[发明专利]一种耦合长短记忆深度学习的井渠联合调度方法

权利要求书

1.一种耦合长短记忆深度学习的井渠联合调度方法，其特征在于，包括以下步骤：

步骤1：构建实时水文预报模块模型；所述实时水文预报模块通过长短记忆深度学习方法，将历史N天的气象、水文以及不同水源灌水量作为输入，预报未来短期内的径流量，所述不同水源灌水量包括井水灌水量和渠水灌水量；

步骤2:构建实时水量调度模块模型，所述实时水量调度模块以最大化灌区供水效益为目标，以满足最小径流量为约束，求解短期内不同水源最优灌水量；

步骤3:将所述实时水文预报模块与实时水量调度模块相互迭代模拟直至达到平衡，从而得到最优的井水灌水量和渠水灌水量。

2.根据权利要求1所述的联合调度方法，其特征在于，调度目标和约束条件表征为如式(1)-(4)所示：

其中，P为灌溉期内的最大效益，为t时刻下井水灌水量,为t时刻下井水灌水的效益，为t时刻下渠水灌水量,为t时刻下渠水灌水的效益，n为总时长；为t时刻来水量，为t时刻农田退水量，为t时刻灌区出口水量；为t时刻灌区出口约束水量；P^t，T^t，G^t分别为t时刻降雨，温度和地下水位；f(·)为长短记忆深度学习模型LSTM函数。

3.根据权利要求2所述的联合调度方法，其特征在于，所述步骤3的具体过程为：当未来n天的天气因素已知的情况下，先通过迭代式(4)得到n天内的模拟径流量，然后将该模拟径流量输入式(1)-(3)，求解得到相应的井水灌水量和渠水灌水量；接着将式(1)和(2)不断迭代，直到所求解得到的井水灌水量和渠水灌水量不再变化时，则得到了得到最优的井水灌水量和渠水灌水量。