CN106651054B - 基于遗传算法的长距离调水工程输水渠道糙率辨识方法 - Google Patents

基于遗传算法的长距离调水工程输水渠道糙率辨识方法 Download PDF

Info

Publication number
CN106651054B
CN106651054B CN201611258132.XA CN201611258132A CN106651054B CN 106651054 B CN106651054 B CN 106651054B CN 201611258132 A CN201611258132 A CN 201611258132A CN 106651054 B CN106651054 B CN 106651054B
Authority
CN
China
Prior art keywords
roughness
value
termination condition
water
initial population
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201611258132.XA
Other languages
English (en)
Other versions
CN106651054A (zh
Inventor
雷晓辉
郑和震
田雨
吴怡
王超
廖卫红
王浩
蒋云钟
韩松
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Institute of Water Resources and Hydropower Research
Original Assignee
China Institute of Water Resources and Hydropower Research
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Institute of Water Resources and Hydropower Research filed Critical China Institute of Water Resources and Hydropower Research
Priority to CN201611258132.XA priority Critical patent/CN106651054B/zh
Publication of CN106651054A publication Critical patent/CN106651054A/zh
Application granted granted Critical
Publication of CN106651054B publication Critical patent/CN106651054B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Evolutionary Biology (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Primary Health Care (AREA)
  • Computing Systems (AREA)
  • Public Health (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Water Supply & Treatment (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于遗传算法的长距离调水工程输水渠道糙率辨识方法，涉及水工设计参数测定。所述方法包括：确定目标函数和问题的解；进行初始化，得初始种群；采用一维水力学仿真模型计算初始种群中每个糙率值对应的多组工况下的上节制闸闸后水位，然后计算适应度；进行终止条件判别，如果符合终止条件，则该糙率值为最优解；如果不符合终止条件，对初始种群依次进行选择运算、交叉运算后，计算适应度，再进行终止条件判别，如果符合终止条件，则糙率值为最优解；如果不符合终止条件，则对交叉后的种群进行变异运算，计算适应度，再进行终止条件判别，直至得到糙率值的最优解为止。本发明将水力学模型与遗传算法相结合，辨识出各渠池糙率的最优值。

Description

基于遗传算法的长距离调水工程输水渠道糙率辨识方法
技术领域
本发明涉及水工设计参数测定领域，尤其涉及一种基于遗传算法的长距离调水工程输水渠道糙率辨识方法。
背景技术
由于水资源存在时空分布不均的问题，难以满足某些区域社会经济发展用水需求，建立调水工程是解决这一问题的重要手段，而调水工程多为长距离调水工程，一般含输水渠道、闸门和分水口等建筑物，由多个渠池串联从而实现输水功能。
糙率是渠道表面的粗糙程度和边壁形状不规则的综合表征，也是表达水流经过渠道所受阻力的综合系数，反映了渠道工程的设计、施工、管理水平，是调水工程设计、运行的关键技术参数之一。糙率是决定渠道过水能力的重要参数，对于长距离输水渠道，其取值的合理可靠性对工程有极其重要的意义。
目前，水利工程多采用曼宁系数表示糙率，一般认为一个断面或一个渠段拥有相同的糙率值。业界有一种理解：认为糙率是一个物理概念并不是明确的参数，因为在糙率的获取过程中包含各种不可知因素，所以采取非线性的优选方法，逐步调整糙率的取值，使计算得到的糙率结果更接近测量值，最终确定糙率值。但是，这种方法效率低下，不符合科学技术发展与工程运行管理的需求。
发明内容
本发明的目的在于提供一种基于遗传算法的长距离调水工程输水渠道糙率辨识方法，从而解决现有技术中存在的前述问题。
为了实现上述目的，本发明所述基于遗传算法的长距离调水工程输水渠道糙率辨识方法，所述方法包括：
S1，确定目标函数和问题的解
在糙率值为nmin≤n≤nmax的范围内，任意一个单渠段多组工况下的上节制闸闸后水位的模拟值和实测值的相对误差之和为最小值时，即公式(1)，则多组工况下的糙率值为该单渠段的最优值；
设定任意一个单渠段的多组工况下的上节制闸闸后水位的模拟值和实测值的相对误差之和的最小值为目标函数，设定目标函数所对应的糙率值作为问题的解；
其中，N为工况数量；Oi和Si分别为上节制闸闸后水位在第i个工况的实测值和模拟值；nmin和nmax分别为糙率可取的最小值和最大值；
S2，进行初始化，得初始种群，所述初始种群由多个随机生成的糙率值组成；
S3，采用一维水力学仿真模型计算初始种群中每个糙率值对应的多组工况下的上节制闸闸后水位，然后计算适应度；
S4，进行终止条件判别，如果符合终止条件，则该糙率值为最优解；如果不符合终止条件，则进入S5；
S5，对初始种群依次进行选择运算、交叉运算后，
再采用一维水力学仿真模型计算交叉运算后种群中每个糙率值对应的多组工况下的上节制闸闸后水位，然后计算适应度，接着进行终止条件判别，如果符合终止条件，则糙率值为最优解；如果不符合终止条件，则对交叉后的种群进行变异运算，然后返回S3，直至得到糙率值的最优解为止。
优选地，步骤S1中，所述糙率值取值范围为0.01～0.04。
优选地，步骤S1中，在已知单渠段上节制闸的流量、渠段中分退水口门的流量和下节制闸的闸前水深的前提下，使用非恒定流计算水位变化过程或恒定流模型推求水面线，确定单渠段上节制闸的闸后水位。
优选地，步骤S2中初始化种群，具体按照下述步骤实现：随机生成M个糙率值组成初始种群P(0)；其中，每条染色体的基因位个数可设为9，十进制数值范围为0-511，除以10000后即可为糙率取值范围。
优选地，步骤S3和步骤S5中，适应度的计算均采用公式(2)：
M为初始种群中糙率的个数，nm表示第m个糙率。
优选地，所述终止条件为适应度为期望值和/或所得糙率值的迭代次数为最大值。
本发明的有益效果是：
本发明所述长距离调水工程输水渠道糙率辨识方法克服现有技术的不足，本发明所述方法在长距离调水工程中，建立能够适应工程特征的一维水力学仿真模型，可模拟渠道在各种工况下的水力变化过程；然后基于工程实测数据，将水力学模型与遗传算法相结合，辨识出各渠池糙率的最优值。
附图说明
图1是遗传算法辨识渠道糙率方法流程示意图；
图2是长距离调水工程示意图；
图3是单渠池运行示意图；
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。
实施例
本实施例所述基于遗传算法的长距离调水工程输水渠道糙率辨识方法，所述方法包括：
S1，确定目标函数和问题的解
在糙率值为nmin≤n≤nmax的范围内，任意一个单渠段多组工况下的上节制闸闸后水位的模拟值和实测值的相对误差之和为最小值时，即公式(1)，则多组工况下的糙率值为该单渠段的最优值；所述糙率值取值范围为0.01-0.04；
设定任意一个单渠段的上节制闸闸后水位的多组工况下的模拟值和实测值的相对误差之和的最小值为目标函数，设定目标函数所对应工况下的糙率值作为问题的解；
其中，N为工况数量；Oi和Si分别为上节制闸闸后水位在第i个工况的实测值和模拟值；nmin和nmax分别为糙率可取的最小值和最大值；
S2，进行初始化，得初始种群，所述初始种群由多个随机生成的糙率值组成；
S3，采用一维水力学仿真模型计算初始种群中每个糙率值对应的多组工况下的上节制闸闸后水位，然后计算适应度；
S4，进行终止条件判别，如果符合终止条件，则该糙率值为最优解；如果不符合终止条件，则进入S5；
S5，对初始种群依次进行选择运算、交叉运算后，
再采用一维水力学仿真模型计算交叉运算后种群中每个糙率值对应的多组工况下的上节制闸闸后水位，然后计算适应度，接着进行终止条件判别，如果符合终止条件，则糙率值为最优解；如果不符合终止条件，则对交叉后的种群进行变异运算，然后返回S3，直至得到糙率值的最优解为止。
更详细的解释说明为：
(一)在已知单渠段上节制闸的流量、渠段中分退水口门的流量和下节制闸的闸前水深的前提下，使用非恒定流计算水位变化过程或恒定流模型推求水面线，确定单渠段上节制闸的闸后水位。
1、非恒定流计算水位变化过程
本申请针对长距离调水工程特点，采用一维水力学模型，对闸门、明渠等复杂的内部构筑物进行概化处理，将概化好的内部建筑物与圣维南方程组进行耦合，同时采用Preissmann四点时空偏心格式对方程组进行离散，用双扫描法求解得到糙率的最优解。
非恒定流计算采用一维圣维南方程组，该方程由连续性方程和动量方程组成：
式中(2)：x和t分别为空间和时间坐标；q为单位长度渠道上的侧向入流流量；α为动量修正系数；Q为断面流量；A为断面过水面积；Z为水位；Sf为水力坡度。
式(3)中：K为流量模数。
2、恒定流模型推求水面线
恒定流计算模型应能计算明渠的恒定非均匀流水面线，即明渠稳定输水时的水流状态。令式(1)中的时间项和为0，则得到恒定流计算式：
对于式(4)用式(2)的离散格式和数值计算方法进行求解，可使非恒定流收敛到相应的恒定流上，即恒定流计算与非恒定流计算满足“相容性”准则。
(二)步骤S2中初始化种群，具体按照下述步骤实现：随机生成M个糙率值组成初始种群P(0)；其中，每条染色体的基因位个数可设为9，十进制数值范围为0-511，除以10000后即可为糙率取值范围。
(三)步骤S3和步骤S5中，适应度的计算采用公式(2)：
M为初始种群中糙率的个数，nm表示第m个糙率。
(四)关于选择运算、交叉运算和变异运算
1、选择运算：
将选择算子作用于群体。即，根据个体适应度来判断优选个体，直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代。个体适应度评估方法有冒泡法、轮盘赌法等。
2、交叉运算：
将交叉算子作用于群体。即，随机产生交叉点，将基因位进行交叉。
3、变异运算：
将变异算子作用于群体。即，随机产生要变异的染色体号和基因位号，对群体中的个体串的某些基因位上的基因值作变动(0变为1；1变为0)。其中，变异应遵从小概率进行。
(五)所述终止条件为适应度为期望值和/或所得糙率值的迭代次数为最大值。
将本实施例所述方法应用于南水北调中线工程第二个渠池(刁河节制闸-湍河节制闸)的糙率辨识中。刁河节制闸的闸后渠底高程为138.456m，湍河节制闸的闸前渠底高程为137.603m，渠道底宽为19m，边坡为2。选取7组稳定工况的数据(表1)进行分析。
表1刁河节制闸-湍河节制闸渠段工况表
Tab.1 Working conditions of the channel from Diaohe Gate to TuanheGate
选取的工况为稳定工况，所以应用恒定流模型推求水面线即可。模型的上边界条件可选为刁河节制闸的流量，下边界条件可选为湍河节制闸闸前水深。南水北调中线工程渠道的设计糙率为0.015，应用到模型中可得7组工况的相对误差之和为0.0879％。而应用本发明建立的基于遗传算法的渠道糙率辨识方法，可优化出当相对误差总和最小(0.0446％)时，糙率为0.0164.证明应用本方法辨识出的糙率，应用到水力模拟中精度更高。
通过采用本发明公开的上述技术方案，得到了如下有益的效果：本发明所述长距离调水工程输水渠道糙率辨识方法克服现有技术的不足，本发明所述方法在长距离调水工程中，建立能够适应工程特征的一维水力学仿真模型，可模拟渠道在各种工况下的水力变化过程；然后基于工程实测数据，将水力学模型与遗传算法相结合，辨识出各渠池糙率的最优值。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。

Claims (3)

1.一种基于遗传算法的长距离调水工程输水渠道糙率辨识方法，其特征在于，所述方法包括：
S1，确定目标函数和问题的解
在糙率值为nmin≤n≤nmax的范围内，任意一个单渠段多组工况下的上节制闸闸后水位的模拟值和实测值的相对误差之和为最小值时，即公式(1)，则多组工况下的糙率值为该单渠段的最优值；
设定任意一个单渠段的多组工况下的上节制闸闸后水位的模拟值和实测值的相对误差之和的最小值为目标函数，设定目标函数所对应的糙率值作为问题的解；
其中，N为工况数量；Oi和Si分别为上节制闸闸后水位在第i个工况的实测值和模拟值；nmin和nmax分别为糙率可取的最小值和最大值；
步骤S1中，在已知单渠段上节制闸的流量、渠段中分退水口门的流量和下节制闸的闸前水深的前提下，使用非恒定流计算水位变化过程或恒定流模型推求水面线，确定单渠段上节制闸的闸后水位；
S2，进行初始化，得初始种群，所述初始种群由多个随机生成的糙率值组成；
S3，采用一维水力学仿真模型计算初始种群中每个糙率值对应的多组工况下的上节制闸闸后水位，然后计算适应度；
S4，进行终止条件判别，如果符合终止条件，则该糙率值为最优解；如果不符合终止条件，则进入S5；
S5，对初始种群依次进行选择运算、交叉运算后，再采用一维水力学仿真模型计算交叉运算后种群中每个糙率值对应的多组工况下的上节制闸闸后水位，然后计算适应度，接着进行终止条件判别，如果符合终止条件，则糙率值为最优解；如果不符合终止条件，则对交叉后的种群进行变异运算，然后返回S3，直至得到糙率值的最优解为止；
步骤S3和步骤S5中，适应度的计算均采用公式(2)：
M为初始种群中糙率的个数，nm表示第m个糙率；
所述终止条件为适应度为期望值和/或所得糙率值的迭代次数为最大值。
2.根据权利要求1所述方法，其特征在于，步骤S1中，所述糙率值取值范围为0.01～0.04。
3.根据权利要求1所述方法，其特征在于，步骤S2中初始化种群，具体按照下述步骤实现：随机生成M个糙率值组成初始种群P(0)；其中，每条染色体的基因位个数可设为9，十进制数值范围为0-511，除以10000后即可为糙率取值范围。
CN201611258132.XA 2016-12-30 2016-12-30 基于遗传算法的长距离调水工程输水渠道糙率辨识方法 Expired - Fee Related CN106651054B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611258132.XA CN106651054B (zh) 2016-12-30 2016-12-30 基于遗传算法的长距离调水工程输水渠道糙率辨识方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611258132.XA CN106651054B (zh) 2016-12-30 2016-12-30 基于遗传算法的长距离调水工程输水渠道糙率辨识方法

Publications (2)

Publication Number Publication Date
CN106651054A CN106651054A (zh) 2017-05-10
CN106651054B true CN106651054B (zh) 2019-08-06

Family

ID=58838464

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611258132.XA Expired - Fee Related CN106651054B (zh) 2016-12-30 2016-12-30 基于遗传算法的长距离调水工程输水渠道糙率辨识方法

Country Status (1)

Country Link
CN (1) CN106651054B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109024466A (zh) * 2018-08-10 2018-12-18 中国水利水电科学研究院 一种调水工程运行方式转换方法
CN111783369B (zh) * 2020-07-22 2024-01-26 中国水利水电科学研究院 一种多闸群明渠调水工程的短期多目标优化调度方法
CN112487712A (zh) * 2020-11-25 2021-03-12 中国科学院力学研究所 基于遗传算法与多维动态时间规整的埋地悬空管道工况参数智能辨识方法
CN113673170A (zh) * 2021-08-29 2021-11-19 吉林农业科技学院 一种基于遗传算法的矩形渠道断面参数优化计算方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003036330A2 (en) * 2001-10-22 2003-05-01 Coppola Emery A Jr Neural network based predication and optimization for groundwater / surface water system
CN104765977A (zh) * 2015-04-27 2015-07-08 河海大学 考虑局部水头损失的河段综合糙率的计算方法
CN105091838A (zh) * 2015-08-05 2015-11-25 中国水利水电科学研究院 一种长距离输水渠道糙率原型观测测定方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003036330A2 (en) * 2001-10-22 2003-05-01 Coppola Emery A Jr Neural network based predication and optimization for groundwater / surface water system
CN104765977A (zh) * 2015-04-27 2015-07-08 河海大学 考虑局部水头损失的河段综合糙率的计算方法
CN105091838A (zh) * 2015-08-05 2015-11-25 中国水利水电科学研究院 一种长距离输水渠道糙率原型观测测定方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于遗传优化的河网数学模型糙率参数反演;辛小康 等;《水利水电科技进展》;20091231;第29卷(第6期);摘要，正文第1,2部分

Also Published As

Publication number Publication date
CN106651054A (zh) 2017-05-10

Similar Documents

Publication Publication Date Title
CN106651054B (zh) 基于遗传算法的长距离调水工程输水渠道糙率辨识方法
WO2021129039A1 (zh) 一种跨水库流域河道径流演算方法和系统
US10455781B2 (en) Method for controlling surface irrigation based on surface water depth information
WO2017201812A1 (zh) 一种渠道流量的获取方法
CN107633141A (zh) 一种一维水动力模型泵站特性曲线系数的辨识方法
CN108519129B (zh) 渠道流量监测方法及系统
CN107045568B (zh) 基于动态规划逐次逼近法的河道糙率反演方法
CN112595489B (zh) 一种河道动态输沙能力计算方法与系统
CN107401140B (zh) 支流尾闾河段造床流量的确定方法
CN108564205A (zh) 一种基于实测数据的负荷模型及参数辨识优化方法
CN113469528A (zh) 一种考虑时空关联多维不确定性的水库群多目标防洪调度风险分析方法
CN106320256B (zh) 一种多沙河流抽水蓄能电站过机泥沙通量的确定方法
CN108075480A (zh) 一种交直流系统的状态估计方法及系统
CN102609569B (zh) 一种低压滴灌锯齿型灌水器流道结构优化设计方法
CN106202799A (zh) 一种多点吊装计算方法
CN105958487B (zh) 一种计及多种网络结构的配电网量测配置方法
CN105205215B (zh) 一种计算不同状态挺水植被水流阻力的方法
CN111259479A (zh) 一种基于实测数据的重力坝扬压力分级预警方法
CN112329358B (zh) 一种高含硫气藏硫沉积孔隙网络模型研究方法
CN117314062B (zh) 一种多级闸门联合多目标优化配水调度方法
CN113435631B (zh) 一种洪水预报方法、系统、可读存储介质及计算设备
CN109710879A (zh) 一种防洪预报系统的优化处理方法和装置
CN111008741B (zh) 一种水肥一体机多目标精准施肥控制参数优化方法
CN105045953B (zh) 一种选择水泥电杆和配套基础的方法
CN103821187A (zh) 一种坝基变形深度监测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190806