一种确定多二级河道最大入干流量的逆向设计方法技术

本发明专利技术公开了一种确定多二级河道最大入干流量的逆向设计方法，步骤1、建立水质优化模型，进行水质模拟，确定决策变量和约束条件，通过改变各二级河道的流量设定产生不同工况；步骤2、将不同工况下的水质模型模拟结果作为神经网络训练样本，构建神经网络并对神经网络进行训练，实现非线性函数拟合，使训练后的网络能够预测一级河道控制断面处的水质状况；步骤3、利用遗传算法随机产生一定数量的个体并作为初始种群，利用已经训练完善的神经网络作为约束条件对个体进行判断筛选，选择满足水质条件且适应度高的个体，通过交叉、变异得到新的种群，得到各二级河道流量调控的最优设计方案。本发明专利技术对河流水质模拟技术提出了更加完善的设计。

【技术实现步骤摘要】

本专利技术涉及河道排放量调度逆向设计方法，特别是涉及一种多条二级河道最优调度排放量的逆向设计方法，该方法可实现干流水质控制，使干流水质指标在控制断面满足控制要求。
技术介绍
环境流体动力学模型(EFDC)是根据多个数学模型集成开发研制的综合模型，集水动力模块、泥沙输运模块、污染物运移模块和水质预测模块一体，可以用于河流、湖泊、水库等一维、二维和三维物理、化学过程的模拟。EFDC在河流水质模拟方向的研究中使用广泛。遗传算法(GA)是一种基于自然选择原理和自然遗传机制的搜索(寻优)算法，它是模拟自然界中的生命进化机制，在人工系统中实现特定目标的优化。遗传算法的实质是通过群体搜索技术，根据适者生存的原则逐代进化，最终得到最优解或准最优解。它必须做以下操作：初始群体的产生、求每一个体的适应度、根据适者生存的原则选择优良个体、被选出的优良个体两两配对，通过随机交叉其染色体的基因并随机变异某些染色体的基因后生成下一代群体，按此方法使群体逐代进化。与其它优化算法相比，遗传算法更易探索整个设计空间，并找到全局最优解。在工程应用中经常会遇到一些复杂的非线性系统，这些系统状态方程复杂，难以用数学方法准确建模，如约束条件“二级河道的流量与干流下游水质之间的关系”无法用函数表示。在这种情况下，可以建立BP神经网络表达这些非线性系统，该方法把未知系统看成是一个黑箱，首先用系统输入输出数据训练BP神经网络，使网络能够表达该未知函数，然后就可以用训练好的BP神经网络预测系统输出。
技术实现思路
基于现有技术，本专利技术提出了一种确定多二级河道最大入干流量的逆向设计方法，根据干流在控制断面上的水质指标要求，使用逆向设计方法确定并优化每条二级河道的最大调度排放入干流流量，可实现干流水质控制，使干流水质指标在控制断面满足控制要求。本专利技术是一种确定多二级河道最大入干流量的逆向设计方法，该方法包括以下步骤：步骤1、利用环境流体动力学对拥有多条二级河道的河流进行水质模拟，建立水质优化模型，确定决策变量和约束条件，并通过改变各二级河道的流量设定产生不同工况；步骤2、将不同工况下的水质模型模拟结果作为神经网络训练样本，将各二级河道流量作为输入，一级河道控制断面处的水质参数作为输出，构建神经网络并对神经网络进行训练，实现非线性函数拟合，使训练后的网络能够预测一级河道控制断面处的水质状况；步骤3、利用遗传算法随机产生一定数量的个体并将其作为初始种群，利用步骤2中已经训练完善的神经网络作为约束条件对个体进行判断筛选，选择满足水质条件且适应度高的个体，通过交叉运算、变异运算得到新的种群，重复此过程，终筛选出最优个体，得到各二级河道入干流水量的最优设计方案，即在满足干流下游控制断面处水质条件达标的前提下，使二级河道污水尽可能多的排入干流中。与现有技术相比，本专利技术结合遗传算法和神经网络两方面技术，对河流水质模拟技术提出了更加完善的设计。附图说明图1为本专利技术的一种多二级河道最大入干流量确定的逆向设计方法模型图；图2为本专利技术具体实施例的河流水质模型示意图；图3为遗传算法运算中目标值随迭代次数的变化；图4-7为最优方案下水质在河道内空间分布。具体实施方式本专利技术的一种确定多二级河道最大入干流量的逆向设计方法法，使用遗传算法与EFDC相结合，对河流水质进行模拟和设计，通过遗传算法的交叉、变异过程产生新个体，使用人工神经网络作为遗传算法中的约束条件，判断新个体是否满足水质条件并计算其适应度，最终筛选出最优个体，得到二级河道入干流水量的最佳设计方案。以下结合附图及具体实施方式，进一步详述本专利技术的技术方案。二级河道优化设计，使用EFDC水质模型对干流河段水质进行模拟，模拟区域全长17.4公里，水质模型的网格划分如图2所示。假设研究区域的干流入流与二级河道入干流水量均为恒定值。为探究各二级河道排污流量对干流水质的影响，通过改变二级河道入干流水量创建不同模拟情景，计算不同工况下干流控制断面处的水质，继而探究当各二级河道以不同入干流水量排放污染物时对干流水质的影响。利用逆向设计原理，以干流达到控制水质标准为目标，逆向求解各二级河道的入干流水量，实现干流水质达标。本专利技术具体实施方式描述如下：1、EFDC模拟干流水质不同工况下，干流上游流量为定值Q＝100m3/s，各二级河道入干流水量作为变量，其水质边界条件见表1。为简化模型，将第1条二级河道入干流水量、第2条二级河道入干流水量、第3条二级河道入干流水量、第4条二级河道入干流水量、第5条二级河道入干流水量以及第6条二级河道入干流水量作为6个变量X1、X2、X3、X4、X5、X6，每个变量均有5个水平。参考6因素5水平的试验正交表，建立27个不同工况下的模型进行模拟计算。表1、干流与各二级河道水质单位：mg/L2、神经网络建立约束条件使用神经网络与遗传算法结合的方法对二级河道排干流量进行逆向设计，将六条二级河道排干流量作为输入，干流控制断面处的水质作为输出，将EFDC计算的27种工况作为学习样本对神经网络进行训练，使人工神经网络在已知各二级河道排干流量的前提下，对干流控制断面处的各项水质进行预测。3、遗传算法与神经网络、EFDC结合计算最优方案的逆向设计确定决策变量和约束条件。本研究中变量为六条二级河道流量X1～X6，约束条件为干流控制断面处的四项水质标准，各条二级河道流量的取值范围与干流水质标准分别见表2与表3。表2、二级河道流量变化范围单位：m3/s表3、干流控制断面水质标准单位：mg/L(1)明确目标函数。本研究的目的是在满足干流水质条件的前提下，使二级河道内暴雨径流尽可能多地排入到干流中，求各二级河道的入干流量最优设计方案。目标函数：maxf(x1，x2，x3，x4，x5，x6)＝x1+x2+x3+x4+x5+x6。(2)确定编码方法。本研究中共有六条二级河道，即变量为6个，采用实数编码。确定个体评价方法。本研究为极大值问题，适应度等于目标函数值。即个体适应度f＝x1+x2+x3+x4+x5+x6。(3)设计遗传算子和确定遗传算法的运行参数：1)、使用轮盘选择算子1-1、计算各染色体Uk的适应度值eval(Uk)＝f(x1，x2，x3，x4，x5，x6)其中，K表示群体中个体的编号，k＝1,2,……49,50；1-2、计算群体的适应度值的总和1-3、计算对应于每个染色体Uk的选择概率Pk：1-4、计算每个染色体Uk的累计概率Qk：选择优良个体需满足以下条件：i.生成一个[0,1]间的随机数rk(k＝1～50)，共产生50个r；ii.如果r≦Q1，就选择染色体U1，否则，选择第k个染色体Uk使得Qk-1≦r≦Qk。3)交叉运算使用单点交叉算子随机选择一个染色体串的节点，然后交换两个父辈节点右端的部分来产生子代。交叉概率Pc＝0.8，即在平均水平上有80％的染色体进行了交叉。选择优良个体需满足以下条件：i.生成一个[0,1]间的随机数rk(k＝1～50)，共产生50个r；ii.如果rk≦Pc，就选择染色体Uk为交叉的一个个体。3)变异运算使用基本位变异算子变异概率Pm＝0.1至此，完成了一代的个体进化，重复此过程。在200次迭代计算中，目标值随迭代次数的变化如图4。得到的最优方案见表4。表4、最优方案下各二级河道排干流本文档来自技高网...

【技术保护点】
一种确定多二级河道最大入干流量的逆向设计方法，其特征在于，该方法包括以下步骤：步骤(1)、利用环境流体动力学对拥有多条二级河道的河流进行水质模拟，建立水质优化模型，确定决策变量和约束条件，并通过改变各二级河道的流量设定产生不同工况；步骤(2)、将不同工况下的水质模型模拟结果作为神经网络训练样本，将各二级河道流量作为输入，一级河道控制断面处的水质参数作为输出，构建神经网络并对神经网络进行训练，实现非线性函数拟合，使训练后的网络能够预测一级河道控制断面处的水质状况；步骤(3)、利用遗传算法随机产生一定数量的个体并将其作为初始种群，利用步骤(2)中已经训练完善的神经网络作为约束条件对个体进行判断筛选，选择满足水质条件且适应度高的个体，通过交叉运算、变异运算得到新的种群，重复此过程，终筛选出最优个体，得到各二级河道入干流水量的最优设计方案，即在满足干流下游控制断面处水质条件达标的前提下，使二级河道污水尽可能多的排入干流中。

【技术特征摘要】
1.一种确定多二级河道最大入干流量的逆向设计方法，其特征在于，该方法包括以下步骤：步骤(1)、利用环境流体动力学对拥有多条二级河道的河流进行水质模拟，建立水质优化模型，确定决策变量和约束条件，并通过改变各二级河道的流量设定产生不同工况；步骤(2)、将不同工况下的水质模型模拟结果作为神经网络训练样本，将各二级河道流量作为输入，一级河道控制断面处的水质参数作为输出，构建神经网络并对神经网络进行训练，实现非线性函数拟合，使训练后的网络能够预测一级河道控制断面处的水质状况；步骤(3)、利用遗传算法随机产生一定数量的个体并将其作为初始种群，利用步骤(2)中已经训练完善的神经网络作为约束条件对个体进行判断筛选，选择满足水质条件且适应度高的个体，通过交叉运算、变异运算得到新的种群，重复此过程，终筛选出最优个体，得到各二级河道入干流水量的最优设计方案，即在满足干流下游控制断面处水质条件达标的前提下，使二级河道污水尽可能多的排入干流中。2.如权利要求1所述的一种确定多二级河道最大入干流量的逆向设计方法，其特征在于，步骤(3)中的选择满足水质条件且适应度高的个体的处理具体包括以下流程：计算各染色体Uk的适应度值eval(Uk)＝f(x1，x2，x3，x4，x5，x6)其中，K表示群体中个体的编号，k＝...

【专利技术属性】
技术研发人员：尤学一，陈慧敏，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12