CN114818320A - 一种巨型河网水动力数学模型率定方法、系统及存储介质 - Google Patents
一种巨型河网水动力数学模型率定方法、系统及存储介质 Download PDFInfo
- Publication number
- CN114818320A CN114818320A CN202210441756.4A CN202210441756A CN114818320A CN 114818320 A CN114818320 A CN 114818320A CN 202210441756 A CN202210441756 A CN 202210441756A CN 114818320 A CN114818320 A CN 114818320A
- Authority
- CN
- China
- Prior art keywords
- time
- roughness
- hydrodynamic
- field
- model
- 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
Links
- 238000013178 mathematical model Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 24
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 77
- 238000012795 verification Methods 0.000 claims abstract description 63
- 241001481710 Cerambycidae Species 0.000 claims abstract description 54
- 238000004088 simulation Methods 0.000 claims abstract description 41
- 230000008859 change Effects 0.000 claims abstract description 37
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 29
- 230000006870 function Effects 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000005457 optimization Methods 0.000 claims description 12
- 230000001133 acceleration Effects 0.000 claims description 6
- 230000000052 comparative effect Effects 0.000 claims description 6
- 230000007423 decrease Effects 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 9
- 238000011144 upstream manufacturing Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 102100037981 Dickkopf-like protein 1 Human genes 0.000 description 1
- 101000951345 Homo sapiens Dickkopf-like protein 1 Proteins 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种巨型河网水动力数学模型率定方法、系统及存储介质。所述方法包括：S1、利用开源代码建立目标区域的复杂巨型河网水动力数学模型，S2、确定若干目标验证站点相关位置、整编验证序列资料；S3、确定巨型河网每个节点糙率优化的范围；S4、利用天牛算法对目标验证站点逐一进行水位、流量验证S5、对目标验证站点根据优化后的糙率逐时变化序列及逐时水动力模型糙率场文件集CT0生成新的逐时水动力模型糙率场文件集CT1；S6、以水位误差10cm与流量误差10％进行控制，输出达标后的逐时水动力模型糙率场文件集CTm。本发明基于天牛须算法动态迭代调整数值模拟中最为重要的糙率参数，可提升数学模型验证精度与效率。
Description
技术领域
本发明涉及河流河口数值模拟技术领域，更具体地，涉及一种巨型河网水动力数学模型率定方法、系统及存储介质。
背景技术
纵观全国经济发展格局，经济发达、人口高度密集的区域往往是沿海区域。沿海区域水系一般非常发达，常规项目数值模拟需包括较大水域范围才能准确评估项目影响。对于目前模拟技术来说，数值模拟一般设定区域内相同的糙率值，无法满足水域糙率率定的准确性要求，对模拟结果精度影响较大；同时，对于目标为巨型河网的数值模拟，其前期的率定过程往往持续数周甚至数月，在付出较大的时间人力成本后才能率定出相对满意的模型。
发明内容
为克服上述现有技术所述的巨型河网水动力数值模拟一般设定区域内相同的糙率值，无法满足水域糙率率定的准确性要求至少一种缺陷，本发明第一方面提供一种巨型河网水动力数学模型率定方法。
所述方法包括以下步骤：
S1、利用开源代码建立目标区域的复杂巨型河网水动力数学模型以历史糙率场进行初步模拟迭代，优化调整初始水位场；得到模拟区域逐时水深面场文件集DEPTH；
所述数学模型可以但不局限于SCHISM、FVCOM等主要包含动量方程、质量连续方程以及温度、盐度和密度方程的开源数值模拟计算模型。
S2、确定若干目标验证站点(P1,…Pn)相关位置、整编验证序列资料；
S3、根据初步模拟区域逐时水深场文件DEPTH，通过糙率公式生成逐时水动力模型糙率场文件集CT0；根据逐时糙率场数值的2倍确定巨型河网每个节点糙率优化的范围；
S4、将BAS算法(天牛须算法)嵌入开源数学模型中，对目标验证站点(P1,…Pn)逐一进行水位、流量验证，得到目标验证站点(P1,…Pn)一一对应的优化糙率逐时变化序列；
S5、对目标验证站点(P1,…Pn)根据优化后的糙率逐时变化序列及逐时水动力模型糙率场文件集CT0生成新的逐时水动力模型糙率场文件集CT1；
S6、以水位误差10cm与流量误差10％进行控制，输出达标后的逐时水动力模型糙率场文件集CTm。
优选地，所述S3具体包括以下步骤：
S3.1、根据模拟区域逐时水深面场文件集DEPTH；利用底部拖曳力经验公式计算模拟区域逐时水深面场的计算网格节点的各节点逐时糙率，计算公式为：
其中，fmc为manning系数，g为重力加速度，dep为水深；
S3.2、根据各节点逐时糙率，生成逐时水动力模型糙率场文件集CT0；
S3.3、根据逐时糙率场数值的2倍为巨型河网每个节点糙率优化的最大范围。
优选地，所述BAS算法具体为：
以待优化某点的水位/流量序列函数作为目标函数(食物)，目标函数的变量为天牛所在位置；
天牛以随机向量方式进行搜索，随机向量
其中rnd为随机函数，产生数值范围[-1,1]，d为变量的维度；
天牛须位置计算为
其中xt、
分别为天牛、左须和右须在t时刻的位置坐标，ht为t时刻触须长度；
天牛左右两须气味浓度为
天牛位置更新为
其中δt为t时刻步长，sign为符号函数；随着迭代次数增加，天牛须长度h和步长δt逐渐减小。
优选地，所述S5具体包括：
S5.1、根据天牛须算法迭代后的数值模型水深场计算成果，根据底部拖曳力经验公式计算目标站点(P1,…Pn)优化后的糙率逐时变化序列集S1；
S5.2、选择逐时水动力模型糙率场文件集CT0中目标验证站点(P1,…Pn)糙率序列集S0与优化后的糙率逐时变化序列集S1进行计算，得到各目标站点两序列的逐时比例序列集α；
其中，糙率逐时变化序列集S0、优化后的糙率逐时变化序列集S1和比例集α中均存在n个数值，
其中
为比例集α中Pj个点第i个数值，
为糙率逐时变化序列S0中Pj个点第i个数值，
为优化后的糙率逐时变化序列S1中Pj个点第i个数值；
S5.3、对比例序列集α进行场文件逐时平面插值生成比例场的集合β；
S5.4、利用集合β与水动力模型糙率场文件集CT0对每个时刻、每个计算网格节点数据相乘生成新的逐时水动力模型糙率场文件集CT1。
优选地，所述S6具体为：
利用巨型河网水动力数学模型在已有水文组合时间中以水位误差10cm与流量误差10％的控制要求进行控制；
若不满足控制要求，则转到步骤S4执行，更新逐时水动力模型糙率场文件集，得到更新后的逐时水动力模型糙率场文件集CTm；
若满足控制要求则输出达标后的逐时水动力模型糙率场文件集CTm；
其中，m为逐时水动力模型糙率场文件集更新的次数。
本发明第二方面提供一种巨型河网水动力数学模型率定系统，所述系统包括：包括存储器和处理器，所述存储器中包括巨型河网水动力数学模型率定方法程序，所述巨型河网水动力数学模型率定方法程序被所述处理器执行时实现如下步骤：
S1、利用开源代码建立目标区域的复杂巨型河网水动力数学模型，以历史糙率场进行初步模拟迭代，优化调整初始水位场；得到模拟区域逐时水深面场文件集DEPTH；
S2、确定若干目标验证站点(P1,…Pn)相关位置、整编验证序列资料；
S3、根据初步模拟区域逐时水深场文件DEPTH，通过糙率公式生成逐时水动力模型糙率场文件集CT0；根据逐时糙率场数值的2倍确定巨型河网每个节点糙率优化的范围；
S4、将BAS算法(天牛须算法)嵌入开源数学模型中，对目标验证站点(P1,…Pn)逐一进行水位、流量验证，得到目标验证站点(P1,…Pn)一一对应的优化糙率逐时变化序列；
S5、对目标验证站点(P1,…Pn)根据优化后的糙率逐时变化序列及逐时水动力模型糙率场文件集CT0生成新的逐时水动力模型糙率场文件集CT1；
S6、利用巨型河网水动力数学模型在已有水文组合时间中以水位误差10cm与流量误差10％的控制要求进行控制；
若不满足控制要求，则转到步骤S4执行，更新逐时水动力模型糙率场文件集，得到更新后的逐时水动力模型糙率场文件集CTm；
若满足控制要求则输出达标后的逐时水动力模型糙率场文件集CTm；
其中，m为逐时水动力模型糙率场文件集更新的次数。
优选地，所述S3具体包括以下步骤：
S3.1、根据模拟区域逐时水深面场文件集DEPTH；利用底部拖曳力经验公式计算模拟区域逐时水深面场计算网格节点的各节点逐时糙率，计算公式为：
其中，fmc为manning系数，g为重力加速度，dep为水深；
S3.2、根据各节点逐时糙率，生成逐时水动力模型糙率场文件集CT0；
S3.3、根据逐时糙率场数值的2倍为巨型河网每个节点糙率优化的最大范围。
优选地，所述BAS算法具体为：
以待优化某点的水位/流量序列函数作为目标函数(食物)，目标函数的变量为天牛所在位置；
天牛以随机向量方式进行搜索，随机向量
其中rnd为随机函数，产生数值范围[-1,1]，d为变量的维度；
天牛须位置计算为
其中xt、
分别为天牛、左须和右须在t时刻的位置坐标，ht为t时刻触须长度。
天牛左右两须气味浓度为
天牛位置更新为
其中δt为t时刻步长，sign为符号函数；随着迭代次数增加，天牛须长度h和步长δt逐渐减小。
优选地，所述S5具体包括：
S5.1、根据天牛须算法迭代后的数值模型水深场计算成果，根据底部拖曳力经验公式计算目标站点(P1,…Pn)优化后的糙率逐时变化序列集S1；
S5.2、选择逐时水动力模型糙率场文件集CT0中目标验证站点(P1,…Pn)糙率序列集S0与优化后的糙率逐时变化序列集S1进行计算，得到各目标站点两序列的逐时比例序列集α；
其中，糙率逐时变化序列集S0、优化后的糙率逐时变化序列集S1和比例集α中均存在n个数值，
其中
为比例集α中Pj个点第i个数值，
为糙率逐时变化序列S0中Pj个点第i个数值，
为优化后的糙率逐时变化序列S1中Pj个点第i个数值；
S5.3、对比例序列集α进行场文件逐时平面插值生成比例场的集合β；
S5.4、利用集合β与水动力模型糙率场文件集CT0对每个时刻、每个计算网格节点数据相乘生成新的逐时水动力模型糙率场文件集CT1。
本发明第三方面提供一种计算机可读存储介质，所述计算机可读存储介质中包括一种巨型河网水动力数学模型率定方法程序，所述巨型河网水动力数学模型率定方法程序被处理器执行时，实现如上述任一项所述的一种巨型河网水动力数学模型率定方法的步骤。
本发明提供一种巨型河网水动力数学模型率定方法、系统及存储介质。本发明所述方法根据已有目标站点资料及水动力数学模型，基于天牛须算法(BAS算法)动态迭代调整数值模拟中最为重要的糙率参数，大幅提升数学模型验证精度与效率。
附图说明
图1为实施例1所述一种巨型河网水动力数学模型率定方法流程图。
图2为实施例1所述数学模型范围示意图；
图3为实施例1所述相关验证站点分布示意图；
图4为实施例1所述模型初始糙率分布示意图；
图5为实施例1所述数学模型某站点初始验证图；
图6为实施例1所述数学模型某站点初始糙率序列与经算法迭代优化后计算糙率序列图；
图7为实施例1所述数学模型某站点比例集α中该点比例序列图；
图8为实施例1所述模型优化后某一时刻糙率分布示意图；
图9为实施例1所述数学模型某站点优化后验证图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1：
本实施例提供一种巨型河网水动力数学模型率定方法。如图1所示，所述方法包括以下步骤：
S1、利用开源代码建立目标区域的复杂巨型河网水动力数学模型，以历史糙率场进行初步模拟迭代，优化调整初始水位场；得到模拟区域逐时水深面场文件集DEPTH；
S2、确定若干目标验证站点(P1,…Pn)相关位置、整编总计H个小时的验证序列资料；
S3、根据初步模拟区域逐时水深场文件DEPTH，以糙率公式生成逐时水动力模型糙率场文件集CT0；根据逐时糙率场数值的2倍确定巨型河网每个节点糙率优化的范围；
S4、将BAS算法(天牛须算法)嵌入开源数学模型中，对目标验证站点(P1,…Pn)逐一进行水位、流量验证，得到目标验证站点(P1,…Pn)一一对应的优化糙率逐时变化序列；
S5、对目标验证站点(P1,…Pn)根据优化后的糙率逐时变化序列及逐时水动力模型糙率场文件集CT0生成新的逐时水动力模型糙率场文件集CT1；
S6、以水位误差10cm与流量误差10％进行控制，输出达标后的逐时水动力模型糙率场文件集CTm。
需要说明的是，所述数学模型可以但不局限于SCHISM、FVCOM等主要包含动量方程、质量连续方程以及温度、盐度和密度方程的开源数值模拟计算模型。
根据本发明实施例，所述S3具体包括以下步骤：
S3.1、根据模拟区域逐时水深面场文件集DEPTH；利用底部拖曳力经验公式计算模拟区域逐时水深面场计算网格节点的各节点逐时糙率，计算公式为：
其中，fmc为manning系数，g为重力加速度，dep为水深；
S3.2、根据各节点逐时糙率，生成逐时水动力模型糙率场文件集CT0；
S3.3、根据逐时糙率场数值的2倍为巨型河网每个节点糙率优化的最大范围。
需要说明的是，假设模拟区域逐时水深面场文件集DEPTH计算网格节点数假设为n个，那个每个节点都会对应一个水深depth，一般计算区域的manning系数都会有经验值，便可以用底部拖曳力经验公式算出某个时刻所有节点的Cd，继而算出所有时刻的Cd组成水动力模型糙率场文件集CT0。
根据本发明实施例，所述BAS算法具体为：
①以待优化某点的水位/流量序列函数作为目标函数(食物)，目标函数的变量为天牛所在位置；
②天牛以随机向量方式进行搜索，随机向量
其中rnd为随机函数，产生数值范围[-1,1]，d为变量的维度；
③天牛须位置计算为
其中xt、
分别为天牛、左须和右须在t时刻的位置坐标，ht为t时刻触须长度。
④天牛左右两须气味浓度为
⑤天牛位置更新为
其中δt为t时刻步长，sign为符号函数；随着迭代次数增加，天牛须长度h和步长δt逐渐减小。
根据本发明实施例，所述S5具体包括：
S5.1、根据天牛须算法迭代后的数值模型水深场计算成果，根据底部拖曳力经验公式计算目标站点(P1,…Pn)优化后的糙率逐时变化序列集S1；
S5.2、选择逐时水动力模型糙率场文件集CT0中目标验证站点(P1,…Pn)糙率序列集S0与优化后的糙率逐时变化序列集S1进行计算，得到各目标站点两序列的逐时比例序列集α；
其中，糙率逐时变化序列集S0、优化后的糙率逐时变化序列集S1和比例集α中均存在n个数值，
其中
为比例集α中Pj个点第i个数值，
为糙率逐时变化序列S0中Pj个点第i个数值，
为优化后的糙率逐时变化序列S1中Pj个点第i个数值；
S5.3、对比例序列集α进行场文件逐时平面插值生成比例场的集合β；
S5.4、利用集合β与水动力模型糙率场文件集CT0对每个时刻、每个计算网格节点数据相乘生成新的逐时水动力模型糙率场文件集CT1。
根据本发明实施例，所述S6具体为：
利用巨型河网水动力数学模型在已有水文组合时间中以水位误差10cm与流量误差10％的控制要求进行控制；
若不满足控制要求，则转到步骤S4执行，更新逐时水动力模型糙率场文件集，得到更新后的逐时水动力模型糙率场文件集CTm；
若满足控制要求则输出达标后的逐时水动力模型糙率场文件集CTm；
其中，m为逐时水动力模型糙率场文件集更新的次数。
作为一个具体的实施例，下面结合具体实例对本发明进行说明：
1、如附图2所示，数学模型水域构建包含珠江三角洲网河区(即西江、北江和东江三角洲)、珠江河口范围在内的整体二维水动力模型，模型的上游边界区在西江上游至梧州站、北江上游至石角站、东江上游至博罗站和麒麟咀站、潭江上游至石咀站及白坭河至老鸦岗；模型的下游边界至南海约100m等深线附近。
2、目标水位(流量)验证站点(断面)具体分布见附图3，本次采用的“98.6”洪水水文组合的水位验证站点基本包含在内，流量验证断面为水位验证站点的河道断面流量；模型初始糙率见附图4，该图为“98.6”洪水水文组合初步验证糙率场。
3、对模型进行初步调整验证，站点水位验证示意图为附图5，表明在初步验证情况下，站点水位(流量)存在基本的波动，但是距离实测目标值还有较大误差。
4、根据初步模拟的逐时水深场文件以糙率公式生成逐时水动力模型糙率场文件集CT0；根据逐时糙率场数值的2倍确定巨型河网每个节点糙率优化的范围。本实例中糙率(底部拖曳力系数)范围为0.00043～0.00278，则糙率优化的范围为0.00043～0.00556。
5、利用BAS算法(天牛须算法)改写开源代码模型，对目标验证站点(P1,…P20)逐一进行水位、流量验证。
6、图6为CT0中P10点逐时糙率序列与天牛须算法迭代优化后P10点逐时糙率序列，则P10点位于比例集α中的α10见附图7。
7、对目标验证站点(P1,…P20)根据优化后的糙率逐时变化序列及逐时水动力模型糙率场文件集CT0生成新的逐时水动力模型糙率场文件集CT1，并进行水动力模拟。
8、对目标验证站点(P1,…P20)逐一进行水位、流量验证，重复步骤S4、S5共计34次后，生成满足精度要求的水动力模型糙率场文件集CT34，其某一时刻糙率场文件见附图8，具有代表性的站点优化后验证图见附图9。
实施例2：
本发明第二方面提供一种巨型河网水动力数学模型率定系统，所述系统包括：包括存储器和处理器，所述存储器中包括实施例1所述方法程序，所述方法程序被所述处理器执行时实现如下步骤：
S1、利用开源代码建立目标区域的复杂巨型河网水动力数学模型(模型可以但不局限于SCHISM、FVCOM等主要包含动量方程、质量连续方程以及温度、盐度和密度方程的开源数值模拟计算模型)，以历史糙率场进行初步模拟迭代，优化调整初始水位场；得到模拟区域逐时水深面场文件集DEPTH；
S2、确定若干目标验证站点(P1,…Pn)相关位置、整编总计H个小时的验证序列资料；
S3、根据初步模拟区域逐时水深场文件DEPTH，以糙率公式生成逐时水动力模型糙率场文件集CT0；根据逐时糙率场数值的2倍确定巨型河网每个节点糙率优化的范围；
S4、将BAS算法(天牛须算法)嵌入开源数学模型中，对目标验证站点(P1,…Pn)逐一进行水位、流量验证，得到目标验证站点(P1,…Pn)一一对应的优化糙率逐时变化序列；
S5、对目标验证站点(P1,…Pn)根据优化后的糙率逐时变化序列及逐时水动力模型糙率场文件集CT0生成新的逐时水动力模型糙率场文件集CT1；
S6、利用巨型河网水动力数学模型在已有水文组合时间中以水位误差10cm与流量误差10％的控制要求进行控制；
若不满足控制要求，则转到步骤S4执行，更新逐时水动力模型糙率场文件集，得到更新后的逐时水动力模型糙率场文件集CTm；
若满足控制要求则输出达标后的逐时水动力模型糙率场文件集CTm；
其中，m为逐时水动力模型糙率场文件集更新的次数。
根据本发明实施例，所述S3具体包括以下步骤：
S3.1、根据模拟区域逐时水深面场文件集DEPTH；利用底部拖曳力经验公式计算模拟区域逐时水深面场计算网格节点的各节点逐时糙率，计算公式为：
其中，fmc为manning系数，g为重力加速度，dep为水深；
S3.2、根据各节点逐时糙率，生成逐时水动力模型糙率场文件集CT0；
S3.3、根据逐时糙率场数值的2倍为巨型河网每个节点糙率优化的最大范围。
(计算网格节点数假设为n个，那个每个节点都会对应一个水深depth，一般计算区域的manning系数都会有经验值，便可以用以上公式算出某个时刻所有节点的Cd，继而算出所有时刻的Cd组成水动力模型糙率场文件集CT0。)
根据本发明实施例，所述BAS算法具体为：
①以待优化某点的水位/流量序列函数作为目标函数(食物)，目标函数的变量为天牛所在位置；
②天牛以随机向量方式进行搜索，随机向量
其中rnd为随机函数，产生数值范围[-1,1]，d为变量的维度；
③天牛须位置计算为
其中xt、
分别为天牛、左须和右须在t时刻的位置坐标，ht为t时刻触须长度。
④天牛左右两须气味浓度为
⑤天牛位置更新为
其中δt为t时刻步长，sign为符号函数；随着迭代次数增加，天牛须长度h和步长δt逐渐减小。
根据本发明实施例，所述S5具体包括：
S5.1、根据天牛须算法迭代后的数值模型水深场计算成果，根据底部拖曳力经验公式计算目标站点(P1,…Pn)优化后的糙率逐时变化序列集S1；
S5.2、选择逐时水动力模型糙率场文件集CT0中目标验证站点(P1,…Pn)糙率序列集S0与优化后的糙率逐时变化序列集S1进行计算，得到各目标站点两序列的逐时比例序列集α；
其中，糙率逐时变化序列集S0、优化后的糙率逐时变化序列集S1和比例集α中均存在n个数值，
其中
为比例集α中Pj个点第i个数值，
为糙率逐时变化序列S0中Pj个点第i个数值，
为优化后的糙率逐时变化序列S1中Pj个点第i个数值；
S5.3、对比例序列集α进行场文件逐时平面插值生成比例场的集合β；
S5.4、利用集合β与水动力模型糙率场文件集CT0对每个时刻、每个计算网格节点数据相乘生成新的逐时水动力模型糙率场文件集CT1。
实施例3：
本实施例提供一种计算机可读存储介质，所述计算机可读存储介质中包括一种巨型河网水动力数学模型率定方法程序，所述巨型河网水动力数学模型率定方法程序被处理器执行时，实现实施例1所述的一种巨型河网水动力数学模型率定方法的步骤。
附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制；
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.一种巨型河网水动力数学模型率定方法，其特征在于，所述方法包括以下步骤：
S1、利用开源代码建立目标区域的复杂巨型河网水动力数学模型，以历史糙率场进行初步模拟迭代，优化调整初始水位场；得到模拟区域逐时水深面场文件集DEPTH；
S2、确定若干目标验证站点(P1,…Pn)相关位置、整编验证序列资料；
S3、根据初步模拟区域逐时水深场文件DEPTH，利用糙率公式生成逐时水动力模型糙率场文件集CT0；根据逐时糙率场数值的2倍确定巨型河网每个节点糙率优化的范围；
S4、将BAS算法嵌入开源数学模型中，对目标验证站点(P1,…Pn)逐一进行水位、流量验证，得到目标验证站点(P1,…Pn)一一对应的优化糙率逐时变化序列；
S5、对目标验证站点(P1,…Pn)根据优化后的糙率逐时变化序列及逐时水动力模型糙率场文件集CT0生成新的逐时水动力模型糙率场文件集CT1；
S6、以水位误差10cm与流量误差10％进行控制，输出达标后的逐时水动力模型糙率场文件集CTm。
2.根据权利要求1所述的一种巨型河网水动力数学模型率定方法，其特征在于，所述S3具体包括以下步骤：
S3.1、根据模拟区域逐时水深面场文件集DEPTH；利用底部拖曳力经验公式计算模拟区域逐时水深面场的计算网格节点的各节点逐时糙率，计算公式为：
其中，fmc为manning系数，g为重力加速度，dep为水深；
S3.2、根据各节点逐时糙率，生成逐时水动力模型糙率场文件集CT0；
S3.3、根据逐时糙率场数值的2倍为巨型河网每个节点糙率优化的最大范围。
3.根据权利要求1或2所述的一种巨型河网水动力数学模型率定方法，其特征在于，所述BAS算法具体为：
以待优化某点的水位/流量序列函数作为目标函数，目标函数的变量为天牛所在位置；
天牛以随机向量方式进行搜索，随机向量
其中rnd为随机函数，产生数值范围[-1,1]，d为变量的维度；
天牛须位置计算为
其中xt、
分别为天牛、左须和右须在t时刻的位置坐标，ht为t时刻触须长度；
天牛左右两须气味浓度为
天牛位置更新为
其中δt为t时刻步长，sign为符号函数；随着迭代次数增加，天牛须长度h和步长δt逐渐减小。
4.根据权利要求3所述的一种巨型河网水动力数学模型率定方法，其特征在于，所述S5具体包括：
S5.1、根据天牛须算法迭代后的数值模型水深场计算成果，根据底部拖曳力经验公式计算目标站点(P1,…Pn)优化后的糙率逐时变化序列集S1；
S5.2、选择逐时水动力模型糙率场文件集CT0中目标验证站点(P1,…Pn)糙率序列集S0与优化后的糙率逐时变化序列集S1进行计算，得到各目标站点两序列的逐时比例序列集α；
其中，糙率逐时变化序列集S0、优化后的糙率逐时变化序列集S1和比例集α中均存在n个数值，
其中
为比例集α中Pj个点第i个数值，
为糙率逐时变化序列S0中Pj个点第i个数值，
为优化后的糙率逐时变化序列S1中Pj个点第i个数值；
S5.3、对比例序列集α进行场文件逐时平面插值生成比例场的集合β；
S5.4、利用集合β与水动力模型糙率场文件集CT0对每个时刻、每个计算网格节点数据相乘生成新的逐时水动力模型糙率场文件集CT1。
5.根据权利要求1或4所述的一种巨型河网水动力数学模型率定方法，其特征在于，所述S6具体为：
利用巨型河网水动力数学模型在已有水文组合时间中以水位误差10cm与流量误差10％的控制要求进行控制；
若不满足控制要求，则转到步骤S4执行，更新逐时水动力模型糙率场文件集，得到更新后的逐时水动力模型糙率场文件集CTm；
若满足控制要求则输出达标后的逐时水动力模型糙率场文件集CTm；
其中，m为逐时水动力模型糙率场文件集更新的次数。
6.一种巨型河网水动力数学模型率定系统，其特征在于，所述系统包括：包括存储器和处理器，所述存储器中包括巨型河网水动力数学模型率定方法程序，所述巨型河网水动力数学模型率定方法程序被所述处理器执行时实现如下步骤：
S1、利用开源代码建立目标区域的复杂巨型河网水动力数学模型，以历史糙率场进行初步模拟迭代，优化调整初始水位场；得到模拟区域逐时水深面场文件集DEPTH；
S2、确定若干目标验证站点(P1,…Pn)相关位置、整编验证序列资料；
S3、根据初步模拟区域逐时水深场文件DEPTH，通过糙率公式生成逐时水动力模型糙率场文件集CT0；根据逐时糙率场数值的2倍确定巨型河网每个节点糙率优化的范围；
S4、将BAS算法嵌入开源数学模型中，对目标验证站点(P1,…Pn)逐一进行水位、流量验证，得到目标验证站点(P1,…Pn)一一对应的优化糙率逐时变化序列；
S5、对目标验证站点(P1,…Pn)根据优化后的糙率逐时变化序列及逐时水动力模型糙率场文件集CT0生成新的逐时水动力模型糙率场文件集CT1；
S6、利用巨型河网水动力数学模型在已有水文组合时间中以水位误差10cm与流量误差10％的控制要求进行控制；
若不满足控制要求，则转到步骤S4执行，更新逐时水动力模型糙率场文件集，得到更新后的逐时水动力模型糙率场文件集CTm；
若满足控制要求则输出达标后的逐时水动力模型糙率场文件集CTm；
其中，m为逐时水动力模型糙率场文件集更新的次数。
7.根据权利要求6所述的一种巨型河网水动力数学模型率定系统，其特征在于，所述S3具体包括以下步骤：
S3.1、根据模拟区域逐时水深面场文件集DEPTH；利用底部拖曳力经验公式计算模拟区域逐时水深面场的计算网格节点的各节点逐时糙率，计算公式为：
其中，fmc为manning系数，g为重力加速度，dep为水深；
S3.2、根据各节点逐时糙率，生成逐时水动力模型糙率场文件集CT0；
S3.3、根据逐时糙率场数值的2倍为巨型河网每个节点糙率优化的最大范围。
8.根据权利要求6或7所述的一种巨型河网水动力数学模型率定系统，其特征在于，所述BAS算法具体为：
以待优化某点的水位/流量序列函数作为目标函数的变量为天牛所在位置；
天牛以随机向量方式进行搜索，随机向量
其中rnd为随机函数，产生数值范围[-1,1]，d为变量的维度；
天牛须位置计算为
其中xt、
分别为天牛、左须和右须在t时刻的位置坐标，ht为t时刻触须长度；
天牛左右两须气味浓度为
天牛位置更新为
其中δt为t时刻步长，sign为符号函数；随着迭代次数增加，天牛须长度h和步长δt逐渐减小。
9.根据权利要求8所述的一种巨型河网水动力数学模型率定系统，其特征在于，所述S5具体包括：
S5.1、根据天牛须算法迭代后的数值模型水深场计算成果，根据底部拖曳力经验公式计算目标站点(P1,…Pn)优化后的糙率逐时变化序列集S1；
S5.2、选择逐时水动力模型糙率场文件集CT0中目标验证站点(P1,…Pn)糙率序列集S0与优化后的糙率逐时变化序列集S1进行计算，得到各目标站点两序列的逐时比例序列集α；
其中，糙率逐时变化序列集S0、优化后的糙率逐时变化序列集S1和比例集α中均存在n个数值，
其中
为比例集α中Pj个点第i个数值，
为糙率逐时变化序列S0中Pj个点第i个数值，
为优化后的糙率逐时变化序列S1中Pj个点第i个数值；
S5.3、对比例序列集α进行场文件逐时平面插值生成比例场的集合β；
S5.4、利用集合β与水动力模型糙率场文件集CT0对每个时刻、每个计算网格节点数据相乘生成新的逐时水动力模型糙率场文件集CT1。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括一种巨型河网水动力数学模型率定方法程序，所述巨型河网水动力数学模型率定方法程序被处理器执行时，实现如权利要求1至5中任一项所述的一种巨型河网水动力数学模型率定方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210441756.4A CN114818320B (zh) | 2022-04-25 | 2022-04-25 | 一种巨型河网水动力数学模型率定方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210441756.4A CN114818320B (zh) | 2022-04-25 | 2022-04-25 | 一种巨型河网水动力数学模型率定方法、系统及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114818320A true CN114818320A (zh) | 2022-07-29 |
| CN114818320B CN114818320B (zh) | 2022-11-08 |
Family
ID=82507167
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210441756.4A Active CN114818320B (zh) | 2022-04-25 | 2022-04-25 | 一种巨型河网水动力数学模型率定方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114818320B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115563907A (zh) * | 2022-11-10 | 2023-01-03 | 中国长江三峡集团有限公司 | 水动力模型参数优化、水位流量变化过程模拟方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030093236A1 (en) * | 2001-11-14 | 2003-05-15 | Wu Zheng Yi | Method and system for automatic water distribution model calibration |
| CN107145678A (zh) * | 2017-05-22 | 2017-09-08 | 中国水利水电科学研究院 | 一种河道平面二维水流模型糙率的率定方法 |
| CN111159896A (zh) * | 2019-12-30 | 2020-05-15 | 天津大学 | 基于萤火虫算法的误差自适应修正河道水流计算方法 |
| CN111581828A (zh) * | 2020-05-11 | 2020-08-25 | 福建省水利水电勘测设计研究院 | 一种感潮河段闸下水位流量关系的计算方法 |
| CN111859820A (zh) * | 2020-06-23 | 2020-10-30 | 河海大学 | 一种基于后验分布的糙率分区率定方法及系统 |
| CN112182834A (zh) * | 2020-08-05 | 2021-01-05 | 天津大学 | 基于群集智能的多沙河道水沙模型参数自适应率定方法 |
| CN112529685A (zh) * | 2020-11-27 | 2021-03-19 | 百维金科(上海)信息科技有限公司 | 一种基于bas-fnn的贷款用户信用评级方法及系统 |
-
2022
- 2022-04-25 CN CN202210441756.4A patent/CN114818320B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030093236A1 (en) * | 2001-11-14 | 2003-05-15 | Wu Zheng Yi | Method and system for automatic water distribution model calibration |
| CN107145678A (zh) * | 2017-05-22 | 2017-09-08 | 中国水利水电科学研究院 | 一种河道平面二维水流模型糙率的率定方法 |
| CN111159896A (zh) * | 2019-12-30 | 2020-05-15 | 天津大学 | 基于萤火虫算法的误差自适应修正河道水流计算方法 |
| CN111581828A (zh) * | 2020-05-11 | 2020-08-25 | 福建省水利水电勘测设计研究院 | 一种感潮河段闸下水位流量关系的计算方法 |
| CN111859820A (zh) * | 2020-06-23 | 2020-10-30 | 河海大学 | 一种基于后验分布的糙率分区率定方法及系统 |
| CN112182834A (zh) * | 2020-08-05 | 2021-01-05 | 天津大学 | 基于群集智能的多沙河道水沙模型参数自适应率定方法 |
| CN112529685A (zh) * | 2020-11-27 | 2021-03-19 | 百维金科(上海)信息科技有限公司 | 一种基于bas-fnn的贷款用户信用评级方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 王忠慧 等: ""基于BAS算法的河渠突发水污染溯源"", 《水资源保护》 * |
| 穆锦斌 等: ""荆江-洞庭湖洪水演进模型的率定和应用"", 《人民长江》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115563907A (zh) * | 2022-11-10 | 2023-01-03 | 中国长江三峡集团有限公司 | 水动力模型参数优化、水位流量变化过程模拟方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114818320B (zh) | 2022-11-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Haddad et al. | Groundwater model calibration by meta-heuristic algorithms | |
| Tang et al. | Parameter identification for modeling river network using a genetic algorithm | |
| CN105718634B (zh) | 一种基于非概率区间分析模型的翼型鲁棒优化设计方法 | |
| Moglen et al. | The importance of spatially heterogeneous erosivity and the cumulative area distribution within a basin evolution model | |
| CN105576650B (zh) | 基于同化技术与同风带理论的风电功率预测方法及系统 | |
| CN113569438B (zh) | 基于多源降雨融合和实时校正的城市洪涝模型构建方法 | |
| CN114329950B (zh) | 基于动态概化的斜坡式潜堤波浪水动力影响数值模拟方法 | |
| CN114818320B (zh) | 一种巨型河网水动力数学模型率定方法、系统及存储介质 | |
| CN102968529A (zh) | 一种供水管网模型计算结果不确定性区间的量化方法 | |
| KR101947753B1 (ko) | L-thia acn-wq 모델을 이용한 유역 오염부하량 평가 장치 및 그 방법 | |
| CN114611201B (zh) | 一种未来气候建筑多目标节能优化方法和系统 | |
| CN114841417B (zh) | 一种高精度咸潮预报方法、系统和可读存储介质 | |
| Nadeem et al. | Application of HEC-HMS for flood forecasting in hazara catchment Pakistan, south Asia | |
| Zhang et al. | Integrated hydrodynamic model for simulation of river-lake-sluice interactions | |
| CN115935667A (zh) | 一种区域地表水资源预测模拟及其优化配置方法 | |
| CN116595120B (zh) | 基于遗传算法的地图面要素注记自动配置方法 | |
| CN115809585B (zh) | 平衡wee关系的径流式水电站生态流量确定方法和系统 | |
| CN116822180A (zh) | 一种模拟河渠输水过程的积分时滞模型参数辨识方法 | |
| Nicholas | Reduced‐complexity flow routing models for sinuous single‐thread channels: intercomparison with a physically‐based shallow‐water equation model | |
| Haddad | Extreme Rainfall-Runo Events Modeling Using HEC-HMS Model for Oued El Hachem Watershed, Northern Algeria | |
| Lee et al. | The development of rating curve considering variance function using pseudo-likelihood estimation method | |
| CN113052352A (zh) | 一种新能源场站风速预报订正方法和系统 | |
| CN117172965B (zh) | 一种考虑气候变化的梯级水库群水能资源评估方法及装置 | |
| KR20150096099A (ko) | 미래 표준 기상 데이터 산출 장치 및 그 방법 | |
| Barati | Analysis and evaluation of optimization algorithms application for parameter estimation of muskingum flood routing models in rivers |
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 |