基于遗传算法的长距离调水工程输水渠道糙率辨识方法与流程

本发明涉及水工设计参数测定领域，尤其涉及一种基于遗传算法的长距离调水工程输水渠道糙率辨识方法。

背景技术：

由于水资源存在时空分布不均的问题，难以满足某些区域社会经济发展用水需求，建立调水工程是解决这一问题的重要手段，而调水工程多为长距离调水工程，一般含输水渠道、闸门和分水口等建筑物，由多个渠池串联从而实现输水功能。

糙率是渠道表面的粗糙程度和边壁形状不规则的综合表征，也是表达水流经过渠道所受阻力的综合系数，反映了渠道工程的设计、施工、管理水平，是调水工程设计、运行的关键技术参数之一。糙率是决定渠道过水能力的重要参数，对于长距离输水渠道，其取值的合理可靠性对工程有极其重要的意义。

目前，水利工程多采用曼宁系数表示糙率，一般认为一个断面或一个渠段拥有相同的糙率值。业界有一种理解：认为糙率是一个物理概念并不是明确的参数，因为在糙率的获取过程中包含各种不可知因素，所以采取非线性的优选方法，逐步调整糙率的取值，使计算得到的糙率结果更接近测量值，最终确定糙率值。但是，这种方法效率低下，不符合科学技术发展与工程运行管理的需求。

技术实现要素：

本发明的目的在于提供一种基于遗传算法的长距离调水工程输水渠道糙率辨识方法，从而解决现有技术中存在的前述问题。

为了实现上述目的，本发明所述基于遗传算法的长距离调水工程输水渠道糙率辨识方法，所述方法包括：

S1，确定目标函数和问题的解

在糙率值为n_min≤n≤n_max的范围内，任意一个单渠段多组工况下的上节制闸闸后水位的模拟值和实测值的相对误差之和为最小值时，即公式(1)，则多组工况下的糙率值为该单渠段的最优值；

设定任意一个单渠段的多组工况下的上节制闸闸后水位的模拟值和实测值的相对误差之和的最小值为目标函数，设定目标函数所对应的糙率值作为问题的解；

其中，N为工况数量；O_i和S_i分别为上节制闸闸后水位在第i个工况的实测值和模拟值；n_min和n_max分别为糙率可取的最小值和最大值；

S2，进行初始化，得初始种群，所述初始种群由多个随机生成的糙率值组成；

S3，采用一维水力学仿真模型计算初始种群中每个糙率值对应的多组工况下的上节制闸闸后水位，然后计算适应度；

S4，进行终止条件判别，如果符合终止条件，则该糙率值为最优解；如果不符合终止条件，则进入S5；

S5，对初始种群依次进行选择运算、交叉运算后，

再采用一维水力学仿真模型计算交叉运算后种群中每个糙率值对应的多组工况下的上节制闸闸后水位，然后计算适应度，接着进行终止条件判别，如果符合终止条件，则糙率值为最优解；如果不符合终止条件，则对交叉后的种群进行变异运算，然后返回S3，直至得到糙率值的最优解为止。

优选地，步骤S1中，所述糙率值取值范围为0.01～0.04。

优选地，步骤S1中，在已知单渠段上节制闸的流量、渠段中分退水口门的流量和下节制闸的闸前水深的前提下，使用非恒定流计算水位变化过程或恒定流模型推求水面线，确定单渠段上节制闸的闸后水位。

优选地，步骤S2中初始化种群，具体按照下述步骤实现：随机生成M个糙率值组成初始种群P(0)；其中，每条染色体的基因位个数可设为9，十进制数值范围为0-511，除以10000后即可为糙率取值范围。

优选地，步骤S3和步骤S5中，适应度的计算均采用公式(2)：

M为初始种群中糙率的个数，n_m表示第m个糙率。

优选地，所述终止条件为适应度为期望值和/或所得糙率值的迭代次数为最大值。

本发明的有益效果是：

本发明所述长距离调水工程输水渠道糙率辨识方法克服现有技术的不足，本发明所述方法在长距离调水工程中，建立能够适应工程特征的一维水力学仿真模型，可模拟渠道在各种工况下的水力变化过程；然后基于工程实测数据，将水力学模型与遗传算法相结合，辨识出各渠池糙率的最优值。

附图说明

图1是遗传算法辨识渠道糙率方法流程示意图；

图2是长距离调水工程示意图；

图3是单渠池运行示意图；

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。

实施例

本实施例所述基于遗传算法的长距离调水工程输水渠道糙率辨识方法，所述方法包括：

S1，确定目标函数和问题的解

在糙率值为n_min≤n≤n_max的范围内，任意一个单渠段多组工况下的上节制闸闸后水位的模拟值和实测值的相对误差之和为最小值时，即公式(1)，则多组工况下的糙率值为该单渠段的最优值；所述糙率值取值范围为0.01-0.04；

设定任意一个单渠段的上节制闸闸后水位的多组工况下的模拟值和实测值的相对误差之和的最小值为目标函数，设定目标函数所对应工况下的糙率值作为问题的解；

其中，N为工况数量；O_i和S_i分别为上节制闸闸后水位在第i个工况的实测值和模拟值；n_min和n_max分别为糙率可取的最小值和最大值；

S2，进行初始化，得初始种群，所述初始种群由多个随机生成的糙率值组成；

S3，采用一维水力学仿真模型计算初始种群中每个糙率值对应的多组工况下的上节制闸闸后水位，然后计算适应度；

S4，进行终止条件判别，如果符合终止条件，则该糙率值为最优解；如果不符合终止条件，则进入S5；

S5，对初始种群依次进行选择运算、交叉运算后，

再采用一维水力学仿真模型计算交叉运算后种群中每个糙率值对应的多组工况下的上节制闸闸后水位，然后计算适应度，接着进行终止条件判别，如果符合终止条件，则糙率值为最优解；如果不符合终止条件，则对交叉后的种群进行变异运算，然后返回S3，直至得到糙率值的最优解为止。

更详细的解释说明为：

(一)在已知单渠段上节制闸的流量、渠段中分退水口门的流量和下节制闸的闸前水深的前提下，使用非恒定流计算水位变化过程或恒定流模型推求水面线，确定单渠段上节制闸的闸后水位。

1、非恒定流计算水位变化过程

本申请针对长距离调水工程特点，采用一维水力学模型，对闸门、明渠等复杂的内部构筑物进行概化处理，将概化好的内部建筑物与圣维南方程组进行耦合，同时采用Preissmann四点时空偏心格式对方程组进行离散，用双扫描法求解得到糙率的最优解。

非恒定流计算采用一维圣维南方程组，该方程由连续性方程和动量方程组成：

式中(2)：x和t分别为空间和时间坐标；q为单位长度渠道上的侧向入流流量；α为动量修正系数；Q为断面流量；A为断面过水面积；Z为水位；S_f为水力坡度。

式(3)中：K为流量模数。

2、恒定流模型推求水面线

恒定流计算模型应能计算明渠的恒定非均匀流水面线，即明渠稳定输水时的水流状态。令式(1)中的时间项和为0，则得到恒定流计算式：

对于式(4)用式(2)的离散格式和数值计算方法进行求解，可使非恒定流收敛到相应的恒定流上，即恒定流计算与非恒定流计算满足“相容性”准则。

(二)步骤S2中初始化种群，具体按照下述步骤实现：随机生成M个糙率值组成初始种群P(0)；其中，每条染色体的基因位个数可设为9，十进制数值范围为0-511，除以10000后即可为糙率取值范围。

(三)步骤S3和步骤S5中，适应度的计算采用公式(2)：

M为初始种群中糙率的个数，n_m表示第m个糙率。

(四)关于选择运算、交叉运算和变异运算

1、选择运算：

将选择算子作用于群体。即，根据个体适应度来判断优选个体，直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代。个体适应度评估方法有冒泡法、轮盘赌法等。

2、交叉运算：

将交叉算子作用于群体。即，随机产生交叉点，将基因位进行交叉。

3、变异运算：

将变异算子作用于群体。即，随机产生要变异的染色体号和基因位号，对群体中的个体串的某些基因位上的基因值作变动(0变为1；1变为0)。其中，变异应遵从小概率进行。

(五)所述终止条件为适应度为期望值和/或所得糙率值的迭代次数为最大值。

将本实施例所述方法应用于南水北调中线工程第二个渠池(刁河节制闸-湍河节制闸)的糙率辨识中。刁河节制闸的闸后渠底高程为138.456m，湍河节制闸的闸前渠底高程为137.603m，渠道底宽为19m，边坡为2。选取7组稳定工况的数据(表1)进行分析。

表1刁河节制闸-湍河节制闸渠段工况表

Tab.1 Working conditions of the channel from Diaohe Gate to Tuanhe Gate

选取的工况为稳定工况，所以应用恒定流模型推求水面线即可。模型的上边界条件可选为刁河节制闸的流量，下边界条件可选为湍河节制闸闸前水深。南水北调中线工程渠道的设计糙率为0.015，应用到模型中可得7组工况的相对误差之和为0.0879％。而应用本发明建立的基于遗传算法的渠道糙率辨识方法，可优化出当相对误差总和最小(0.0446％)时，糙率为0.0164.证明应用本方法辨识出的糙率，应用到水力模拟中精度更高。

通过采用本发明公开的上述技术方案，得到了如下有益的效果：本发明所述长距离调水工程输水渠道糙率辨识方法克服现有技术的不足，本发明所述方法在长距离调水工程中，建立能够适应工程特征的一维水力学仿真模型，可模拟渠道在各种工况下的水力变化过程；然后基于工程实测数据，将水力学模型与遗传算法相结合，辨识出各渠池糙率的最优值。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。