摘要：【目的】 供水管网末梢的余氯浓度是保障饮用水水质安全的关键性指标，但其动态衰减规律受到水龄、管道材质、管壁生物膜附着状态等多种复杂因素的综合影响，导致基于物理化学反应机理的传统预测模型在实际应用中存在精度不足的局限性。 为有效提升对管网系统末梢余氯浓度变化的预测准确性，从而为水厂优化加氯调控策略提供科学依据，进一步强化供水安全保障能力，文章提出基于Transformer智能算法的余氯衰减预测新方法。 【方法】 针对余氯衰减序列数据所具有的高度复杂性与时空耦合特性，文章引入Transformer深度学习算法，该算法凭借其特有的自注意力机制与强大的长序列特征捕捉能力，能够深入挖掘余氯监测数据中蕴含的复杂非线性依赖关系。 文章以重庆市巴南区某典型供水管网片区为研究对象，系统收集了相关监测数据。 为进一步提升基础Transformer模型的预测性能，文章采用Patch模块对模型结构进行优化，同步开展参数调优，最终成功建立了Patch-Transformer余氯衰减智能预测模型。 【结果】 最终所构建的Patch-Transformer余氯衰减智能模型，能够实现对管网末梢余氯浓度提前12 h的有效预测。 模型水质预测误差仅为5.34%，具有较高的精度。 【结论】 本文成功构建了基于Patch-Transformer的供水管网余氯衰减智能预测模型，可辅助水厂优化加氯策略，实现精准投加，有助于提升水厂的智慧化管理水平和安全保障能力。

关键词：供水管网；余氯衰减；Transformer；智能算法；深度学习；水质预测

基金资助：

下载

查看