[发明专利]一种变参数非线性的河道流量预测方法

权利要求书

1.一种变参数非线性的河道流量预测方法，其特征在于，在考虑河道旁侧入流的基础上，将河道上断面入流量按入流等级分界值分级，建立变参数非线性马斯京根模型，模型参数中的槽蓄系数、流量比重因素、示储流量指数均随入流等级分界值的变化而变化；构建变参数非线性马斯京根模型的参数优化模型，并采用改进的鸡群优化算法进行求解，获得变参数非线性马斯京根模型的参数；并利用河道上断面入流量以及变参数非线性马斯京根模型预测河道下断面流量变化过程；

所述改进的鸡群优化算法采用了新的位置更新方式更新不同种类鸡的位置，公鸡根据鸡群中领头公鸡的位置调整自己的位置，以使自己更靠近领头公鸡；母鸡除了跟随自己小鸡群中的公鸡外，也会向大鸡群的领头公鸡移动；小鸡只向自己所处鸡群的领头公鸡以及自己的母亲学习觅食经验；

所述变参数非线性马斯京根模型中，

槽蓄方程为

其中，W_t为t时段河道槽蓄水量，I_t为t时段河道上断面流量，O_t为t时段河道下断面流量，e_i为入流等级分界值，k(I_t,e_i)为槽蓄系数，x(I_t,e_i)为流量比重因素，m(I_t,e_i)为示储流量指数，w为旁侧入流系数，且k(I_t,e_i)、x(I_t,e_i)、m(I_t,e_i)均为I_t和e_i的函数；

其中，变参数非线性马斯京根模型的参数优化模型如下：

目标函数为约束条件为e_i+1＞e_i(i＝1,2,...,L-1)；

其中，SSD为下断面演算流量与实测流量的离差平方和，为河道下断面实测流量，O_t为模型计算的河道下断面演算流量，

其中，采用改进的鸡群优化算法进行求解获得变参数非线性马斯京根模型的参数，包括如下子步骤：

(4.1)算法参数初始化；

初始化的参数包括鸡群种群规模N、公鸡个体数RN、母鸡个体数HN、小鸡个体数CN、孵育小鸡的母鸡个体数MN、算法最大迭代次数R，入流级别L及与入流级别对应的入流等级分界值e_i(i＝1,2,…L-1)、算法当前迭代次数r；随机生成若干组由变参数非线性马斯京根模型参数组成的初始解，每组初始解代表一只鸡的初始位置；

(4.2)根据参数优化模型计算每个解的目标函数和约束值以比较鸡群中鸡的优劣；

(4.3)若满足鸡群划分条件，则将最优的RN只鸡看作公鸡，且将每只公鸡看做一个小鸡群的领头鸡，将最差的MN只鸡看作小鸡，其余为母鸡，且母鸡随机选定一个小鸡群生活，并随机选取一只小鸡与其确立母子关系；

(4.4)分别根据公鸡、母鸡、小鸡的位置更新公式对公鸡、母鸡、小鸡的位置进行更新；

(4.5)重复循环步骤(4.2)至步骤(4.4)，直至当前迭代次数r达到算法最大迭代次数R，输出最优解作为变参数非线性马斯京根模型的参数。

2.如权利要求1所述的河道流量预测方法，其特征在于，改进的鸡群优化算法中，公鸡位置更新公式为

其中，和为t+1和t时段公鸡i在第j维的位置，α为符合标准高斯分布的随机数，为时段t大鸡群中领头公鸡在第j维的位置。

3.如权利要求1或2所述的河道流量预测方法，其特征在于，改进的鸡群优化算法中，

母鸡的位置更新公式为

其中，和为t+1和t时段母鸡i在第j维的位置，α₁和α₂均为符合标准高斯分布的随机数，为t时段大鸡群中领头公鸡在第j维的位置，为时段t母鸡i所在小鸡群领头公鸡在第j维的位置。