【技术实现步骤摘要】
【专利摘要】本专利技术提供一种，建立湖泊群分布式水动力与污染物迁移耦合模型，模拟典型调度方案下湖泊群流场和污染物的时空分布，以此构建水质预测知识库；设计BP神经网络模型，通过知识库的训练，优化BP神经网络参数，建立湖泊污染物浓度预测BP神经网络模型；以湖泊群水质改善程度最大和经济成本最小为目标建立多目标水质水量优化调度模型，采用混合粒子群算法进行模型求解，迭代求解过程中采用湖泊污染物浓度预测BP神经网络计算调度期末湖泊污染物浓度，最终给出不同引水量和引水时间的多目标优化调度方案集供决策者优选。能够在考虑综合效益的前提下最大限度地的改善湖泊水环境，可广泛应用于湖泊群水网调度。【专利说明】
本专利技术属于环境水力学与运筹学的交叉
，具体涉及一种。
技术介绍
湖泊群水网调度是指:通过引水设施引清水入湖，改善湖泊水环境质量，从而实现区域社会经济与湖泊生态环境的可持续发展。现行湖泊群水量调度多以经验方法为主，而湖泊群水量优化调度则以解析方法为主，该种方法建模较为简单，问题的描述作了不同程度的简化和近似，因此，其应用具有一定的局限性，难以得出湖泊群水量优化调...
【技术保护点】
一种湖泊群多目标水质水量优化调度方法，其特征在于，包括以下步骤：S1，以获取到的湖泊水下地形、水质监测资料数据为基础，建立湖泊群分布式水动力与污染物迁移耦合模型；其中，该分布式水动力与污染物迁移耦合模型用于模拟各种典型调度方案下湖泊群流场和污染物的时空分布；S2，根据泵站及连通湖泊港渠的设计流量，生成初始调度方案集，运用S1所述分布式水动力与污染物迁移耦合模型离线模拟典型调度方案下调度期末各湖泊污染物的浓度，并将结果整理形成典型调度方案下水质预测知识库；S3，设计三层原始BP神经网络模型，初始化该原始BP神经网络模型随机生成连接权值，以S2得到的所述水质预测知识库的数据为训...
【技术特征摘要】
【专利技术属性】
技术研发人员：周建中，刘懿，黄牧涛，莫莉，黎育红，郭俊，邹强，赵越，严冬，张睿，毕胜，张华杰，王学敏，王超，欧阳硕，孟长青，朱双，闫宝伟，赵娜，曾小凡，陈璐，孙怀卫，王鹏程，李纯龙，卢鹏，廖想，吉鹏，袁柳，丁小玲，牛广利，张德发，潘立武，徐赫，王华为，严凡，冯宇，陈芳，
申请(专利权)人：华中科技大学，
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。