确定性模型

确定性模型一般利用管龄、管道事故次数等参数来进行管道事故率的预测。由于管材、管道周围环境、管道工况等因素都直接或间接对管道事故率有一定的影响，为了利用简单的公式形式进行相对准确的管道事故率预测，就需要将管网中以上特征相近的管段进行分组，利用线性回归法确定每一组管段所对应的模型参数值，从而对每一组管段建立起一个管段故障次数与管段使用年限的关系式。由于利用了对管段分组的方式，所以该种模型的形式比较简单、应用广泛，而且这种模型比较适合于管段数量较多的给水管网系统。但该种方法在具体应用时，模型的分组与参数值的确定是一个十分重要的环节，该环节处理的好坏直接影响该方法的应用效果。

4.3.1.1　指数模型

Shamir与Haward（1979年）利用非线性回归法来进行管道事故率的分析，建立了时间指数模型。该模型描述的是管道事故率与管龄之间的关系：

式中　N（t）——第t年，该管段的单位故障次数［次/（年·千米）］；

t0——分析的起始年份；

N（t0）——在分析的起始年，管段的故障次数［次/（年·千米）］；

A——管段故障增长系数（年－1），A的取值范围为0.05～0.20，具体数值视管段的材料与直径而定。

时间指数模型具有形式简单、应用方便的特点，但在该模型应用之前需要将待分析管段进行适当分组。分组的主要目的是将管段属性相一致的管道分在一组中，从而通过非线性回归分析获得每组管道所对应的管段故障增长系数A的数值。

需要注意的是，在利用以往管段故障数据进行A值推求的时候，一定要对数据进行分析，剔除那些非疲劳期发生的管段事故的数据，以增加模型应用的准确程度。

4.3.1.2　线性模型

管段事故率预测线性模型中认为管段事故率与管龄之间是线性关系：

式中　N——一年中该管段的事故次数；

Age——管龄；

k0——相关系数。

该模型应用简单、直接，并且与指数模型相同，在应用线性模型之前仍然需要对分析管段进行分组，将属性相近的管段放在同一组中，利用回归方法获得该组的相关系数k0的值。