НЕЙРОСЕТЕВАЯ МОДЕЛЬ ДЛЯ ОБНАРУЖЕНИЯ УТЕЧЕК В СИСТЕМЕ ПОДАЧИ И РАСПРЕДЕЛЕНИЯ ВОДЫ ЮЖНОГО БЕРЕГА КРЫМА

Аннотация

Система подачи и распределения воды (СПРВ) нередко сталкивается с проблемой утечек, которые создают риски для бесперебойного водоснабжения населения. При этом традиционные методы диагностики зачастую не позволяют выявить утечки до появления явных последствий. В рамках данного исследования разработана модель машинного обучения, предназначенная для раннего обнаружения утечек в СПРВ. Для формирования обучающей выборки было проведено гидравлическое моделирование с использованием геоинформационной системы ZuluGIS. В процессе моделирования учитывались: динамика потребления воды пользователями; возможные искажения и помехи в данных; различная интенсивность утечек и другие значимые факторы.

Предмет исследования. Надежность функционирования городских водопроводных систем с учётом топографических особенностей.

Материалы и методы исследования: Проведен анализ технического состояния трубопроводов СПРВ ГО Ялта. Исследована модель машинного обучения (ММО) для обнаружения утечек в СПРВ ГО Ялта. Данные о давлении воды в условиях утечек и отсутствия утечек были получены с помощью геоинформационной системы ZuluGIS с учетом таких факторов, как меняющиеся требования пользователей, помехи в данных, степень утечек и т.д. Модель искусственной нейронной сети для обнаружения утечек (ИНС‑ОУ) построена на данных о давлении воды в узлах мониторинга. Ключевое отличие от существующих подходов заключается в том, что вместо анализа временных рядов модель выявляет пространственные взаимосвязи между показаниями давления в разных узлах в текущий момент времени.

Результаты. Проведённые исследования показали, что искусственная нейронная сеть (ИНС) способна с высокой точностью различать два состояния системы — наличие или отсутствие утечки. Однако для эффективной работы модели критически важен сбалансированный набор данных, включающий примеры обоих сценариев. В реальных условиях это представляет сложность, поскольку СПРВ преимущественно функционирует в штатном режиме, и случаи утечек относительно редки. Исследование также выявило зависимость точности моделей от местоположения утечки: при возникновении утечек в зоне действия датчиков модели демонстрируют высокую точность; за пределами зоны мониторинга датчиков точность прогнозирования существенно снижается. Полученные результаты позволяют сформулировать рекомендации по оптимальному размещению датчиков мониторинга, обеспечивающие необходимый охват контролируемой территории.

Выводы. Модели искусственных нейронных сетей в сочетании с анализом данных — многообещающее решение для своевременного и надёжного обнаружения утечек. Ключевой аргумент: характер распределения давления воды и его изменения при утечке определяются структурой сети водоснабжения Южного берега Крыма. Благодаря этому можно эффективно мониторить состояние городских водопроводных систем и оперативно реагировать на неисправности.