CN108549938A - 一种畦田入流口个数、位置及流量优化选择方法 - Google Patents

一种畦田入流口个数、位置及流量优化选择方法 Download PDF

Info

Publication number
CN108549938A
CN108549938A CN201810372950.5A CN201810372950A CN108549938A CN 108549938 A CN108549938 A CN 108549938A CN 201810372950 A CN201810372950 A CN 201810372950A CN 108549938 A CN108549938 A CN 108549938A
Authority
CN
China
Prior art keywords
head piece
flow
embanked field
binary coding
enters
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.)
Granted
Application number
CN201810372950.5A
Other languages
English (en)
Other versions
CN108549938B (zh
Inventor
刘姗姗
严登华
白美健
王浩
史婉丽
吕振豫
张明珠
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 CN201810372950.5A priority Critical patent/CN108549938B/zh
Publication of CN108549938A publication Critical patent/CN108549938A/zh
Application granted granted Critical
Publication of CN108549938B publication Critical patent/CN108549938B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • 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
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining

Abstract

本发明公开了一种畦田入流口个数、位置及流量优化选择方法，计算畦田的入流口个数；按照顺时针或逆时针的顺序对畦田各个边的入流口进行排序，采用长度为10的二进制编码串表示每个入流口的流量qi，组成一个N*10位长的二进制编码染色体；设置最大进化代数T，采用遗传算法随机产生由N个二进制编码串组成的初始种群P(0)，对种群P(0)进行T次选择、交叉和变异，分别产生由N个二进制编码串组成的T个新种群，并根据T个新种群计算得到T组灌水效率和灌水均匀度；根据灌水效率和灌水均匀度构建评价畦田灌溉效果的目标函数，并将T组灌水效率和灌水均匀度带入目标函数中，计算、选择畦田入流口个数、位置和流量最佳的目标函数值。

Description

一种畦田入流口个数、位置及流量优化选择方法
技术领域
本发明属于畦田的技术领域，具体涉及一种畦田入流口个数、位置及流量优化选择方法。
背景技术
随着农业生产经营专业化、标准化、规模化和集约化的发展，畦田规格逐渐增大，以往的畦田入流口往往设置在畦田短边一角，但随着畦田规格的增大，且考虑到田面微地形及入渗空间变异性对灌溉过程及性能的影响，畦田入流口位置不应局限于某一位置。
发明内容
本发明的目的在于针对现有技术的不足，提供一种畦田入流口个数、位置及流量优化选择方法，以解决现有畦田入流口位置局限，影响畦田灌水效率和灌水均匀度的问题。
为达到上述目的，本发明采取的技术方案是：
提供一种畦田入流口个数、位置及流量优化选择方法和方法，其包括：
根据畦田的畦长和畦宽，计算畦田的入流口个数，
N＝(x/a+y/a)*2
其中，x为畦田的畦长，y为畦田的畦宽，a为畦田的二维灌溉模型计算网格的长度，N为畦田的入流口个数；
按照顺时针或逆时针的顺序对畦田各个边的入流口进行排序，且入流口的流量为qi，其中i＝1，2…，N；
采用长度为10的二进制编码串表示每个所述入流口的流量qi，并组成一个代表有畦田入流口个数、位置及流量的N*10位长的二进制编码染色体；
设置最大进化代数T，采用遗传算法随机产生由N个二进制编码串组成的初始种群P(0)，对所述种群P(0)进行T次选择、交叉和变异，分别产生由N个二进制编码串组成的T个新种群，并根据T个所述新种群计算得到T组灌水效率Ea和灌水均匀度CU；
根据所述灌水效率Ea和灌水均匀度CU构建评价畦田灌溉效果的目标函数，
其中，qi为入流口流量，i＝1，2…，N，F(qi)为目标函数，f1(qi)和f2(qi)为目标函数分项；
并将所述T组灌水效率和灌水均匀度带入目标函数中，计算、选择畦田入流口个数、位置和流量最佳的目标函数值。
优选地，畦田入流口流量qi的约束条件为：
0≤qi≤Q,i＝1,2…N
其中，Q为所有入流口流量的总流量，i为1到N的自然数。
优选地，N*10位长的二进制编码染色体的解码方法为：
将N*10长的二进制编码串顺序切断为N个10位长二进制编码串，分别记为y1，y2…，yN，代码yi转化为入流口流量qi的解码公式为，
其中，Q为所有入流口流量的总流量，i为1到N的自然数。
优选地，产生一种基于遗传算法的所述种群，即随机产生N个入流口流量数据。
本发明提供的畦田入流口个数、位置及流量优化选择方法，具有以下有益效果：
本发明将畦田入流口个数、位置和流量进行编码，组成一个二进制编码染色体，并基于遗传算法计算得到入流口个数、位置和流量的最优方案，有效地解决了畦田入流口位置局限，影响畦田灌水效率和灌水均匀度的问题。
附图说明
图1为畦田入流口个数、位置及流量优化选择方法的流程图。
图2为畦田入流口个数、位置及流量优化选择方法畦田二维灌溉模型图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
根据本申请的一个实施例，参考图1，本方案的畦田入流口个数、位置及流量优化选择方法，包括将畦田等效为二维灌溉模型，计算畦田入流口个数。
畦田的入流口个数为，
N＝(x/a+y/a)*2
其中，x为畦田的畦长，y为畦田的畦宽，a为畦田的二维灌溉模型计算网格的长度，N为畦田的入流口个数，设定畦田入流的总流量为Q，每个入流口的流量为qi。由于入流口个数和位置为不连续量，当畦田上所有可能的入流口全部打开时，通过设置每个入流口的流量进而控制各个入流口的启闭，入流口的流量为0时，入流口为关闭，入流口的流量大于0时，入流口开启，即将入流口个数、位置和流量转换为对入流口流量的问题。
按照顺时针或逆时针的顺序对畦田各个边的入流口进行排序，入流口的流量为qi，其中i表示序号，i＝1，2…，N。
基于遗传算法对入流口流量进行编码，用长度为10的二进制编码串表示畦田每个开口的流量qi，10位二进制编码串可以表示从0到1023之间的1024个不同的数，故qi的定义域为离散的1023个均等的区域，包括两个端点在内共有1024个不同的离散点，从离散点0到Q，依次让它们分别对应从0000000000(0)到1111111111(1023)之间的二进制编码，再将表示有q1，q2…，qN的N个10位长二进制编码串连接在一起，组成一个代表有畦田入流口个数、位置及流量的N*10位长的二进制编码染色体。
其中，畦田入流口流量qi的约束条件为，
0≤qi≤Q,i＝1,2…N
Q为所有入流口流量的总流量，i为1到N的自然数。
基于遗传算法对入流口流量进行解码，即将N*10长的二进制编码串按顺序切断为N个10位长二进制编码串，分别记为y1，y2…，yN，进而转换为对应的十进制整数代码，其解码公式为：
基于遗传算法对入流口流量进行最优求解，计算灌水效率Ea和灌水均匀度CU，
F(q1,q2…qN)＝max(f1(q1,q2…qN),f2(q1,q2…qN))T
其中，F(q1,q2…qN)为多目标优化函数，f1(q1,q2…qN)、f2(q1,q2…qN)为目标函数分项，分别为：
f1(q1,q2…qN)＝Ea(q1,q2…qN)
f2(q1,q2…qN)＝CU(q1,q2…qN)
其中：Ea(q1,q2…qN)为灌水效率函数，CU(q1,q2…qN)为灌水均匀度函数。
设置最大进化代数T，随机产生由N个二进制编码串组成的初始种群P(0)，并根据初始种群P(0)计算得到灌水效率和灌水均匀度。
对种群P(0)进行T次选择、交叉和变异，分别产生由N个二进制编码串组成的T个新种群，并根据T个新种群计算得到T组灌水效率和灌水均匀度。
由于灌水效率和灌水均匀度具有同等的重要性，因此，将目标函数写成
并将T组灌水效率和灌水均匀度带入目标函数中，计算、选择畦田入流口个数、位置和流量最佳的目标函数值。
根据本申请的一个实施例，参考图2，对于一50m×50m的畦田，灌溉系统提供的入流量为100l/s，田面微地形状况如图所示，相应的田面微地形评价值田面相对高程标准误差Sd值为2cm。二维灌溉模型计算网格设置为1m×1m，则可能存在的入流口个数为200个，每个入流口的流量为qi，i＝1,2…200，对该畦田的入流口个数、位置及流量大小进行优化计算。
根据图1所示的流程，即可得到畦田最优的入流口个数、位置及流量。
本发明将畦田入流口个数、位置和流量进行编码，组成一个二进制编码染色体，并基于遗传算法计算得到入流口个数、位置和流量的最优方案，有效地解决了畦田入流口位置局限，影响畦田灌水效率和灌水均匀度的问题。
虽然结合附图对发明的具体实施方式进行了详细地描述，但不应理解为对本专利的保护范围的限定。在权利要求书所描述的范围内，本领域技术人员不经创造性劳动即可做出的各种修改和变形仍属本专利的保护范围。

Claims (4)

1.一种畦田入流口个数、位置及流量优化选择方法，其特征在于，包括：
根据畦田的畦长和畦宽，计算畦田的入流口个数，
N＝(x/a+y/a)*2
其中，x为畦田的畦长，y为畦田的畦宽，a为畦田的二维灌溉模型计算网格的长度，N为畦田的入流口个数；
按照顺时针或逆时针的顺序对畦田各个边的入流口进行排序，且入流口的流量为qi，其中i＝1，2…，N；
采用长度为10的二进制编码串表示每个所述入流口的流量qi，并组成一个代表有畦田入流口个数、位置及流量的N*10位长的二进制编码染色体；
设置最大进化代数T，采用遗传算法随机产生由N个二进制编码串组成的初始种群P(0)，对所述种群P(0)进行T次选择、交叉和变异，分别产生由N个二进制编码串组成的T个新种群，并根据T个所述新种群计算得到T组灌水效率Ea和灌水均匀度CU；
根据所述灌水效率Ea和灌水均匀度CU构建评价畦田灌溉效果的目标函数，
其中，qi为入流口流量，i＝1，2…，N，F(qi)为目标函数，f1(qi)和f2(qi)为目标函数分项；
并将所述T组灌水效率和灌水均匀度带入目标函数中，计算、选择畦田入流口个数、位置和流量最佳的目标函数值。
2.根据权利要求1所述的畦田入流口个数、位置及流量优化选择方法，其特征在于，所述畦田入流口流量qi的约束条件为：
0≤qi≤Q,i＝1,2…N
其中，Q为所有入流口流量的总流量，i为1到N的自然数。
3.根据权利要求1所述的畦田入流口个数、位置及流量优化选择方法，其特征在于，所述N*10位长的二进制编码染色体的解码方法为：
将N*10长的二进制编码串顺序切断为N个10位长二进制编码串，分别记为y1，y2…，yN，代码yi转化为入流口流量qi的解码公式为，
其中，Q为所有入流口流量的总流量，i为1到N的自然数。
4.根据权利要求1所述的畦田入流口个数、位置及流量优化选择方法，其特征在于，产生一种基于遗传算法的所述种群，即随机产生N个入流口流量数据。
CN201810372950.5A 2018-04-24 2018-04-24 一种畦田入流口个数、位置及流量优化选择方法 Active CN108549938B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810372950.5A CN108549938B (zh) 2018-04-24 2018-04-24 一种畦田入流口个数、位置及流量优化选择方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810372950.5A CN108549938B (zh) 2018-04-24 2018-04-24 一种畦田入流口个数、位置及流量优化选择方法

Publications (2)

Publication Number Publication Date
CN108549938A true CN108549938A (zh) 2018-09-18
CN108549938B CN108549938B (zh) 2019-11-22

Family

ID=63512235

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810372950.5A Active CN108549938B (zh) 2018-04-24 2018-04-24 一种畦田入流口个数、位置及流量优化选择方法

Country Status (1)

Country Link
CN (1) CN108549938B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101606479A (zh) * 2009-07-28 2009-12-23 西北农林科技大学 一种根据点源临界入渗速度进行微灌的方法
US8565927B1 (en) * 2009-02-03 2013-10-22 Green Badge LLC Irrigation interrupter
CN103761583A (zh) * 2014-01-07 2014-04-30 中国长江三峡集团公司 一种水库排沙发电多目标优化调度方法
CN104677801A (zh) * 2015-02-10 2015-06-03 西安理工大学 一种土壤入渗参数和地面糙率的测量方法
CN104770275A (zh) * 2015-04-14 2015-07-15 天津大学 基于种植结构调整的农业灌溉用水优化配置方法
CN104809516A (zh) * 2015-04-16 2015-07-29 山东省水利科学研究院 引黄灌区水资源多目标优化配置模型及其求解方法
US20160202679A1 (en) * 2015-01-08 2016-07-14 International Business Machines Corporation Automated irrigation control system

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8565927B1 (en) * 2009-02-03 2013-10-22 Green Badge LLC Irrigation interrupter
CN101606479A (zh) * 2009-07-28 2009-12-23 西北农林科技大学 一种根据点源临界入渗速度进行微灌的方法
CN103761583A (zh) * 2014-01-07 2014-04-30 中国长江三峡集团公司 一种水库排沙发电多目标优化调度方法
US20160202679A1 (en) * 2015-01-08 2016-07-14 International Business Machines Corporation Automated irrigation control system
CN104677801A (zh) * 2015-02-10 2015-06-03 西安理工大学 一种土壤入渗参数和地面糙率的测量方法
CN104770275A (zh) * 2015-04-14 2015-07-15 天津大学 基于种植结构调整的农业灌溉用水优化配置方法
CN104809516A (zh) * 2015-04-16 2015-07-29 山东省水利科学研究院 引黄灌区水资源多目标优化配置模型及其求解方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王占军: "地面灌溉参数与灌水技术要素优化研究", 《中国优秀硕士学位论文全文数据库农业科技辑（月刊 ）》 *

Also Published As

Publication number Publication date
CN108549938B (zh) 2019-11-22

Similar Documents

Publication Publication Date Title
Cai et al. Solving nonlinear water management models using a combined genetic algorithm and linear programming approach
CN107275801B (zh) 一种l型阵列天线的基于获得性遗传的阵元排布方法
CN109670650B (zh) 基于多目标优化算法的梯级水库群调度模型的求解方法
CN109190857A (zh) 一种基于多目标资源受限项目调度模型的优化算法
CN101714186B (zh) 兼顾人类和生态需求的供水型水库调度图优化确定方法
CN109146160A (zh) 一种云制造资源服务调度方法
CN111160617A (zh) 一种电力日负荷预测方法及装置
CN108184241B (zh) 面向不同优先级目标的异构有向传感器网络节点调度方法
CN108710970B (zh) 一种巨型梯级水电系统的多目标调度并行降维方法
CN107248015A (zh) 基于集合预报的水库实时蓄水调度方法
CN107145958A (zh) 一种基于改进粒子群算法的市政排水管网智能化排水调度方法
CN104504455B (zh) 一种梯级蓄能控制下水电站群长期优化调度方法
CN112163808B (zh) 一种基于对立学习的自适应鲸鱼算法求解物流中心选址问题的方法
CN115099477B (zh) 一种水库旱限水位优化及抗旱调度方法
CN108599172A (zh) 一种基于人工神经网络的输配网全局潮流计算方法
CN108549938B (zh) 一种畦田入流口个数、位置及流量优化选择方法
Min et al. Improved k-means clustering based on genetic algorithm
CN108537370A (zh) 基于混合智能降维算法的特大流域水电站群优化调度方法
CN111104750A (zh) 一种耦合集合预报信息的水库调度图绘制方法
CN109547160A (zh) 一种循环移位网络编码构造方法
CN116739187A (zh) 水库优化调度决策方法、装置、计算机设备及存储介质
CN107563642A (zh) 一种基于投影寻踪的水电站河流水文情势评价方法
CN105550947A (zh) 一种配电网络重构方法
CN107066686A (zh) 一种基于遗传算法的轴流泵叶轮水力优化设计方法
CN113191543B (zh) 考虑水资源供需过程关联性与随机性的水库优化调度方法

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