概率法计算生活给水管道设计流量.doc

1、概率法计算生活给水管道设计流量陈和苗（宁波市建筑设计研究院，浙江省宁波市 315012）摘要：提出采用概率法计算住宅类建筑生活给水管道设计流量。建立了二项分布模型与正态分布模型。对单一变量的正态模型与多变量的正态模型比较，得出单一变量分布函数简化完全可行的结论。分析了保证率、卫生器具使用频率等因素对设计流量的影响。推导出概率法流量公式的通式。概率法计算生活给水设计流量科学、准确，由概率法计算的流量与实测流量相符。关键词：生活给水管道；设计流量；概率法；二项分布模型；正态分布模型中图分类号：TUJ991.32Investigation on Calculating the Design Flow

2、 in Potable Water Pipeline by Probability MethodCHEN He-miao(Ningbo Architecture design & Research Institute)Abstract: Propose to use probability theory to calculate the design flow in potable water pipelines in residential buildings .Establish the binomial random distribution model and normal rando

3、m distribution model. Conclude that the function of mono-variable normal random could simplify the function of poly-variable normal random. Analyses the reliability and the frequency of fixture use influencing design flow. The flow rate got by probability theory tallies with which got by measured re

4、ally. The probability method is more scientific and more reliable than the normal formula.Keywords: Portable water pipeline； Design flow；Probability theory; binomial random distribution model; normal random distribution model1 引言 生活给水管道设计流量是给水系统中最重要的技术参数之一，因此研究合理的设计流量计算方法具有重要的现实意义。 建筑给水排水设计规范GB50015

5、-2003（以下简称规范）是小区及建筑物内给排水设计的主要依据。规范所列的住宅建筑内的生活给水管道的设计流量计算公式是原平方根法计算公式的改良，通过计算“最大用水时卫生器具给水当量平均出流率”U0，一定程度上可以体现建筑物内卫生器具的完善程度、用水量定额、生活习惯等因素与设计流量的关系，较之前的GBJ15-881997版的平方根法，更加丰富、详实、严谨。但是按此计算方法所得的结果与实际情况存在矛盾，主要表现在：在管段当量数较小时，按规范计算所得的流量偏大；当给水当量较大时，计算所得的设计流量可能偏小。亨脱（Hunter）应用概率论来确定室内生活给水管道的设计流量，并在美、英、日诸国得到采用。在

6、国内，已经采用概率法计算管道直饮水系统的设计秒流量。人们何时使用何种卫生器具属随机事件，应服从离散型随机变量的二项分布，因此生活给水系统的设计流量亦可按概率法计算。 2、实测数据镇祥华在2002.6-8月期间对某住宅小区作用水量的调查和实测工作。实测结果发现最高日最大时用水量Qh与平均时用水量Qp的的比值Kh（即时变化系数）能较好地符合规范；发现在最大小时用水时间内，其每分钟的流量并不是均匀不变。若以5分钟高峰流量的平均秒流量作为设计流量qg，实测的qg与服务人数的对应关系见表4.2实测的3500人小区最高日用水量曲线见图2.1。实测最大流量发生时（20：0022：00）的每分钟的流量曲线见图

7、2.2。3 数学模型3.1二项分布模型：以镇祥华的样本为例：每户当量Ng=2.5；用水定额150L/(人.d)；户均3.5人；用水时数：24h；时变化系数:Kh=2.5。总户数F。最大时流量的平均秒流量Qs： Qs=F3.51502.5/(243600)=0.0152F （1）最大用水时卫生器具给水当量的平均出流概率U0：U01503.52.5/(0.22.5243600)=0.03=3%. （2）Qs与总量N、平均出流概率U0的关系：QsNU00.2 （3） 实际上，在用水高峰时段，如在20：0021：00时，洗浴、冲厕、烹饪、洗衣等设施使用频率并不相同。U0反映的是不同卫生设备在高峰时段的

8、加权平均使用频率，NU0表达全部卫生设备在高峰时段的平均使用数。从严格意义，应实测各不同卫生器具在这高峰时段各自的用水概率，再依据概率原理进行组合计算，确定设计流量。在现阶段，实测各不同卫生器具的各自用水概率不太可能，且从本文的计算结果可知，采用平均出流概率U0代替卫生器具使用概率p在实际工程的设计中能保证足够精度。在以下计算中，以1个当量的卫生器具计为一个龙头，忽略不同卫生器具的种类与动作规律。根据Hunter的定义，在N个水龙头中，若0m个水龙头使用概率的总和不小于99%，则m为设计流量发生时的同时使用水龙头个数，可得设计秒流量Q：Q=mq0 （4）N个龙头在所观察时刻有m个同时被使用的概

9、率是P：PX=m= （m=0，1，N） (5)式中Pm个龙头同时用水概率；为在N个不同元素中，每次取出m个不同元素，不管其顺序合并成一组的组合种数。 mN个龙头在所观察时段同时使用的个数；N管道供水龙头总数。p所观察时刻，一个龙头使用的概率。在N个水龙头中，若0m个水龙头使用概率的总和不小于99%，表达式为：X=k0.99 (6) 或 0.99 （7）若通过计算求得符合上式的m值，则依据（4）式可求得管道流量。在同样的保证率0.99时，此计算结果与规范附录E 饮用净水的计算相一致。同样，对于0.917的保证率也可得到相应数据，计算结果见于表4.1。3.2单一变量的正态分布模型根据棣莫弗拉普拉斯

10、极限定理，当N很大，且Np5，Np(1-p)5时，服从二项分布B（N，）的随机变量X可用正态分布N(,2 )作近似计算。N个龙头在所观察时刻有m个同时被使用的概率是P：PX=m=N(,2 )=N Np,Np(1-p) （8）对于1000户的小区，N2500，p0.03时，Np75， （9） 2 Np(1-p)72.75。 （10） 在N个水龙头中，若0m个水龙头使用概率的总和P：PXm=-1- （11）式中N、m、p同式（5）。（x）是标准正态分布N（0，1）的分布函数值（概率积分值）。当N500时，=1PXm （12） 为了使管道在高峰时以0.99概率保证供水即：（）=0.99 （13）查正

11、态分布表有x=2.33， （14）即 （15）则设计流量(L/S) qg=0.2m=0.2 0.2Np （16） 或 qg=1.026 0.2Np (17)或设计流量(L/S) qg=1.026 Qs (18)或设计流量(L/S) qg=0.0795 0.006N (19)同样，对于0.917的保证率，相当于在最大用水1小时中，有5分钟不能保证，x1.38，可以求得m： (20)或设计流量(L/S) qg=0.608 Qs (21)或设计流量(L/S) qg=0.047 0.006N (22)（11）（22）式尽管为在N500时，根据正态分布函数得出的结果，但经过验算，在N75时，按此式得到的

12、使用龙头数与用二项分布模型求得的使用龙头数吻合得很好。可见用正态分布函数可以简化计算二项分布概率问题。（19）、(22)式由第一项与第二项N组成，N前的系数相当于单个龙头使用概率。（19）、(22)式的形式与原平方根法公式完全一致，但含义完全不同。在（19）、(22)式中，当N较大时，第二项为流量的主要贡献者；在平方根法中，则为修正项。3.3 多个独立变量的正态分布模型3.3.1 数学模型事实上，建筑物内存在多种卫生器具，洗浴、冲厕、烹饪、洗衣等设施使用频率并不相同，其单个设备的额定流量也不同，按3.2节采用单一卫生器具简化计算存在误差。某实测的卫生器具使用频率见表3.1。某实测的卫生器具使用

13、频率 表3.11洗脸盆2洗涤盆3淋浴器4座便器给水当量d额定流量e（L/s）使用频率p0.80.160.0130.70.140.0320.50.10.0210.50.10.063卫生器具给水当量平均出流率U0U0(0.80.013+0.70.032+0.50.021+0.50.063)/(0.8+0.7+0.5+0.5)=0.03若上述四类卫生器具的动作个数分别为m1、 m2、 m3、 m4，则设计流量q：qeimi =0.16m1+0.14m2+0.10m3+0.1m4 =0.2(0.8m1+0.7m2+0.5m3+0.5m4 ) =0.2dimi (23) 若把上述混合器具（存在四类卫生器

14、具）管道中的设计流量q折算为当量为1、额定流量为0.2L/s的龙头数量为m：meimi =0.8m1+0.7m2+0.5m3+0.5m4 =dimi (24)因上述四类卫生器具Xi（i=1，2，3，4）是服从正态分布的独立随机变量，为其参数分别为i,2i（i=1，2，3，4），则混合器具中作用龙头数量总和m也服从正态分布，其参数分别为 dii, 2 di2i2 。对于1000户的小区， dii diNipi0.810000.013+0.710000.032+0.510000.021+0.510000.063=10000.07575 （25）2 di2i2 di2Nipi(1-pi)0.8210

15、000.013(1-0.013)+0.7210000.032(1-0.032)+0.5210000.021(1-0.021)+0.5210000.063(1-0.063)=10000.0433=43.3 （26）根据（15），在P0.99时，则作用龙头数m：m=2.33+=2.33+75=90.3 （27）3.3.2 误差分析在镇详华所测的小区，可能产生最大流量的前提是，最大当量的卫生器具动作，其余均不动作，若表3.1中洗脸盆动作，p1=0.09375，则对于1000户的小区: dii diNipi0.810000.09375=10000.07575 （28）2 di2i2 di2Nipi(1

16、-pi)0.8210000.09375(1-0.09375) =10000.0544=54.4 （29） 根据（15）式，在0.99的保证率下，上述、2时的作用龙头数：m= + 75=92.2 （30）若假定住宅内卫生器具的最大当量为1，没有当量数1的卫生器具，则此类住宅小区理论上产生最大的、2，理论上将发生最大设计流量。对于1000户的小区，用水设备为2500个当量数均为1卫生器具，pi=0.03。 dii diNipi125000.03=10000.07575 （31）2 di2i2 di2Nipi(1-pi)1225000.03(1-0.03) =10000.07275=72.75 （3

17、2） 根据（15）式，在0.99的保证率下，上述、2时的作用龙头数：m= + 75=94.9 （33）可见（9）式、（10）式的计算结果分别同（31）、（32）式，可见以单一变量正态分布的简化计算，将产生最大的设计流量。比较(28)式与（31）式，m m=2.33-2.33= 0.0852.7 (34) 若为1000户的小区，两者的误差率约为3%。若为1000户的小区，则误差率3%。若为100户的小区，则m= 0.085=0.85。可见采用单一变量正态分布的简化计算，所得的计算流量稍大。 若认为镇详华所测的卫生器具当量值可信，则按单一变量简化的正态分布模型的方差2大于实际方差，计算的x为3.0

18、2，此时相应的保证率P0.9987。X2.33/=3.02 (35)可见采用单一变量正态分布的简化计算，其供水保证率将0.99，完全可以采用单一变量来简化计算多变量的正态分布。4 计算结果与实测对比 对于本文算例，pU03%。按规范附录D中的设计流量与本文的计算流量对比表见表4.1。表中把流量折算成作用龙头数。按规范、正态分布计算所得的作用龙头数，为非整数，表中最多取一位小数。按二项分布所得结果均为整数。二项分布的计算数据中，2 6,15的含义为：在当量总数为615时，同时作用的龙头数均为2个。按二项分布所得的曲线，为阶梯形非连续曲线，本文为叙述方便，在当量总数较大时，采用连续曲线表达。表4.

19、1 不同计算方法的同时作用龙头数 （使用频率p3） 当量总数N“规范”推荐P=0.99P=0.917二项分布正态分布二项分布正态分布1234812162430405075100125150200250300400500800100015002000250030004000600080001000011.51.82.133.74.35.46.17.1810121315182023273143506681951081351842403001111 1,52 6,153 16,284 29,445 45,61 662,79891012141621253643617896112146211276340

20、0.40.60.80.91.41.722.73.13.74.35.778.29.412141620243543607895112145211276340111111 1,1612 17,343 35,554 56,775 78,1006891113172031385471871031351982613240.30.40.50.60.91.21.41.92.22.73.24.35.46.47.49.3111317203137547187103135198261323镇祥华实测的流量与本文的计算流量对比表见表4.2。表4.2 镇祥华实测的流量与本文的计算流量对比人数/人户数F/户总当量数N实测Qs

21、L/s实测qgL/sP=0.99P=0.917按式（18）计算qgL/s按式（19）计算qgL/s按式（21）计算qgL/s按式（22）计算qgL/s119019602800350049003405608001000140085014002000250035005.248.5612.1114.6320.167.5711.8015.4717.4221.707.5811.5615.6718.5424.767.4211.3715.5618.9825.706.6310.314.2116.9522.886.4710.1614.117.3523.78 从表4.1可见，在管道负荷的卫生器具较少时，规范推荐的

22、流量较本文计算为大；当卫生器具较多时，本文计算的结果为大。从表4.2可见，对于小区总管、干管，当卫生器具较多时，本文的计算结果与实测流量吻合良好，用本文推导的计算方法可行，比规范推荐流量更加简洁、合理、可靠。 表4.1中的计算结果请见图4.1。图中曲线1由规范所得；曲线2由二项分布概率P0.99所得；曲线3由二项分布概率P0.917所得。5 本文简化计算与精确计算的比较 徐得潜教授曾提出精确的计算方法，此方法先测定各卫生器具的使用频率，根据概率论中“多个独立二项随机变量的联合分布”原理计算管道系统的流量。此方法科学、严谨，但计算极其复杂、繁琐。用徐教授论文中的数据来验证本文的推导公式，发现两种

23、计算结果非常接近，可见本文的推导公式可靠、合理。 如徐教授论文中，1000套浴盆（使用频率p=0.133，当量d1）、1500套盥洗盆（p=0.031，d0.8）、1250套低水箱大便器（p=0.062，d0.5），在P0.99时经过精确计算的流量为47.8L/s。本文的计算如下：Np100010.133+15000.80.031+12500.50.062=209N=10001+15000.8+12500.5=2825P=209/2825=0.074q=0.2 0.2Np=0.2+0.2209=48.3L/s可见两种计算结果非常接近。本文公式中的Np、p等参数，可以通过（2）式间接求得，不用实

24、测各卫生器具的各自实际使用频率。此算例pU00.074，已经不属于住宅范围，可见本文的计算方法也适用于公共建筑。 6 问题讨论6.1保证率P0.99的保证率是Hunter提出并使用至今。其物理意义：在观测时段内（本文为在最大一小时用水时段），有99%的时间内，同时作用的龙头（卫生器具）数m个；或者说m个龙头同时使用的时间1%，即60x1%=0.6分钟。仅有0.6分钟的流量不能保证，可见安全性非常之高。按传统设计秒流量为高峰5分钟内平均流量的概念，则P1-5/60=0.917。若观测时段为24小时，则P=1-5/24/60=0.9965。 由（12）、（13）式可知：P增大，x增大，则m增大。对

25、于要求高的建筑物，可采用较高的P值；对于普通的建筑物，取P0.917即可保证最大小时内高峰5分钟的平均秒流量。查得P与x的关系表如下：表6.1 P与x的关系P0.900.9170.950.990.99650.999x1.281.381.6452.332.73.09 在物理意义上，按P0.917保证率计算所得流量，应等于实测的最大小时内高峰5分钟的平均秒流量。但从镇祥华实测数据发现，上述两者并不相等，后者更大。其原因可能：一、实际管网存在漏损，或实际使用人数大于理论测算。二、模型缺陷，各卫生器具在最大一小时内使用机会并不均等，即不服从二项分布；可能在更短的时段内服从二项分布。三、卫生器具超压出流

26、，当量为1的卫生设备，实际出流量大于0.2L/s。6.2卫生器具使用频率p 从（15）式可知，影响设计流量的因素为N、p。当建筑物功能确定，N已知的情况下，卫生器具使用频率p对设计流量有最重要影响。应该充分考虑使用人数、用水量定额、生活习惯、卫生器具设置情况确定p。6.3 观察时段与用水规模 本文假定各卫生器具作用规律在“最大一小时”内服从随机分布。若假定在“最大半小时”内服从随机分布，卫生器具使用频率p将提高，则计算所得的“高峰5分钟平均流量”将会更大。 本文假定各卫生器具作用规律在“最大一小时”内服从随机分布，且“高峰5分钟平均流量”在此时段内发生。实际的高峰流量不一定在此时段内发生，说明数学模型存在例外。但此例外不会使设计产生不安全因素。 本文按大学教材，定义设计流量为“高峰5分钟平均流量”，是否有必要