Page 82 - 《武汉大学学报(信息科学版)》2025年第6期
P. 82

1104                            武 汉 大 学 学 报  (信 息 科 学 版)                        2025 年 6 月

                型预警、结构损伤识别模型预警               [28] 和关联分析模         在压力、流量、声音和振动等信号方面反映出来。
                型预警等。在此基础上,国外进一步发展了适用                            爆管定位    [37-38] 及辅助影响分析首先基于管网监测
                于处理桥梁长期监测数据的更复杂的深度学习                             信号物理特征,通过分析各监测点压力、流量的
                模型,如基于长短期记忆网络的预测模型能够有                            波动特性,根据数据波动找出异常发生的区域;
                效捕捉时间序列数据中的长期依赖性                  [29] ;通过卷      然后在计量分区内根据空间距离将管网监测点
                积神经网络模型提取监测数据中的空间特征,应                            进行聚类分组,根据最大压降所在分组内的各监
                用于结构损伤识别和分类任务               [30] ,以提升桥梁健         测点的异常个数,判定爆管事件并确定所处的爆
                康监测的智能化水平,为养护决策提供更为科学                            管区域;最后基于定位算法求解出爆管点坐标实
                的依据,最终延长桥梁的使用寿命并确保使用功                            现 定 位 。 针 对 供 水 管 网 爆 管 、维 修 和 施 工 等 场
                能安全   [31] 。                                     景,通过应用图论传递闭包理论计算识别管网子
                     3)综合实验预警技术                                  区和多余阀门,对相应管线上游、下游的有效边
                     当 历 史 监 测 数 据 不 足 、难 以 支 撑 辅 助 分 析          界阀门进行快速搜索和识别,提出适用单事故点
                时,可采用综合实验预警技术,即通过有限元模                            和多事故点工况的供水管网全网关阀预案一次、
                型或实验桥梁复现部分难遇或罕遇的突发事件                             二 次 生 成 算 法 ,给 出 受 爆 管 等 事 件 影 响 区 域 范
                场景,对数值模拟结果或实验结果进行分析,以                            围。近年来,随着机器学习技术的兴起,学者们
                期 评 估 实 际 运 行 桥 梁 在 此 类 场 景 下 的 抗 灾 能            着力于模型算法上的突破,利用数学模型和机器
                力 [32-33] 。清华大学合肥公共安全研究院建设有全                     学习的方法     [39-40] 模拟供水管网的运行工况,实时
                国体量最大的桥梁结构实体模型,具有 140 余个                         预测供水管网是否发生泄漏,并进行精准定位。
                结构类、环境类及荷载类传感器,可以对桥墩沉                            2.4 排水安全风险监测预警技术
                降、单板受力、拉索断裂、主梁倾覆等 20 余种桥梁                            排水安全风险监测预警代表性技术主要包
                典型风险场景进行模拟复现,用于综合分析预警                            括排水管网病害监测诊断技术和城市积水内涝
                研究。                                              风险预警技术。
                2.3 供水安全风险监测预警技术                                     1)排水管网病害监测诊断技术
                     供水安全风险监测预警代表性技术主要包                              排 水 管 网 的 主 要 病 害 有 管 网 淤 堵 、错 接 混
                括供水管网泄漏监测预警技术、供水管网爆管定                            接、入流入渗     [41-42] 。排水管道淤积会导致上下游
                位及辅助影响分析技术等。                                     管网的水力学工况发生变化,可对排水管网淤积
                     1)供水管网泄漏监测预警技术                              的特征规律进行分析和总结;排水管网雨污混接
                     城市供水管网泄漏是引发城市路面塌陷的                          可通过水质、水量、液位监测数据,结合排水管网
                一个重要诱因。传统的人工检测法和区域流量                             拓扑关系进行系统性诊断;雨水入流入渗监测诊
                平衡等方法无法及时有效地探测到供水管网泄                             断技术以整体、分区诊断为思路,采用水质水量
                漏。城市生命线安全工程主要应用瞬态流量压                             平衡分析法,以污水处理厂、泵站、管道分级,通
                力分析   [34] 和漏失声波监测      [35] 的方式,实现对城市           过排水管网拓扑关系,逐级识别入流入渗重点区
                供水管网全天候实时监测。瞬态流量压力分析                             域,最终追踪问题源至管道级别。国内外都非常
                主要利用动态阈值算法识别瞬变压力和流量,通                            重 视 城 市 排 水 问 题 ,积 极 研 发 GIS 系 统 ,德 国
                过模型判断及与历史监测数据比对,触发供水泄                            GeoGrat 公 司 在 20 世 纪 90 年 代 研 发 城 市 排 水
                漏报警。漏失声波监测是拾取供水管道泄漏时,                            GIS 系统,即 GEOGIS 系统,对城市地下管网进
                水从管道破损处溢出产生的声音信号,进一步通                            行综合治理,并在欧洲 200 多个城市得到应用;日
                过信号处理确定漏点。此外,一些发达国家的知                            本大部分城市都建立了基于 GIS 的管网信息系
                名机构协会很早就开始供水泄漏定位技术的研                             统,对城市排水设施进行科学监测管理;中国北
                究,如美国用水工程协会、英国水研究中心和日                            京、武汉、南京等城市也基于 GIS 技术开发了城
                本水道协会等,如美国菲力尔公司研发的红外热                            市地下管网或排水管理信息系统,实现对排水设
                成像法   [36] 可以捕捉管道表面泄漏点附近热分布                      施的信息化管理       [43] 。
                差异来检测泄漏并定位。                                          2)城市积水内涝风险预警技术
                     2)供水管网爆管定位及辅助影响分析技术                             城市积水内涝预警主要分为雨前的模型预
                     当管网供水发生异常事件时,一定程度上会                         测技术和雨中的监测预警技术               [44] 。雨前的模型
   77   78   79   80   81   82   83   84   85   86   87