在2018年的东三省数学建模竞赛中荣获一等奖，展现了卓越的数学建模能力和团队协作精神。此荣誉不仅是个人能力的认可，也体现了对复杂问题解决技巧的深刻理解与应用。
独立计量区域（DMA）管理是控制城市供水系统水量漏失的有效方法之一。通过测量流入或流出这一区域的水量，并对流量、压力进行分析来识别泄漏模式。
针对问题一，我们利用拉以达法则剔除异常值，结合混沌时间序列算法优化NAR神经网络模型，建立新的变种神经网络模型。将经过异常值处理后的供水量数据输入该模型训练后得到拟合趋势曲线，并与实际用水模式对比，辨识出DMA分区的典型用水模式为居民生活（小区）模式。
针对问题二，我们参考国际水协制定的漏失指数（ILI），对供水量-压力进行危险等级划分：A级表示正常；B级和C级表示一般异常及较异常情况；D级代表严重异常；E级则表明存在源头漏损。建立DBSCAN聚类模型，并利用逆高斯函数优化minPts与EPts值，得到改进的SA-DBSCAN模型。将所有数据输入该模型进行分类后，依据等级标准对异常值量化分级。
针对问题三，我们将供水系统中出现的问题模式分为明漏、暗漏、源头漏损和供水失窃四类，并建立GA-BP神经网络模型（结合遗传算法优化）。通过消除背景固定数值后的正常数据训练该模型，并将异常数据输入以获得修正的正常供水量。对比原异常值与修正后结果，可以识别出不同月份出现的具体模式：四月为供水失窃；五月则包括明漏、暗漏及源头漏损问题；六月主要表现为明漏和暗漏现象。
5星
