[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

基于蟻群算法的海綿城市規劃模型參數優化方法，屬于城市規劃技術領域。解決了海綿城市模型參數優化采用人工率定存在效率低、受人為因素干擾程度高，且存在資源消耗大的問題。本發明根據待優化的海綿城市模型設定目標函數及待優化參數；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；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。本發明適用于海綿城市規劃模型參數優化。

技術領域

本發明屬于城市規劃技術領域。

背景技術

海綿城市具備“源頭減排、過程控制、末端治理”功能，是系統化改善城市水體環境、 防治雨洪內澇災害的有效手段。建立海綿城市規劃模型，可以指導海綿城市建設設施選型、 建設位置布局，并評估海綿建設方案效果，是海綿城市建設關鍵環節。優化海綿城市規劃 模型參數，可以提高模型預測精度，對于提升海綿城市建設效率有重要意義。

但是,目前海綿城市模型參數優化通常采用人工率定方法，但海綿城市模型涉及的參數 眾多、關系復雜，且部分參數難以通過實驗測定，僅依靠相關領域專家經驗性判斷，預測 結果受人為因素干擾程度較高。同時人工率定效率受限于工作時間，工程人力、資金資源 消耗大。

發明內容

本發明目的是為了解決海綿城市模型參數優化采用人工率定存在效率低、受人為因素 干擾程度高，且存在資源消耗大的問題，提供了一種基于蟻群算法的海綿城市規劃模型參 數優化方法。

本發明所述基于蟻群算法的海綿城市規劃模型參數優化方法，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。

進一步地，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。

進一步地，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。