[发明专利]一种基于人工智能算法的绿色基础设施空间布局优化方法

权利要求书

1.一种基于人工智能算法的绿色基础设施空间布局优化方法，其特征在于，包括以下步骤：

S1、获取研究区域的基础数据和监测数据；

S2、采用研究区域的基础数据构建研究区域的雨洪管理模型(Storm WaterManagement Model,SWMM)；

S3、确定绿色基础设施(Green Infrastructure,GI)基础特征参数的取值，确定绿色基础设施的水流方向；

S4、构建基于人工智能算法与SWMM模型结合的绿色基础设施空间布局优化模型；

S5、基于绿色基础设施空间布局优化模型的模拟结果，获取最优的布局方案。

2.根据权利要求1所述的一种基于人工智能算法的绿色基础设施空间布局优化方法，其特征在于，步骤S1中，研究区域的基础数据包括地理数字高程信息、土地利用类型、河网数据和管网数据；

研究区域的监测数据包括降雨量、管道/河道流量和检查井水位；

研究区域的地理数字高程信息为研究区域的高程数据；土地利用类型为研究区域的下垫面类型，分为透水下垫面和不透水下垫面；河网数据包括河网空间分布和河道地形数据；管网数据包括管网空间分布、管道长度、管道截面形状、管径、检查井深度和管道与检查井的连接方式；

研究区域的地理数字高程信息、土地利用类型、河网数据和管网数据通过当地的水务部门获取；

研究区域的地理数字高程信息、土地利用类型、河网数据和管网数据需要限制为同一坐标系。

3.根据权利要求2所述的一种基于人工智能算法的绿色基础设施空间布局优化方法，其特征在于，步骤S2中采用步骤S1中的管道流量和检查井水位数据，通过模拟结果与监测数据对比的方式率定和验证SWMM模型的合理性和精确度，具体如下：

具体对比的模拟结果与监测数据为检查井水位以及管网、河道的流量过程，采用纳什效率系数(NSE)评价SWMM模型模拟的准确性，计算公式如下：

其中，Y_i为第i时刻检查井水位、管网流量或河道流量的观测值；为SWMM模型对第i时刻检查井水位、管网流量或河道流量的预测结果；为所有观测值的平均值；n为观测值总数目；NSE的取值范围为(-∞,1]，当NSE的数值越接近1时，表示SWMM模型模拟结果越能够反映真实情况；构建的SWMM模型的NSE值不能低于设定的阈值，否则要重新构建。

4.根据权利要求1所述的一种基于人工智能算法的绿色基础设施空间布局优化方法，其特征在于，步骤S3中，绿色基础设施包括表面层绿色基础设施、路面层绿色基础设施、土壤层绿色基础设施和畜水层绿色基础设施；

表面层绿色基础设施的基础特征参数包括表面层的护堤蓄水高度、植被覆盖率、曼宁系数和表面坡度；

路面层绿色基础设施的基础特征参数包括路面层的厚度、孔隙比、不透水率、渗透率和堵塞因子；

土壤层绿色基础设施的基础特征参数包括土壤层的厚度、孔隙比、土壤持水率、萎蔫点、水力传导率、水力传导坡度和水吸力；

蓄水层绿色基础设施的基础特征参数包括蓄水层的厚度、孔隙率、下渗率和阻碍因子。

5.根据权利要求4所述的一种基于人工智能算法的绿色基础设施空间布局优化方法，其特征在于，步骤S3中，根据绿色基础设施所处位置高低，绿色基础设施之间的水流方向为从高到低。

6.根据权利要求1所述的一种基于人工智能算法的绿色基础设施空间布局优化方法，其特征在于，步骤S4中，构建绿色基础设施空间布局优化模型的目标函数、约束条件和人工智能算法，具体如下：

所述目标函数用于指导绿色基础设施空间布局优化模型的优化目标，包括全生命周期成本和径流与水质控制效率；整个绿色基础设施空间布局优化模型朝着成本最低，效率最高的目标进行优化；

所述约束条件用于限制绿色基础设施的布局，包括绿色基础设施应因地制宜布置和绿色基础设施在某一地块布置面积时不能超过该地块的面积；

人工智能算法用于根据目标函数在约束条件范围内寻找最优的空间布局，包括位置、面积和连接关系；人工智能算法采用多目标优化算法，包括SPEA、NSGA以及MOEA。