一种适用于干旱地区的灌域级水量调度方法技术

本发明专利技术公开了一种适用于干旱地区的灌域级水量调度方法。它包括如下步骤，步骤一：作物需水计算；步骤二：优化配水计算；采用适用于干旱地区的灌域级水资源调度模型的优化配水模块计算年各灌域逐日计划用水；步骤三：实时配水；具体为：首先基于机器学习方法和作物需水模块估算的历史作物需水数据建模，再使用气象站的三天实时气象预报数据估算作物实时需水量；实时配水部分利用作物需水预测数据以及优化配水模块的计划用水数据作为输入，日计划用水作为用水计划对实时配水进行限制，结合多种实时配水方式得到最终的实时配水方案。本发明专利技术具有使水资源调度工作更加精细化、规范化、信息化的优点。息化的优点。息化的优点。

【技术实现步骤摘要】
一种适用于干旱地区的灌域级水量调度方法


[0001]本专利技术涉及一种适用于干旱地区的灌域级水量调度方法。

技术介绍

[0002]发展水资源科学高效调控及管理能力是下水资源配置的重点；FAO
‑
56 Penman
‑
Monteith法是目前使用最为广泛的参考作物需水量计算方法，使用遥感数据计算蒸散发技术已经十分成熟。遗传算法由于其鲁棒性强、适应性好，在水资源优化计算能对目标函数高效寻优。长短期记忆人工神经网络（LSTM）是一种时间循环神经网络，在该方法中应用于作物需水的实时预测。干旱地区灌区的水资源配置以行政计划手段和经验估计为主，以往的相关技术大多为单一的优化算法，以经济指标或缺水最少为目标函数。对于农业需水量的预测，大多使用统计历史种植结构，根据经验作物需水计算灌区作物需水。实时调度方面采取逐级上报的方式，再根据灌区水量分配情况人工经验适当调整配水，但该传统的配水方式以及调度方法缺乏科学性，极易造成水资源的浪费、降低农业水资源的利用效率，农业水资源的利用效率低会使得原本就缺水的地区用水更加紧张；同时经验调度无法较为科学的应对干旱等特殊调度情景的发生；因此，开发一种提高农业水资源的利用效率且提高配水方式以及调度方法科学性，实现水量实时合理高效分配的适用于干旱地区的灌域级水量调度方法很有必要。

技术实现思路

[0003]本专利技术的目的是为了克服
技术介绍
的不足之处，而提供一种适用于干旱地区的灌域级水量调度方法，结合了机器学习、遗传算法开发了一套信息化水量调度方法，大大节约用水量，补充缺水量，减少弃水量，提高应用效果较，提高农业水资源的利用效率且提高配水方式以及调度方法科学性，实现水量实时合理高效分配；重点解决在制定好灌域计划用水后，实现水量实时合理高效分配的技术问题。
[0004]为了实现上述目的，本专利技术的技术方案为：一种适用于干旱地区的灌域级水量调度方法，其特征在于：包括如下步骤，步骤一：作物需水计算；采用适用于干旱地区的灌域级水资源调度模型的作物需水模块计算作物需水量；步骤二：优化配水计算（本专利技术的配水计算过程在传统物理模型的基础上融入了遗传算法）；采用适用于干旱地区的灌域级水资源调度模型的优化配水模块计算年各灌域逐日计划用水；作为实时配水的重要输入变量，该部分计算年各灌域逐日计划用水量；优化配水使用典型年月计划用水及作物需水，结合作物需水以及渠系参数，设置缺水量和配水波动情况最小的目标函数，再通过遗传算法寻优得到计算年各灌域逐日计划用水；步骤三：实时配水；采用适用于干旱地区的灌域级水资源调度模型的实时配水模块进行实时配水，具
体为：首先基于机器学习方法和作物需水模块估算的历史作物需水数据建模，再使用气象站的三天实时气象预报数据估算作物实时需水量；实时配水部分利用作物需水预测数据以及优化配水模块的计划用水数据作为输入，日计划用水作为用水计划对实时配水进行限制，结合多种实时配水方式得到最终的实时配水方案；本专利技术针对干旱地区的特殊调度场景，在传统理论方法中融入了机器学习算法，同时与实际应用相结合，对部分的计算过程进行了应用化完善，最终得到了与实际情况结合较为紧密、便于落地实现且适用于干旱地区的灌域级水量调度方法。
[0005]在上述技术方案中，在步骤一中，作物需水量计算的具体方法为：S11：计算整个灌区的参考作物蒸散发；S12：确定灌区的作物种类并选择生育期长度；S13：选定作物在此阶段的作物系数Kc；S14：根据作物分布和面积确定灌域的综合作物系数或根据本阶段的湿润频率和气象条件调整综合作物系数Kc；画出Kc的变化过程曲线，可以用一个时段平均值来代替一个阶段的作物系数值；S15：综合作物系数与参考作物蒸散发相乘，得到每个灌域的作物需水量（如图2所示）；具体计算公式为：（1）（2）其中：2m气温；：饱和水汽压；：实际水汽压；：2m风速；：入射短波辐射；：净辐射；：土壤热通量；：湿度计常数；：作物需水量；：作物系数；：参考作物蒸散发；为了计算逐日的计划用水数据，本专利技术方法首要计算的是各个灌区逐日的作物需水总量。首先需要确定灌域主要的经济作物的生长周期和占比，并使用联合国粮食和农业组织推荐的作物系数与彭曼蒙特斯公式计算出的各灌域参考作物蒸散发相乘，得到最终的各灌域作物需水水量。其中气象辐射数据由中国高时空分辨率地面气象要素驱动数据集提供。
[0006]在上述技术方案中，在步骤二中，优化配水计算，具体方法为：根据计算年发布的各灌域逐月计划用水量，结合典型年历史作物需水数据，计算适合于计算年的计划用水量；对于每月30或31日共12个灌域的计划用水量，需要采取合适的目标函数，根据目标结合不同约束条件，进行寻优计算。众多研究证明，在水资源配置中的多目标寻优计算中
遗传算法是目前广泛应用的方法；遗传算法（GA）是根据大自然中生物体进化规律而设计提出的。是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。该算法通过数学的方式,利用计算机仿真运算,将问题的求解过程转换成类似生物进化中的染色体基因的交叉、变异等过程。由于水资源配置涉及的影响因素很多，解空间中参变量与目标值之间的关系又非常复杂，遗传算法是已经公认的适用于水资源配置寻优问题的有效算法；该方法中提出了三个假设：（1）每年的气候波动与典型年类似；（2）标准差可衡量计划用水的波动；（3）作物需水量越大的情况下缺水导致的整体经济损失越大。优化目标为：缺水损失最小同时减少配水波动。典型年的选取是根据历史年中取水河流来水流量，根据P
‑
III型分布曲线确定典型年。优化配水计算时，月计划用水数据应使用计算年流域管理处下达的指标，该指标往往在年初灌溉期前发布，作物需水使用典型年的数据提前计算；优化配水模块通过计算年各灌域逐日作物需水量，并利用作物需水以及渠系参数，设置缺水量和配水波动情况最小的目标函数，通过遗传算法寻优最小值得到各灌域逐日的计划用水数据（如图3所示）；具体计算方法为：当灌域月作物需水大于月计划用水时，；当灌域月作物需水小于或等于月计划用水时，；通过遗传算法求解得到逐灌域逐日计划用水。
[0007]在上述技术方案中，在步骤三中，实时配水是本专利技术方法的最后一环，该部分使用实时的作物需水预测数据以及气象数据作为实时的输入部分，日计划用水作为用水计划对实时配水进行限制，同时在将灌域渠系行水时长、渠系最大最小流量限制考虑进去；实时配水的具体方法为：S31：实时作物需水预测；由于历史数据无法使用到实时预测中，该部分使用气象局的预报数据；但辐射数据的缺失，需要通过机器学习手段预估作物需水量。LSTM（长短期记忆人工神经网络）是一种时间循环神经网络，是为了解决长序列训练过程中的梯度消失和梯度爆炸问题提出的。相比普通的RNN（循环神经网络），LSTM在更长的序列中有更好的表现，因此本专利技术方法使用LSTM处理数据缺失时的作物需水预测。LSTM的输入数据有日最高气温、最低气温、平均气温、风速、大气压、比湿、综合作物系数；输出数据为作物需水量；在本方法运用过程本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用于干旱地区的灌域级水量调度方法，其特征在于：包括如下步骤，步骤一：作物需水计算；采用适用于干旱地区的灌域级水资源调度模型的作物需水模块计算作物需水量；步骤二：优化配水计算；采用适用于干旱地区的灌域级水资源调度模型的优化配水模块计算年各灌域逐日计划用水；步骤三：实时配水；采用适用于干旱地区的灌域级水资源调度模型的实时配水模块进行实时配水，具体为：首先基于机器学习方法和作物需水模块估算的历史作物需水数据建模，再使用气象站的三天实时气象预报数据估算作物实时需水量；实时配水部分利用作物需水预测数据以及优化配水模块的计划用水数据作为输入，日计划用水作为用水计划对实时配水进行限制，结合多种实时配水方式得到最终的实时配水方案。2.根据权利要求1所述的适用于干旱地区的灌域级水量调度方法，其特征在于：在步骤一中，作物需水量计算的具体方法为：S11：计算整个灌区的参考作物蒸散发；S12：确定灌区的作物种类并选择生育期长度；S13：选定作物在此阶段的作物系数Kc；S14：根据作物分布和面积确定灌域的综合作物系数或根据本阶段的湿润频率和气象条件调整综合作物系数Kc；画出Kc的变化过程曲线，用一个时段平均值来代替一个阶段的作物系数值；S15：综合作物系数与参考作物蒸散发相乘，得到每个灌域的作物需水量；具体计算公式为：（1）（2）其中：2m气温；：饱和水汽压；：实际水汽压；：2m风速；：入射短波辐射；：净辐射；：土壤热通量；：湿度计常数；：作物需水量；：作物系数；：参考作物蒸散发。3.根据权利要求1或2所述的适用于干旱地区的灌域级水量调度方法，其特征在于：在步骤二中，优化配水计算，具体方法为：根据计算年发布的各灌域逐月计划用水量，结合典型年历史作物需水数据，计算适合于计算年的计划用水量；
优化配水模块通过计算年各灌域逐日作物需水量，并利用作物需水以及渠系参数，设置缺水量和配水波动情况最小的目标函数，通过遗传算法寻优最小值得到各灌域逐日的计划用水数据。4.根据权利要求3所述的适用于干旱地区的灌域级水量调度方法，其特征在于：在步骤三中， 实时配水的具体方法为：S31：实时作物需水预测；使用LSTM处理数据缺失时的作物需水预测；其中，LSTM的输入数据有日最高气温、最低气温、平均气温、风速、大气压、比湿、综合作物系数；输出数据为作物需水量； S32：降水处理；降水的等级越高，降水影响的天数越长，按照降水等级被分摊为1、3日；小雨时，降水的影响为当天一天；大雨时，降水的影响为当天及往后两天，当天降水量按照5：3：2的比例向后分配；当降水超过8mm每天时，按照8mm规定当日降水；水量分配的过程中考虑到坦化处理后的降水，若降水不能满足作物需水的所有灌溉，实时配水量减去降水；若降水能满足作物需水，则实时配水量为0；S33：实时配水；利用作物需水...

【专利技术属性】
技术研发人员：张恒飞，梅粮飞，刘伟，程磊，周立浩，苏楠，崔俊杰，梁云昊，
申请(专利权)人：武汉大学，
类型：发明
国别省市：