基于粒子群算法的小流域水土资源协调优化方法技术

本发明专利技术属于水利工程领域，尤其涉及基于粒子群算法的小流域水土资源协调优化方法，包括步骤一：构建水土资源优化配置线性规划数学模型；步骤二：确定水土资源优化方案的空间配置；步骤三：基于粒子群的智能优化求解。步骤一包括确定决策变量、目标函数、约束条件、构建完整的数学模型。本发明专利技术的有益效果：优化的目标是求目标函数的最大值即最大的经济效益，通过调整决策变量的价值系数而实现优化目的，以水土资源定田，使规划结果向所希望的方向倾斜，基于粒子群的智能优化求解采用单纯形微粒群算法，继承了微粒群优化算法原有优点的同时，不用进行复杂的矩阵计算，计算工作量小，优化速度快。

Water resources coordination optimization method for small watershed based on particle swarm optimization

The invention belongs to the field of water conservancy engineering, especially the method of coordination and optimization of water and soil resources in small watershed based on particle swarm optimization, including step 1: Construction of linear programming mathematical model of optimal allocation of water and soil resources; step two: determine the spatial allocation of water and soil resources optimization scheme; step three: intelligent optimization solution based on particle swarm optimization . Step one includes determining decision variables, objective functions, constraints, and building a complete mathematical model. The beneficial effect of the invention is that the goal of optimization is to find the maximum economic benefit of the objective function, and to achieve the goal of optimization by adjusting the value coefficient of the decision variables. The soil and water resources are fixed in the field, and the planning results are inclined to the desired direction. The simplex particle swarm optimization algorithm based on the intelligent optimization of particle swarm optimization is used. It inherits the original advantages of particle swarm optimization algorithm, and does not need complex matrix computation. The computation workload is small and the optimization speed is fast.

【技术实现步骤摘要】
基于粒子群算法的小流域水土资源协调优化方法
本专利技术属于水利工程领域，尤其涉及基于粒子群算法的小流域水土资源协调优化方法。
技术介绍
资源配置的首要问题就是要看配置客体是否具有稀缺性和多用途性,显然土地和水都具有这两种特性。在以往多是将水资源和土地资源分别进行优化配置。土地资源的配置,是为了达到一定的生态经济最优目标,依据土地特性和土地系统原理，依靠一定的技术和管理手段，对区域有限的土地资源的利用结构、方向,在时空尺度上,分层次进行安排、设计、组合和布局，以提高土地利用效率和效益，维持土地生态系统的相对平衡，实现土地资源的可持续利用。水资源优化配置是一定时期内，在有效、公平和可持续的原则基础上,对特定区域内有限的、不同形式和质量的水资源,通过工程措施与非工程措施在各用水对象之间进行科学分配。比较而言,土地资源优化配置研究较多,水资源优化配置随着水资源供需矛盾日益突出，逐渐引起人们的重视。水土资源优化配置是利用当地小流域有限的水(坡面径流)、土(坡面土地)资源条件，合理配置蓄水工程，以获取最大的经济、社会效益；水土资源优化配置包括两个层次：第一个层次是水土资源的空间优化配置，第二个层次是蓄水系统的空间优化配置。在第一个层次水土资源的空间优化配置方面，尽管人们已经在水土资源调查、评价、规划，以及以水土资源综合利用为核心的区域经济、社会、生态环境协调发展等方面开展了大量工作，但总体而言,目前将两类资源结合起来所做的研究还比较少，已有研究也多偏重于水资源的配置，与土地资源的结合不够。
技术实现思路
为解决上述问题，本专利技术提供基于粒子群算法的小流域水土资源协调优化方法。本专利技术的技术方案：基于粒子群算法的小流域水土资源协调优化方法，其特征在于包括以下步骤：步骤一：构建水土资源优化配置线性规划数学模型；步骤二：确定水土资源优化方案的空间配置；步骤三：基于粒子群的智能优化求解。进一步地，所述步骤一中构建水土资源优化配置线性规划数学模型，包括以下步骤:步骤A:确定决策变量，包括x1:一类水平梯田；x2:二类水平梯田；x3:栽种林木；x4:汇水的天然林草地；步骤B:确定目标函数，表达式为maxZ＝c1x1+c2x2+c3x3+c4x4；其中ci为利润净增值/(hm2·a)(i＝l,2,3,4)；步骤C:确定约束条件，约束条件方程组为：式中，e为水平梯田每亩每年的灌溉需水量(m/a)×104m2；Yuxi为鱼鳞坑坡地每亩每年的产流量(m/a)×104m2；caodi为天然林草地每亩每年的产流量(m/a)×104m2；步骤D:构建完整的数学模型，数学模型表示进一步地，ci＝收入/(hm2·a)-支出/(hm2·a)。进一步地，所述步骤D中构建完整的数学模型是以人定田方案的水土资源优化配置数学模型；以人定田方案数学模型的初始约束条件方程组表示如下:进一步地，所述步骤二中确定水土资源优化方案的空间配置，包括以下步骤：步骤E:确定空间优化配置水土资源的原则，包括就低原则、就平原则、就水原则、就现状原则；步骤F:细化具体配置原则，包括配置顺序、坡度要求、地形要求和地貌要求。进一步地，所述步骤三中基于粒子群的智能优化求解，采用标准微粒群算法或单纯形微粒群算法。进一步地，所述单纯形微粒群算法具体采用单纯形微粒群优化算法。进一步地，所述单纯形微粒群优化算法的流程包括以下步骤：1)确定目标函数；2)初始化设置SMPSO的微粒群个数p、寻优代数、加速因子、惯性权重系数等参数值，随机初始化微粒群的位置和速度；3)由具体问题确定微粒群的空间维数，用PSO的随机初始微粒作为单纯形搜索法的初始点进行单纯形搜索，按目标函数评价各微粒的初始适应值，将此时微粒群中各微粒的位置作为Pbest，从Pbest中找到的具有最好适应值的微粒的位置作为gbest；4)按照公式vij(t+1)＝wvij(t)+C1rand1()(pij-xij(t))+C2rand2()(gij-xij(t))和xij(t+1)＝xij(t)+vij(t+1)，对微粒群p和pbest中各微粒的速度和位置进行更新；式中，C1和C2为加速常数(accelerationconstants)，rand1()和rand2()为两个在[0,1]范围内变化的随机函数，w为惯性权重(inertiaweight)；5)将更新后的微粒群p和Pbest分别作为单纯形搜索法的初始点进行单纯形搜索，把搜索后的微粒群p和Pbest中的每个微粒的适应值分别进行比较，取适应值较优的微粒的位置为新的pbest；6)比较微粒群Pbest和gbest的每个微粒的适应值，取适应值较优的微粒的位置为新的gbest；7)若满足停止条件，搜索停止，输出全局历史最优位置和全局历史最优适应值为所求结果；否则，返回步骤4继续搜索。进一步地，所述标准微粒群算法的流程包括以下步骤：a)确定目标函数；b)设定微粒群微粒个数、寻优代数、加速因子、惯性权重系数参数值，随机初始化各微粒的位置和速度；c)由所要优化的目标函数的设计变量数确定粒子的空间维数，由目标函数值计算每个粒子的适应值，并计算Pbest和gbest；式中，Pbest为微粒目前为止由自己发现的最优位置；gbest为整个群体中所有微粒发现的最优位置；d)比较每个微粒的适应值与个体极值Pbest，如果f(Pi)＞f(Pbest)，则Pbest＝Pi；e)比较每个微粒的适应值与全局极值gbest，如果f(Pi)＞f(gbest)，则gbest＝Pi；f)根据公式vij(t+1)＝wvij(t)+C1rand1()(pij-xij(t))+C2rand2()(gij-xij(t))和xij(t+1)＝xij(t)+vij(t+1)，更新每个微粒的飞行速度和空间位置；式中，C1和C2为加速常数(accelerationconstants)，rand1()和rand2()为两个在[0,1]范围内变化的随机函数，w为惯性权重(inertiaweight)。g)判断是否达到设定的收敛控制准则。如未达到返回步骤c继续寻优；若达到，则停止寻优，并输出计算结果。本专利技术有益效果是：优化的目标是求目标函数的最大值即最大的经济效益，通过调整决策变量的价值系数而实现优化目的，以水土资源定田，使规划结果向所希望的方向倾斜，基于粒子群的智能优化求解采用标准微粒群算法或单纯形微粒群算法，继承了微粒群优化算法原有优点的同时，不用进行复杂的矩阵计算，计算工作量小，优化速度快。附图说明图1是本专利技术的流程框图。具体实施方式下面结合附图对本专利技术的一种具体实施方式做出说明。图1是本专利技术的流程框图。基于粒子群算法的小流域水土资源协调优化方法，包括以下步骤：步骤一：构建水土资源优化配置线性规划数学模型，包括以下步骤:步骤A:确定决策变量，包括x1:一类水平梯田；x2:二类水平梯田；x3:栽种林木；x4:汇水的天然林草地；步骤B:确定目标函数，表达式为maxZ＝c1x1+c2x2+c3x3+c4x4；其中，ci为利润净增值/(hm2·a)(i＝l,2,3,4)；ci＝收入/(hm2·a)-支出/(hm2·a)。步骤C:确定约束条件，约束条件方程组为：式中，e为水平梯田每亩每年的灌溉需水量(m/a)×104m2；Yuxi为鱼鳞坑坡本文档来自技高网...

【技术保护点】
基于粒子群算法的小流域水土资源协调优化方法，其特征在于包括以下步骤：步骤一：构建水土资源优化配置线性规划数学模型；步骤二：确定水土资源优化方案的空间配置；步骤三：基于粒子群的智能优化求解。

【技术特征摘要】
1.基于粒子群算法的小流域水土资源协调优化方法，其特征在于包括以下步骤：步骤一：构建水土资源优化配置线性规划数学模型；步骤二：确定水土资源优化方案的空间配置；步骤三：基于粒子群的智能优化求解。2.根据权利要求1所述的基于粒子群算法的小流域水土资源协调优化方法，其特征在于所述步骤一中构建水土资源优化配置线性规划数学模型，包括以下步骤:步骤A:确定决策变量，包括x1:一类水平梯田；x2:二类水平梯田；x3:栽种林木；x4:汇水的天然林草地；步骤B:确定目标函数，表达式为maxZ＝c1x1+c2x2+c3x3+c4x4；其中ci为利润净增值/(hm2·a)(i＝l,2,3,4)；步骤C:确定约束条件，约束条件方程组为：式中，e为水平梯田每亩每年的灌溉需水量(m/a)×104m2；Yuxi为鱼鳞坑坡地每亩每年的产流量(m/a)×104m2；caodi为天然林草地每亩每年的产流量(m/a)×104m2；步骤D:构建完整的数学模型，数学模型表示3.根据权利要求2所述的基于粒子群算法的小流域水土资源协调优化方法，其特征在于ci＝收入/(hm2·a)-支出/(hm2·a)。4.根据权利要求2所述的基于粒子群算法的小流域水土资源协调优化方法，其特征在于所述步骤D中构建完整的数学模型是以人定田方案的水土资源优化配置数学模型；以人定田方案数学模型的初始约束条件方程组表示如下:5.根据权利要求1或2所述的基于粒子群算法的小流域水土资源协调优化方法，其特征在于所述步骤二中确定水土资源优化方案的空间配置，包括以下步骤：步骤E:确定空间优化配置水土资源的原则，包括就低原则、就平原则、就水原则、就现状原则；步骤F:细化具体配置原则，包括配置顺序、坡度要求、地形要求和地貌要求。6.根据权利要求1或2所述的基于粒子群算法的小流域水土资源协调优化方法，其特征在于所述步骤三中基于粒子群的智能优化求解，采用标准微粒群算法或单纯形微粒群算法。7.根据权利要求6所述的基于粒子群算法的小流域水土资源协调优化方法，其特征在于所述单纯形微粒群算法具体采用单纯形微粒群优化算法。8.根据权利要求7所述的基于粒子群算法的小流域水土资源协调优化方法，其特征在于所述单纯形微粒群优化算法的流程包括以下步骤：1)确定目标函数；2)初始化设置SMPSO的微粒群个数p、寻优代数、加速因子、惯性权重系数参数值，随机初始化微粒群的位置和速度；3)...

【专利技术属性】
技术研发人员：胡春涛，彭荣梅，牛桂林，康蛇龙，王京浦，刘忠良，王泽秀，王如代，马建国，徐保森，乔海英，马志广，
申请(专利权)人：河北省水利工程局，
类型：发明
国别省市：河北,13