CN113065720A - 一种基于反馈机制的水资源优化配置方法 - Google Patents
一种基于反馈机制的水资源优化配置方法 Download PDFInfo
- Publication number
- CN113065720A CN113065720A CN202110464553.2A CN202110464553A CN113065720A CN 113065720 A CN113065720 A CN 113065720A CN 202110464553 A CN202110464553 A CN 202110464553A CN 113065720 A CN113065720 A CN 113065720A
- Authority
- CN
- China
- Prior art keywords
- water
- thiessen
- water resource
- grid
- analysis
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000008713 feedback mechanism Effects 0.000 title claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000013468 resource allocation Methods 0.000 claims abstract description 6
- 239000002352 surface water Substances 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000008020 evaporation Effects 0.000 claims description 3
- 238000001704 evaporation Methods 0.000 claims description 3
- 238000012847 principal component analysis method Methods 0.000 claims description 3
- 238000004451 qualitative analysis Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 238000010606 normalization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
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"
- G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种基于反馈机制的水资源优化配置方法,包括以下步骤:S1:首先对目标区域中的不同区域内的河流水系分布信息进行调查获取;S2:利用ArcGIS分析工具将S1中获取的不同区域河流水系分布信息分别进行创建Thiessen多边形,S1中的每个区域均可以分割成多个不同的Thiessen多边形,每个Thiessen多边形内只包含有一段S1中所述的河流,该段河流为Thiessen多边形的离散数据点。本发明可以对水资源进行合理的配置,使得其应用效果好,且水资源配置方案的求解过程简单。
Description
技术领域
本发明涉及水资源优化配置技术领域,尤其涉及一种基于反馈机制的水资源优化配置方法。
背景技术
水资源配置的精准化是当今水资源配置问题中的研究方向之一。既满足水资源需求,又尽可能地减少冗余配水,从而提高水资源的有效利用,成为越来越多高强度用水区域的迫切需要。为了实现水资源的优化配置,我们提出了一种基于反馈机制的水资源优化配置方法。
发明内容
为了解决现有技术所存在的问题,本发明提出的一种基于反馈机制的水资源优化配置方法。
为了实现上述目的,本发明采用了如下技术方案:
一种基于反馈机制的水资源优化配置方法,包括以下步骤:
S1:首先对目标区域中的不同区域内的河流水系分布信息进行调查获取;
S2:利用ArcGIS分析工具将S1中获取的不同区域河流水系分布信息分别进行创建Thiessen多边形,S1中的每个区域均可以分割成多个不同的Thiessen多边形,每个Thiessen多边形内只包含有一段S1中所述的河流,该段河流为Thiessen多边形的离散数据点;
S3:按照目标区域中的地表水流向再将目标区域进行划分为若干个子区域,并对每个子区域内的行政区划范围信息和道路基础设施信息进行获取,然后根据获取的行政区划范围信息和道路基础设施信息来将子区域与S2中的Thiessen多边形进行叠加处理,并根据获取的行政区划范围信息和道路基础设施信息对相对应的Thiessen多边形进行面积调整;
S4:根据Thiessen多边形内的需水用户的密度,通过利用ArcGIS分析工具对调整后的Thiessen多边形进行网格化划分;
S5:对S4中每个网格内的一个调控周期的地表水用量Ws、地下水用量Wg、平均降雨量Wr、平均蒸发量We和用水需求量Wi等基础信息进行调查获取,得到该网格内的可用水量函数:Ws+Wg+Wr-We-Wi;
S6:将所有的网格中的可用水量数据进行汇总,然后构建水资源配置基础模型,水资源配置基础模型在可用水量的汇总数据基础上,逐次分别采用主成分分析法对各网格的影响因素数据进行预处理,然后水资源配置基础模型对处理后的数据再进行归一化处理,进一步输入BP神经网络算法来预测各网格的需水量,分别得到各个网格的水资源初始配置方案;
S7:将初始配置方案应用于实际水文情境中,初始配置水量与实际需水量存在偏差,得到配置偏差序列;
S8:构建反馈增益函数,利用偏差序列得到增益量,利用增益量对未来时段的初始配置方案进行调整,得到反馈配置方案。
优选的,所述S2中,Thiessen多边形用于定性分析、统计分析和邻近分析,Thiessen多边形的点到相应离散点的距离最近,位于Thiessen多边形边上的点到其两边的离散点的距离相等。
优选的,所述S4中,网格化采用高时空分辨率的网格化分析技术进行划分,并需要结合对应区域的行政区划和人口等特征。
优选的,所述S6中,水资源配置基础模型包括定义配置目标、决策变量和约束条件。
优选的,所述S7中,所述配置偏差序列为初始配置方案与实际需水所存在的偏差在时间推进中产生的序列,其公式为:dif(t)=IAS(t)-RTD(t)式中,t为时刻,dif(t)为偏差序列,IAS(t)为t时刻的初始配置方案,RTD(t)为t时刻实际水资源需求。
与现有技术相比,本发明可以对水资源进行合理的配置,使得其应用效果好,且水资源配置方案的求解过程简单。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
本实施例提出了一种基于反馈机制的水资源优化配置方法,包括以下步骤:
S1:首先对目标区域中的不同区域内的河流水系分布信息进行调查获取;
S2:利用ArcGIS分析工具将S1中获取的不同区域河流水系分布信息分别进行创建Thiessen多边形,S1中的每个区域均可以分割成多个不同的Thiessen多边形,每个Thiessen多边形内只包含有一段S1中所述的河流,该段河流为Thiessen多边形的离散数据点,其中Thiessen多边形用于定性分析、统计分析和邻近分析,Thiessen多边形的点到相应离散点的距离最近,位于Thiessen多边形边上的点到其两边的离散点的距离相等;
S3:按照目标区域中的地表水流向再将目标区域进行划分为若干个子区域,并对每个子区域内的行政区划范围信息和道路基础设施信息进行获取,然后根据获取的行政区划范围信息和道路基础设施信息来将子区域与S2中的Thiessen多边形进行叠加处理,并根据获取的行政区划范围信息和道路基础设施信息对相对应的Thiessen多边形进行面积调整;
S4:根据Thiessen多边形内的需水用户的密度,通过利用ArcGIS分析工具对调整后的Thiessen多边形进行网格化划分,其中网格化采用高时空分辨率的网格化分析技术进行划分,并需要结合对应区域的行政区划和人口等特征;
S5:对S4中每个网格内的一个调控周期的地表水用量Ws、地下水用量Wg、平均降雨量Wr、平均蒸发量We和用水需求量Wi等基础信息进行调查获取,得到该网格内的可用水量函数:Ws+Wg+Wr-We-Wi;
S6:将所有的网格中的可用水量数据进行汇总,然后构建水资源配置基础模型,其中水资源配置基础模型包括定义配置目标、决策变量和约束条件,水资源配置基础模型在可用水量的汇总数据基础上,逐次分别采用主成分分析法对各网格的影响因素数据进行预处理,然后水资源配置基础模型对处理后的数据再进行归一化处理,进一步输入BP神经网络算法来预测各网格的需水量,分别得到各个网格的水资源初始配置方案;
S7:将初始配置方案应用于实际水文情境中,初始配置水量与实际需水量存在偏差,得到配置偏差序列,配置偏差序列为初始配置方案与实际需水所存在的偏差在时间推进中产生的序列,其公式为:dif(t)=IAS(t)-RTD(t)式中,t为时刻,dif(t)为偏差序列,IAS(t)为t时刻的初始配置方案,RTD(t)为t时刻实际水资源需求;
S8:构建反馈增益函数,利用偏差序列得到增益量,利用增益量对未来时段的初始配置方案进行调整,得到反馈配置方案。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种基于反馈机制的水资源优化配置方法,其特征在于,包括以下步骤:
S1:首先对目标区域中的不同区域内的河流水系分布信息进行调查获取;
S2:利用ArcGIS分析工具将S1中获取的不同区域河流水系分布信息分别进行创建Thiessen多边形,S1中的每个区域均可以分割成多个不同的Thiessen多边形,每个Thiessen多边形内只包含有一段S1中所述的河流,该段河流为Thiessen多边形的离散数据点;
S3:按照目标区域中的地表水流向再将目标区域进行划分为若干个子区域,并对每个子区域内的行政区划范围信息和道路基础设施信息进行获取,然后根据获取的行政区划范围信息和道路基础设施信息来将子区域与S2中的Thiessen多边形进行叠加处理,并根据获取的行政区划范围信息和道路基础设施信息对相对应的Thiessen多边形进行面积调整;
S4:根据Thiessen多边形内的需水用户的密度,通过利用ArcGIS分析工具对调整后的Thiessen多边形进行网格化划分;
S5:对S4中每个网格内的一个调控周期的地表水用量Ws、地下水用量Wg、平均降雨量Wr、平均蒸发量We和用水需求量Wi等基础信息进行调查获取,得到该网格内的可用水量函数:Ws+Wg+Wr-We-Wi;
S6:将所有的网格中的可用水量数据进行汇总,然后构建水资源配置基础模型,水资源配置基础模型在可用水量的汇总数据基础上,逐次分别采用主成分分析法对各网格的影响因素数据进行预处理,然后水资源配置基础模型对处理后的数据再进行归一化处理,进一步输入BP神经网络算法来预测各网格的需水量,分别得到各个网格的水资源初始配置方案;
S7:将初始配置方案应用于实际水文情境中,初始配置水量与实际需水量存在偏差,得到配置偏差序列;
S8:构建反馈增益函数,利用偏差序列得到增益量,利用增益量对未来时段的初始配置方案进行调整,得到反馈配置方案。
2.根据权利要求1所述的一种基于反馈机制的水资源优化配置方法,其特征在于,所述S2中,Thiessen多边形用于定性分析、统计分析和邻近分析,Thiessen多边形的点到相应离散点的距离最近,位于Thiessen多边形边上的点到其两边的离散点的距离相等。
3.根据权利要求1所述的一种基于反馈机制的水资源优化配置方法,其特征在于,所述S4中,网格化采用高时空分辨率的网格化分析技术进行划分,并需要结合对应区域的行政区划和人口等特征。
4.根据权利要求1所述的一种基于反馈机制的水资源优化配置方法,其特征在于,所述S6中,水资源配置基础模型包括定义配置目标、决策变量和约束条件。
5.根据权利要求1所述的一种基于反馈机制的水资源优化配置方法,其特征在于,所述S7中,所述配置偏差序列为初始配置方案与实际需水所存在的偏差在时间推进中产生的序列,其公式为:dif(t)=IAS(t)-RTD(t)式中,t为时刻,dif(t)为偏差序列,IAS(t)为t时刻的初始配置方案,RTD(t)为t时刻实际水资源需求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110464553.2A CN113065720A (zh) | 2021-04-28 | 2021-04-28 | 一种基于反馈机制的水资源优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110464553.2A CN113065720A (zh) | 2021-04-28 | 2021-04-28 | 一种基于反馈机制的水资源优化配置方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113065720A true CN113065720A (zh) | 2021-07-02 |
Family
ID=76567938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110464553.2A Pending CN113065720A (zh) | 2021-04-28 | 2021-04-28 | 一种基于反馈机制的水资源优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113065720A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070179431A1 (en) * | 2006-01-30 | 2007-08-02 | The Regents Of The University Of California | Peritoneal dialysis methods and apparatus |
US20180058932A1 (en) * | 2016-08-12 | 2018-03-01 | China Institute Of Water Resources And Hydropower Research | Method for analyzing the types of water sources based on natural geographical features |
CN107944603A (zh) * | 2017-11-09 | 2018-04-20 | 中山大学 | 基于用水总量控制的水资源优化配置报童方法 |
CN109034485A (zh) * | 2018-08-03 | 2018-12-18 | 中山大学 | 基于反馈机制的水资源优化配置方法 |
CN110910006A (zh) * | 2019-11-19 | 2020-03-24 | 昆明市生态环境科学研究院 | 一种区域再生水资源综合利用的多源数据处理方法 |
CN111882207A (zh) * | 2020-07-26 | 2020-11-03 | 榆林学院 | 一种水资源优化配置方法 |
CN112383605A (zh) * | 2020-11-09 | 2021-02-19 | 广西信路威科技发展有限公司 | 高速公路监控设备远程维保系统和维保方法 |
-
2021
- 2021-04-28 CN CN202110464553.2A patent/CN113065720A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070179431A1 (en) * | 2006-01-30 | 2007-08-02 | The Regents Of The University Of California | Peritoneal dialysis methods and apparatus |
US20180058932A1 (en) * | 2016-08-12 | 2018-03-01 | China Institute Of Water Resources And Hydropower Research | Method for analyzing the types of water sources based on natural geographical features |
CN107944603A (zh) * | 2017-11-09 | 2018-04-20 | 中山大学 | 基于用水总量控制的水资源优化配置报童方法 |
CN109034485A (zh) * | 2018-08-03 | 2018-12-18 | 中山大学 | 基于反馈机制的水资源优化配置方法 |
CN110910006A (zh) * | 2019-11-19 | 2020-03-24 | 昆明市生态环境科学研究院 | 一种区域再生水资源综合利用的多源数据处理方法 |
CN111882207A (zh) * | 2020-07-26 | 2020-11-03 | 榆林学院 | 一种水资源优化配置方法 |
CN112383605A (zh) * | 2020-11-09 | 2021-02-19 | 广西信路威科技发展有限公司 | 高速公路监控设备远程维保系统和维保方法 |
Non-Patent Citations (2)
Title |
---|
何智娟等: "多沙河流COD监测方法评价及改进方法", 《环境工程》 * |
刘德地等: "面向可持续发展的佛山市水资源优化配置", 《水资源保护》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108010103B (zh) | 复杂河道地形快速精细生成方法 | |
CN113316163B (zh) | 基于深度学习的长期网络流量预测方法 | |
CN101568127B (zh) | 一种网络仿真中确定话务分布的方法及装置 | |
Davis et al. | Grids versus graphs: Partitioning space for improved taxi demand-supply forecasts | |
CN106570422A (zh) | 一种差分隐私噪声动态分配的实现方法 | |
CN104598565A (zh) | 一种基于随机梯度下降算法的k均值大规模数据聚类方法 | |
CN113435923A (zh) | 用电量的预测方法、装置及电子设备 | |
Kaveh et al. | Ground motion record selection using multi-objective optimization algorithms: A comparative study | |
CN112556686A (zh) | 可预测动态时空环境的最短时间路径规划方法 | |
Rifai et al. | Data mining applied for earthworks optimisation of a toll road construction project | |
CN113065720A (zh) | 一种基于反馈机制的水资源优化配置方法 | |
CN104850657B (zh) | 一种全息位置地图的迭加方法 | |
CN106910218A (zh) | 基于大区域栅格数字高程模型的地表表面面积计算方法 | |
Lückehe et al. | On evolutionary approaches to wind turbine placement with geo-constraints | |
Niu et al. | Short-term power load point prediction based on the sharp degree and chaotic RBF neural network | |
Hassani et al. | A self-similar local neuro-fuzzy model for short-term demand forecasting | |
CN104732292A (zh) | 基于断面数据的主流速线自动规划方法 | |
CN115438590A (zh) | 一种基于bp神经网络的降水预报订正方法及系统 | |
Lowery et al. | Optimizing wind farm locations to reduce variability and increase generation | |
CN114511239A (zh) | 土壤重金属污染风险区划分方法、装置、电子设备及介质 | |
CN108596781A (zh) | 一种电力系统数据挖掘与预测整合方法 | |
McQueen et al. | Quantifying benefits of wind power diversity in New Zealand | |
Jakimowicz et al. | The mechanism of transformation of global business cycles into dynamics of regional real estate markets | |
CN113788007A (zh) | 一种分层式实时能量管理方法和系统 | |
Hur et al. | Spatial prediction of wind farm outputs using the Augmented Kriging-based Model |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210702 |