小型蓄水工程供水量计算方法与流程

本发明涉及水资源管理领域，尤其是一种小型蓄水工程供水量计算方法。
背景技术：
：实行最严格水资源管理制度是从我国当前水资源管理的核心工作，开展用水总量和用水效率计算评估是其中的重要工作内容。我国南方丰水地区，小型蓄水工程具有面广量大、管理形式多元、计量监测设施建设滞后、管理工作基础薄弱等特点，如何有序开展其供水量计算工作满足不同层次管理工作的需要是当前水资源管理上面临的一项紧迫任务。技术实现要素：本发明致力于填补小型蓄水工程年供水量计算方法之空白，提出一种基于模拟技术的小型蓄水工程供用水过程长系列模拟模型。在对模型参数进行率定的基础上，根据长系列模拟模型的模拟结果提取小型蓄水工程历年供水量与其主要影响因素的定量数值，组成计算模型基础数据输入序列建立小型蓄水工程供水量计算模型，本发明有效解决了南方丰水地区小型蓄水工程供水量的计算问题。本发明解决其技术问题采用的技术方案：建立基于模拟技术的小型蓄水工程供用水过程长系列模拟模型，建立目标函数如下式：目标函数：F＝{f1,f2,...,fi,...,fNi}，决策变量：为水库第i年第t时段供水量Di(t)；当小型蓄水工程蓄水量满足面临时段其供水户用水要求时，当小型蓄水工程蓄水量不足，不能满足面临时段其供水户用水要求时，Di(t)＝DPi(t)；约束条件：①水位约束：Zmin(t)≤Z(t)≤Zmax(t)；②水量平衡约束：V(t+1)＝V(t)+Q(t)-D(t)-EF(t)-QE(t)；③工程能力约束：gs(t)≤QSmax；④非负约束：上述各式中的各变量大于等于零；式中：F为目标函数，为历年供水量组成的时间序列；fi为第i年供水量，Ni为系列总年数。Ei(t,j)为水库第i年第t时段第j用水户需水量，Nj为用水户数量，DPi(t)为水库第i年第t时段可以供给的水量，Nt为年内时段总数，η水为水利用系数；Z(t)为第t时段小型蓄水工程蓄水位，Zmax(t)、Zmin(t)分别为第t时段小型蓄水工程蓄水位上限值和下限值；V(t)、V(t+1)分别为第t时段初和时段末的蓄水容积，Q(t)为第t时段小型蓄水工程来水量，EF(t)为第t时段小型蓄水工程蒸发渗漏量，QE(t)为第t时段小型蓄水工程弃水量；gs(t)为第t时段各类工程实际通过水量，QSmax为各类工程最大能力。基于长系列模拟模型结果建立小型蓄水工程供水量计算模型：方法原理：基于历年小型蓄水工程供水量系列F＝{f1,f2,...,fi,...,fNi}T和其主要影响因素Xi,k分别采用多元回归方法和BP神经网络方法建立小型蓄水工程供水量计算模型，Xi,k为小型蓄水工程供水量影响参数矩阵，k＝1,...,Nk，Nk为主要影响因素个数；对于一般三层前向式RBF-ANN，其输入层输入向量为Xi,k、输入层与隐含层连接向量Wi,j、隐含层与输出层连接向量Wj,k和输出层输出Fk组成；RBF神经网络模型包括输入输出模型、作用函数模型、数据点密度计算模型和网络连接向量学习模型；隐含层输入模型：RBF-ANN输出模型：隐含层输出模型：数据点Xi,k密度Di计算模型：网络连接向量学习模型：对于目标函数按照负梯度方向调整神经网络连接向量，即：式中：Ni为输入向量个数，Nj为隐含层节点数，b为径向基层中的偏差，用来调节基函数的灵敏度。为选中的点，为其密度指标；σ是一个正数，定义了密度指标显著减小的邻域。所述RBF神经网络模型采用matlab软件建立，将模型输入矩阵和输出矩阵代入模型，进行求解计算。发明有益的效果是：本发明以南方丰水地区小型蓄水工程运行和管理现状为基础，遵循可操作、能落实的原则，研究提出一种其年供水量的计算方法，指导南方丰水地区供水量计算工作，以期提高该地区用水总量与用水效率计算工作的效率和精度。附图说明图1是本发明的流程图；图2是神经网络模型训练测试图；其中Training为神经网络模型网络训练结果图(率定部分样本)，Validation为神经网络模型网络训练结果图(验证部分样本)，Test为训练好的神经网络模型测试结果图(测试部分样本)，All为训练好的神经网络模型测试结果图(所有样本)。具体实施方式下面结合附图对本发明作进一步说明：实施例：小型水库A，集水面积0.64km2，兴利库容41万m3，目前主要承担0.2万亩农田灌溉任务；在合理选用水文资料的基础上，对水库A集水区水资源量进行调查评价，得到水库1963～2014年来水量，结果见下表：表1.水库A1963～2014年径流量表单位：万m3以灌区1963～2014年逐日降水量、蒸发量为基础，采用作物灌溉制度法对0.2万亩农田灌溉需水量进行预测，结果见下表：表2.水库A灌区1963～2014年灌溉需水量表单位：万m3年份需水量年份需水量年份需水量年份需水量1963161976371989212002291964451977361990312003601965521978541991402004511966591979521992312005531967851980261993282006451968571981261994562007481969461982301995522008421970371983241996452009511971101198435199735201029197233198537199844201136197338198644199925201237197445198730200046201353197533198840200136201432按照本发明提出的基于模拟技术的小型蓄水工程供用水过程长系列模拟模型构建步骤，构建水库A农田灌溉供水模拟模型，计算得到水库A1963～2014年农田灌溉供水量，结果见下表：表3.水库A1963～2014年灌溉供水量表单位：万m3年份供水量年份供水量年份供水量年份供水量19631619763719892120022919644519773619903120034419653919783319914020049196642197931199231200531196731198026199328200625196829198126199453200723196946198230199545200833197037198324199637200935197127198435199735201029197233198537199844201136197338198629199925201237197442198730200046201351197533198840200136201432选择降水量、集水面积、水库兴利库容、灌溉面积等作为影响水库A农田灌溉供水量的参数。按照本发明提出的小型蓄水工程供水量计算模型构建步骤，采用Matlab软件建立水库A农田灌溉供水量与降水量、集水面积、水库兴利库容、灌溉需水量等影响参数之间RBF-ANN神经网络模型，选择前36年数据用于训练模型网络，8年数据用于模型验证，8年数据用于模型测试，结果见图2。由结果可以看出，综合相关系数为0.87，模型能够较好的模拟小型蓄水工程供水量。除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。当前第1页1 2 3