Page 129 - 2024年第55卷第8期

可用于对泄漏事件判别的参考依据。
（ ２）ＶＭＤ方法可有效用于瞬态泄漏信号的滤波，可在保留信号波形特征的基础上，获得更平滑的
信号。同时，利用标准化方法对实验数据进行预处理，可以增强信号的泄漏特征，有利于对常压、小
尺度泄漏进行检测。
（ ３）利用 ＣＮＮ对压力泄漏信号进行特征提取，能够有效提升 ＬＳＴＭ、ＢｉＬＳＴＭ和 ＧＲＵ等 ＲＮＮ模型
的预测精度和泛化性。本文所构建的泄漏模型能够有效实现小尺度泄漏检测，预测精度和泛化性良
好，其中 ＣＮＮ － ＧＲＵ模型的性能最优，对全部数据和测试集的精度分别达到了 ９９．５６％和 ９６．７４％。

参 考 文 献：

［ １］ 杨开林．长距离输水水力控制的研究进展与前沿科学问题［Ｊ］．水利学报，２０１６，４７（３）：４２４ － ４３５．
［ ２］ 杨启贵，张传健，颜天佑，等．长距离 调 水 工 程 建 设 与 安 全 运 行 集 成 研 究 及 应 用 ［Ｊ］．岩 土 工 程 学 报，
２０２２，４４（７）：１１８８ － １２１０．
［ ３］ ＱＩＺ，ＺＨＥＮＧＦ，ＧＵＯＤ，ｅｔａｌ．Ａｃｏｍｐｒｅｈｅｎｓｉｖｅｆｒａｍｅｗｏｒｋｔｏｅｖａｌｕａｔｅｈｙｄｒａｕｌｉｃａｎｄｗａｔｅｒｑｕａｌｉｔｙｉｍｐａｃｔｓｏｆ
ｐｉｐｅｂｒｅａｋｓｏｎｗａｔｅｒｄｉｓｔｒｉｂｕｔｉｏｎｓｙｓｔｅｍｓ ［Ｊ］．ＷａｔｅｒＲｅｓｏｕｒｃｅｓＲｅｓｅａｒｃｈ，２０１８，５４（１０）：８１７４ － ８１９５．
［ ４］ ＬＵＷ，ＺＨＡＮＧＬ，ＬＩＡＮＧＷ，ｅｔａｌ．Ｒｅｓｅａｒｃｈｏｎａｓｍａｌｌ － ｎｏｉｓｅｒｅｄｕｃｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎＥＭＤａｎｄｉｔｓａｐｐｌｉｃａ
ｔｉｏｎｉｎｐｉｐｅｌｉｎｅｌｅａｋａｇｅｄｅｔｅｃｔｉｏｎ ［Ｊ］．ＪｏｕｒｎａｌｏｆＬｏｓｓＰｒｅｖｅｎｔｉｏｎｉｎｔｈｅＰｒｏｃｅｓｓＩｎｄｕｓｔｒｉｅｓ，２０１６，４１：２８２ － ２９３．
［ ５］ ＣＨＥＮＱ，ＳＨＥＮＧ，ＪＩＡＮＧＪ，ｅｔａｌ．Ｅｆｆｅｃｔｏｆｒｕｂｂｅｒｗａｓｈｅｒｓｏｎｌｅａｋｌｏｃａｔｉｏｎｆｏｒａｓｓｅｍｂｌｅｄｐｒｅｓｓｕｒｉｚｅｄｌｉｑｕｉｄ
ｐｉｐｅｌｉｎｅｂａｓｅｄｏｎｎｅｇａｔｉｖｅｐｒｅｓｓｕｒｅｗａｖｅｍｅｔｈｏｄ［Ｊ］．ＰｒｏｃｅｓｓＳａｆｅｔｙａｎｄＥｎｖｉｒｏｎｍｅｎｔａｌＰｒｏｔｅｃｔｉｏｎ，２０１８，１１９：
１８１ － １９０．
［ ６］ 郭新蕾，郑飞飞，马朝猛，等．输水管道泄漏的探地雷达检测原理和现象机理分析［Ｊ］．水利学报，２０２１，
５２（７）：７８１ － ７９２．
［ ７］ ＳＥＫＨＡＶＡＴＩＪ，ＨＡＳＨＥＭＡＢＡＤＩＳＨ，ＳＯＲＯＵＳＨ Ｍ．Ｃｏｍｐｕｔａｔｉｏｎａｌｍｅｔｈｏｄｓｆｏｒｐｉｐｅｌｉｎｅｌｅａｋａｇｅｄｅｔｅｃｔｉｏｎａｎｄ
ｌｏｃａｌｉｚａｔｉｏｎ：Ａ ｒｅｖｉｅｗ ａｎｄｃｏｍｐａｒａｔｉｖｅｓｔｕｄｙ［Ｊ］．ＪｏｕｒｎａｌｏｆＬｏｓｓＰｒｅｖｅｎｔｉｏｎｉｎｔｈｅＰｒｏｃｅｓｓＩｎｄｕｓｔｒｉｅｓ，２０２２，
７７：１０４７７１．
［ ８］ 王辰，刘庆文，陈典，等．基于 分 布 式 光 纤 声 波 传 感 的 管 道 泄 漏 监 测 ［Ｊ］．光 学 学 报，２０１９，３９（１０）：
１１９ － １２５．
［ ９］ ＸＩＡＯＲ，ＪＯＳＥＰＨ ＰＦ，ＭＵＧＧＬＥＴＯＮＪＭ，ｅｔａｌ．Ｌｉｍｉｔｓｆｏｒｌｅａｋｎｏｉｓｅｄｅｔｅｃｔｉｏｎｉｎｇａｓｐｉｐｅｓｕｓｉｎｇｃｒｏｓｓｃｏｒｒｅ
ｌａｔｉｏｎ［Ｊ］．ＪｏｕｒｎａｌｏｆＳｏｕｎｄａｎｄＶｉｂｒａｔｉｏｎ，２０２２，５２０：１１６６３９．
［１０］ ＧＵＯＣ，ＷＥＮＹ，ＬＩＰ，ｅｔａｌ．ＡｄａｐｔｉｖｅｎｏｉｓｅｃａｎｃｅｌｌａｔｉｏｎｂａｓｅｄｏｎＥＭＤｉｎｗａｔｅｒ － ｓｕｐｐｌｙｐｉｐｅｌｉｎｅｌｅａｋｄｅｔｅｃｔｉｏｎ
［Ｊ］．Ｍｅａｓｕｒｅｍｅｎｔ，２０１６，７９：１８８ － １９７．
［１１］ ＸＵＰ，ＤＵ Ｒ， ＺＨＡＮＧ Ｚ．Ｐｒｅｄｉｃｔｉｎｇｐｉｐｅｌｉｎｅｌｅａｋａｇｅｉｎｐｅｔｒｏｃｈｅｍｉｃａｌｓｙｓｔｅｍ ｔｈｒｏｕｇｈＧＡＮ ａｎｄＬＳＴＭ［Ｊ］．
Ｋｎｏｗｌｅｄｇｅ － ＢａｓｅｄＳｙｓｔｅｍｓ，２０１９，１７５：５０ － ６１．
［１２］ ＬＩＱ，ＳＨＩＹ，ＬＩＮＲ，ｅｔａｌ．Ａｎｏｖｅｌｏｉｌｐｉｐｅｌｉｎｅｌｅａｋａｇｅｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｔｈｅｓｐａｒｒｏｗｓｅａｒｃｈａｌｇｏｒｉｔｈｍ
ａｎｄＣＮＮ ［Ｊ］．Ｍｅａｓｕｒｅｍｅｎｔ，２０２２，２０４：１１２１２２．
［１３］ 贾文龙，孙溢彬，汤丁，等．基于支持 向 量 机 的 输 气 管 道 泄 漏 压 降 信 号 智 能 识 别 方 法 ［Ｊ］．化 工 进 展，
２０２２，４１（９）：４７１３ － ４７２２．
［１４］ ＺＨＡＮＧＸ，ＳＨＩＪ，ＹＡＮＧＭ，ｅｔａｌ．Ｒｅａｌ － ｔｉｍｅｐｉｐｅｌｉｎｅｌｅａｋｄｅｔｅｃｔｉｏｎａｎｄｌｏｃａｌｉｚａｔｉｏｎｕｓｉｎｇａｎａｔｔｅｎｔｉｏｎ － ｂａｓｅｄ
ＬＳＴＭ ａｐｐｒｏａｃｈ ［Ｊ］．ＰｒｏｃｅｓｓＳａｆｅｔｙａｎｄＥｎｖｉｒｏｎｍｅｎｔａｌＰｒｏｔｅｃｔｉｏｎ，２０２３，１７４：４６０ － ４７２．
［１５］ ＬＡＮＧＸ，ＬＩＰ，ＨＵ Ｚ， ｅｔａｌ．Ｌｅａｋｄｅｔｅｃｔｉｏｎａｎｄｌｏｃａｔｉｏｎｏｆｐｉｐｅｌｉｎｅｓｂａｓｅｄｏｎｌｍｄａｎｄｌｅａｓｔｓｑｕａｒｅｓｔｗｉｎ
ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ ［Ｊ］．ＩＥＥＥＡｃｃｅｓｓ，２０１７，５：８６５９ － ８６６８．
［１６］ ＫＩＭ Ｊ，ＣＨＡＥＭ，ＨＡＮＪ，ｅｔａｌ．Ｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｌｅａｋｄｅｔｅｃｔｉｏｎｍｏｄｅｌｉｎｓｕｂｓｅａｇａｓｐｉｐｅｌｉｎｅｕｓｉｎｇｍａｃｈｉｎｅ
ｌｅａｒｎｉｎｇ［Ｊ］．ＪｏｕｒｎａｌｏｆＮａｔｕｒａｌＧａｓＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，２０２１，９４：１０４１３４．
［１７］ ＵＬＬＡＨ Ｎ，ＡＨＭＥＤＺ，ＫＩＭ ＪＭ．Ｐｉｐｅｌｉｎｅｌｅａｋａｇｅｄｅｔｅｃｔｉｏｎｕｓｉｎｇａｃｏｕｓｔｉｃｅｍｉｓｓｉｏｎａｎｄｍａｃｈｉｎｅｌｅａｒｎｉｎｇａｌｇｏ
ｒｉｔｈｍｓ［Ｊ］．Ｓｅｎｓｏｒｓ，２０２３，２３（６）：３２２６．
［１８］ 谭震，郭新蕾，李甲振，等．基于多尺度卷积神经网络的管道泄漏检测模型 研 究 ［Ｊ］．水 利 学 报，２０２３，
５４（２）：２２０ － ２３１．

０
— １ ０ ７ —