一种不确定性地下水修复多目标优化管理方法
【技术领域】
[0001] 本发明设及一种不确定性地下水修复多目标优化管理方法，属于水文学及水资源 领域。
【背景技术】
[0002] 过去的20多年，多目标进化算法（Multi-objective evolutionary algorithm, MOEA)已经成为智能计算领域的研究热点，并在求解地下水管理模型中得到了广泛的应用。 随着MOEA在水资源领域的深入应用，模型需要考虑多变量，复杂多目标，W及含水系统的不 确定性等因素。地下水优化管理模型中，不确定的系统参数会导致模型输出的水流和溶质 运移状态的随机变化，进而引起管理目标函数值的不确定变化。确定性多目标进化算法，如 基于精英保留策略的多目标随机禁忌捜索算法巧Iitist Multi-Objective Tabu Search, EMOTS)不适用于求解不确定的优化管理模型。为此，如何考虑模拟模型的不确定性对优化 模型的影响，W及如何寻求满足不确定目标之间的权衡解(Pareto最优解)是地下水优化管 理研究领域的重要内容。
[0003] W往不确定的水资源优化问题只考虑约束条件或者单个目标的不确定性，采用平 均方法，用一组随机变量的实现来评价个体，计算个体目标函数的平均值，并进行种群进化 操作，此方法考虑了参数的不确定性，但对目标函数不确定性处理相对简单，优化解的可靠 性不强。
【发明内容】
[0004] 本发明所要解决的技术问题是提供一种不确定性地下水修复多目标优化管理方 法，是一种基于精英保留策略的多目标随机禁忌捜索算法（Probabi Ii Stic Elitist Multi-Objective Tabu Search，PEM0TS)，该方法具有较高的计算效率，同时保证了算法的 捜索到变异性小，且稳定可靠的化reto最优解。
[0005] 本发明为解决上述技术问题采用W下技术方案：
[0006] 本发明提供一种不确定性地下水修复多目标优化管理方法，具体步骤如下：
[0007] 步骤1，建立模拟模型，用于刻画修复场地地下水水头和溶质浓度在时间和空间上 的分布；
[000引步骤2，确定优化管理模型，建立优化模型；
[0009]步骤3,采用顺序高斯条件模拟SGSIM生成渗透系数的实现样本集，并针对不同的 条件点数对InK场和模拟模型输出进行不确定分析和风险评估，W降低模型不确定性和选 择用于优化模型管理设计的InK样本集；
[0010]步骤4，选用阳MOTS优化方法求解多目标管理问题权衡解，具体步骤为：
[0011] (1)产生初始解及相应的邻域种群：
[0012] 首先，采用随机方式产生一个初始解S0,初始化精英表、候选表和禁忌表，W初始 解为基点，基于拉下超立方抽样L服产生数目为Nts的邻域种群StNS;
[001引（2)目标函数随机评价：
[0014]采用噪声遗传算法NGA，用步骤3中生成的InK样本集逐个计算种群StNS中的每个个 体的目标函数值，并统计每个个体的目标函数值的期望和方差;依据目标函数值，采用随机 化reto控制排序和随机小生境技术计算个体的化reto排名和个体拥挤度值;采用个体适应 度函数值存档策略记录下首次捜索到的解，重复捜索的解则直接调用函数值库中的解信 息；
[001引（3)随机多目标进化：
[0016] ①种子解的选择：比较邻域种群S*NS与上一代的精英表Set-I的化reto受控性，将 StNS中所有非劣解视为候选种子解集Si;将Si加入上一代的候选表Sc^中，从Si和Sc^的合并 解中选择非劣解作为当代候选种子解集S3;最后从S3中选择拥挤距离最大的两个解作为下 一代的种子解Sst+i。
[0017] ②更新策略:将当代邻域种群StNS与上一代的精英表Se"合并，保留非劣解组成当 代的精英表SeS同时将当代邻域种群StNS中非受控于上一代的精英表Se"的解，加入上一代 候选表Sc^中，移除候选表中的受控解和当代选择的两个种子解Sst+i，更新为当代候选表 ScS
[0018] (4)判断是否满足停止标准
[0019] 优化过程中，如果达到了预先设定的最大迭代次数，或者捜索到某一代时候选种 子解集为空，同时候选表也为空，则无法找到下一个种子解，无法进入下一个阶段的捜索， 停止并输出化reto最优解集。
[0020] 步骤5,输出优化结果，利用InK样本集对化reto最优解进行蒙特卡罗MC分析，检验 PEMOTS输出的化reto最优解集的可靠性。
[0021] 作为本发明的进一步优化方案，步骤2中优化模型的目标函数如下：
[0022]
[0023] MAX MR( % ) = (massend/masso) X 100
[0024] 其中，RC为最小化治理成本，Qi,t为第i 口井第t应力期的抽水流量，Att为第t应力 期的时长，Zgs为地表高程，hi,t是第i 口井第t应力期的计算水头，Zgs-hi,t为第i 口井的抽水 扬程，Nw和Nt分别为预选治理井数和应力期数，化为已知条件点数，a和0为抽水成本系数和 获取条件点K值的成本系数;MR为最大化剩余污染物百分比，massend为治理周期末污染物总 量，mass日为初始状态下的污染物总量。
[0025] 作为本发明的进一步优化方案，步骤2中优化模型的约束条件包括治理井总数约 束，水头约束，水力梯度约束，污染物浓度约束，单井抽水流量约束和总量平衡约束。
[0026] 作为本发明的进一步优化方案，步骤5中利用InK样本集对化reto最优解进行蒙特 卡罗MC分析，检验PEMOTS输出的化reto最优解集的可靠性，具体为:利用InK样本集对步骤4 中得到的化reto最优解集进行蒙特卡罗MC分析，统计每个解的均值、置信水平为95%的不 确定性区间的上边界值和下边界值，通过比较化reto解与MC平均解的接近程度，判断 PEMOTS用于求解不确定地下水污染修复问题的可靠性。
[0027] 作为本发明的进一步优化方案，地下水流模型通过美国地质调查局开发的=维有 限差分程序MODFLOW来求解;溶质运移模型基于MODFLOW求解的水头和流速场，利用郑春苗 研发的模块化S维溶质运移程序MT3DMS来求解。
[0028] 本发明采用W上技术方案与现有技术相比，具有W下技术效果:在不确定的地下 水优化管理问题中，计算效率和化reto解的稳定性往往是决定算法是否适用的最重要因 素，PEMOTS采用基于少量随机样本数的个体存档策略，大大减少了目标函数随机评价的计 算量，同时随机多目标进化保证捜索到变异性小，可靠性强的化reto最优解。为此，PEMOTS 在不确定的地下水污染修复多目标管理问题中具有广阔的应用前景。
【附图说明】
[0029] 图1是PEMOTS流程图。
[0030] 图2是非确定条件下化reto控制排序图。
[0031 ]图3是地下水污染修复场地示意图。
[0032] 图4是不同条件点数情况下污染物风险水平和变异系数的变化趋势。
[0033] 图5是理想PAT系统阳MOTS优化结果及蒙特卡罗模拟分析结果。
【具体实施方式】
[0034] 下面结合附图对本发明的技术方案做进一步的详细说明：
[0035] 本发明构建了由目标函数随机评价和随机多目标进化组成的不确定性地下水管 理模型评价方法，即基于精英保留策略的多目标随机禁忌捜索算法（Probabilistic Elitist Multi-Objective Tabu SearchJEMOTS)，并通过渗透系数不确定的二维地下水 污染修复应用实例进行验证。该方法首先应用顺序高斯条件模拟（Sequential Gaussian Simulation, SGSIM)生成InK实现样本集，并针对不同的条件点数对InK场和模型输出进行 不确定性分析和风险评估，W降低模型不确定性和选择用于优化设计的InK样本集。然后， 引进了随机化reto控制排序和随机小生境技术，对种群的精英解进行选择、交叉和变异等 多目标进化操作，优化得到化re to最优解集。该发明将阳MOTS与地下水流模拟程序MOWLOW 和溶质运移模拟程序MT3DMS禪合起来，用W设计不确定性条件下地下水污染治理的多目标 优化方案。
[0036] 基于精英保留策略的多目标随机禁忌捜索算法(PEMOTS)的主程序设计为目标函 数随机评价和随机多目标进化两部分，如图1所示，具体的求解步骤如下：<