[發(fā)明專利]基于粒子群算法與地下水模型的基坑降水優(yōu)化方法

在審

• 申請?zhí)枺?/td>: 202010329632.8
• 申請日: 2020-04-24
• 公開（公告）號: CN111475884A
• 公開（公告）日: 2020-07-31
• 發(fā)明（設(shè)計(jì)）人: 許莉;郭達(dá)涵;張曉毅;王草;黃磊;毛祚財(cái);黃強(qiáng);鄭澤宇
• 申請（專利權(quán)）人: 福州大學(xué)
• 主分類號: G06F30/13
• 分類號: G06F30/13;G06F30/20;G06N3/00;G06F111/04
• 代理公司: 福州元創(chuàng)專利商標(biāo)代理有限公司 35100
• 代理人: 陳明鑫;蔡學(xué)俊

1.一種基于粒子群算法與地下水模型的基坑降水優(yōu)化方法，其特征在于，包括以下步驟：

步驟S1:構(gòu)建地下水流模擬模型，刻畫基坑區(qū)域及其周圍的地下水流場的動態(tài)變化過程；

步驟S2:基于預(yù)設(shè)目標(biāo)函數(shù)及約束條件，建立優(yōu)化模型；

步驟S3:耦合地下水流模擬模型和優(yōu)化模型；

步驟S4:采用PSO優(yōu)化技術(shù)求解耦合后的模型最優(yōu)解；

步驟S5:根據(jù)最優(yōu)解，得到最優(yōu)降水井的空間分布和抽水流量。

2.根據(jù)權(quán)利要求1所述的基于粒子群算法與地下水模型的基坑降水優(yōu)化方法，其特征在于，所述預(yù)設(shè)目標(biāo)函數(shù)及約束條件具體為：

目標(biāo)函數(shù)：

最小化

約束條件：

Q_mi≤Q^t_i≤Q_max (3)

其中，C表示基坑降水工程的建設(shè)成本；D_w為降水井的數(shù)目；y_i表示井i是否采用的二進(jìn)制數(shù)；Q_i^t為井i的在第t管理期內(nèi)的抽水流量；D_t為總的管理期數(shù)；Δt_t為第t應(yīng)力期的時長；α_i(i＝1，2)表示井安裝與抽水的價(jià)格系數(shù)；h_i表示基坑施工作業(yè)區(qū)的地下水水位；h _upper表示基坑施工過程中的要求的地下水水位；h_lower表示基坑施工過程中地下水水位降低的下限；R表示基坑施工作業(yè)范圍。

3.根據(jù)權(quán)利要求1所述的基于粒子群算法與地下水模型的基坑降水優(yōu)化方法，其特征在于，所述步驟S3具體為：

步驟S31:耦合后的的模型優(yōu)化管理的目標(biāo)是決策變量和狀態(tài)變量的函數(shù)；

步驟S32:通過模擬模型不斷更新狀態(tài)變量，計(jì)算目標(biāo)函數(shù)值和判斷是否滿足約束條件；通過優(yōu)化模型選擇決策變量，返回到模擬模型中更新狀態(tài)變量；

上式表示系統(tǒng)在某一時刻t狀態(tài)變量w^t是該時段決策變量Q^t及上一時段t-1狀態(tài)變量w^t-1的函數(shù)，狀態(tài)轉(zhuǎn)移函數(shù)用f_w表示；

步驟S32:耦合后的的模型中決策變量和狀態(tài)變量同時滿足模擬模型，且同步更新。

4.根據(jù)權(quán)利要求1所述的基于粒子群算法與地下水模型的基坑降水優(yōu)化方法，其特征在于，所述步驟S4具體為：

步驟S41:采用實(shí)數(shù)編碼的方式表示降水井的位置與井流量，對系統(tǒng)的種群大小、加速因子、最大允許迭代次數(shù)進(jìn)行設(shè)置，并隨機(jī)生成每個粒子的初始位置和初始速度信息；

步驟S42:對粒子是否滿足約束進(jìn)行判斷，如果不滿足約束，則使用修正函數(shù)修正粒子，使其成為可行解

步驟S43:根據(jù)目標(biāo)函數(shù)分別計(jì)算群體中各個粒子的適應(yīng)度值

步驟S44:根據(jù)粒子的適應(yīng)度值來確定單位歷史最有個體、群體歷史最優(yōu)個體

步驟S45:對粒子的速度與位置進(jìn)行更新:

步驟S46:更新慣性權(quán)重，限制粒子群的速度與范圍

步驟S47:判斷是否已經(jīng)達(dá)到終止準(zhǔn)則，如果滿足終止準(zhǔn)則，則終止迭代，輸出最優(yōu)解；如果未滿足終止準(zhǔn)則，則返回步驟S44:繼續(xù)進(jìn)行搜索。

步驟S48:在全局中顯示最優(yōu)位置，并且給出各指標(biāo)的定量結(jié)果。