【技术实现步骤摘要】
本专利技术涉及一种流域防洪预报，具体而言，涉及一种流域防洪智能优化预报方法。
技术介绍
1、近年来，随着现代计算机技术的进步，智能优化算法在流域防洪预报中的应用得到了快速发展，其中遗传算法、多目标粒子群算法、洗牌复形演化算法（sce-ua）及其改进的方法获得了广泛的研究，取得了一定的效果。但目前绝大部分针对算法的改进研究，主要考虑算法本身的初始取值、内部更新机制等方面，并未考虑充分利用算法迭代产生的精英个体（每次迭代产生的最优参数）参与到下一次迭代且未充分利用精英个体优势，导致算法在完成所有迭代后还需比较每一次迭代产生最优值，不仅增加了算法的计算流程，还极大影响了算法的稳定性和全局寻优能力，进而会对流域防洪预报工作产生造成较大影响。
2、因此，本专利技术在保持逆变换理论改进洗牌复形演化算法优势基础上，引入精英策略，将算法迭代产生的一个精英个体参与到下一代迭代，同时进一步提出一种新的策略——变异精英策略（不仅将上一次迭代产生的一个精英个体参与到下一代迭代中，还将此精英个体产生一定范围的扰动变异，并通过概率选择策略，让更多的精英个体参与到下一代迭代中），既充分吸收精英个体优势，又充分利用精英个体显著提升算法种群的多样性和遍历性，极大节约了算法的计算时间成本，大幅增强了算法的稳定性、搜索效率和全局寻优能力。目前，尚未有相关文献提出变异精英保留策略，进一步改进逆变换法改进的洗牌复形演化算法，并用于流域防洪预报研究。
技术实现思路
1、针对现有技术存在的不足，本专利技术提供了一种
2、为解决以上技术问题，本专利技术采用如下的技术方案： 一种流域防洪智能优化预报方法，包括以下具体步骤：
3、步骤s1，在湿润地区选取一处流域，收集流域相关特性数据及典型历史降雨径流过程资料；
4、步骤s2，根据流域相关特性数据，构建适合流域的概念水文模型；
5、步骤s3，在逆变换法改进洗牌复形演化算法的基础上，提出变异精英策略，进一步改进洗牌复形演化算法：即变异精英-逆变换-洗牌复形演化算法；
6、步骤s4，基于变异精英-逆变换-洗牌复形演化算法，优化概念水文模型；
7、步骤s5，基于优化后的概念水文模型，通过输入流域实时或气象降雨过程，获取流域实时或气象预报径流过程。
8、进一步的，步骤s1中收集流域相关特性数据，具体为：
9、收集流域第一层土壤初始贮留水量l1，第二层土壤初始贮留水量l2，第三层土壤初始贮留水量l3，单位均为mm；确定流域面积a，单位为km2。
10、进一步的，步骤s2中构建适合流域的概念水文模型，具体操作步骤为：
11、步骤s21，当l1＞w1时，计算出第一层土壤出流水量及下渗水量，计算公式为：
12、q1=k1×（l1-w1） （1）；
13、q2=k2×l1 （2）；
14、式中，q1为第一层土壤出流水量，单位为mm；q2为第一层土壤下渗水量，单位为mm；k1、k2分别为第一层土壤出流系数、下渗系数；w1为第一层土壤最大储水量，单位为mm；
15、步骤s22，当l2＞w2时，计算出第二层土壤出流水量及下渗水量，计算公式为：
16、q3=k3×（l2-w2） （3）；
17、q4=k4×l2 （4）；
18、式中，q3为第二层土壤出流水量，单位为mm；q4为第二层土壤下渗水量，单位为mm；k3、k4分别为第二层土壤出流系数、下渗系数；w2为第二层土壤最大储水量，单位为mm；
19、步骤s23，当l3＞w3时，计算出第三层土壤出流水量，计算公式为：
20、q5=k5×（l3-w3） （5）；
21、式中，q5为第三层土壤出流水量，单位为mm；k5为第三层土壤出流系数；w3为第三层土壤最大储水量，单位为mm；
22、步骤s24，计算某时段的总出流量，计算公式为：
23、q总t=3600×（q1+q3+q5）×a×10/（t×36） （6）；
24、式中，q总t为第t时段的流域总出流量，单位为m3/s；t为时段，单位为h。
25、进一步的，步骤s3中提出变异精英策略，进一步改进洗牌复形演化算法，具体操作步骤为：
26、步骤s31，在逆变换法改进洗牌复形演化算法开始迭代时，在参数的取值上下限范围内通过逆变换法均匀生成参数t，设有i行j列参数，其中j为参数个数，i为参数的组数；
27、步骤s32，利用随机生成的参数t，计算出参数的组数i的适应度值，通过比较参数的组数i的适应度值大小，获取第一次迭代的一个最小适应度值fit1，并同步记录第1次迭代的一个最小适应度值fit1对应的一组参数，记为当前最优的一组参数即精英个体；
28、步骤s33，当0≤t≤0.25时，将洗牌复形演化算法当前迭代得到最优的一组参数替换成为洗牌复形演化算法下一次迭代的一组参数，每一次迭代均有i组参数参与下一次迭代计算；此步为保留上一次迭代的精英个体，即为精英策略的具体过程；
29、步骤s34，当0.25＜t≤0.5时，获取若干组变异参数，在最优的一组参数中进行-15%~15%范围扰动变异；当0.5＜t≤0.75时，获取若干组变异参数，在最优的一组参数中进行-20%~20%范围扰动变异；当0.75＜t≤1.0时，随机生成若干组参数；如果变异参数超出参数的取值上下限范围，则变异参数值等于参数的上限值或下限值，此过程中产生i-1组参数；此步为变异精英策略的具体过程；
30、步骤s35，将步骤s33和步骤s34按参数产生顺序组成新的i组参数，通过比较参数大小，获取第2次迭代的一个最小适应度值fit2；
31、步骤s36，将第2次迭代的一个最小适应度值fit2与第1次迭代的一个最小适应度值fit1比较，如果fit2＜fit1，表明下一次迭代获取的最小适应度值更小，则将第2次迭代的一个最小适应度值fit2替换成当前迭代中最优的适应度值fitopt；否则，仍保留第1次迭代的一个最小适应度值fit1为当前迭代中最优的适应度值fitopt；同步记录当前迭代中最优的适应度值fitopt对应的参数，记为当前迭代中最优的一组参数；
32、步骤s37，依次循环重复步骤s33至步骤s36，直至完成逆变换法改进洗牌复形演化算法迭代的上限次数。
33、进一步的，步骤s4基于变异精英-逆变换-洗本文档来自技高网...
【技术保护点】
1.一种流域防洪智能优化预报方法，其特征在于：包括以下具体步骤：
2.根据权利要求1所述的一种流域防洪智能优化预报方法，其特征在于：步骤S1中收集流域相关特性数据，具体为：
3.根据权利要求2所述的一种流域防洪智能优化预报方法，其特征在于：步骤S2中构建适合流域的概念水文模型，具体操作步骤为：
4.根据权利要求3所述的一种流域防洪智能优化预报方法，其特征在于：步骤S3中提出变异精英策略，进一步改进洗牌复形演化算法，具体操作步骤为：
5.根据权利要求4所述的一种流域防洪智能优化预报方法，其特征在于：步骤S4基于变异精英-逆变换-洗牌复形演化算法，优化概念水文模型，具体操作步骤为：
6.根据权利要求1所述的一种流域防洪智能优化预报方法，其特征在于：步骤S1，在湿润地区选取一处流域，收集流域相关特性数据及典型历史降雨径流过程资料，具体为：在南方区域选择一处流域面积在200~1000 km2的流域；流域相关特性数据指的是流域范围内的地表、地中、地下初始土壤含水量数据；典型历史降雨径流过程资料指的是一段时间内发生过洪水的场次数据，
...【技术特征摘要】
1.一种流域防洪智能优化预报方法，其特征在于：包括以下具体步骤：
2.根据权利要求1所述的一种流域防洪智能优化预报方法，其特征在于：步骤s1中收集流域相关特性数据，具体为：
3.根据权利要求2所述的一种流域防洪智能优化预报方法，其特征在于：步骤s2中构建适合流域的概念水文模型，具体操作步骤为：
4.根据权利要求3所述的一种流域防洪智能优化预报方法，其特征在于：步骤s3中提出变异精英策略，进一步改进洗牌复形演化算法，具体操作步骤为：
5.根据权利要求4所述的一...
【专利技术属性】
技术研发人员：李德龙，许小华，黄萍，江卓丽，吴治玲，吴晓彬，鞠琴，张华明，王小笑，陈蒙，季浩文，江顺淅，
申请(专利权)人：江西省水利科学院江西省大坝安全管理中心，江西省水资源管理中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。