基于遺傳算法的燃?xì)夤艿雷枇ο禂?shù)辨識研究

1 概述

隨著計(jì)算機(jī)技術(shù)飛速發(fā)展，仿真系統(tǒng)逐漸應(yīng)用到各種各樣的工程設(shè)計(jì)中。在天然氣管網(wǎng)運(yùn)行管理過程中，管網(wǎng)仿真逐漸成為保障管網(wǎng)安全可靠運(yùn)行的一種有效手段，可靠的管網(wǎng)系統(tǒng)仿真能夠較為準(zhǔn)確模擬運(yùn)行過程中各類參數(shù)的即時變化，仿真計(jì)算結(jié)果為實(shí)際管網(wǎng)運(yùn)行提供一定借鑒。為了得到較為準(zhǔn)確的管網(wǎng)仿真系統(tǒng)，不僅需要建立正確的數(shù)學(xué)模型，同時管網(wǎng)中的各種系統(tǒng)參數(shù)也應(yīng)與實(shí)際情況相符合。

建立城市燃?xì)夤芫W(wǎng)水力計(jì)算模型時，計(jì)算結(jié)果與實(shí)際觀測數(shù)據(jù)相比可能會出現(xiàn)一定誤差。主要有以下兩個原因。一方面，節(jié)點(diǎn)流量沒有精確統(tǒng)計(jì)，造成在計(jì)算上出現(xiàn)一定誤差。另一方面，隨著管道不斷運(yùn)行，管道本身會發(fā)生一定程度腐蝕，同時管道閥件數(shù)量和開合程度也不是一成不變的，這些都會造成管道阻力系數(shù)變化，造成實(shí)際阻力系數(shù)和理論計(jì)算公式的阻力系數(shù)有不小出入，為合理建立水力計(jì)算模型帶來阻礙。

隨著GIS、SCADA系統(tǒng)在城市燃?xì)夤芫W(wǎng)系統(tǒng)的應(yīng)用，節(jié)點(diǎn)流量獲取越發(fā)準(zhǔn)確，然而管道阻力系數(shù)依舊沒有一個較為準(zhǔn)確的計(jì)算方法。這是由于城市燃?xì)夤芫W(wǎng)系統(tǒng)一般都建成多年，管道細(xì)微的物理變化復(fù)雜難定，很多因素難以測定。在燃?xì)夤芫W(wǎng)改造設(shè)計(jì)方案中，往往只能依據(jù)規(guī)范和經(jīng)驗(yàn)公式確定管道阻力系數(shù)，與實(shí)際情況不一定相符。所以需要對燃?xì)夤艿雷枇ο禂?shù)進(jìn)行辨識，建立準(zhǔn)確可靠的管網(wǎng)仿真系統(tǒng)。

考慮到實(shí)際測量管道阻力系數(shù)經(jīng)濟(jì)成本過高，采用合理的數(shù)學(xué)方法解決就成為必然。遺傳算法(Genetic Algorithm，GA)作為一個搜索全局最優(yōu)解的計(jì)算方法，能夠利用計(jì)算機(jī)仿真運(yùn)算獲得問題的近似解，避免數(shù)學(xué)方程上求解精確解的復(fù)雜性和困難，在現(xiàn)在很多的工程研究中都得到了應(yīng)用。Tapia等人

曾基于遺傳算法在微型水電站布局優(yōu)化設(shè)計(jì)做了相應(yīng)研究，目標(biāo)是應(yīng)用遺傳算法，根據(jù)實(shí)際地形，考慮從最小電源需求、最大流量使用和電廠物理可行性中得到約束條件，設(shè)計(jì)最適合的微型水力發(fā)電廠的布局方案。Huang

等人基于遺傳算法提出解決城市道路網(wǎng)絡(luò)中斷問題的模型與方法。他們通過構(gòu)建相應(yīng)模型并嵌入遺傳算法，最終達(dá)到根據(jù)道路方向重新配置城市網(wǎng)絡(luò)從而保持網(wǎng)絡(luò)所有點(diǎn)之間的路徑連通性的目的。王晉達(dá)

基于一定的工程背景建立了一個熱網(wǎng)的理論模型，利用節(jié)點(diǎn)壓力法對理論模型在不同工況下的運(yùn)行參數(shù)進(jìn)行了計(jì)算，得到多組假想的觀測數(shù)據(jù)；然后根據(jù)這些數(shù)據(jù)編寫相應(yīng)的優(yōu)化目標(biāo)函數(shù)；最后利用遺傳算法對優(yōu)化問題進(jìn)行求解，得到了阻力系數(shù)辨識值并對結(jié)果進(jìn)行評估。張樹玉等人

對遺傳算法、蟻群算法和神經(jīng)網(wǎng)絡(luò)算法在燃?xì)夤芫W(wǎng)優(yōu)化設(shè)計(jì)中的應(yīng)用進(jìn)行總結(jié)和分析。劉春霞等人

針對傳統(tǒng)的天然氣預(yù)測模型預(yù)測精度低、模型泛化程度低的問題，提出一種基于遺傳算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的天然氣負(fù)荷預(yù)測模型，通過遺傳算法對小波神經(jīng)網(wǎng)絡(luò)閾值以及網(wǎng)絡(luò)連接權(quán)值等參數(shù)進(jìn)行優(yōu)化，從而建立了預(yù)測效果良好的模型。高建豐等人

為實(shí)現(xiàn)節(jié)能減排，充分合理地利用天然氣管道的輸配能力，將目標(biāo)函數(shù)定義為天然氣最大流量，同時考慮管道內(nèi)天然氣穩(wěn)定流動、各節(jié)點(diǎn)流量平衡、節(jié)點(diǎn)及管段壓力等約束條件，通過遺傳算法建立了天然氣管網(wǎng)系統(tǒng)的優(yōu)化數(shù)學(xué)模型。李宏勛等人

基于我國天然氣進(jìn)口具有時間短、數(shù)據(jù)量少的特點(diǎn)，傳統(tǒng)的預(yù)測方法不能兼顧結(jié)果準(zhǔn)確性和實(shí)時性，提出了一種基于遺傳算法優(yōu)化極限學(xué)習(xí)機(jī)模型的權(quán)重和閾值的新方法?？梢娔壳皣鴥?nèi)外學(xué)者對遺傳算法應(yīng)用在各種工程上都有所研究，但在燃?xì)夤芫W(wǎng)應(yīng)用方面的探索較少，并且缺少相應(yīng)的軟件開發(fā)。

本文結(jié)合遺傳算法與水力計(jì)算模型，將城市燃?xì)夤芫W(wǎng)的實(shí)際觀測數(shù)據(jù)與水力計(jì)算結(jié)果進(jìn)行對比，通過遺傳算法對管道阻力系數(shù)進(jìn)行辨識，以建立與實(shí)際情況相符的管網(wǎng)仿真系統(tǒng)。并采用MATLAB軟件中的GUI功能，設(shè)計(jì)了一款兼具水力計(jì)算與管道阻力系數(shù)辨識功能的應(yīng)用軟件，該軟件在輸入相應(yīng)管網(wǎng)參數(shù)后，能夠準(zhǔn)確進(jìn)行水力計(jì)算，并在有實(shí)測壓力數(shù)據(jù)時，可以對管道阻力系數(shù)進(jìn)行辨識，用戶界面友好，操作方便，結(jié)果直觀。

2 遺傳算法阻力系數(shù)辨識

遺傳算法最早由美國約翰·霍蘭德于20世紀(jì)70年代提出

，該算法通過數(shù)學(xué)方法，利用計(jì)算機(jī)仿真運(yùn)算，將問題的求解過程轉(zhuǎn)換成類似生物進(jìn)化中的染色體基因的交叉、變異等過程。在求解較為復(fù)雜的組合優(yōu)化問題時，相對一些常規(guī)的優(yōu)化算法，通常能夠較快地獲得較好的優(yōu)化結(jié)果

。通過管網(wǎng)節(jié)點(diǎn)實(shí)際壓力推導(dǎo)管道實(shí)際阻力系數(shù)是一個非常復(fù)雜的數(shù)學(xué)問題，常規(guī)方法難以解決。而使用遺傳算法，可以忽略過于復(fù)雜的數(shù)學(xué)條件，最終得到問題的近似解，而采用近似解的結(jié)果在實(shí)際工程上是可行的。

2.1 阻力系數(shù)辨識模型

通過遺傳算法進(jìn)行阻力系數(shù)辨識即在數(shù)學(xué)模型中將水力計(jì)算模型嵌入遺傳算法中，遺傳算法進(jìn)行阻力系數(shù)辨識流程見圖1，種群個體數(shù)量記為

。

由于遺傳算法不能直接處理問題空間的參數(shù)，必須把它們轉(zhuǎn)換成遺傳空間的由基因按一定結(jié)構(gòu)組成的染色體或個體，這一轉(zhuǎn)換操作稱為編碼

。編碼方法一般有二進(jìn)制編碼法、浮點(diǎn)編碼法和符號編碼法3種。其中浮點(diǎn)編碼法精度較高，便于解決復(fù)雜問題，因此本文選用浮點(diǎn)編碼法。在計(jì)算機(jī)進(jìn)行編碼生成種群時，需要設(shè)定一個范圍，即阻力系數(shù)可能的變化幅度。本文先選取常用阻力系數(shù)的0.2倍和5倍作為范圍上下限進(jìn)行測算。

根據(jù)設(shè)置的種群規(guī)模，計(jì)算機(jī)生成隨機(jī)數(shù)作為阻力系數(shù)，代入水力計(jì)算模型。計(jì)算得出的壓力或流量與實(shí)際觀測數(shù)據(jù)進(jìn)行對比，進(jìn)行適應(yīng)度計(jì)算。根據(jù)計(jì)算結(jié)果，對阻力系數(shù)編碼后，進(jìn)行選擇、交叉、變異等遺傳操作，得出優(yōu)秀后代，解碼后再次代入水力計(jì)算中。不斷篩選，直到達(dá)到設(shè)置迭代次數(shù)。

2.2 適應(yīng)度函數(shù)選擇

② 結(jié)果分析

(1)

式中

——個體適應(yīng)度

(

)——適應(yīng)度函數(shù)

——監(jiān)測節(jié)點(diǎn)數(shù)量

,m

——監(jiān)測節(jié)點(diǎn)實(shí)測壓力，MPa

,c

——監(jiān)測節(jié)點(diǎn)計(jì)算壓力，MPa

2.3 遺傳算法參數(shù)選擇

遺傳算法在設(shè)置參數(shù)時沒有通用方法，但一般參數(shù)設(shè)置時遵循兼顧求解精度和運(yùn)行時間的原則，即在保證求解精度的同時盡可能減少計(jì)算時間。通常采取各種參數(shù)的多個值進(jìn)行測試，選擇一種最佳參數(shù)組合，使得適應(yīng)度最低。對于不同的管網(wǎng)結(jié)構(gòu)，參數(shù)設(shè)置不相同。本文以某市高壓枝狀管網(wǎng)為基礎(chǔ)進(jìn)行研究，得到該管網(wǎng)進(jìn)行阻力系數(shù)辨識的最佳參數(shù)組合。

監(jiān)測輸液正常的關(guān)鍵指標(biāo)之一: 輸液液滴的狀態(tài),液滴的快慢代表著輸液的不同狀態(tài)。圖2為液滴信號監(jiān)測示意圖。紅外對管是檢測輸液液滴的關(guān)鍵器件。圖3是實(shí)現(xiàn)輸液液滴監(jiān)測的具體實(shí)現(xiàn)電路。

a.選擇算子

術(shù)后1 d，F(xiàn)LEx組淚液中IL-1α表達(dá)較術(shù)前增加，同時比SMILE組高（P=0.019），在術(shù)后1周就恢復(fù)到術(shù)前水平。2組術(shù)前術(shù)后淚液中TNF-α表達(dá)差異均無統(tǒng)計(jì)學(xué)意義，見圖2。

選取2017年2月～2018年2月于我院進(jìn)行治療的偏頭痛患者68例作為研究對象，根據(jù)患者的就診時間將其分為聯(lián)合組和對照組，各34例。其中，對照組男14例，女20例，年齡24～45歲，平均年齡（36.11±5.12）歲，病程1～9個月，平均病程（5.19±2.12）個月；聯(lián)合組男15例，女19例，年齡25～46歲，平均年齡（36.98±4.99）歲，病程2～9個月，平均病程（5.05±1.89）個月。兩組患者的一般資料比較，差異無統(tǒng)計(jì)學(xué)意義（P＞0.05）。

對決策變量進(jìn)行編碼形成數(shù)字串(染色體或個體)以后，會隨機(jī)生成

個個體，

稱為種群規(guī)模，是由計(jì)算機(jī)在給定的范圍內(nèi)隨機(jī)生成的。種群規(guī)模太大，會增加計(jì)算量，種群規(guī)模太小，搜索范圍過小，容易陷入局部最小量的情況。定義

個個體中適應(yīng)度最低個體的適應(yīng)度為最低適應(yīng)度。選取不同種群規(guī)模后的最低適應(yīng)度見圖2?？梢钥闯?，種群規(guī)模為30～60時，最低適應(yīng)度明顯較大，收斂于局部最優(yōu)解，當(dāng)種群規(guī)模大于60時，最低適應(yīng)度整體較小。但隨著種群規(guī)模增大，程序運(yùn)行時間增加。經(jīng)過測試，為保證在不影響精度情況下盡可能縮短計(jì)算時間，種群規(guī)模選擇60左右比較合適。

② 遺傳算子選擇

遺傳算法包括選擇、交叉、變異3個基本遺傳算子

。

① 種群規(guī)模選擇

全區(qū)四級地共530.25公頃，占全區(qū)耕地面積的0.64%。四級地分布鄉(xiāng)鎮(zhèn)較少，以東河口鎮(zhèn)居多，其面積為173.92公頃，占四級地32.80%，橫塘鄉(xiāng)、淠東鄉(xiāng)和張店鎮(zhèn)次之，毛坦廠鎮(zhèn)、雙河鎮(zhèn)、施橋鎮(zhèn)和中店鄉(xiāng)有少量分布，其余鄉(xiāng)鎮(zhèn)均無分布。四級地土壤質(zhì)地多為重壤甚至黏土，光熱不足，大多區(qū)位條件不好，土壤養(yǎng)分極缺，經(jīng)營效益差，作物收益不高，較于糧食作物農(nóng)民更傾向于作為苗圃使用土地，當(dāng)?shù)刂饕杖雭碓礊橥獬龃蚬?，小片種植糧食作物的土地僅用來自給自足。此級別農(nóng)用地主要受農(nóng)村道路的影響，交通困難，遠(yuǎn)離人口聚集活動區(qū)，農(nóng)產(chǎn)品的交易比較困難。

從種群中選擇優(yōu)勝個體、淘汰劣質(zhì)個體的操作叫選擇。選擇算子有時又稱為再生算子。選擇的目的是把優(yōu)化的個體直接遺傳到下一代或通過交叉產(chǎn)生新個體再遺傳到下一代。選擇操作是建立在種群中個體適應(yīng)度評估基礎(chǔ)上，常用的選擇算子有適應(yīng)度比例方法、隨機(jī)遍歷抽樣法、局部選擇法。本文采用適應(yīng)度比例方法，個體的選擇概率與個體適應(yīng)度相關(guān)。選擇概率、交叉概率和變異概率之和為1，通常優(yōu)先確定交叉概率和變異概率。

在中小學(xué)的語文、數(shù)理化等領(lǐng)域，時常會有鼓勵學(xué)生拓展和創(chuàng)造的各種活動和比賽。而中小學(xué)的英語界，除了應(yīng)試類型的比賽，就鮮有看到其他活動和賽事。該現(xiàn)象表明英語教育界對活動和賽事的激勵導(dǎo)向意識不足，還體現(xiàn)了其對中小學(xué)生英語能力的信心不足，也側(cè)面體現(xiàn)了其對現(xiàn)有體制下英語教育水平的信心不足。該現(xiàn)象對市場起到了對相關(guān)英語資源的催生刺激缺乏的負(fù)面效應(yīng)。

b.交叉算子

2、水利水電工程，主要是為了防洪抗災(zāi)，因此需要其具備較為穩(wěn)定的壓力、較強(qiáng)的耐磨抗烈性，還要同時具備防滲、抗沖、防高溫和低溫等特點(diǎn)。因此要嚴(yán)格遵從工程建設(shè)技術(shù)標(biāo)準(zhǔn)來施工，以保障工程質(zhì)量。

BP神經(jīng)網(wǎng)絡(luò)實(shí)質(zhì)上是一種采用反向傳播學(xué)習(xí)算法的多層前饋網(wǎng)絡(luò)。從結(jié)構(gòu)上講，BP網(wǎng)絡(luò)是一種分層型網(wǎng)絡(luò)，由輸入層、隱層和輸出層組成。層與層之間采用全互連方式，同一層單元之間不存在相互連接。

c.變異算子

變異算子是對種群中的個體串的某些基因座上的基因值作變動。通常情況下變異概率取0.01～0.10

。選取不同變異概率后的最低適應(yīng)度見圖4。可以看出，變異概率取0.02時，最低適應(yīng)度較高，變異概率為0.01、0.04、 0.07得到的最低適應(yīng)度較低。本文變異概率取0.04。

③ 設(shè)置迭代次數(shù)選擇

遺傳算法一般選擇迭代次數(shù)達(dá)到設(shè)置迭代次數(shù)作為結(jié)束條件。當(dāng)最低適應(yīng)度隨設(shè)置迭代次數(shù)增加不再變化時則可以將此設(shè)置迭代次數(shù)選擇為最佳設(shè)置迭代次數(shù)。選取不同設(shè)置迭代次數(shù)后的最低適應(yīng)度見圖5?？梢钥闯?，當(dāng)設(shè)置迭代次數(shù)大于11以后，最低適應(yīng)度沒有明顯變化。為避免運(yùn)行時間過長和保證收斂，設(shè)置迭代次數(shù)選擇11左右較為合適。

3 水力計(jì)算模型

① 水力計(jì)算原理

通常燃?xì)夤芫W(wǎng)水力計(jì)算方法有3種：管段方程法、環(huán)方程法、節(jié)點(diǎn)方程法。管段方程法進(jìn)行水力計(jì)算求解精度高，但收斂速度較慢；環(huán)方程法進(jìn)行水力計(jì)算，收斂速度快，但求解精度較低；節(jié)點(diǎn)方程法兼具上述兩者的優(yōu)點(diǎn)，求解精度和收斂速度均較高

。本文水力計(jì)算方法采用節(jié)點(diǎn)方程法，并應(yīng)用威莫斯方程，將水力計(jì)算式簡化為式(2)

。

(2)

式中

——管段體積流量，m

/s

389 640——阻力系數(shù)

——管段內(nèi)直徑，m

——燃?xì)夤芏纹瘘c(diǎn)壓力，MPa

——燃?xì)庀鄬γ芏?，?.6

——燃?xì)夤芏谓K點(diǎn)壓力，MPa

在自然界生物進(jìn)化過程中起核心作用的是生物遺傳基因的重組(加上變異)。同樣，遺傳算法中起核心作用的是遺傳操作的交叉算子。所謂交叉是指把兩個父代個體的部分結(jié)構(gòu)加以替換重組而生成新個體的操作。通過交叉，遺傳算法的搜索能力得以飛躍提高。通常情況下交叉概率取0.4～0.9

。選取不同交叉概率后的最低適應(yīng)度見圖3?？梢钥闯?，交叉概率取0.7時，最低適應(yīng)度較高，取0.4時最低適應(yīng)度最低。本文交叉概率取0.4。

——管段長度，m

② 水力計(jì)算模型驗(yàn)證

（3）最大位移出現(xiàn)在碼頭面層中心區(qū)域。最大位移為8.55mm，整個鋼管桁架平均位移為2.75mm。根據(jù)相關(guān)規(guī)范可知，最大位移不應(yīng)大于L/600，其中L為計(jì)算跨度，取60m?？梢娮畲笪灰七h(yuǎn)小于100mm的位移距離要求。

“那么，你準(zhǔn)備怎樣處置他？”男子看了一眼石屋，試探著問。范堅(jiān)強(qiáng)伸出手去，將易拉罐捏得“嘎嘣”響，他舔著嘴唇上的酒液說：“我自有計(jì)劃?！?/p>

——燃?xì)鈮嚎s因子

采用不同的水力計(jì)算方法，辨識得到的阻力系數(shù)會不同，但相近。

——燃?xì)鉁囟?，K，取283 K

為驗(yàn)證本文構(gòu)建的水力計(jì)算模型正確性，對文獻(xiàn)中某環(huán)狀管網(wǎng)進(jìn)行水力計(jì)算驗(yàn)證

。計(jì)算結(jié)果顯示，計(jì)算壓力與文獻(xiàn)中壓力相對誤差較小，表明構(gòu)建的水力計(jì)算模型可靠。

4 實(shí)例分析

① 某地高壓管網(wǎng)實(shí)例

某地3個氣源枝狀高壓管網(wǎng)見圖6。除氣源點(diǎn)15、16、17外，共有監(jiān)測管網(wǎng)節(jié)點(diǎn)12個。

通過構(gòu)建的水力計(jì)算模型對某日上午8時該管網(wǎng)運(yùn)行狀態(tài)進(jìn)行計(jì)算，得到節(jié)點(diǎn)計(jì)算壓力，并與實(shí)測壓力對比(見表1)，可以看出部分節(jié)點(diǎn)相對誤差絕對值超過1.00%，各節(jié)點(diǎn)相對誤差絕對值的平均值為0.86%，分析原因是實(shí)際阻力系數(shù)與式(2)中的阻力系數(shù)有一定出入?？赏ㄟ^遺傳算法對阻力系數(shù)進(jìn)行辨識，進(jìn)一步提高水力計(jì)算準(zhǔn)確度。

首先，假設(shè)UAV從S點(diǎn)出發(fā)，到達(dá)目的地F點(diǎn)完成盤點(diǎn)任務(wù)。飛行空間中(車間內(nèi))存在很多設(shè)備和管道之類的危險(xiǎn)區(qū)域，在UAV飛行過程中需要避開危險(xiǎn)區(qū)域。將整個空間飛行路徑劃分成m個相等的子空間，且有n個飛行候選節(jié)點(diǎn)。

對該管網(wǎng)進(jìn)行阻力系數(shù)辨識，各管段阻力系數(shù)辨識結(jié)果見表2，管網(wǎng)8時阻力系數(shù)辨識后節(jié)點(diǎn)計(jì)算壓力見表3?？梢钥闯觯ㄟ^阻力系數(shù)辨識后，計(jì)算壓力非常接近實(shí)測壓力，各節(jié)點(diǎn)相對誤差絕對值的平均值從0.86%降為0.22%，最大相對誤差不超過1.00%。說明辨識后的管網(wǎng)水力計(jì)算結(jié)果與上午8時的管網(wǎng)實(shí)際運(yùn)行數(shù)據(jù)更相符。

進(jìn)化論中的適應(yīng)度，是表示某一個體對環(huán)境的適應(yīng)能力，也表示該個體繁殖后代的能力。遺傳算法的適應(yīng)度函數(shù)也叫評價(jià)函數(shù)，是用來判斷種群中個體優(yōu)劣程度的指標(biāo)，是根據(jù)所求問題的目標(biāo)函數(shù)進(jìn)行評估

。將對壓力進(jìn)行監(jiān)測的節(jié)點(diǎn)稱為監(jiān)測節(jié)點(diǎn)。本文涉及的壓力均為絕對壓力。針對高中壓管網(wǎng)，本文設(shè)置適應(yīng)度函數(shù)見式(1)。適應(yīng)度越低，表明阻力系數(shù)辨識后的節(jié)點(diǎn)計(jì)算壓力越接近于節(jié)點(diǎn)實(shí)測壓力。

對高壓枝狀管網(wǎng)進(jìn)行阻力系數(shù)辨識后，仍然存在一定的相對誤差，分析原因如下。

a.水力計(jì)算方法不適用：本文采用的水力計(jì)算方法是穩(wěn)態(tài)計(jì)算，高壓管網(wǎng)存在一定波動，視為穩(wěn)態(tài)工況與實(shí)際有出入，導(dǎo)致計(jì)算結(jié)果與實(shí)際情況存在一定偏差。

選取2017年7月—2018年6月來院實(shí)習(xí)的本科5年制大五學(xué)生32名，隨機(jī)平均分為對照組和觀察組，兩組實(shí)習(xí)生均來自重慶醫(yī)科大學(xué)。對照組男生7人，女生9人；觀察組男生8人，女生8人，對照組理論課學(xué)習(xí)平均成績（86.4±1.3）分，觀察組平均成績（87.3±1.1）分，P＞0.05為差異無統(tǒng)計(jì)學(xué)意義，具有可比性。

b.算法本身存在誤差：遺傳算法是一個尋找最優(yōu)解的智能算法，管網(wǎng)的阻力系數(shù)逆向求解過程較為復(fù)雜，最終只能得到問題近似解。

5 阻力系數(shù)辨識軟件開發(fā)

在MATLAB中，通過GUI界面能夠較好地向用戶呈現(xiàn)某種功能或技術(shù)

，本文以MATLAB中的GUI功能為基礎(chǔ)，設(shè)計(jì)開發(fā)一個兼具水力計(jì)算和阻力系數(shù)辨識的計(jì)算軟件

。

① 總體程序設(shè)計(jì)

圖形用戶界面是一種人與計(jì)算機(jī)通信的界面，允許用戶使用鼠標(biāo)等輸入設(shè)備操縱屏幕上的圖標(biāo)或菜單選項(xiàng)，從而選擇命令、調(diào)用文件、啟動程序或執(zhí)行其他一些日常任務(wù)。通過圖形用戶界面中的窗口、下拉菜單、對話框等控制結(jié)構(gòu)，用戶可以直觀地了解到軟件作用，同時也便于通過操作界面運(yùn)行程序

。

根據(jù)圖1，程序界面可以分為管網(wǎng)基本參數(shù)、水力計(jì)算、阻力系數(shù)計(jì)算和繪圖4部分。

保持室內(nèi)空氣清新、流通,室溫保持在18~22℃左右、濕度保持在50%~70%最為適宜[4]。病人不宜用羽絨被子、枕頭,以避免吸入刺激性物質(zhì)導(dǎo)致哮喘發(fā)作,避免接觸環(huán)境中任何可能的過敏原。協(xié)助病人選取恰當(dāng)?shù)捏w位。注意觀察病人呼吸情況。發(fā)作期,宜給予營養(yǎng)豐富、高維生素的流質(zhì)或半流質(zhì)飲食。忌食某些過敏性食物,少食油膩的食物,鼓勵病人多喝水,以使大便保持通暢。

三角函數(shù)是高中數(shù)學(xué)中的重點(diǎn)學(xué)習(xí)內(nèi)容之一，同時在高考中也占據(jù)著一定的比重，因此學(xué)好三角函數(shù)相關(guān)內(nèi)容是高中生的基礎(chǔ)學(xué)習(xí)任務(wù)之一，但是大部分高中生在三角函數(shù)解題過程中經(jīng)常會出現(xiàn)各種失誤，從而導(dǎo)致失分的問題，本文就此入手對三角函數(shù)相關(guān)錯誤解題成因進(jìn)行了系統(tǒng)的研究。

② 軟件介紹

軟件需要讀取管網(wǎng)的基本結(jié)構(gòu)參數(shù)、節(jié)點(diǎn)流量、氣源壓力和氣體參數(shù)，為水力計(jì)算收集數(shù)據(jù)，之后可在水力計(jì)算界面計(jì)算出相應(yīng)結(jié)果，軟件水力計(jì)算界面見圖7。計(jì)算公式選擇載入了威莫斯公式和前蘇聯(lián)經(jīng)驗(yàn)公式，其他公式可以根據(jù)后期需要再行載入。

如果水力計(jì)算壓力與實(shí)際壓力存在較大誤差，可以輸入實(shí)際節(jié)點(diǎn)編號和節(jié)點(diǎn)壓力，并且設(shè)置相應(yīng)參數(shù)，對管網(wǎng)中所有管段阻力系數(shù)進(jìn)行辨識，再次進(jìn)行水力計(jì)算，使節(jié)點(diǎn)計(jì)算壓力接近節(jié)點(diǎn)實(shí)際壓力。軟件阻力系數(shù)計(jì)算界面見圖8。最后可通過繪圖功能將計(jì)算結(jié)果直觀地展示

。

6 結(jié)論

① 結(jié)合遺傳算法與水力計(jì)算模型，將城市燃?xì)夤芫W(wǎng)的實(shí)際數(shù)據(jù)與阻力系數(shù)辨識后水力計(jì)算結(jié)果進(jìn)行對比，結(jié)果表明辨識后的管網(wǎng)水力計(jì)算結(jié)果相對誤差在工程設(shè)計(jì)的范圍內(nèi)。

② 基于MATLAB圖形用戶界面GUI開發(fā)阻力系數(shù)辨識和水力計(jì)算軟件。軟件載入相應(yīng)數(shù)據(jù)后，能夠進(jìn)行水力計(jì)算及阻力系數(shù)辨識，用戶界面友好，操作方便，結(jié)果直觀。

[ 2 ] HUANG Y P, SANTOS A C，DUHAMEL C. Model and methods to address urban road network problems with disruptions[J]. International Transactions in Operational Research, 2020(6): 2715-2739.

[ 3 ] 王晉達(dá). 基于遺傳算法的供熱管網(wǎng)阻力系數(shù)優(yōu)化辨識研究(碩士學(xué)位論文)[D]. 哈爾濱：哈爾濱工業(yè)大學(xué), 2015：7-10.

[ 4 ] 張樹玉, 劉克江. 燃?xì)夤芫W(wǎng)優(yōu)化設(shè)計(jì)方法研究[J]. 遼寧化工, 2019(9):873-875.

[ 5 ] 劉春霞, 李軍, 黨偉超,等. 基于遺傳算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的短期天然氣負(fù)荷預(yù)測[J]. 計(jì)算機(jī)系統(tǒng)應(yīng)用, 2020(4):175-180.

[ 6 ] 高建豐, 金卷華, 王焱,等. 基于改進(jìn)的遺傳算法的天然氣管網(wǎng)系統(tǒng)運(yùn)行優(yōu)化[J]. 油氣田地面工程, 2020(1):12-17.

[ 7 ] 李宏勛, 宮本璞. 基于GA-ELM模型的我國天然氣進(jìn)口預(yù)測[J]. 河南科學(xué), 2020(4):667-673.

[ 8 ] HOLLAND J H. 自然與人工系統(tǒng)中的適應(yīng):理論分析及其在生物、控制和人工智能中的應(yīng)用[M]. 張江，譯. 北京：高等教育出版社, 2008：1-20.

[ 9 ] 李勇,王雅君,王耐東,等. 基于遺傳算法的多目標(biāo)拆卸線平衡問題[J]. 大連工業(yè)大學(xué)學(xué)報(bào), 2021(3):1-6.

[10] 王鐵方. 計(jì)算機(jī)基因?qū)W基于家族基因的網(wǎng)格信任模型[M]. 北京: 知識產(chǎn)權(quán)出版社, 2016:93-94.

[11] 劉偉, 唐文芳, 連家秀,等. 城市燃?xì)夤芫W(wǎng)水力計(jì)算軟件的開發(fā)[J]． 油氣儲運(yùn), 2002(1): 25-27.

[12] 丁宇. 燃?xì)夤芫W(wǎng)系統(tǒng)模擬與運(yùn)行分析(碩士學(xué)位論文)[D]. 天津:中國民航大學(xué),2014：19-20.

[13] 江茂澤，徐羽鏜，王壽喜. 輸配氣管網(wǎng)的模擬與分析[M]. 北京：北京石油工業(yè)出版社，1995：77-98.

[14] 鄧昌瑞. 基于MATLAB GUI的多功能計(jì)算系統(tǒng)設(shè)計(jì)及實(shí)現(xiàn)(碩士學(xué)位論文)[D]. 南昌: 南昌大學(xué), 2012: 6-8.

[15] 雷英杰, 張善文. 遺傳算法工具箱及應(yīng)用[M]. 西安: 西安電子科技大學(xué)出版社, 2014: 104-107.