[發明專利]基于群集智能的多沙河道水沙模型參數自適應率定方法

有效

• 申請號: 202010778826.6
• 申請日: 2020-08-05
• 公開（公告）號: CN112182834B
• 公開（公告）日: 2021-08-13
• 發明（設計）人: 苑希民;陳隆吉;曾勇紅;曹魯贛
• 申請（專利權）人: 天津大學
• 主分類號: G06F30/20
• 分類號: G06F30/20
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 李素蘭

本發明公開了一種基于群集智能的多沙河道水沙模型參數自適應率定方法，步驟一、設定河道水位、含沙量的模擬值和實測值的相對誤差之和的最小值為目標函數，設定目標函數的對應解；步驟二、生成初始種群，步驟三、構建多沙河道水沙耦合數值模型，計算目標函數值；步驟四、利用Lévy飛行原理更新鳥窩位置；步驟五、更新當前最優函數值并記錄；步驟六、隨機更新鳥窩位置；步驟七、判斷是否結束迭代，輸出最優鳥窩位置；步驟八、根據最優鳥窩位置獲取最優水沙參數值，并且結合多沙河道水沙耦合模型開展多沙河道水沙智能預報。本發明不僅有效解決了水沙參數率定復雜的問題，提高了模型率定和使用效率；同時提高了多沙河道洪水預測預報的精確度。

技術領域

本發明涉及群集智能算法、應急防災領域的計算機仿真技術，具體涉及一種水沙模型參數自適應率定方法。

背景技術

水沙預報模型是模擬預測水流泥沙過程的基礎技術手段，也是減少水沙災害的重要非工程措施之一。河道水沙預報模型在防洪規劃、防汛減災、水利工程建設等領域都有廣泛的應用，對保障人民的生命財產安全和降低洪水災害損失具有一定的現實意義。

目前，在構建河道水沙預報模型時，模型中一些參數如糙率、懸沙沉速、懸沙擴散系數和懸移質泥沙恢復系數等，常常通過試錯法來確定，即先假定參數，再進行水沙模擬計算，然后根據計算結果與實測值的差異程度判斷是否需要修改參數。如果參數滿足要求，則停止計算，否則修改參數重新進行計算，直到滿足相關標準。試錯法要求有一定的建模經驗，而且當建模范圍較大時，試錯法工作量將十分巨大。此外，即使通過水沙預報模型的驗證，也很難保證率定下的水沙參數是全局最優。

近年來，隨著人工智能技術的不斷發展，許多先進的智能優化算法應用于求解洪水模型背景下的各類優化問題，并取得了較好的效果。群集智能模型是人工智能技術應用于求解優化問題具代表性的一類方法，其主要特點可歸納為“個體簡單，群體協作”，通常能夠在顯著低于常規計算方法所需的時間內完成問題的求解，具有規則簡單，通用性強，性能良好等特點。本發明就是一種基于群集智能算法的多沙河道水沙模型參數自適應率定方法。

發明內容

針對現有河道水沙預報模型存在的水沙參數率定過程復雜、模型調試時間較長、預報精度偏低的問題，本發明提出了一種新型水沙模型參數自適應率定方法，將布谷鳥智能尋優算法與河道水沙耦合模型結合，實現水沙參數自適應智能率定。

本發明的一種基于群集智能的多沙河道水沙模型參數自適應率定方法，該方法包括以下步驟：

步驟一、設定河道水位、含沙量的模擬值和實測值的相對誤差之和的最小值為目標函數F(X)，首先將河道水位值和斷面含沙量進行歸一化處理，設定河道水位、含沙量的模擬值和實測值的相對誤差之和的最小值為目標函數，設定河道糙率、懸移質泥沙恢復系數、懸沙擴散系數和懸沙沉速為目標函數的對應解X＝(n₁,n₂,···,n_i,α,D_x,ω_f)^T；

步驟二、生成初始種群，即在河道水沙參數取值范圍內，隨機產生i組初始解即鳥窩位置X_i(i＝1,2,…,i)，即確定初始河道斷面糙率值、初始懸沙沉速值、初始懸沙擴散系數值和初始懸移質泥沙恢復系數值，并設置種群規模、搜索空間維數、最大發現概率 P_a和最大迭代次數；所述水沙參數為河道糙率、懸移質泥沙恢復系數、懸沙擴散系數和懸沙沉速，其中，各個斷面取不同的糙率值，同一河道取一固定懸移質泥沙恢復系數、懸沙擴散系數和懸沙沉速；

步驟三、計算目標函數值，即構建多沙河道水沙耦合數值模型，模擬河道水動力過程和泥沙輸移過程，該模型考慮高含沙量及床面沖淤對洪水演進的影響并且利用河道實測水沙數據完成構建；多沙河道水沙耦合數值模型的表達式如下：

①水動力模塊

一維水動力模塊基本方程包括連續性方程和動量方程：

連續性方程