买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京市朝阳区河道管理二所;北京工业大学

摘要：一种叠加考虑地表径流、管道负载和节点漫溢的LID设施多目标低成本优化布设方法，属于市政工程技术领域，是一种使用多目标优化算法，充分考虑研究区域地表径流、管道负载以及节点漫溢状态的LID设施的优化布设方法，包括：首先构建SWMM排水管网模型，其次采用NSGA‑II算法耦合SWMM进行迭代计算，最后提取LID最优布设方案。有效提高了LID设施在防洪排涝过程中综合控制效果。与传统的考虑单一内涝指标的LID布设方案相比，对内涝的控制效果更好，覆盖指标更加全面；而使用单一控制目标进行优化布设无法得到更加良好且综合的控制效果。

主权项：1.一种叠加考虑地表径流、管道负载和节点漫溢的LID设施多目标低成本优化布设方法，其特征在于，包括：首先构建SWMM排水管网模型，其次采用NSGA-II算法耦合SWMM进行迭代计算，最后提取LID最优布设方案；具体实现方法如下：1构建SWMM模型用以模拟计算研究区域的排水状况；基于排水管网设施为研究区域构建一个SWMM模型，该模型中包含若干个子汇水区；该模型的原始文件为inp格式文件，其中有[SUBCATCHMENTS]字段中描述全部子汇水区的属性，[LID_USAGE]字段中描述着每个子汇水区中的全部LID设施的属性；使用该SWMM模型在优化算法的迭代过程中计算4个目标函数值，分别为：①地表径流量、②管段满载时间、③节点漫溢量、④LID设施的建设成本；2统计SWMM模型中每个子汇水区中的不同下垫面的类型和对应的面积，下垫面的类型包括：不透水的和不透水的，其中不透水的包括建筑屋顶、硬化路面，透水的包括裸土或和绿地；每个子汇水区中包含几种不同的下垫面类型，依据不同的下垫面的可布设的不同的LID设施；3对LID布设的方案进行初始化种群；将SWMM模型中的每一个子汇水区中布设的每一类LID设施的规模即面积作为多目标优化的优化变量，即并不是下垫面都完全布设LID设施；①计算每一个优化变量的上、下限；依据步骤2得到的每个子汇水区中的下垫面的类型和面积，将每一类下垫面的面积作为LID设施布设规模的上限，0作为下限；②LID布设方案的种群初始化；使用Python中的random函数为每一个子汇水区中的每一类LID设施在其上限与下限之间随机生成布设面积；全部的子汇水区中全部类型的LID设施都完成随机生成布设面积后，被视作一个LID布设方案；初始化的种群包括若干个LID布设方案，根据多目标优化的经验不少于100个，循环生成对应不少于100个LID布设方案；4计算LID布设方案的适应度；第1个优化目标是研究区域的全部子汇水区的地表径流总量、第2个优化目标是全部管道的满载时间的总和、第3个优化目标是全部节点的漫溢总量、第4个优化目标是LID设施的总建设成本；使用Python中的文本读取inp文件，将步骤3生成的全部的LID布设方案，取第一个方案写入inp文件中[SUBCATCHMENTS]和[LID_USAGE]字段；然后使用Python中的pyswmm包运行inp文件，进行排水过程模拟和结果读取，得到该方案具有4个优化目标的数值；因为4个目标函数值越小LID布设方案的效果越好，所以取4个优化目标值的相反数作为LID布设方案的4个适应度；5重复步骤4对步骤3生成的全部LID布设方案进行适应度计算，计算得到全部LID布设方案的适应度；6对LID布设方案进行快速非支配排序。按顺序选择步骤3中的全部LID布设方案中的第1个方案作为方案1，再选择除了方案1以外的其余的方案中的任意一个方案作为方案2，使用Python中的returnallandany方法比较这两个方案的4个适应度，相比后具有4个适应度值均较大的方案，则4个适应度值均较大的方案对4个适应度值均较小的方案具有支配地位，4个适应度值均较小的方案的被支配数量加1；例如方案1的4个适应度均大于方案2，则设定方案1对方案2具有支配地位，方案2的被支配数量加1，每一个方案被支配数量初始为0；7循环执行步骤6，直至步骤3生成的全部的LID布设方案两两之间均完成了适应度的比较；8根据全部LID布设方案之间的支配关系将全部方案分为不同的等级，任一方案的等级等于该方案被支配数量，等级越低的方案被认为是越优的，同一个等级可以包括几个不同的方案；9不同方案之间的拥挤度计算。在每个等级中，按序选择其中的方案1，使用公式1计算方案1和其它任意方案之间的欧氏距离σ1,n，例如计算方案1与方案2之间的欧氏距离σ1,2；在进行欧式距离计算前，对4个适应度的值进行归一化处理；在计算完方案1与其它全部方案之间的欧氏距离后，使用公式3将这些欧氏距离进行累加求和，得到方案1的拥挤度ρ1；同理，可计算得到全部方案的拥挤度； 式中，σ1,2为任意方案1和方案2之间的欧氏距离；i为当前计算第i个适应度，本方法中有4个适应度；fitness1,i为归一化处理后方案1的第i个适应度的值，fitness2,i为归一化处理后方案2的第i个适应度的值；以方案1为例，归一化处理的计算方法如公式2所示； 式中，fitness1,i为方案1的第i个适应度的值经过归一化处理后的适应度的值；i为当前计算第i个适应度，本方法中有4个适应度；Fit1,i为方案1经过步骤4中计算后所得的第i个适应度的值；fitnessmin,i为方案1所处的等级中，其中所有方案中第i个适应度所对应的最小的适应度值；fitnessmax,i为方案1所处的等级中，其中所有方案中第i个适应度所对应的最大的适应度值； 式中，ρ1为方案1的拥挤度；σ1,j为方案1与方案j之间的欧氏距离，方案1所处的等级中共有k个方案；10判断是否达到设定的终止条件，一般达到指定的循环迭代次数，根据多目标优化的经验，一般不少于100代；若没有达到终止条件，则按顺序执行步骤11～15；若已经达到终止条件，则执行步骤16；11对LID布设方案进行交叉；选择步骤8中得到的等级最低的方案中随机选择2个方案作为父代，读取2个父代的全部优化变量，对其使用交叉公式进行随机重组，生成2个子代方案；12循环执行步骤11，在循环过程中可以选择之前的循环中已经选择过的方案作为父代，直至生成100个子代方案，将这100个子代方案作为新的种群；13对LID布设方案进行变异。对步骤12中新生成的全部LID布设方案，按顺序选择其中的一个方案1，随机选取该方案1中的一些子汇水区，使用Python中的random函数为这些子汇水区中的每一类LID设施在其上限与下限之间随机生成布设面积，并替换掉该方案1中这些子汇水区中的每一类LID设施的布设面积；14循环执行步骤13，直至对全部的LID布设方案都完成了变异操作，将这些LID布设方案作为新的种群。15将步骤14生成的布设方案的种群，循环执行步骤4～14。16最终的迭代结果中，在等级最低的方案中，依据步骤9中计算的拥挤度结果，选择其中拥挤度最大的方案作为最终LID的最优布设方案。

全文数据：

权利要求：

百度查询： 北京市朝阳区河道管理二所 北京工业大学 一种叠加考虑地表径流、管道负载和节点漫溢的LID设施多目标低成本优化布设方法