(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111369996.X (22)申请日 2021.11.18 (71)申请人 吉林建筑科技学院 地址 130114 吉林省长 春市宽城区学建大 路1111号 (72)发明人 李洪伟　陈颖　宋琪　杜长河　 金旭　 (74)专利代理 机构 无锡风创知识产权代理事务 所(特殊普通 合伙) 32461 代理人 毛伟昕 (51)Int.Cl. G06F 30/18(2020.01) G06F 30/27(2020.01) G06F 30/28(2020.01) G06N 3/08(2006.01)G06F 113/08(2020.01) G06F 113/14(2020.01) G06F 119/14(2020.01) (54)发明名称 基于回声状态网络的复杂管网泄漏定位方 法 (57)摘要 本发明涉及复杂管网泄漏定位技术领域， 特 别涉及基于回声状态网络的复杂管网泄漏定位 预测方法。 包括以下步骤： 建立回声状态网络训 练数据库、 构建回声状态网络模 型并对回声状态 网络模型进行训练、 训练BP神经网络模型， 并对 回声状态网络模型与BP神经网络模型进行比较。 本发明通过建立回声状态网络训练数据库， 并将 数据的数据分为训练集与测试集对回声状态网 络模型进行训练， 使回声状态网络模 型对泄漏的 位置进行准确的预测， 并且通过建立管网输入与 输出之间的映射关系实现了对整个管网的诊断， 相比于BP神经网络预测方法， 减少人力巡查的时 间以及设备使用的消费， 极大提高了管网泄漏的 诊断效率。 权利要求书2页 说明书5页 附图4页 CN 114021297 A 2022.02.08 CN 114021297 A 1.基于回声状态网络的复杂管网泄漏定位方法， 其特 征在于： 包括以下步骤： S1、 建立回声状态网络训练数据库； S2、 构建回声状态网络模型并对回声状态网络模型进行训练； S3、 训练BP神经网络模型， 并对回声状态网络模型与BP神经网络模型进行比较。 2.根据权利要求1所述的基于回声状态网络的复杂管网泄漏定位方法， 其特征在于： 在 所述S1中， 建立回声状态网络训练库的步骤为： S1.1、 通过复杂管网的水力、 结构参数构建管网水力模型； S1.2、 对管网水力模型进行验证， 确定其 准确性； S1.3、 确定管网泄漏模拟方案； S1.4、 对网水力模型进行模拟， 并统计管网泄漏前后监测点压力差与管道泄漏位置及 泄漏量之间的对应数据； S1.5、 对记录的数据进行归一化处理， 并根据归一化处理的数据获得回声状态网络的 训练数据库。 3.根据权利要求2所述的基于回声状态网络的复杂管网泄漏定位方法， 其特征在于： 在 所述S1.5中， 对记录的数据进行归一 化处理的公式为： 其中X表示原始数据， 和Xstd分别表示数据在整个范围内的平均值， Xnew为归一化处理 后的训练数据。 4.根据权利要求2所述的基于回声状态网络的复杂管网泄漏定位方法， 其特征在于： 在 所述S2中， 构建回声状态网络模型的步骤为： S2.1、 将管网泄漏前后监测点的压力差作为回声状态网络的输入层； S2.2、 将管网中管道泄漏位置及泄漏量作为输出层； S2.3、 在输入层和输出层之间设置一个随机生成的稀疏连接的神经元结构的储备池， 并对生成的储备池网络结构进行初始化， 并保持连接 权值固定不变。 5.根据权利要求4所述的基于回声状态网络的复杂管网泄漏定位方法， 其特征在于： 在 所述S2中， 对回声状态网络模型进行训练的步骤为： S2.4、 将步骤S1中建立的回声状态网络的训练数据库中的数据分为训练集与测试集两 个部分； S2.5、 利用训练集对回声状态网络模型进行训练， 利用测试集测试回声状态网络模型 对管网泄漏位置及泄漏量的预测精度。 6.根据权利要求5所述的基于回声状态网络的复杂管网泄漏定位方法， 其特征在于： 在 所述S2.5中， 在测试集测试回声状态网络模型对管网泄漏位置及泄漏量的预测精度时， 采 用均方误差 MSE来衡量模型的预测精度和效果， 其公式为： 其中： yi代表实际值， fi代表网络预测值， n 为数据数量， M ES为均方误差数值。 7.根据权利要求6所述的基于回声状态网络的复杂管网泄漏定位方法， 其特征在于： 在权　利　要　求　书 1/2 页 2 CN 114021297 A 2所述S3中， 训练BP神经网络模型的步骤为： S3.1、 建立BP神经网络模型； S3.2、 使用步骤S2.4中将回声状态网络的训练数据库中的数据出的训练集训练BP神经 网络模型。 8.根据权利要求7所述的基于回声状态网络的复杂管网泄漏定位方法， 其特征在于： 在 所述S3中， 对回声状态网络模型与BP神经网络模型进行比较的步骤为： S3.3、 利用回声状态网络的训练数据库中的数据出的测试集测试回声状态网络模型和 BP神经网络模型 预测的精度和效果； S3.4、 将测试集测试的有关回声状态网络模型和BP神经网络模型数据进行对比， 确定 回声状态网络模型和BP神经网络模型 预测的精度。权　利　要　求　书 2/2 页 3 CN 114021297 A 3