一种基于人工智能和大数据的水资源管理方法和系统与流程

本发明属于数据处理，具体涉及一种基于人工智能和大数据的水资源管理方法和系统。

背景技术：

1、水资源是指由当地降水产生的，可以用于人类生产与生活各类用途，存在于河流、湖泊、地下含水层中的逐年可更新的动态水资源，主要包括地表水和地下水。随着社会经济水平的逐步提高，人类对水资源需求量日益增大。面对不断产生的水资源问题，对水资源进行科学管理有着极其重要的现实意义。

2、传统的水资源管理方式，大多在生活、生产、生态的角度上进行大方向或大类别的尺度上进行，无法具体反映出某一用水单位或者某一水源具体的情况，导致水资源供应的不均匀分配，而在实际调度过程中，主要根据与用水单位的距离来选择相应的水源进行供水，缺乏灵活性，无法适应快速变化的用水需求，当某些水源面临短期问题或紧急情况时，难以做出及时的调整。

技术实现思路

1、为了解决传统的水资源管理方式，大多在生活、生产、生态的角度上进行大方向或大类别的尺度上进行，无法具体反映出某一用水单位或者某一水源具体的情况，导致水资源供应的不均匀分配，而在实际调度过程中，主要根据与用水单位的距离来选择相应的水源进行供水，缺乏灵活性，无法适应快速变化的用水需求，当某些水源面临短期问题或紧急情况时，难以做出及时的调整的技术问题，本发明提供一种基于人工智能和大数据的水资源管理方法和系统。

2、第一方面

3、本发明提供了一种基于人工智能和大数据的水资源管理方法，包括：

4、s1：获取各个水源在供给范围内的水源数据；

5、s2：根据所述水源数据，评估各个水源的承载度；

6、s3：根据各个水源的承载度，确定各个水源的水源优先级；

7、s4：获取各个用水单位的用水数据；

8、s5：根据各个用水单位的用水性质，确定各个用水单位的用水优先级；

9、s6：根据各个水源的可供水量、供给范围、水源优先级以及各个用水单位的用水量、用水优先级，构建水资源分配模型；

10、s7：通过遗传算法，求解出所述水资源分配模型的最优解；

11、s8：根据所述最优解，对各个用水单位进行供水。

12、进一步地，所述水源数据包括：水源在供给范围内的水源数据包括多个承载度的评估指标，所述评估指标包括：年降水量、可供水量、人均水资源量、水资源利用率、人口密度、人均日用水量、城镇化率、万元gdp用水量、农田灌溉用水量、工业用水量、生态用水量、污水排放量、污水处理率和绿化覆盖率。

13、进一步地，所述步骤s2具体包括以下步骤：

14、s201：确定各个评估指标的权重；

15、s202：对各个水源在各个评估指标下的指标值进行标准化处理；

16、s203：根据各个水源在各个评估指标下的标准化处理后的指标值，计算各个水源的承载度评估值：

17、；

18、其中，ci表示第i个水源的承载度评估值，βk表示第k个评估指标的权重，bik表示第i个水源在第k个评估指标下的标准化处理后的指标值，，k表示评估指标的总数；

19、s204：根据各个水源在各个评估指标下的最大值，计算正理想承载度和负理想承载度：

20、；

21、其中，表示正理想承载度，表示负理想承载度，max bk表示各个水源在第k个评估指标下的标准化处理后的指标值的最大值，min bk表示各个水源在第k个评估指标下的标准化处理后的指标值的最小值；

22、s205：根据各个水源的承载度评估值、正理想承载度和负理想承载度，计算各个水源的承载度：

23、；

24、其中，σi表示第i个水源的承载度。

25、进一步地，所述步骤s201具体包括以下步骤：

26、s2011：计算各个评估指标的波动系数：

27、；

28、；

29、其中，sk表示第k个评估指标的波动系数，bik表示第i个水源在第k个评估指标下的标准化处理后的指标值，表示各个水源在第k个评估指标下的标准化处理后的指标值的平均值，，n表示水源的总数；

30、s2012：计算各个评估指标的冲突系数：

31、；

32、其中，rk表示第k个评估指标的冲突系数，rjk表示第j个评估指标与第k个评估指标之间的相关系数，，，k表示评估指标的总数，bij表示第i个水源在第j个评估指标下的标准化处理后的指标值，bik表示第i个水源在第k个评估指标下的标准化处理后的指标值，表示各个水源在第j个评估指标下的标准化处理后的指标值的平均值，表示各个水源在第k个评估指标下的标准化处理后的指标值的平均值；

33、s2013：根据各个评估指标的波动系数和冲突系数，计算各个评估指标的信息量：

34、；

35、其中，pk表示第k个评估指标的信息量；

36、s2014：根据各个评估指标的信息量，计算各个评估值的权重：

37、；

38、其中，βk表示第k个评估指标的权重。

39、进一步地，所述步骤s3具体包括以下步骤：

40、s301：当水源的承载度σ满足时，确定水源为严重超载状态，确定所述水源优先级为ρ1；

41、s302：当水源的承载度σ满足时，确定水源为超载状态，确定所述水源优先级为ρ2；

42、s303：当水源的承载度σ满足时，确定水源为正常状态，确定所述水源优先级为ρ3；

43、s304：当水源的承载度σ满足时，确定水源为充足状态，确定所述水源优先级为ρ4；

44、s305：当水源的承载度σ满足时，确定水源为非常充足状态，确定所述水源优先级为ρ5；

45、其中，σ1表示第一承载度，σ2表示第二承载度，σ3表示第三承载度，σ4表示第四承载度， ；ρ1表示第一水源优先级，ρ2表示第二水源优先级，ρ3表示第三水源优先级，ρ4表示第四水源优先级，ρ5表示第五水源优先级，。

46、进一步地，所述步骤s5具体包括：

47、当用水单位的用水性质为农业用水时，确定所述用水优先级为λ1；

48、当用水单位的用水性质为工业用水时，确定所述用水优先级为λ2；

49、当用水单位的用水性质为日常饮用时，确定所述用水优先级为λ3；

50、其中，λ1表示第一用水优先级，λ2表示第二用水优先级，λ3表示用水优先级，。

51、进一步地，所述步骤s6具体包括：

52、s601：构建所述水资源分配模型的目标函数：

53、；

54、其中，f(x)表示目标函数，表示目标函数的最大值，x表示水资源分配解向量，f1(x)表示经济效益函数，表示经济效益函数的最大值，η1表示经济效益函数的缩放参数，dj表示第j个用水单位的用水效益系数，ej表示第j个用水单位的用水成本系数，ρi表示第i个水源的水源优先级，λj表示第j个用水单位的用水优先级，xij表示第i个水源向第j个用水单位的供水量，f2(x)表示缺水量函数，表示缺水量函数的最小值，η2表示缺水量函数的缩放参数，dj表示第j个用水单位的用水量，f3(x)表示生态成本函数，表示生态成本函数的最小值，η3表示生态成本函数的缩放参数，μj表示第j个用水单位的污水转化率，h表示单位污水的处理成本，，n表示水源的总数，，m表示用水单位的总数；

55、s602：为所述水资源分配模型添加约束条件；

56、s603：在所述约束条件的限制下，以所述目标函数的函数值最大为目标，对所述水资源分配模型进行训练。

57、进一步地，所述约束条件具体包括：可利用水资源约束、供水量约束、污水处理能力约束、污水排放总量约束和非负约束；

58、所述可利用水资源约束具体为：

59、；

60、其中，xij表示第i个水源向第j个用水单位的供水量，ti表示第i个水源的可供水量，，m表示用水单位的总数；

61、所述供水量约束具体为：

62、；

63、其中，dj表示第j个用水单位的用水量，θ表示最低满足系数；

64、所述污水处理能力约束具体为：

65、；

66、其中，μj表示第j个用水单位的污水转化率，w表示污水处理能力；

67、所述污水排放总量约束具体为：

68、；

69、其中，μj表示第j个用水单位的污水转化率，uj表示第j个用水单位的污水排放率，w1表示污水总量阈值；

70、所述非负约束具体为：

71、 。

72、进一步地，所述步骤s7具体包括以下步骤：

73、s701：初始化种群，初始种群q1中每个个体均代表一种可行的水资源分配解向解，所述水资源分配解向解x表示为{xij}；

74、s702：计算所述初始种群q1中每个个体的适应度值，其中，所述适应度值为目标函数的函数值；

75、s703：采取精英选择策略，删除适应度值最低的20%的个体，以形成新的种群q2；

76、s704：对种群q2进行交叉操作，从种群h2中随机选择两个个体分别作为父体和母体，生成一个随机数，并将该随机数与交叉概率pe比较大小，若随机数小于交叉概率pe，则对父体和母体进行交叉操作产生新个体，以形成新的种群q3，新个体的产生方式如下：

77、；

78、其中，y1、y2表示新个体，x1表示父体，x2表示母体，rand表示0至1之间的随机数；

79、s705：对种群q3进行变异操作，从种群q3中随机选择一个个体作为父体，生成一个随机数，并将该随机数与变异概率pm比较大小，若随机数小于变异概率pm，则对父体进行变异操作产生新个体，以形成新的种群q4，新个体的产生方式如下：

80、；

81、其中，y3表示新个体，x3表示父体，xmax表示适应度值最大的个体，xmin表示适应度值最小的个体，rand表示0至1之间的随机数；

82、s706：重复上述步骤s701至s705，进行迭代，直到达到预设迭代次数，输出适应度值最大的解作为所述水资源分配模型的最优解。

83、第二方面

84、本发明提供了一种基于人工智能和大数据的水资源管理系统，用于执行第一方面中的基于人工智能和大数据的水资源管理方法。

85、与现有技术相比，本发明至少具有以下有益技术效果：

86、（1）在本发明中，根据各个水源的可供水量、供给范围、水源优先级以及各个用水单位的用水量、用水优先级，构建水资源分配模型，通过水资源分配模型具体反映出某一用水单位或者某一水源具体的情况，提升水资源分配的公平性。

87、（2）在本发明中，通过遗传算法，求解出所述水资源分配模型的最优解；根据所述最优解，对各个用水单位进行供水，避免仅根据与用水单位的距离来选择相应的水源进行供水，提升供水灵活性，可以适应快速变化的用水需求，当某些水源面临短期问题或紧急情况时，可以做出及时的调整。

88、（3）在本发明中，根据各个水源的承载度，确定各个水源的水源优先级，根据各个用水单位的用水性质，确定各个用水单位的用水优先级，可以通过承载度高的水源优先供水，保护水源生态，向用水优先级高的单元优先供水，确保关键用水得到满足。