CN117350896B - 一种基于人工智能和大数据的水资源管理方法和系统 - Google Patents
一种基于人工智能和大数据的水资源管理方法和系统 Download PDFInfo
- Publication number
- CN117350896B CN117350896B CN202311620862.XA CN202311620862A CN117350896B CN 117350896 B CN117350896 B CN 117350896B CN 202311620862 A CN202311620862 A CN 202311620862A CN 117350896 B CN117350896 B CN 117350896B
- Authority
- CN
- China
- Prior art keywords
- water
- water source
- priority
- representing
- source
- 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.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 575
- 238000007726 management method Methods 0.000 title claims abstract description 30
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 18
- 238000013468 resource allocation Methods 0.000 claims abstract description 26
- 230000002068 genetic effect Effects 0.000 claims abstract description 8
- 238000011156 evaluation Methods 0.000 claims description 126
- 239000010865 sewage Substances 0.000 claims description 40
- 230000006870 function Effects 0.000 claims description 37
- 238000009826 distribution Methods 0.000 claims description 20
- 230000008901 benefit Effects 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 230000035772 mutation Effects 0.000 claims description 8
- 239000008235 industrial water Substances 0.000 claims description 6
- 230000006735 deficit Effects 0.000 claims description 5
- 238000001556 precipitation Methods 0.000 claims description 4
- 239000003621 irrigation water Substances 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000007812 deficiency Effects 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 7
- 238000012545 processing Methods 0.000 abstract description 4
- 230000002354 daily effect Effects 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 239000008400 supply water Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010606 normalization Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000003651 drinking water Substances 0.000 description 2
- 235000020188 drinking water Nutrition 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009828 non-uniform distribution Methods 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
- 238000004065 wastewater treatment 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
- 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
-
- 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
- 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
- G06Q10/06316—Sequencing of tasks or work
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于人工智能和大数据的水资源管理方法和系统，属于数据处理技术领域，方法包括：获取各个水源在供给范围内的水源数据；根据水源数据，评估各个水源的承载度；根据各个水源的承载度，确定各个水源的水源优先级；获取各个用水单位的用水数据；根据各个用水单位的用水性质，确定各个用水单位的用水优先级；根据各个水源的可供水量、供给范围、水源优先级以及各个用水单位的用水量、用水优先级，构建水资源分配模型；通过遗传算法，求解出水资源分配模型的最优解；根据最优解，对各个用水单位进行供水。
Description
技术领域
本发明属于数据处理技术领域，具体涉及一种基于人工智能和大数据的水资源管理方法和系统。
背景技术
水资源是指由当地降水产生的，可以用于人类生产与生活各类用途，存在于河流、湖泊、地下含水层中的逐年可更新的动态水资源，主要包括地表水和地下水。随着社会经济水平的逐步提高，人类对水资源需求量日益增大。面对不断产生的水资源问题，对水资源进行科学管理有着极其重要的现实意义。
传统的水资源管理方式，大多在生活、生产、生态的角度上进行大方向或大类别的尺度上进行，无法具体反映出某一用水单位或者某一水源具体的情况，导致水资源供应的不均匀分配，而在实际调度过程中，主要根据与用水单位的距离来选择相应的水源进行供水，缺乏灵活性，无法适应快速变化的用水需求，当某些水源面临短期问题或紧急情况时，难以做出及时的调整。
发明内容
为了解决传统的水资源管理方式，大多在生活、生产、生态的角度上进行大方向或大类别的尺度上进行，无法具体反映出某一用水单位或者某一水源具体的情况，导致水资源供应的不均匀分配，而在实际调度过程中，主要根据与用水单位的距离来选择相应的水源进行供水，缺乏灵活性，无法适应快速变化的用水需求，当某些水源面临短期问题或紧急情况时，难以做出及时的调整的技术问题，本发明提供一种基于人工智能和大数据的水资源管理方法和系统。
第一方面
本发明提供了一种基于人工智能和大数据的水资源管理方法，包括：
S1：获取各个水源在供给范围内的水源数据；
S2：根据所述水源数据，评估各个水源的承载度；
S3：根据各个水源的承载度，确定各个水源的水源优先级；
S4：获取各个用水单位的用水数据；
S5：根据各个用水单位的用水性质，确定各个用水单位的用水优先级；
S6：根据各个水源的可供水量、供给范围、水源优先级以及各个用水单位的用水量、用水优先级，构建水资源分配模型；
S7：通过遗传算法，求解出所述水资源分配模型的最优解；
S8：根据所述最优解，对各个用水单位进行供水。
进一步地，所述水源数据包括：水源在供给范围内的水源数据包括多个承载度的评估指标，所述评估指标包括：年降水量、可供水量、人均水资源量、水资源利用率、人口密度、人均日用水量、城镇化率、万元GDP用水量、农田灌溉用水量、工业用水量、生态用水量、污水排放量、污水处理率和绿化覆盖率。
进一步地，所述步骤S2具体包括以下步骤：
S201：确定各个评估指标的权重；
S202：对各个水源在各个评估指标下的指标值进行标准化处理；
S203：根据各个水源在各个评估指标下的标准化处理后的指标值，计算各个水源的承载度评估值：
；
其中，ci表示第i个水源的承载度评估值，βk表示第k个评估指标的权重，bik表示第i个水源在第k个评估指标下的标准化处理后的指标值，，K表示评估指标的总数；
S204：根据各个水源在各个评估指标下的最大值，计算正理想承载度和负理想承载度：
；
其中，表示正理想承载度，/>表示负理想承载度，max bk表示各个水源在第k个评估指标下的标准化处理后的指标值的最大值，min bk表示各个水源在第k个评估指标下的标准化处理后的指标值的最小值；
S205：根据各个水源的承载度评估值、正理想承载度和负理想承载度，计算各个水源的承载度：
；
其中，σi表示第i个水源的承载度。
进一步地，所述步骤S201具体包括以下步骤：
S2011：计算各个评估指标的波动系数：
；
；
其中，Sk表示第k个评估指标的波动系数，bik表示第i个水源在第k个评估指标下的标准化处理后的指标值，表示各个水源在第k个评估指标下的标准化处理后的指标值的平均值，/>，n表示水源的总数；
S2012：计算各个评估指标的冲突系数：
；
其中，Rk表示第k个评估指标的冲突系数，rjk表示第j个评估指标与第k个评估指标之间的相关系数，，/>，K表示评估指标的总数，bij表示第i个水源在第j个评估指标下的标准化处理后的指标值，bik表示第i个水源在第k个评估指标下的标准化处理后的指标值，/>表示各个水源在第j个评估指标下的标准化处理后的指标值的平均值，/>表示各个水源在第k个评估指标下的标准化处理后的指标值的平均值；
S2013：根据各个评估指标的波动系数和冲突系数，计算各个评估指标的信息量：
；
其中，Pk表示第k个评估指标的信息量；
S2014：根据各个评估指标的信息量，计算各个评估值的权重：
；
其中，βk表示第k个评估指标的权重。
进一步地，所述步骤S3具体包括以下步骤：
S301：当水源的承载度σ满足时，确定水源为严重超载状态，确定所述水源优先级为ρ1；
S302：当水源的承载度σ满足时，确定水源为超载状态，确定所述水源优先级为ρ2；
S303：当水源的承载度σ满足时，确定水源为正常状态，确定所述水源优先级为ρ3；
S304：当水源的承载度σ满足时，确定水源为充足状态，确定所述水源优先级为ρ4；
S305：当水源的承载度σ满足时，确定水源为非常充足状态，确定所述水源优先级为ρ5；
其中，σ1表示第一承载度，σ2表示第二承载度，σ3表示第三承载度，σ4表示第四承载
度， ；ρ1表示第一水源优先级，ρ2表示第二水源优先级，ρ3表示第三水源优
先级，ρ4表示第四水源优先级，ρ5表示第五水源优先级，。
进一步地，所述步骤S5具体包括：
当用水单位的用水性质为农业用水时，确定所述用水优先级为λ1；
当用水单位的用水性质为工业用水时，确定所述用水优先级为λ2；
当用水单位的用水性质为日常饮用时，确定所述用水优先级为λ3；
其中，λ1表示第一用水优先级，λ2表示第二用水优先级，λ3表示用水优先级，。
进一步地，所述步骤S6具体包括：
S601：构建所述水资源分配模型的目标函数：
；
其中，f(X)表示目标函数，表示目标函数的最大值，X表示水资源分配
解向量，f1(X)表示经济效益函数，表示经济效益函数的最大值，η1表示经济
效益函数的缩放参数，dj表示第j个用水单位的用水效益系数，ej表示第j个用水单位的用水
成本系数，ρi表示第i个水源的水源优先级，λj表示第j个用水单位的用水优先级，xij表示第
i个水源向第j个用水单位的供水量，f2(X)表示缺水量函数，表示缺水量函数
的最小值，η2表示缺水量函数的缩放参数，Dj表示第j个用水单位的用水量，f3(X)表示生态
成本函数，表示生态成本函数的最小值，η3表示生态成本函数的缩放参数，μj
表示第j个用水单位的污水转化率，h表示单位污水的处理成本，，n表示水源的
总数，，m表示用水单位的总数；
S602：为所述水资源分配模型添加约束条件；
S603：在所述约束条件的限制下，以所述目标函数的函数值最大为目标，对所述水资源分配模型进行训练。
进一步地，所述约束条件具体包括：可利用水资源约束、供水量约束、污水处理能力约束、污水排放总量约束和非负约束；
所述可利用水资源约束具体为：
；
其中，xij表示第i个水源向第j个用水单位的供水量，Ti表示第i个水源的可供水量，，m表示用水单位的总数；
所述供水量约束具体为：
；
其中，Dj表示第j个用水单位的用水量，θ表示最低满足系数；
所述污水处理能力约束具体为：
；
其中，μj表示第j个用水单位的污水转化率，W表示污水处理能力；
所述污水排放总量约束具体为：
；
其中，μj表示第j个用水单位的污水转化率，uj表示第j个用水单位的污水排放率，W1表示污水总量阈值；
所述非负约束具体为：
。
进一步地，所述步骤S7具体包括以下步骤：
S701：初始化种群，初始种群Q1中每个个体均代表一种可行的水资源分配解向解，所述水资源分配解向解X表示为{xij}；
S702：计算所述初始种群Q1中每个个体的适应度值，其中，所述适应度值为目标函数的函数值；
S703：采取精英选择策略，删除适应度值最低的20%的个体，以形成新的种群Q2；
S704：对种群Q2进行交叉操作，从种群H2中随机选择两个个体分别作为父体和母体，生成一个随机数，并将该随机数与交叉概率pe比较大小，若随机数小于交叉概率pe，则对父体和母体进行交叉操作产生新个体，以形成新的种群Q3，新个体的产生方式如下：
；
其中，y1、y2表示新个体，x1表示父体，x2表示母体，rand表示0至1之间的随机数；
S705：对种群Q3进行变异操作，从种群Q3中随机选择一个个体作为父体，生成一个随机数，并将该随机数与变异概率pm比较大小，若随机数小于变异概率pm，则对父体进行变异操作产生新个体，以形成新的种群Q4，新个体的产生方式如下：
；
其中，y3表示新个体，x3表示父体，xmax表示适应度值最大的个体，xmin表示适应度值最小的个体，rand表示0至1之间的随机数；
S706：重复上述步骤S701至S705，进行迭代，直到达到预设迭代次数，输出适应度值最大的解作为所述水资源分配模型的最优解。
第二方面
本发明提供了一种基于人工智能和大数据的水资源管理系统，用于执行第一方面中的基于人工智能和大数据的水资源管理方法。
与现有技术相比，本发明至少具有以下有益技术效果：
（1）在本发明中，根据各个水源的可供水量、供给范围、水源优先级以及各个用水单位的用水量、用水优先级，构建水资源分配模型，通过水资源分配模型具体反映出某一用水单位或者某一水源具体的情况，提升水资源分配的公平性。
（2）在本发明中，通过遗传算法，求解出所述水资源分配模型的最优解；根据所述最优解，对各个用水单位进行供水，避免仅根据与用水单位的距离来选择相应的水源进行供水，提升供水灵活性，可以适应快速变化的用水需求，当某些水源面临短期问题或紧急情况时，可以做出及时的调整。
（3）在本发明中，根据各个水源的承载度，确定各个水源的水源优先级，根据各个用水单位的用水性质，确定各个用水单位的用水优先级，可以通过承载度高的水源优先供水，保护水源生态，向用水优先级高的单元优先供水，确保关键用水得到满足。
附图说明
下面将以明确易懂的方式，结合附图说明优选实施方式，对本发明的上述特性、技术特征、优点及其实现方式予以进一步说明。
图1是本发明提供的一种基于人工智能和大数据的水资源管理方法的流程示意图；
图2是本发明提供的一种基于人工智能和大数据的水资源管理系统的结构示意图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。
实施例1
在一个实施例中，参考说明书附图1，示出了本发明提供的一种基于人工智能和大数据的水资源管理方法的流程示意图。
本发明提供的一种基于人工智能和大数据的水资源管理方法，包括：
S1：获取各个水源在供给范围内的水源数据。
具体而言，可以通过传感器、卫星遥感、无人机、水文测量和地理信息系统等获取各个水源在供给范围内的水源数据。
其中，水源数据包括：水源的可供水量、供给范围以及供给范围内各个用水单位的用水量。
S2：根据水源数据，评估各个水源的承载度。
其中，承载度是指水源或资源可以容纳或支持的程度，特别是涉及到水资源管理时，它表示一个水源能够满足多大程度的用水需求而不引起严重问题。
进一步地，采集的水源数据包括：水源在供给范围内的水源数据包括多个承载度的评估指标，评估指标包括：年降水量、可供水量、人均水资源量、水资源利用率、人口密度、人均日用水量、城镇化率、万元GDP用水量、农田灌溉用水量、工业用水量、生态用水量、污水排放量、污水处理率和绿化覆盖率。
进一步地，步骤S2具体包括子步骤S201至S205：
S201：确定各个评估指标的权重。
S202：对各个水源在各个评估指标下的指标值进行标准化处理。
当评估指标为正向指标时，通过以下公式进行标准化处理：
；
其中，bik表示第i个水源在第k个评估指标下的标准化处理后的指标值，aik表示第i个水源在第k个评估指标下的指标值，min ak表示各个水源在第k个评估指标下的指标值的最小值，max ak表示各个水源在第k个评估指标下的指标值的最大值。
当评估指标为负向指标时，通过以下公式进行标准化处理：
。
S203：根据各个水源在各个评估指标下的标准化处理后的指标值，计算各个水源的承载度评估值：
；
其中，ci表示第i个水源的承载度评估值，βk表示第k个评估指标的权重，bik表示第i个水源在第k个评估指标下的标准化处理后的指标值，，K表示评估指标的总数。
在本发明中，根据多个评估指标对水源进行评估，可以更准确地了解每个水源的可用性和性能，有助于确保水资源得到最佳的利用，从而最大程度地减少浪费和提高效率。
S204：根据各个水源在各个评估指标下的最大值，计算正理想承载度和负理想承载度：
；
其中，表示正理想承载度，/>表示负理想承载度，max bk表示各个水源在第k个评估指标下的标准化处理后的指标值的最大值，min bk表示各个水源在第k个评估指标下的标准化处理后的指标值的最小值。
S205：根据各个水源的承载度评估值、正理想承载度和负理想承载度，计算各个水源的承载度：
；
其中，σi表示第i个水源的承载度。
在本发明中，根据各个水源的承载度评估值与正理想承载度的贴近程度来评估承载度，可以更客观地评估每个水源的承载度。进一步地，根据各水源与正理想承载度的差距，可以更清晰地确定水源的优先级。
进一步地，子步骤S201具体包括孙步骤S2011至S2014：
S2011：计算各个评估指标的波动系数：
；
；
其中，Sk表示第k个评估指标的波动系数，bik表示第i个水源在第k个评估指标下的标准化处理后的指标值，表示各个水源在第k个评估指标下的标准化处理后的指标值的平均值，/>，n表示水源的总数。
其中，波动系数越大，表明该评估指标的数据差异越大，反映的信息也越多，该评估指标的区分度也越强，评价强度越高；反之，波动系数越小，表明该评估指标的数据差异越小，反映的信息也越少，该评估指标的区分度也越弱，评估强度越低。
S2012：计算各个评估指标的冲突系数：
；
其中，Rk表示第k个评估指标的冲突系数，rjk表示第j个评估指标与第k个评估指标之间的相关系数，，/>，K表示评估指标的总数，bij表示第i个水源在第j个评估指标下的标准化处理后的指标值，bik表示第i个水源在第k个评估指标下的标准化处理后的指标值，/>表示各个水源在第j个评估指标下的标准化处理后的指标值的平均值，/>表示各个水源在第k个评估指标下的标准化处理后的指标值的平均值。
其中，冲突系数越大，表明该评估指标与其他评估指标相关性越弱，冲突性越强，反映的信息也越大，该评估指标的区分度也越强，评价强度越高；反之，冲突系数越小，表明该评估指标与其他评估指标相关性越强，冲突性越弱，反映的信息也越小，该评估指标的区分度也越弱，评估强度越低。
S2013：根据各个评估指标的波动系数和冲突系数，计算各个评估指标的信息量：
；
其中，Pk表示第k个评估指标的信息量。
其中，信息量表示各个评估指标在风险评估中所提供的信息量大小。信息量越大，意味着该评估指标在风险评估中提供的信息越多，具有更高的重要性和权重。
S2014：根据各个评估指标的信息量，计算各个评估值的权重：
；
其中，βk表示第k个评估指标的权重。
在本发明中，根据各个评估指标的信息量，计算各个评估值的权重，可以提高评估指标的权重确定过程的科学性、客观性和准确性，有助于更好地支持风险评估和决策制定。
S3：根据各个水源的承载度，确定各个水源的水源优先级。
进一步地，S3具体包括子步骤S301至S305：
S301：当水源的承载度σ满足时，确定水源为严重超载状态，确定水源优先级为ρ1。
S302：当水源的承载度σ满足时，确定水源为超载状态，确定水源优先级为ρ2。
S303：当水源的承载度σ满足时，确定水源为正常状态，确定水源优先级为ρ3。
S304：当水源的承载度σ满足时，确定水源为充足状态，确定水源优先级为ρ4。
S305：当水源的承载度σ满足时，确定水源为非常充足状态，确定水源优先级为ρ5。
其中，σ1表示第一承载度，σ2表示第二承载度，σ3表示第三承载度，σ4表示第四承载
度，，ρ1表示第一水源优先级，ρ2表示第二水源优先级，ρ3表示第三水源优先
级，ρ4表示第四水源优先级，ρ5表示第五水源优先级，。
其中，本领域技术人员可以根据实际情况设置第一承载度σ1、第二承载度σ2、第三承载度σ3和第四承载度σ4的大小，本发明不做限定。
其中，本领域技术人员可以根据实际情况设置第一水源优先级ρ1、第二水源优先级ρ2、第三水源优先级ρ3、第四水源优先级ρ4和第五水源优先级ρ5的大小，本发明不做限定。
在本发明中，为各个水源根据承载度分配水源优先级，在同类水源下，优先采用水源优先级较高的水源向用水单位进行供水，可以增加供水的可靠性，减少用水单位的中断，提高生产效率和降低业务风险。进一步地，通过优先选择承载度较高的水源，可以减少对低承载度水源的过度开采，有助于维护水资源的可持续性，防止水源的过度消耗和生态系统受损。
S4：获取各个用水单位的用水数据。
其中用水数据包括各个用水单位的用水量。
S5：根据各个用水单位的用水性质，确定各个用水单位的用水优先级。
进一步地，S5具体包括：
当用水单位的用水性质为农业用水时，确定用水优先级为λ1。
当用水单位的用水性质为工业用水时，确定用水优先级为λ2。
当用水单位的用水性质为日常饮用时，确定用水优先级为λ3。
其中，λ1表示第一用水优先级，λ2表示第二用水优先级，λ3表示用水优先级，。
其中，本领域技术人员可以根据实际情况设置第一用水优先级λ1、第二用水优先级λ2和用水优先级λ3的大小，本发明不做限定。
其中，将日常饮用水设置为高优先级有助于确保居民和社区的生活需求得到满足。确保农业、工业和日常生活用水的平衡分配可以促进可持续发展，有助于避免用水过度或浪费，同时支持农业和工业领域的经济增长。
在本发明中，通过将不同用水性质的单位分配给不同的优先级，可以更好地应对紧急情况和供水需求的突发变化。例如，在干旱期间，可以优先满足日常饮用水需求，然后是工业用水和农业用水。通过分配不同的优先级，可以更有效地管理和优化水资源的使用。
S6：根据各个水源的可供水量、供给范围、水源优先级以及各个用水单位的用水量、用水优先级，构建水资源分配模型。
在本发明中，通过水资源分配模型可以具体反映出某一用水单位或者某一水源具体的情况，提升水资源分配的公平性。
进一步地，S6具体包括子步骤S601至S603：
S601：构建水资源分配模型的目标函数：
；
其中，f(X)表示目标函数，表示目标函数的最大值，X表示水资源分配
解向量，f1(X)表示经济效益函数，表示经济效益函数的最大值，η1表示经济
效益函数的缩放参数，dj表示第j个用水单位的用水效益系数，ej表示第j个用水单位的用水
成本系数，ρi表示第i个水源的水源优先级，λj表示第j个用水单位的用水优先级，xij表示第
i个水源向第j个用水单位的供水量，f2(X)表示缺水量函数，表示缺水量函数
的最小值，η2表示缺水量函数的缩放参数，Dj表示第j个用水单位的用水量，f3(X)表示生态
成本函数，表示生态成本函数的最小值，η3表示生态成本函数的缩放参数，μj
表示第j个用水单位的污水转化率，h表示单位污水的处理成本，，n表示水源的
总数，，m表示用水单位的总数。
需要说明的是，目标函数取最大值时，经济效益最高、缺水量最少且污水处理成本最低。
S602：为水资源分配模型添加约束条件。
进一步地，约束条件具体包括：可利用水资源约束、供水量约束、污水处理能力约束、污水排放总量约束和非负约束。
可利用水资源约束具体为：
；
其中，xij表示第i个水源向第j个用水单位的供水量，Ti表示第i个水源的可供水量，，m表示用水单位的总数。
供水量约束具体为：
；
其中，Dj表示第j个用水单位的用水量，θ表示最低满足系数。
污水处理能力约束具体为：
；/>
其中，μj表示第j个用水单位的污水转化率，W表示污水处理能力。
污水排放总量约束具体为：
；
其中，μj表示第j个用水单位的污水转化率，uj表示第j个用水单位的污水排放率，W1表示污水总量阈值。
非负约束具体为：
。
在本发明中，通过设置可利用水资源约束、供水量约束、污水处理能力约束、污水排放总量约束和非负约束，有助于综合考虑资源可持续性、环境保护、供需平衡和公平性等因素，以确保水资源分配达到最佳效果，并在合规的框架内进行。
S603：在约束条件的限制下，以目标函数的函数值最大为目标，对水资源分配模型进行训练。
在本发明中，通过建立水资源分配模型，可以优化水资源的分配，以确保水资源得到最有效的利用，有助于减少浪费和过度使用，提高资源的可持续性，保护生态系统，降低成本。
S7：通过遗传算法，求解出水资源分配模型的最优解。
进一步地，S7具体包括子步骤S701至S706：
S701：初始化种群，初始种群Q1中每个个体均代表一种可行的水资源分配解向解，水资源分配解向解X表示为{xij}。
S702：计算初始种群Q1中每个个体的适应度值，其中，适应度值为目标函数的函数值。
S703：采取精英选择策略，删除适应度值最低的20%的个体，以形成新的种群Q2。
在本发明中，通过删除适应度值最低的一部分个体，可以确保高质量的解在下一代种群中得以保留，这些优秀解在演化中可以继续影响整个种群，从而提高整体适应性。精英选择有助于加速算法的收敛速度。在每一代中，删除适应度较低的个体，新一代种群中的解更有可能更接近全局最优解。这减少了搜索空间，从而减少了计算时间。
S704：对种群Q2进行交叉操作，从种群H2中随机选择两个个体分别作为父体和母体，生成一个随机数，并将该随机数与交叉概率pe比较大小，若随机数小于交叉概率pe，则对父体和母体进行交叉操作产生新个体，以形成新的种群Q3，新个体的产生方式如下：
；
其中，y1、y2表示新个体，x1表示父体，x2表示母体，rand表示0至1之间的随机数。
在本发明中，交叉操作是引入遗传多样性的一种方法，将两个个体的特征组合在一起，生成了新的个体，其中可能包含了两个个体的优点，有助于保持种群的多样性，避免种群陷入局部最优解。
S705：对种群Q3进行变异操作，从种群Q3中随机选择一个个体作为父体，生成一个随机数，并将该随机数与变异概率pm比较大小，若随机数小于变异概率pm，则对父体进行变异操作产生新个体，以形成新的种群Q4，新个体的产生方式如下：
；
其中，y3表示新个体，x3表示父体，xmax表示适应度值最大的个体，xmin表示适应度值最小的个体，rand表示0至1之间的随机数。
在本发明中，变异操作引入了个体的随机性，有助于维持种群的多样性，可以防止算法陷入局部最优解，同时也有助于在搜索空间中更全面地探索解。变异操作有助于跳出当前局部最优解，尤其在遗传算法中，可以帮助算法更好地探索解空间，而不仅仅是在局部最优解附近徘徊。
S706：重复上述步骤，进行迭代，直到达到预设迭代次数，输出适应度值最大的解作为水资源分配模型的最优解。
S8：根据最优解，对各个用水单位进行供水。
在本发明中，根据水资源分配模型的最优解对各个用水单位进行供水，水资源可以得到有效的分配，以满足各个用水单位的需求，有助于最大程度地利用可用的水资源，减少浪费和低效供水，同时有助于环境可持续性和提高供水系统的可靠性，从而为社会、经济和环境带来多重好处。
与现有技术相比，本发明至少具有以下有益技术效果：
（1）在本发明中，根据各个水源的可供水量、供给范围、水源优先级以及各个用水单位的用水量、用水优先级，构建水资源分配模型，通过水资源分配模型具体反映出某一用水单位或者某一水源具体的情况，提升水资源分配的公平性。
（2）在本发明中，通过遗传算法，求解出水资源分配模型的最优解。根据最优解，对各个用水单位进行供水，避免仅根据与用水单位的距离来选择相应的水源进行供水，提升供水灵活性，可以适应快速变化的用水需求，当某些水源面临短期问题或紧急情况时，可以做出及时的调整。
（3）在本发明中，根据各个水源的承载度，确定各个水源的水源优先级，根据各个用水单位的用水性质，确定各个用水单位的用水优先级，可以通过承载度高的水源优先供水，保护水源生态，向用水优先级高的单元优先供水，确保关键用水得到满足。
实施例2
在一个实施例中，参考说明书附图2，示出了本发明提供的一种基于人工智能和大数据的水资源管理系统的结构示意图。
本发明提供的一种基于人工智能和大数据的水资源管理系统20，包括处理器201和用于存储处理器201可执行指令的存储器202；处理器201被配置为调用存储器202存储的指令，以执行实施例1中的基于人工智能和大数据的水资源管理方法。
本发明提供的一种基于人工智能和大数据的水资源管理系统可以实现上述实施例1中的基于人工智能和大数据的水资源管理方法的步骤和效果，为避免重复，本发明不再赘述。
以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种基于人工智能和大数据的水资源管理方法，其特征在于，包括：
S1：获取各个水源在供给范围内的水源数据；
S2：根据所述水源数据，评估各个水源的承载度；
S3：根据各个水源的承载度，确定各个水源的水源优先级；
S4：获取各个用水单位的用水数据；
S5：根据各个用水单位的用水性质，确定各个用水单位的用水优先级；
S6：根据各个水源的可供水量、供给范围、水源优先级以及各个用水单位的用水量、用水优先级，构建水资源分配模型；
S7：通过遗传算法，求解出所述水资源分配模型的最优解；
S8：根据所述最优解，对各个用水单位进行供水;
所述S6具体包括：
S601：构建所述水资源分配模型的目标函数：
；
其中，f(X)表示目标函数，X表示水资源分配解向量，f1(X)表示经济效益函数，η1表示经济效益函数的缩放参数，dj表示第j个用水单位的用水效益系数，ej表示第j个用水单位的用水成本系数，ρi表示第i个水源的水源优先级，λj表示第j个用水单位的用水优先级，xij表示第i个水源向第j个用水单位的供水量，f2(X)表示缺水量函数，η2表示缺水量函数的缩放参数，Dj表示第j个用水单位的用水量，f3(X)表示生态成本函数，η3表示生态成本函数的缩放参数，μj表示第j个用水单位的污水转化率，h表示单位污水的处理成本，，n表示水源的总数，/>，m表示用水单位的总数；
S602：为所述水资源分配模型添加约束条件；
S603：在所述约束条件的限制下，以所述目标函数的函数值最大为目标，对所述水资源分配模型进行训练;
所述约束条件具体包括：可利用水资源约束、供水量约束、污水处理能力约束、污水排放总量约束和非负约束；
所述可利用水资源约束具体为：
；
其中，xij表示第i个水源向第j个用水单位的供水量，Ti表示第i个水源的可供水量，，m表示用水单位的总数；
所述供水量约束具体为：
；
其中，Dj表示第j个用水单位的用水量，θ表示最低满足系数；
所述污水处理能力约束具体为：
；
其中，μj表示第j个用水单位的污水转化率，W表示污水处理能力；
所述污水排放总量约束具体为：
；
其中，μj表示第j个用水单位的污水转化率，uj表示第j个用水单位的污水排放率，W1表示污水总量阈值；
所述非负约束具体为：
。
2.根据权利要求1所述的水资源管理方法，其特征在于，所述水源数据包括：水源在供给范围内的水源数据包括多个承载度的评估指标，所述评估指标包括：年降水量、可供水量、人均水资源量、水资源利用率、人口密度、人均日用水量、城镇化率、万元GDP用水量、农田灌溉用水量、工业用水量、生态用水量、污水排放量、污水处理率和绿化覆盖率。
3.根据权利要求1所述的水资源管理方法，其特征在于，所述S2具体包括：
S201：确定各个评估指标的权重；
S202：对各个水源在各个评估指标下的指标值进行标准化处理；
S203：根据各个水源在各个评估指标下的标准化处理后的指标值，计算各个水源的承载度评估值：
；
其中，ci表示第i个水源的承载度评估值，βk表示第k个评估指标的权重，bik表示第i个水源在第k个评估指标下的标准化处理后的指标值，，K表示评估指标的总数；
S204：根据各个水源在各个评估指标下的最大值，计算正理想承载度和负理想承载度：
；
其中，表示正理想承载度，/>表示负理想承载度，max bj表示各个水源在第j个评估指标下的标准化处理后的指标值的最大值，min bj表示各个水源在第j个评估指标下的标准化处理后的指标值的最小值；
S205：根据各个水源的承载度评估值、正理想承载度和负理想承载度，计算各个水源的承载度：
；
其中，σi表示第i个水源的承载度。
4.根据权利要求3所述的水资源管理方法，其特征在于，所述S201具体包括：
S2011：计算各个评估指标的波动系数：
；
；
其中，Sk表示第k个评估指标的波动系数，bik表示第i个水源在第k个评估指标下的标准化处理后的指标值，表示各个水源在第k个评估指标下的标准化处理后的指标值的平均值，/>，n表示水源的总数；
S2012：计算各个评估指标的冲突系数：
；
其中，Rk表示第k个评估指标的冲突系数，rjk表示第j个评估指标与第k个评估指标之间的相关系数，，/>，K表示评估指标的总数，bij表示第i个水源在第j个评估指标下的标准化处理后的指标值，bik表示第i个水源在第k个评估指标下的标准化处理后的指标值，/>表示各个水源在第j个评估指标下的标准化处理后的指标值的平均值，/>表示各个水源在第k个评估指标下的标准化处理后的指标值的平均值；
S2013：根据各个评估指标的波动系数和冲突系数，计算各个评估指标的信息量：
；
其中，Pk表示第k个评估指标的信息量；
S2014：根据各个评估指标的信息量，计算各个评估值的权重：
；
其中，βk表示第k个评估指标的权重。
5.根据权利要求1所述的水资源管理方法，其特征在于，所述S3具体包括：
S301：当水源的承载度σ满足时，确定水源为严重超载状态，确定所述水源优先级为ρ1；
S302：当水源的承载度σ满足时，确定水源为超载状态，确定所述水源优先级为ρ2；
S303：当水源的承载度σ满足时，确定水源为正常状态，确定所述水源优先级为ρ3；
S304：当水源的承载度σ满足时，确定水源为充足状态，确定所述水源优先级为ρ4；
S305：当水源的承载度σ满足时，确定水源为非常充足状态，确定所述水源优先级为ρ5；
其中，σ1表示第一承载度，σ2表示第二承载度，σ3表示第三承载度，σ4表示第四承载度，ρ1表示第一水源优先级，ρ2表示第二水源优先级，ρ3表示第三水源优先级，ρ4表示第四水源优先级，ρ5表示第五水源优先级，。
6.根据权利要求1所述的水资源管理方法，其特征在于，所述S5具体包括：
当用水单位的用水性质为农业用水时，确定所述用水优先级为λ1；
当用水单位的用水性质为工业用水时，确定所述用水优先级为λ2；
当用水单位的用水性质为日常饮用时，确定所述用水优先级为λ3；
其中，λ1表示第一用水优先级，λ2表示第二用水优先级，λ3表示用水优先级，。
7.根据权利要求6所述的水资源管理方法，其特征在于，所述S7具体包括：
S701：初始化种群，初始种群Q1中每个个体均代表一种可行的水资源分配解向解，所述水资源分配解向解X表示为{xij}；
S702：计算所述初始种群Q1中每个个体的适应度值，其中，所述适应度值为目标函数的函数值；
S703：采取精英选择策略，删除适应度值最低的20%的个体，以形成新的种群Q2；
S704：对种群Q2进行交叉操作，从种群H2中随机选择两个个体分别作为父体和母体，生成一个随机数，并将该随机数与交叉概率pe比较大小，若随机数小于交叉概率pe，则对父体和母体进行交叉操作产生新个体，以形成新的种群Q3，新个体的产生方式如下：
；
其中，y1、y2表示新个体，x1表示父体，x2表示母体，rand表示0至1之间的随机数；
S705：对种群Q3进行变异操作，从种群Q3中随机选择一个个体作为父体，生成一个随机数，并将该随机数与变异概率pm比较大小，若随机数小于变异概率pm，则对父体进行变异操作产生新个体，以形成新的种群Q4，新个体的产生方式如下：
；
其中，y3表示新个体，x3表示父体，xmax表示适应度值最大的个体，xmin表示适应度值最小的个体，rand表示0至1之间的随机数；
S706：重复上述步骤，进行迭代，直到达到预设迭代次数，输出适应度值最大的解作为所述水资源分配模型的最优解。
8.一种基于人工智能和大数据的水资源管理系统，其特征在于，包括处理器和用于存储处理器可执行指令的存储器；所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至7任一项所述的水资源管理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311620862.XA CN117350896B (zh) | 2023-11-30 | 2023-11-30 | 一种基于人工智能和大数据的水资源管理方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311620862.XA CN117350896B (zh) | 2023-11-30 | 2023-11-30 | 一种基于人工智能和大数据的水资源管理方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117350896A CN117350896A (zh) | 2024-01-05 |
| CN117350896B true CN117350896B (zh) | 2024-02-27 |
Family
ID=89363457
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311620862.XA Active CN117350896B (zh) | 2023-11-30 | 2023-11-30 | 一种基于人工智能和大数据的水资源管理方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117350896B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101627206B1 (ko) * | 2014-12-31 | 2016-06-07 | 인천대학교 산학협력단 | 스마트 워터 그리드 서비스 지원 시스템 및 방법 |
| US9811061B1 (en) * | 2001-05-18 | 2017-11-07 | The Energy Authority, Inc. | Method for management and optimization of hydropower generation and consumption |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130035992A1 (en) * | 2008-05-27 | 2013-02-07 | Kaspar Llc | Method and system for the more efficient utilization and conservation of energy and water resources |
| US9432256B2 (en) * | 2014-03-27 | 2016-08-30 | Hitachi, Ltd. | Resource management method and resource management system |
| US9780997B2 (en) * | 2015-01-30 | 2017-10-03 | Alcatel Lucent | Method and system for controlling an operation of an application by classifying an application type using data bearer characteristics |
| CN111598356B (zh) * | 2020-05-29 | 2024-05-10 | 中国水利水电科学研究院 | 一种基于耗水控制的农业用水优化调配系统及方法 |
| CN114792188A (zh) * | 2022-02-16 | 2022-07-26 | 浙江省水利河口研究院(浙江省海洋规划设计研究院) | 一种双侧分类水价驱动区域多水源合理配置方法及装置 |
-
2023
- 2023-11-30 CN CN202311620862.XA patent/CN117350896B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9811061B1 (en) * | 2001-05-18 | 2017-11-07 | The Energy Authority, Inc. | Method for management and optimization of hydropower generation and consumption |
| KR101627206B1 (ko) * | 2014-12-31 | 2016-06-07 | 인천대학교 산학협력단 | 스마트 워터 그리드 서비스 지원 시스템 및 방법 |
Non-Patent Citations (3)
| Title |
|---|
| 基于自适应向量评估遗传算法的水资源优化配置模型及应用;林武星;吴泽;;南水北调与水利科技(第03期);第77-79页 * |
| 多目标遗传算法优化配置水资源研究;任高珊;李援农;吴冠宇;蒋耿民;;水资源与水工程学报(第04期);第62-65页 * |
| 曹妃甸工业区水资源承载能力研究;徐咏飞;邹欣庆;;中国人口.资源与环境;20091215(06);第64-65页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117350896A (zh) | 2024-01-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108734355B (zh) | 一种应用于电能质量综合治理场景的短期电力负荷并行预测方法及系统 | |
| CN109886473B (zh) | 一种考虑下游生态的流域风光水系统多目标优化调度方法 | |
| CN107527119A (zh) | 基于改进的多目标量子遗传算法的水资源优化调度方法 | |
| CN110210710B (zh) | 一种基于负荷均衡的水资源承载能力量化方法 | |
| CN106951994A (zh) | 一种海上应急救援站点的选址方法 | |
| CN104077634B (zh) | 基于多目标优化的主动‑反应式动态项目调度方法 | |
| CN108717581A (zh) | 一种基于蒙特卡罗模拟的水库调度随机多属性决策方法 | |
| KR20220107794A (ko) | 전이 학습 기반의 전력 정보 예측 방법 및 시스템 | |
| CN112668909B (zh) | 基于遗传算法的水资源优化配置方法及系统 | |
| CN113052469A (zh) | 一种缺乏量测径流小水电地区的风光水荷互补特性的计算方法 | |
| Chau | A split-step PSO algorithm in prediction of water quality pollution | |
| Kofinas et al. | Daily multivariate forecasting of water demand in a touristic island with the use of artificial neural network and adaptive neuro-fuzzy inference system | |
| CN117151482A (zh) | 一种基于多目标优化的应急物资调度和路径规划方法 | |
| CN116826710A (zh) | 基于负荷预测的削峰策略推荐方法、装置及存储介质 | |
| CN117350896B (zh) | 一种基于人工智能和大数据的水资源管理方法和系统 | |
| CN117353359B (zh) | 电池联合储能供电方法及系统 | |
| CN112686432B (zh) | 一种多目标水电-风电优化调度模型方法 | |
| Huang et al. | A bi-level model and hybrid heuristic algorithm for the optimal location of prefabricated building industrial park | |
| Liu et al. | A Multiobjective optimization model for continuous allocation of emergency rescue materials | |
| CN104219682A (zh) | 农田混合供电无线传感器网络的网络层次构建方法及系统 | |
| CN116865358A (zh) | 多时长尺度电力系统风电弃风及负荷波动跟踪方法及设备 | |
| CN114897319A (zh) | 一种水资源环境承载力评价与预警指标体系构建方法 | |
| CN104143118A (zh) | 一种不确定多目标多元电源规划方法 | |
| CN110533244B (zh) | 一种梯级水坝优化调度方法、系统与计算机可读存储介质 | |
| Dokuchaev et al. | Optimal energy storing and selling in continuous time stochastic multi-battery setting |
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 |