，以在保持适中计算复杂度的同时，高效搜索高维校准问题的最优解。ES-NEAT的一个关键优势在于，即使在数据获取有限的情况下，仍能实现高精度，从而应对现实DWDNs中固有的不确定性。通过整合来自不同利益相关者提供的特定知识，该框架提供了一种灵活的方法，适应每个饮用水分配网络的独特特征。此外，该方法设计用于存储校准信息并以结构化格式传输到后续校准过程中，提高效率并确保可推广性。该方法成功应用于基准网络模型以及比利时弗拉芒地区的实际案例DWDN。
引用
@article{arxiv.2411.19387,
title = {Enhancing Accuracy and Efficiency in Calibration of Drinking Water Distribution Networks Through Evolutionary Artificial Neural Networks and Expert Systems},
author = {Cristian Gomez and Kimberly Solon and Pieter-Jan Haest and Mark Morley and Ingmar Nopens and Elena Torfs},
journal= {arXiv preprint arXiv:2411.19387},
year = {2024}
}
备注
25 pages, 8 figures