基于遗传算法与粒子群算法的供水管网水力模型校核对比研究

【摘要】：精准的水力模型能够全面反映供水管网的实际运行状态,由于管道的海曾-威廉系数无法直接测量,而该参数的合理性直接影响到水力模型的模拟结果,因此对该参数进行校核已成为国内外学者的研究热点。本文建立了管网水力模型隐式校核的数学优化模型,以华中某市HX开发区供水管网的海曾-威廉系数校核问题为例,对两种主流的进化算法——遗传算法与粒子群算法校核管段海曾-威廉系数的效果进行了对比研究,得到如下主要结论:(1)遗传算法与粒子群算法均能有效求解HX开发区管网水力模型海曾-威廉系数的校核问题,校核效果均高于(或非常接近)国内提出的水力模型校核标准。仅校核20条重要管段的结果表明:遗传算法与粒子群算法24h延时模拟中监测点压力误差均可以实现≤±1m的百分比为56.0%;≤±2m的百分比为88.4%;≤±4m的百分比为99.6%。(2)本文提出一种基于正交试验优化算法参数的方法,识别遗传算法与粒子群算法的最优参数组合与最差参数组合,发现粒子群算法在管网校核时参数的敏感性相较于遗传算法更显著。对比实验结果显示:在仅校核重要管段时,粒子群最差参数组合得到的校核结果略低,24h延时模拟中监测点压力误差≤±1m的百分比仅为49.8%;≤±2m的百分比仅为85.8%;≤±4m的百分比仅为98.7%,相较于算法最优水平误差较大,而遗传算法最差参数组合得到的校核结果与最优参数组合得到的结果基本一致。(3)针对HX开发区管网水力模型,遗传算法的校核效果优于粒子群算法,在校核实际管网模型时可考虑优先选用。校核管网全部管段时,两者24h延时模拟中监测点压力误差≤±1m的占比分别为63.6%、60.4%;≤±2m的占比分别为91.6%、91.1%;≤±4m的占比分别为100%、100%。(4)采用遗传算法与粒子群算法求解管网海曾-威廉系数时,校核模型中全部管段比只校核重要管段能够获得更高的模拟准确性。结果显示:使用遗传算法可将24h延时模拟中监测点压力误差≤±1m的百分比提升7.6%;≤±2m的百分比提升5.8%;≤±4m的百分比提升0.4%。而使用粒子群算法可将24h延时模拟中监测点压力误差≤±1m的百分比提升4.4%;≤±2m的百分比提升5.3%;≤±4m的百分比提升0.4%。本文的研究成果为选取合理的水力模型校核方法提供了一定理论依据,也为快速寻找合适的进化算法参数组合提供了一种新思路。