水资源系统多维适应性调控方法及系统技术方案

本发明专利技术公开了一种水资源系统多维适应性调控方法及系统，包括构建供水、防洪与环境多维互馈的水资源耦合系统；构建水资源耦合系统适应性的模拟调控模式集合，构建面向调控目标的适应性调控模拟模型；构建至少两个模拟情景并选择策略组合方案；采用基于粗糙集理论的Horafa属性约简算法进行指标体系精简化；构建群决策场景下不同利益主体主观权重冲突的协调机制，求解适应性调控模拟模型，优选出策略组合方案。针对变化条件下基于开源、节流和联合调度等综合措施，建立水资源耦合系统风险的多维协同调控方法，为水资源综合开发利用和评估，提供了一种新的技术思路。提供了一种新的技术思路。提供了一种新的技术思路。

【技术实现步骤摘要】
水资源系统多维适应性调控方法及系统


[0001]本专利技术涉及水资源调控技术，尤其是一种水资源系统多维适应性调控方法及系统。

技术介绍

[0002]变化环境造成水资源时空变化规律发生显著变异，并影响区域社会经济发展的水资源供需关系，从而给复杂水资源系统的安全、经济运行带来风险。换言之，在变化条件下，由于多阶段、多维不确定性因子及其相互作用，使得决策风险剧增。如何定量评估水资源综合利用安全性、经济性风险，构建多维风险调控模式，降低变化环境导致的风险危害，是尚未解决的问题。
[0003]此外，水资源系统适应性调控缺乏成熟的理论、模型和方法支撑，现有的适应性调控研究大多侧重于调控对策及其管理框架的宏观描述，缺乏将具体的适应性调控模式与定量化调控效果评价、社会经济发展和成本效益分析的有机结合，无法根据定性或定量分析的结果做出具有针对性、便于操作的适应性调控决策，使得适应性调控难以真正落实到水资源系统运行调度的应用实践层面。
[0004]因此，亟需丰富水资源耦合系统面向环境变化的适应性调控理论与方法。

技术实现思路

[0005]专利技术目的：一方面，提供一种水资源系统多维适应性调控方法，以解决现有技术存在的上述问题。另一方面，提供一种系统，以实现上述方法。
[0006]为了实现上述目的，给出如下方案：根据本申请的一个方面，水资源系统多维适应性调控方法，包括如下步骤：步骤S1、构建供水、防洪与环境多维互馈的水资源耦合系统，采集风险因子并构建风险因子筛选模型；构建基于风险因子的贝叶斯模型并对水资源耦合系统的风险进行预测，获得水资源耦合系统的薄弱环节数据以及多维调控目标的竞争与冲突关系；步骤S2、构建水资源耦合系统适应性的模拟调控模式集合，从工程与非工程两个途径构建不同模拟调控模式下的调控策略，构建策略组合方案集合；基于水资源耦合系统的薄弱环节数据和预配置的目标域、决策变量域和约束空间域数据，构建面向调控目标的适应性调控模拟模型；步骤S3、构建至少两个模拟情景并选择策略组合方案，采用适应性调控模拟模型评估策略组合方案的调控效果和对调控目标的贡献率；计算各个策略组合方案的成本，建立策略组合方案的成本与效益关系；步骤S4、构建包括目标层、准则层和指标层在内的适应性调控多属性风险决策指标体系，通过预置方法筛选出影响决策风险的关键性指标，并采用基于粗糙集理论的Horafa属性约简算法进行指标体系精简化；步骤S5、构建群决策场景下不同利益主体主观权重冲突的协调机制，采用概率OWA
算子建立考虑多元利益主体的群体赋权方法为指标体系赋权，采用基于拉丁超立方体抽样的蒙特卡洛数值方法求解适应性调控模拟模型，并采用正交试验方法对多属性决策结果进行敏感性分析，量化关键性指标及其组合对多属性决策风险的影响程度、破坏深度及阈值，优选出策略组合方案。
[0007]根据本申请的一个方面，所述步骤S1进一步为：步骤S11、采集研究区域的基础数据并预处理，构建多源输入与多源输出的映射关系集合，通过系统动力学模拟获得互馈数据并以此构建多维互馈的水资源耦合系统；步骤S12、提取水资源耦合系统中的风险因子，构建风险因子集合和基于BP神经网络的风险因子筛选模型，采用该风险因子筛选模型提取主要风险因子；步骤S13、基于风险因子构建贝叶斯模型，采用该贝叶斯模型进行参数学习和风险预测，形成贝叶斯网络图；步骤S14、基于已构建的贝叶斯模型，对给定风险因子发生概率情况下水资源耦合系统的风险进行预测，获得水资源耦合系统的薄弱环节数据以及多维调控目标的竞争与冲突关系。
[0008]根据本申请的一个方面，所述步骤S2进一步为：步骤S21、基于研究区域的调控目标，构建典型水资源产汇流场景集合，并针对每一水资源产汇流场景，构建水资源耦合系统适应性的模拟调控模式；步骤S22、构建研究区域的水资源产汇流拓扑，并针对每一典型水资源产汇流场景进行权重优化，形成优化权重集合；步骤S23、针对研究区域的调控目标，构建策略组合方案集合，针对每一典型水资源产汇流场景进行模拟，获得各个水资源产汇流场景下的至少一个最优策略组合方案；步骤S24、基于调控目标和薄弱环节数据，给出目标域、决策变量域和约束空间域的取值范围；构建面向调控目标的适应性调控模拟模型。
[0009]根据本申请的一个方面，所述步骤S21进一步为：步骤S21a、读取研究区域的基础数据，获取至少包括地理位置、地形地貌和气候特征在内的数据；对研究区域进行概化分类，形成多个研究子单元，根据研究子单元确定水资源产汇流场景，所述研究子单元至少包括山区、平原、城市，以及河湖网络；步骤S21b、获取研究区域的调控目标，并将调控目标分解到每一水资源产汇流场景，逐一建立各个水资源产汇流场景与研究区域各个研究子单元的关系；步骤S21c、调用预配置的水文水动力模型对每一水资源产汇流场景进行模拟，并计算模拟结果与调控目标的欧式距离，基于模拟结果优化每一水资源产汇流场景的各个调控指标参数；步骤S21d、基于优化后的调控参数指标，构建水资源耦合系统适应性的模拟调控模式。
[0010]根据本申请的一个方面，所述步骤S22进一步为：步骤S22a、读取研究区域的基础数据，获取至少数字高程模型数据；通过数字高程模型提取河网栅格数据；步骤S22b、通过高程差计算法和图像神经网络对河网栅格数据进行优化，消除包括洼地在内的河网干扰因素，获得水资源产汇流拓扑；其中所述高程差计算法包括：计算每
一河网栅格的流向，通过流向获得水利积累矩阵并与预配置的水流阈值矩阵作差，得到河网矩阵，连接河网矩阵对应的各个栅格；或者从河网栅格数据中查找高程最低的河网栅格，将该河网栅格作为原点，从该河网栅格向周围依次查找符合连通条件的河网栅格，形成河网拓扑，基于该河网拓扑形成水资源产汇流拓扑；步骤S22c、构建能够覆盖各个典型水资源汇流场景的基本权重矩阵，并逐一针对典型典型水资源汇流场景通过系统动力学模拟进行模拟，优化各个权重参数，形成优化权重集合；在模拟过程中，获取每一典型水资源汇流场景下各个水资源产汇流拓扑中各节点存在的因果链数据和耦合回路数据，所述耦合回路数据包括增强回路、调节回路和滞后回路。
[0011]根据本申请的一个方面，所述步骤S23进一步为：步骤S23a、采集适用于研究区域的预定数量个策略组合方案，并针对每一典型水资源汇流场景进行适配，筛选出适配度高于阈值的策略组合方案，形成策略组合方案集合；步骤S23b、调用水文水动力模拟模型，读取水资源产汇流拓扑和优化权重集合，将策略组合方案在各个典型水资源汇流场景中进行模拟，获得供水、防洪和环境各个维度的评估效果；计算策略组合方案中各个策略对评估效果的影响比例；将影响比例小于阈值的策略标记为可调整策略；步骤S23c、构建评估模型，计算每一典型水资源汇流场景下各个策略组合的整体效果，各个典型水资源产汇流场景下得到至少一个最优策略组合方案；若某一典型水资源汇流场景下的策略组合方案不符合预期要求，查找该策略组合方案中是否存在可调整策略，若存在，采用备选策略进行替换，重新模拟。
[0012]根据本申请的一个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.水资源系统多维适应性调控方法，其特征在于，包括如下步骤：步骤S1、构建供水、防洪与环境多维互馈的水资源耦合系统，采集风险因子并构建风险因子筛选模型；构建基于风险因子的贝叶斯模型并对水资源耦合系统的风险进行预测，获得水资源耦合系统的薄弱环节数据以及多维调控目标的竞争与冲突关系；步骤S2、构建水资源耦合系统适应性的模拟调控模式集合，从工程与非工程两个途径构建不同模拟调控模式下的调控策略，构建策略组合方案集合；基于水资源耦合系统的薄弱环节数据和预配置的目标域、决策变量域和约束空间域数据，构建面向调控目标的适应性调控模拟模型；步骤S3、构建至少两个模拟情景并选择策略组合方案，采用适应性调控模拟模型评估策略组合方案的调控效果和对调控目标的贡献率；计算各个策略组合方案的成本，建立策略组合方案的成本与效益关系；步骤S4、构建包括目标层、准则层和指标层在内的适应性调控多属性风险决策指标体系，通过预置方法筛选出影响决策风险的关键性指标，并采用基于粗糙集理论的Horafa属性约简算法进行指标体系精简化；步骤S5、构建群决策场景下不同利益主体主观权重冲突的协调机制，采用概率OWA算子建立考虑多元利益主体的群体赋权方法为指标体系赋权，采用基于拉丁超立方体抽样的蒙特卡洛数值方法求解适应性调控模拟模型，并采用正交试验方法对多属性决策结果进行敏感性分析，量化关键性指标及其组合对多属性决策风险的影响程度、破坏深度及阈值，优选出策略组合方案。2.如权利要求1所述的水资源系统多维适应性调控方法，其特征在于，所述步骤S1进一步为：步骤S11、采集研究区域的基础数据并预处理，构建多源输入与多源输出的映射关系集合，通过系统动力学模拟获得互馈数据并以此构建多维互馈的水资源耦合系统；步骤S12、提取水资源耦合系统中的风险因子，构建风险因子集合和基于BP神经网络的风险因子筛选模型，采用该风险因子筛选模型提取主要风险因子；步骤S13、基于风险因子构建贝叶斯模型，采用该贝叶斯模型进行参数学习和风险预测，形成贝叶斯网络图；步骤S14、基于已构建的贝叶斯模型，对给定风险因子发生概率情况下水资源耦合系统的风险进行预测，获得水资源耦合系统的薄弱环节数据以及多维调控目标的竞争与冲突关系。3.如权利要求2所述的水资源系统多维适应性调控方法，其特征在于，所述步骤S2进一步为：步骤S21、基于研究区域的调控目标，构建典型水资源产汇流场景集合，并针对每一水资源产汇流场景，构建水资源耦合系统适应性的模拟调控模式；步骤S22、构建研究区域的水资源产汇流拓扑，并针对每一典型水资源产汇流场景进行权重优化，形成优化权重集合；步骤S23、针对研究区域的调控目标，构建策略组合方案集合，针对每一典型水资源产汇流场景进行模拟，获得各个水资源产汇流场景下的至少一个最优策略组合方案；步骤S24、基于调控目标和薄弱环节数据，给出目标域、决策变量域和约束空间域的取
值范围；构建面向调控目标的适应性调控模拟模型。4.如权利要求3所述的水资源系统多维适应性调控方法，其特征在于，所述步骤S21进一步为：步骤S21a、读取研究区域的基础数据，获取至少包括地理位置、地形地貌和气候特征在内的数据；对研究区域进行概化分类，形成多个研究子单元，根据研究子单元确定水资源产汇流场景，所述研究子单元至少包括山区、平原、城市，以及河湖网络；步骤S21b、获取研究区域的调控目标，并将调控目标分解到每一水资源产汇流场景，逐一建立各个水资源产汇流场景与研究区域各个研究子单元的关系；步骤S21c、调用预配置的水文水动力模型对每一水资源产汇流场景进行模拟，并计算模拟结果与调控目标的欧式距离，基于模拟结果优化每一水资源产汇流场景的各个调控指标参数；步骤S21d、基于优化后的调控参数指标，构建水资源耦合系统适应性的模拟调控模式。5.如权利要求4所述的水资源系统多维适应性调控方法，其特征在于，所述步骤S22进一步为：步骤S22a、读取研究区域的基础数据，获取至少数字高程模型数据；通过数字高程模型提取河网栅格数据；步骤S22b、通过高程差计算法和图像神经网络对河网栅格数据进行优化，消除包括洼地在内的河网干扰因素，获得水资源产汇流拓扑；其中所述高程差计算法包括：计算每一河网栅格的流向，通过流向获得水利积累...

【专利技术属性】
技术研发人员：张宇，吴时强，吴修锋，戴江玉，薛万云，查伟，聂贝，刘昀竺，
申请(专利权)人：水利部交通运输部国家能源局南京水利科学研究院，
类型：发明
国别省市：