[發明專利]一種廠網河一體化模型參數優化方法

在審

• 申請號: 202011602271.6
• 申請日: 2020-12-29
• 公開（公告）號: CN112733437A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 田禹;李運東;孟一鳴;李俐頻;馬麗娜;胡智超
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/00;G06N3/08;G06F111/06
• 代理公司: 哈爾濱華夏松花江知識產權代理有限公司 23213
• 代理人: 楊曉輝

一種廠網河一體化模型參數優化方法，屬于城市管網系統規劃技術領域。解決了現有的廠網河一體化模型參數優化對專業人員工程經驗要求較高,存在效率低、耗時長的問題。本發明利用廠網河一體化模型的參數和預測結果，構建RBF徑向基神經網絡；利用正交最小二乘法對RBF徑向基神經網絡進行訓練；通過模型參數影響排行解析，確定模型優化關鍵影響參數；利用人工蟻群算法，構建廠網河一體化模型參數優化模型，對模型優化關鍵影響參數進行優化，獲得各參數的最佳取值區間。本發明適用于城市廠網河一體化模型參數優化使用。

技術領域

本發明屬于城市管網系統規劃技術領域。

背景技術

城市廠網河水系統由污水處理廠、管網、河流組成，負責收集、輸送和處理城市生產、生活過程中產生的雨水和污水，顯著影響城市水環境質量和水生態安全?！皬S網河一體化”是以流域水質達標為目標，對流域內所有河、閘、站、雨污管網及污水廠進行統一調度、統一規劃和一體化管理，確保城市排水系統安全高效運轉。

城市廠網河水系統水力水質模型，可以模擬評價廠網河排澇減災和控源截污能力，指導廠網河的高效運行，打破傳統模型污水處理廠、排水管網、河流水環境間割裂關系，是實現“廠網河一體化”的核心技術之一。模型參數賦值對模型預測結果精度有重要影響，決定“廠網河一體化”模型應用效果。

廠網河一體化模型耦合了污水處理廠、排水管網、河流水環境等多種模型核心功能，包含100余個相互關聯的模型參數，參數優化極為困難。傳統人工優化方法過度依賴專業人員工程經驗，對優化結果的主觀影響大，同時存在效率低、耗時長等問題。

發明內容

本發明目的是為了解決現有的廠網河一體化模型參數優化對專業人員工程經驗要求較高,存在效率低、耗時長的問題,提出了一種廠網河一體化模型參數優化方法。

本發明所述一種廠網河一體化模型參數優化方法，具體包括：

步驟一、利用廠網河一體化模型的參數和預測結果，構建RBF徑向基神經網絡；

步驟二、利用正交最小二乘法對RBF徑向基神經網絡進行訓練；

步驟三、通過模型參數影響排行解析，確定模型優化關鍵影響參數；

步驟四、利用人工蟻群算法，構建廠網河一體化模型參數優化模型，對模型優化關鍵影響參數進行優化，獲得各參數的最佳取值區間。

進一步地，步驟一所述利用廠網河一體化模型的參數和預測結果，構建RBF徑向基神經網絡的具體方法為：

步驟A1、利用廠網河一體化模型的參數構建RBF徑向基神經網絡輸入層；

步驟A2、利用廠網河一體化模型的河流斷面流量與污染物濃度構建RBF徑向基神經網絡輸出層；

步驟A3、利用高斯函數作為基函數，構建RBF徑向基神經網絡隱含層，完后建RBF徑向基神經網絡的構建。

進一步地，步驟二中所述利用正交最小二乘法對RBF徑向基神經網絡進行訓練的具體方法為：

步驟B1、對隱含層回歸向量正交獲得回歸模型，利用正交最小二乘法對所述回歸模型進行選擇，將誤差平方和最小的回歸算子作為隱含層的回歸算子；

步驟B2、利用平均距離法選取隱含層的寬度；完成對RBF徑向基神經網絡隱含層的設置；

步驟B3、將廠網河一體化模型參數與模型預測結果作為輸入模式對，對RBF徑向基神經網絡進行訓練。

進一步地、步驟三所述的通過模型參數影響排行解析，確定模型優化關鍵影響參數的具體方法為：將各參數在隱含層中線性加權權重變化對RBF徑向基神經網絡的訓練結果影響力進行排行，選取影響能力權重排行前5的模型參數作為模型優化關鍵影響參數。