给水管网水力模拟参数校验的遗传退火混合算法

《给水管网水力模拟参数校验的遗传退火混合算法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、同济大学硕士学位论文给水管网水力模拟参数校验的遗传退火混合算法姓名：侯煜堃申请学位级别：硕士专业：土木工程指导教师：刘遂庆20050301摘要摘要本文根据给水管网计算机数学模拟中模型校验的需要，提出了管网模型参数自动校验的遗传退火混合算法(GASA)，并根据该算法，分别以节点流量、管道粗糙系数为校验参数，结合算例管网进行了单工况与多工况的参数校验，对校验结果进行了分析。给水管网计算机模拟模型校验的方法可分为手工校验与自动校验。手工校验应先于自动校验，作为模型校验的前期阶段，其成功与否取决于基础数据的完备程度和技术人员对管网的熟悉程度及其工程实践经验等因素。较好的自动校验方法是:首

2、先在较大流量条件下校验管道的粗糙系数，然后通过调整节点流量(或节点流量的变化模式)进行多工况或延时模拟校验。本文基于模型校验的隐式模型，采用GASA混合优化算法分别在不同工况、不同监测点布置、不同形式的目标函数下，调整管道粗糙系数和节点流量(或流量变化模式)，观察、比较和分析校验的效果。GASA混合优化算法求解模型校验问题时，概念清晰，计算模块简洁，充分发挥了遗传算法(GA)的全局搜索功能和模拟退火算法(SO的局部寻优功能。算例表明，模拟退火算法与遗传算法的结合，可进一步降低目标函数值，使管道粗糙系数和节点流量接近其真实值，提高管网水力模拟的精度和有效性。本文将管道粗糙系数和节点

3、流量的调整范围设定在初值的20%内;针对节点流量区域划分过程中误差产生的原因，建议将因节点流量发生变化后引起的不平衡流量均匀分配到其相邻的节点上。这些处理方法较符合给水管网实际运行状况，并且在管网模型参数校验中取得了良好的效果。关键词:给水管网，水力模拟参数校验遗传算法模拟退火算法节点流量管道粗糙系数ABSTRACTABSTRACTForthenecessityofcalibrationinwaterdistributionsystemssimulation,anewalgorithm-GASA.(GeneticAlgorithmsandSimulatedAnnealing)is

4、putforward.VAthGASA,thisdissertationtakesnodalflowandpiperoughnesscoefficientsasparameters,conductscalibrationundersingleandmultipleloadingconditions,andmakesananalysisoftheresults.Therearetwoapproachesofcalibrationinwaterdistributionsystemssimulation:manualandautomatedcalibration.Manualcalib

5、rationisconductedpriortoautomatedcalibration.Astheprophaseofprocedureofcalibration,itssuccessdependsontheaccuracyoforiginaldata,thetechnicians'familiaritywithactualwaterdistributionsystemsandtheirworkingexperience.Agoodautomatedcalibrationisthatfirstly,adjustingthepiperoughnesscoeficientsonhi

6、ghdemandconditions,andthenconductingmultipleloadingconditioncalibrationandextendedperiodcalibrationbyadjustingnodaldemanddistribution(ordemandpaternmultiplier).Basedontheimplicitmodelofcalibration,thisdissertationcomparesandanalyzesdiferentcalibrationresultsbyadjustingpiperoughnesscoefficient

7、andnodaldemanddistribution(ordemandpaternmultiplier))ondiferentloadingconditions,atdiferentmonitorpositionsandwithdiferentobjectfunctions.GASAhasclearconceptionandconcisemodule,andtakesfulladvantagesofoveralloptimumbyGA(GeneticAlgorithm)andlo