胡曉松
(遼寧省鞍山水文局,遼寧鞍山114000)
基于APSO-BP算法的水庫生態(tài)優(yōu)化調(diào)度研究
胡曉松
(遼寧省鞍山水文局,遼寧鞍山114000)
APSO-BP算法可實(shí)現(xiàn)粒子群優(yōu)化的自動調(diào)整,解決傳統(tǒng)粒子群優(yōu)化算法收斂性較差,局部易出現(xiàn)極小值的局限,文章引入APSO-BP算法對遼寧某水庫生態(tài)調(diào)度進(jìn)行優(yōu)化計算。研究結(jié)果表明:APSO-BP算法的收斂精度和全局優(yōu)化搜索能力都好于傳統(tǒng)粒子群優(yōu)化算法,經(jīng)APSO-BP算法優(yōu)化下的水庫生態(tài)調(diào)度可以滿足流域的生態(tài)蓄水,流域最小生態(tài)需水滿足度達(dá)到75%,適宜生態(tài)需水滿足度達(dá)到66.7%,生態(tài)優(yōu)化調(diào)度結(jié)果明顯好于傳統(tǒng)粒子群優(yōu)化算法。APSO-BP算法可用于水庫生態(tài)優(yōu)化調(diào)度。研究成果對于水庫生態(tài)調(diào)度方案以及區(qū)域生態(tài)蓄水規(guī)劃配置提供方法參考。
APSO-BP算法;傳統(tǒng)粒子群算法;水庫生態(tài)優(yōu)化調(diào)度;生態(tài)滿足度
當(dāng)前,但隨著流域生態(tài)保護(hù)建設(shè)進(jìn)一步得到關(guān)注,水庫的生態(tài)調(diào)度也成為水庫運(yùn)行調(diào)度的主要目標(biāo)之一,對于水庫優(yōu)化調(diào)度,國內(nèi)外學(xué)者研究較多,研究的方法也較為成熟[1-6]。近年來,許多算法在水庫生態(tài)優(yōu)化調(diào)度中得到應(yīng)用,在這些方法中,粒子群優(yōu)化算法運(yùn)用較為廣泛,該算法可實(shí)現(xiàn)水庫的多個目標(biāo)優(yōu)化,但傳統(tǒng)粒子群優(yōu)化算法在計算過程中存在收斂精度不高,局部易出現(xiàn)極小值的局限。近期,APSO-BP算法引入粒子自動適應(yīng)函數(shù)對計算粒子進(jìn)行調(diào)整計算,能解決傳統(tǒng)粒子群算法局部出現(xiàn)極小值以及收斂不高的局限,在水資源優(yōu)化領(lǐng)域得到具體應(yīng)用[7-11],本文引入APSO-BP算法,以遼寧某水庫為研究實(shí)例,對水庫生態(tài)調(diào)度進(jìn)行優(yōu)化計算,并分析APSO-BP算法在水庫生態(tài)調(diào)度的適用性。
該算法假設(shè)在N維空間里面有M個粒子,每個計算粒子賦予計算位置屬性Yj,根據(jù)每個粒子計算的位置屬性值代入目標(biāo)函數(shù)求解得到不同計算粒子的目標(biāo)函數(shù)適應(yīng)值,對每個粒子進(jìn)行目標(biāo)優(yōu)化搜索求解,得到每個位置的最優(yōu)位置,粒子自適應(yīng)算法POS的計算公式為:式中,ω表示為模型計算的速度的慣性權(quán)重系數(shù);K表示為模型迭代計算的次數(shù);i表示計算的粒子的個數(shù);d表示為計算的空間維數(shù),在本文模型計算的空間維數(shù)位2維C1和C2分布表示為模型訓(xùn)練計算的學(xué)習(xí)因子的個數(shù),本文中2個學(xué)習(xí)因子數(shù)r1和r2分別表示[0-1]之間的隨機(jī)數(shù),其中νid∈[-νidmax,νidmax],在模型計算中,慣性權(quán)重系數(shù)ω對模型計算影響較大,本文引入動態(tài)自動適應(yīng)的權(quán)重系數(shù)調(diào)整算法對模型粒子計算速度的慣性權(quán)重系數(shù)進(jìn)行計算,ω模型計算的公式為:
式中,ωmax和wmin分別表示為粒子速度最大的慣性和最小慣性權(quán)重系數(shù);f表示為模型計算的粒子自動適應(yīng)目標(biāo)函數(shù)的值;favg表示為模型計算的自動適應(yīng)粒子屬性值的平均值;fmax表示為模型計算粒子自動適應(yīng)目標(biāo)函數(shù)屬性的最大值。
在計算粒子自動適應(yīng)目標(biāo)函數(shù)值的基礎(chǔ)上,采用APSO算法對Bp網(wǎng)絡(luò)單元進(jìn)行優(yōu)化求解,優(yōu)化求解目標(biāo)為使得模型計算的均方程值最小,計算方程為:
式中,N表示為模型訓(xùn)練計算樣本的個數(shù);qj,i表示為第i個計算粒子在模型節(jié)點(diǎn)的屬性位置值;yj,i則表示為第j個訓(xùn)練樣本在第i個計算節(jié)點(diǎn)的屬性位置值;C則表示為模型輸出的神經(jīng)網(wǎng)絡(luò)單元的個數(shù)。
APSO算法對模型網(wǎng)絡(luò)計算進(jìn)行優(yōu)化求解,并對每個粒子的位置屬性χ和速度ν屬性進(jìn)行更新計算,對每個粒子更新計算的方程為:
式中,r3表示為模型計算的隨機(jī)數(shù)。
在APSO-BP算法中對所有隱含的粒子數(shù)采用算法進(jìn)行目標(biāo)約束求解,約束方程為:
式中,Z表示為模型隱含單元的個數(shù);a和c分別表示輸入計算單元層的個數(shù);a表示為1-10之間的整數(shù)。
此外本文采用Schaffer函數(shù)對模型的收斂度以及優(yōu)化搜索能力進(jìn)行求解,求解的函數(shù)為:
式中,x表示為模型計算的收斂度;y表示為模型計算的優(yōu)化搜素能力,一般來說x和y小于4。
2.1 水庫概況
水庫1962年建成。控制面積2376km2,總庫容9.71億m3,水庫主要以防洪為目標(biāo),兼顧供水。為保護(hù)下游沙漠生態(tài),水庫開始進(jìn)行生態(tài)調(diào)度,應(yīng)用APSO-BP算法對水庫生態(tài)調(diào)度進(jìn)行優(yōu)化,并結(jié)合水庫的防洪與供水目標(biāo)進(jìn)行優(yōu)化調(diào)度。
2.2 區(qū)域生態(tài)需水計算
基于水庫下游水文站2000~2015年流量數(shù)據(jù),采用最小生態(tài)徑流方法[12]和適宜生態(tài)徑流方法[13]對河道逐月最小和適宜生態(tài)徑流進(jìn)行計算,計算結(jié)果見表1。
從表1中可以看出,區(qū)域最小生態(tài)需水在枯水期由于來水量較少,一般在15m3/s以下,進(jìn)入豐水期,流域的最小生態(tài)需水量增加到15m3/s以上。河道最小生態(tài)需水量是保證河流生態(tài)系統(tǒng)基本平衡所需要的水量,但是不能對流域水生態(tài)有所改善和保護(hù),而流域適宜生態(tài)需水量可以維持流域水生態(tài)系統(tǒng)的健康,并對區(qū)域水生態(tài)系統(tǒng)進(jìn)行一定的程度的改善。從表1中可以看出,區(qū)域的適宜生態(tài)需水都大于區(qū)域最小生態(tài)需水,且存在豐水期、枯水期的差異。因此在水庫生態(tài)調(diào)度過程中,需要對豐水期和枯水期的水量進(jìn)行優(yōu)化分配,在滿足水庫防洪和供水目標(biāo)的同時,需要滿足水庫下游河道的生態(tài)需水量的目標(biāo),對于不同算法水庫生態(tài)調(diào)度結(jié)果按照對下游適宜生態(tài)需水和最小生態(tài)需水滿足度來分析水庫生態(tài)優(yōu)化優(yōu)化調(diào)度的結(jié)果。
表1 逐月生態(tài)徑流計算結(jié)果
2.3 不同算法收斂度和全局搜索能力分析
采用Schaffer方法對APSO-BP算法和傳統(tǒng)粒子群優(yōu)化算法收斂精度和全局搜索能力進(jìn)行測試,結(jié)合10組隨機(jī)數(shù)據(jù)分析兩者方法的收斂精度和全局搜索能力,計算結(jié)果見表2。
表2 Schaffer方法下模型的測試結(jié)果
從表2中可以看出,經(jīng)過Schaffer方法測試后,APSO-BP算法的收斂度和全局搜索能力都要明顯好于傳統(tǒng)粒子群優(yōu)化算法,APSO-BP算法的Schaffe函數(shù)計算值為1.45,而傳統(tǒng)粒子群優(yōu)化算法的Schaffe函數(shù)計算值為0.84,從測試結(jié)果說明APSO-BP算法因?yàn)椴捎昧W幼詣舆m宜調(diào)整函數(shù)對粒子的優(yōu)化位置進(jìn)行調(diào)整計算,收斂度和全局搜索能力好于傳統(tǒng)粒子群優(yōu)化算法。
表3 水庫生態(tài)優(yōu)化調(diào)度結(jié)果
圖1 不同優(yōu)化算法下水庫生態(tài)調(diào)度流域生態(tài)需水滿足度分析
2.4 基于APSO-BP算法的水庫生態(tài)調(diào)度結(jié)果分析
結(jié)合APSO-BP算法和傳統(tǒng)粒子群算法分別對水庫進(jìn)行逐月生態(tài)優(yōu)化調(diào)度,分析經(jīng)過生態(tài)優(yōu)化調(diào)度后下游河道生態(tài)需水滿足度,分析結(jié)果見表3和圖1。
表3為APSO-BP算法和傳統(tǒng)粒子群算法的水庫生態(tài)優(yōu)化調(diào)度結(jié)果,從調(diào)度結(jié)果可以看出,APSO-BP算法下水庫生態(tài)調(diào)度水量對于區(qū)域最小生態(tài)需水滿足度達(dá)到75%,而傳統(tǒng)粒子群優(yōu)化算法下的水庫生態(tài)調(diào)度水量對于區(qū)域最小生態(tài)需水滿足度僅為33.3%,明顯低于APSO-BP算法下水庫生態(tài)調(diào)度后區(qū)域最小生態(tài)需水滿足度,從各月份最小生態(tài)需水滿足度中可以發(fā)現(xiàn)在枯水期水庫由于來水量的減少,區(qū)域最小生態(tài)需水滿足度較低,進(jìn)入豐水期后,由于水庫來水量增加,區(qū)域的最小生態(tài)需水滿足度較高。APSO-BP算法下水庫生態(tài)調(diào)度后區(qū)域適宜生態(tài)需水滿足可以達(dá)到66.7%,而傳統(tǒng)粒子群優(yōu)化算法下的區(qū)域適宜生態(tài)需水滿足度僅為25.0%,可見對于區(qū)域水生態(tài)保護(hù)較為重要的適宜生態(tài)需水量,APSO-BP算法優(yōu)化后的水庫生態(tài)調(diào)度滿足度也明顯高于傳統(tǒng)粒子群優(yōu)化算法,總體上看,APSO-BP算法下區(qū)域的最小生態(tài)需水滿足度要好于適宜生態(tài)需水的滿足度。
(1)APSO-BP算法的收斂精度和全局搜索能力都要好于傳統(tǒng)粒子群優(yōu)化算法,且可以解決傳統(tǒng)優(yōu)化算法收斂精度不高,局部易出現(xiàn)極小值的局限;
(2)APSO-BP算法下水庫下游最小生態(tài)需水滿足度可以達(dá)到75.0%,適宜生態(tài)需水滿足度可達(dá)到66.7,均明顯高于傳統(tǒng)粒子群優(yōu)化算法,APSO-BP算法在枯水期(10~12月份)由于來水量較少,河道生態(tài)需水很難得到滿足。
[1]李磊.水電站優(yōu)化調(diào)度決策輔助系統(tǒng)的研究[J].水利技術(shù)監(jiān)督,2016(02):33-35.
[2]劉偉,劉明麗.蓮花水庫優(yōu)化調(diào)度研究[J].水利技術(shù)監(jiān)督,2004(05):43-47.
[3]賈瑞紅.單一水庫優(yōu)化調(diào)度方案在水庫調(diào)度中的應(yīng)用研究[J].水利規(guī)劃與設(shè)計,2013(11):23-25.
[4]王慧斌.水庫生態(tài)調(diào)度的內(nèi)涵與模型探析[J].水利規(guī)劃與設(shè)計,2016(03):34-35+107.
[5]曾祥,胡鐵松,郭旭寧,等.并聯(lián)供水水庫解析調(diào)度規(guī)則研究II:多階段模型與應(yīng)用[J].水利學(xué)報,2014,45(09).
[6]張正浩,張強(qiáng),肖名忠,等.遼河流域豐枯遭遇下水庫調(diào)度[J].生態(tài)學(xué)報,2016(07):1-10.
[7]吳巍,周孝德,王新宏,等.基于自適應(yīng)粒子群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的多沙水庫沖淤預(yù)測模型研究及應(yīng)用[J].西北農(nóng)林科技大學(xué)學(xué)報(自然科學(xué)版),2011(04):216-226.
[8]劉華.地下工程結(jié)構(gòu)巖體力學(xué)參數(shù)與損失位移的高效反分析方法研究[D].廣西大學(xué),2015.
[9]龍胤慧,郭中小,魏永富,等.黃河包頭段水質(zhì)狀況短期預(yù)測[J].南水北調(diào)與水利科技,2012(05):56-58+107.
[10]李天宏,曾現(xiàn)進(jìn).基于粒子群算法優(yōu)化支持向量機(jī)的延河流域水沙模擬[J].應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報,2015(S1):79-87.
[11]張丹.三峽回水變動區(qū)船舶航行路徑優(yōu)化及三維環(huán)境仿真研究[D].武漢理工大學(xué),2011.
TV62
A
1008-1305(2017)01-0112-03
DO I:10.3969/j.issn.1008-1305.2017.01.034
2016-05-11
胡曉松(1984年—),男,工程師。