邙山生态园灌溉管网优化设计.pdf

《邙山生态园灌溉管网优化设计.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第33卷第1期人民黄河Vo1．33。No．12011年1月YELL0WRIVERJan．。2011【灌溉·供水】邙山生态园灌溉管网优化设计王鸿翔，郭文献，徐建新(华北水利水电学院，河南郑州450011)摘要：为了减少郑州邙山水土保持生态园灌溉管网的投资和年运行费用，在选择喷灌技术的基础上建立了灌溉管网优化设计模型，并采用粒子群算法对模型进行求解，得到了最优管径组合。结果表明：粒子群优化算法计算的管网投资为28125元，而采用规划法计算投资为322547L，可见粒子群优化计算管网投资小于规划法计算投资。关键词：节水灌溉；优化设计；粒子群算法中图分

2、类号：$275文献标识码：Adoi：10．3969issn．1000—1379．2011．O1．037郑州邙山水土保持生态园位于郑州市两北黄河南岸，距郑损失之和，II1；￡为给i节点供水的管道长度，m；or为考虑局部水州市区25km，项目区涉及郑州市和荣阳市的3个乡镇35个行头损失的系数、m、n分别为管道水头损失公式中与管材有关政村，总面积为95．77km，原有水土流失面积93．48km：，现有的参数；，(k)为从水源到管网中第k节点处所经过的管段数；水土流失面积66．99km。区内总人门4．7万．劳动力1．6万。Q为管网第i管段中通过的流量，

3、m／h；月?、月r：-“为第k节点该区属黄土丘陵沟壑区第三副区，沟道发育，地形破碎，水土流处的允许最小水头和最大水头，In；、l，m为第i管段中允许失严重，地貌以梁峁为主，间有局部残塬。其中，荥阳市境内有的最小和最大流速，m／s；DD⋯为第i管段所允许的最小和飞龙顶、埋剑沟、十字界3个小流域”。最大管径，mm。项目区内开展了小流域治理，治理中加强沟道工程及集雨工程建设，同时合理开发地下水，大力发展节水灌溉，因地制宜2PSO算法地选择了节水灌溉发展模式。笔者针对喷灌方式建立j，灌溉2．1基本概念管网优化设计模型，采用粒子群(PSO)算法对优化设计

4、模型进粒子群优化算法(ParticleSwarmOptimization，PSO)是行求解，通过优化技术以减少投资和年运行费用。Kennedy和Eberha~于1995年发明的一种优化算法。该算法灌溉管网优化设计模型模拟鸟集群飞行觅食行为，通过鸟群的集体协作使群体达到目的。后来，美国的Shi和Eberhart通过研究引入了自适应惯性灌溉管网优化设计模型分为水源水压未定和已知两种情权重(IJ来控制前面速度对当前速度的影响，其基本原理”：假况]，本研究就水源水压已知情况建立优化设计模型。设在一个D维的目标空间中，有m个粒子组成一个粒子群，其1．1目

5、标函数中：第i个粒子的位置表示为一个D维向量：(Xi，，⋯，自压喷灌系统或机压喷灌系统水泵型号选定后，水源水压)；第i个粒子的历史最优位置为Pi：(，Pa，⋯，)；整已知，优化的目的就是选择管径尺寸，使管网系统的投资最小。个粒子群迄今为止搜索到的最好位置为Ps=(一，，⋯，故管径优化以已知管网布置形式下的管网系统投资最小为优Pg)；第i个粒子飞翔的速度也是一个D维向量=(，化设计目标：⋯，．)，决定粒子在搜索空问单位迭代次数的位移。PSO算法是一种基于迭代的工具，粒子按下式调整位置：minKo=∑nDbL(1)i=l“id=02,吃+clYl(

6、P乞一)+c2-Y2(P一乞)式中：为管网系统工程费用，元；rf为经济计算期；D为第i段管径，mm；L为供水管道第段长度，m；a、6为回归参数，由不同f⋯，m“(3)L—<一管道管径及单价的系列资料，用最小二乘法确定。，砖=砣+(4)1．2约束条件(5)≤一一’争≤(=’2，⋯，，v)≤≤⋯收稿日期：2010—03-23基金项目：国家“十一五”水专项资助项目(2008ZX07209—002—04)；华北水利D≤D≤D～水电学院高层次人才引进项目(200910)。(2)作者简介：王鸿翔(1981一)，女，河南鹤壁人，讲师，研究方向为水责源规划管理

7、及城市供水。式中：为水泵扬程，m；h为水泵泵站首部枢纽及吸水管水头E—mail：whxzju@163corn·88·人民黄河2011年第1期式中：1≤i≤m；1≤d≤D；k为迭代次数(k≥0)；加速常数c应用PSO算法进行给水管网优化设计。用Matlab语言编和c是非负数；Yi和y2为在[0，1]区间的随机数；V．1是常数，写程序，在搜索过程中，采用如下的参数组合：粒子数目为20；限制速度最大值(由用户设定)。最大搜索代数为300；c=c：=2．0；惯性系数最大值m⋯=2．2基本步骤0．9，惯性系数最小值∞mjn=0．4；速度最大值=20。以管

8、径假设粒子群数目，v，粒子维数为D，粒子i的适应值为为决策变量，算法的编码采用实数编码。ness[i]，Gbest和Gbest_fitness分别为全