为进一步提升区域供水预测模型的准确度与泛化能力,从应用场景分析、数据预处理、特征选取等角度,建立循环神经网络并引入数据异常识别和修复机制,在数据处理过程中对基于K-means聚类和Isolation Forest的异常点检测进行比较,并依据时间序列特性,提出区别近邻均值的时序均值修复方法.深度学习框架下,采用LSTM学习算法,以拟合效果、泛化损失作为评估指标,针对区域供水进行小时级预测.分析结果表明,数据异常识别和修复的预处理机制的引入,使得区域供水预测模型拟合及泛化能力进一步提升,且方法可行、有效.

大型水厂群级取水泵站系统建模复杂且调度策略缺乏理论依据,在能耗节省和水资源配置方面均存在较大的优化空间.从水厂的高效运行角度出发,基于系统分解-协调原理,建立取水泵站群级调度系统模型,并针对分解子系统引入预测机制和协同机制.工程实践表明,该模型在保证城市供水稳定的前提下,充分利用水厂清水池容积进行时段调蓄,优化后的调度策略可使能耗节省约12.2％,显著降低水厂运行成本,具备较好的工程应用价值.

相较与渤海,东海海域水深较深,风、浪、流等环境极为恶略,且涉猎该海域的施工项目较少,为结构物在该海域的海上吊装施工提出了更高的要求,尤其是风险极高的海上套井口吊装工艺.本文通过在东海海域的施工案例分析,初步探讨该施工工艺的科学、合理海上吊装的方案,为今后同类工程实践提供参考.