(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211216261.8 (22)申请日 2022.09.30 (71)申请人 扬州大学 地址 225009 江苏省扬州市大 学南路88号 (72)发明人 孔令仲　陈瑞彬　严瑞昕　李洁　 岩应叫　张扬帆　 (74)专利代理 机构 南京禹为知识产权代理事务 所(特殊普通 合伙) 32272 专利代理师 褚晓英 (51)Int.Cl. G06F 30/28(2020.01) G06N 3/12(2006.01) G06F 111/06(2020.01) G06F 119/14(2020.01) G06F 113/08(2020.01) (54)发明名称 一种基于遗传算法的糙率与过闸流量系数 率定方法 (57)摘要 本发明公开了一种基于遗传算法的糙率与 过闸流量系数率定方法， 包括： 针对分水口和节 制闸构造研究区域的水动力仿真模 型； 参数率定 优化问题构造； 验证率定参数； 本发明提供的基 于遗传算法的糙率与过闸流量系数率定方法将 复杂明渠输水系统中的多参数率定问题转化为 多参数的最优值确定问题， 并通过具有较强的优 化求解能力的遗传算法， 对多参数的最优值确定 问题进行求解， 实现多个参数的同步率定， 降低 整个参数率定过程的工程 量。 权利要求书2页 说明书9页 附图4页 CN 115526128 A 2022.12.27 CN 115526128 A 1.一种基于 遗传算法的糙 率与过闸流 量系数率定方法， 其特 征在于， 包括： 针对分水口和节制闸构造研究区域的水动力仿真模型； 将遗传算法嵌入所述水动力仿真模型中， 参数率定优化问题构造； 进行优化问题的求解， 将理论最优的糙率及过闸流量系数代入到所述水动力 仿真模型 中进行效果展示， 验证率定参数。 2.如权利要求1所述的基于遗传算法的糙率与 过闸流量系数率定方法， 其特征在于， 所 述针对分水口和节制闸包括： 选取0时刻的上游闸前水位、 流量， 下游闸后水位、 流量作为边 界条件； 闸门开度、 分水口流量作为初始条件； 闸门底高、 宽度以及渠池底宽、 长度、 边坡系 数等作为基本参数进行建模。 3.如权利要求2所述的基于遗传算法的糙率与 过闸流量系数率定方法， 其特征在于， 所 述构造研究区域的水动力仿真模型包括： 明渠建模 采用圣维南方程组： 其中： x和t为空间和时间坐标； A为过流面积， m2； Q为流量， m3/s； h为水深， m； g为重力加 速度， m/s2； q1为单位长度渠道上的侧向出流量， m2/s， 在这里不考虑渗漏的情况下设置为0； S0为渠道底坡； n为糙率系数， s/m1/3； R为水力半径， m， 其中R＝A/P， P为湿周， m。 4.如权利要求3所述的基于遗传算法的糙率与 过闸流量系数率定方法， 其特征在于， 所 述构造研究区域的水动力仿真模型还 包括： 节制闸建模基于过闸流 量计算公式： 其中， Q为过闸流量， m3/s； Cd为过闸流量系数； G为闸门开度， m； b为闸门底宽， m； hu为节 制闸闸前水深， m； hd为闸后水深， m， 在自由出流情况 下设hd为0。 5.如权利要求4所述的基于遗传算法的糙率与 过闸流量系数率定方法， 其特征在于， 所 述构造研究区域的水动力仿真模型还 包括： 分水口模拟主 要是依据流 量平衡方法： Qe＝Qf+Qi 其中， Qe为分水口前渠道断面的流量， Qf为分水口后渠道断面的流量， m3/s； Qi为分水口 分水流量， m3/s， 在进行仿真模拟的时候需要给 出。 6.如权利要求5所述的基于遗传算法的糙率与 过闸流量系数率定方法， 其特征在于， 包 括： 所述分水口间距很小时， 可以认为 其瞬时水位相等， 即有： he＝hf 其中， he为分水口前渠道断面的水深， m； hf为分水口后渠道断面的水深， m。 7.如权利要求6所述的基于遗传算法的糙率与 过闸流量系数率定方法， 其特征在于， 所 述参数率定优化问题构造包括： 设有X个节制闸， 则共有X个过闸流量系数待率定； X个节制 闸可将调水工程划分为X ‑1个河段， 每个河段则需要有一个或者多个糙率待率定， 记待率定 糙率数为Y； 设在河道中建设有R个水位观测站； 对于糙率n及过闸流量系数Cd的反演问题， 通过以水位 为变量， 构建目标函数， 该函数如下：权　利　要　求　书 1/2 页 2 CN 115526128 A 2其中， hik， h′ik分别为k时刻第i个水位监测点的计算水位值、 实测水位值； n为待率定糙 率参数， Cd为待率定过闸流 量系数； r， s 分别为水位 监测数、 总观测组数； 设置待率定参数的范围为： 其中， 分别为糙率参数ni和过闸流 量系数Cdi的取值下限和上限。 8.如权利要求7所述的基于遗传算法的糙率与 过闸流量系数率定方法， 其特征在于， 所 述参数率定优化问题构造还 包括： 已知河道 的糙率和闸门的过闸流量系数取值范围， 根据遗传算法， 在范围内随机选择 初始种群， 其中节制闸过闸流量系数个数为X， 糙率参数个数为Y， 种群数为M； 根据糙率参数 群体以及水动力模型中其 他参数， 进行计算； 然后计算各个 个体的适应度F(i)： 当遗传算法进化代数达到极限， 或者计算适应度满足精度要求时， 即可求出对应最优 过闸流量系数及渠道糙 率。 9.如权利要求8所述的基于遗传算法的糙率与 过闸流量系数率定方法， 其特征在于， 包 括： 所述验证率定参数包括： 将遗传算法计算结果回代初始水动力模型， 模拟各闸前水位， 利用率定水位与实测水位差值绝对值的最大值ΔHmax、 平均值 这两种指标来反映率定 结果与实测结果的接 近程度。 10.如权利要求9所述的基于遗传算法的糙率与过闸流量系数率定方法， 其特征在于， 所述两种指标采用如下公式计算： 其中， hik， h′ik分别为k时刻第i个水位监测点的计算水位值、 实测水位值； r， s分别为水 位监测数、 总观测组数。权　利　要　求　书 2/2 页 3 CN 115526128 A 3