[發明專利]基于蟻群算法的海綿城市規劃模型參數優化方法在審
| 申請號： | 202011602277.3 | 申請日： | 2020-12-29 |
| 公開（公告）號： | CN112733438A | 公開（公告）日： | 2021-04-30 |
| 發明（設計）人： | 馬麗娜;李運東;禹雅潔;田禹;梁恒;李俐頻 | 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;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 |
| 地址： | 150001 黑龍*** | 國省代碼： | 黑龍江;23 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 算法 海綿 城市規劃 模型 參數 優化 方法 | ||
1.基于蟻群算法的海綿城市規劃模型參數優化方法，其特征在于，該方法的具體步驟為：
步驟一、根據待優化的海綿城市模型設定目標函數及待優化參數；
步驟二、根據待優化的海綿城市模型的歷史參數及參數經驗值，設置待優化參數的取值范圍；
步驟三、利用各待優化參數的取值范圍，采用蟻群算法對目標函數進行迭代計算，直到達到目標函數閾值或迭代次數上限，獲取每個參數的最佳取值區間。
2.根據權利要求1所述的基于蟻群算法的海綿城市規劃模型參數優化方法，其特征在于，步驟三所述利用各待優化參數的取值范圍，采用蟻群算法獲取每個參數的最佳取值區間的具體方法為：
步驟A1、將每個待優化參數的取值范圍離散成N等份，獲得每個參數的N個取值區間；
步驟A2、對蟻群算法進行初始化；將每個參數的N個取值區間的端點設置為該參數的N+1個節點；
步驟A3、將蟻群中所有螞蟻隨機放置在第一個參數的N+1個節點上；執行步驟A31；
步驟A31、計算每個螞蟻從當前參數的節點轉移到下一個參數的節點的轉移概率；執步驟A4；
步驟A4、根據所述轉移概率，將蟻群的所有螞蟻分配至下一個參數的N+1個節點上，執行步驟A41；其中，N為正整數；
步驟A41、判斷所述下一個參數是否為該次迭代的最后一個待優化參數，若是，執行步驟A5，否則，執行步驟A31；
步驟A5、計算該次迭代目標函數值，判斷所述目標函數值是否達到函數閾值，若是，執行步驟A7，否則，執行步驟A6；
步驟A6、判斷當前迭代次數是否達到迭代次數上限，若是，則執行步驟A7，否則，執行步驟A61；
步驟A61、計算每個螞蟻從當前參數的節點轉移到第一個參數的節點的轉移概率；返回執行步驟A4；
步驟A7、計算每個參數N+1個節點的信息素強度，根據每個參數的節點的信息素強度獲取最優路徑，根據最優路徑獲取各參數的最佳取值區間。
3.根據權利要求1或2所述的基于蟻群算法的海綿城市規劃模型參數優化方法，其特征在于，步驟一中所述待優化參數包括：城市匯水區雨水徑流量和污染物濃度。
4.根據權利要求2所述的基于蟻群算法的海綿城市規劃模型參數優化方法，其特征在于，步驟A2中對蟻群算法進行初始化為：設置迭代次數上限，節點信息強度素初始值；所有節點信息素強度初始值均相同，設置蟻群中螞蟻的總數量，設置目標函數閾值。
5.根據權利要求2或4所述的基于蟻群算法的海綿城市規劃模型參數優化方法，其特征在于，步驟A7中所述計算每個參數N+1個節點的信息素強度的具體公式為：
τij(t+n)＝ρ·τij(t)+Δτij
Δτij＝∑m/k＝1Δτijk
τij(t)表示t時刻在路線ij上的信息素殘留量，ρ代表信息素的殘留度，Δτijk表示第k只螞蟻在本次循環中留在路徑ij上的信息量，Δτij表示本次循環中所有經歷過路徑ij的螞蟻留在該路徑上的信息量的增量。
6.根據權利要求5所述的基于蟻群算法的海綿城市規劃模型參數優化方法，其特征在于，步驟A5中所述計算該次迭代目標函數值的計算方法為：采用公式：
計算實現，其中，N是該次迭代海綿城市模型輸出的數據的組數，Qsim該次迭代海綿城市模型輸出的數據值，Qobs與Qsim對應的實際觀測值，是實際觀測數據的平均值。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于哈爾濱工業大學，未經哈爾濱工業大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202011602277.3/1.html，轉載請聲明來源鉆瓜專利網。
