一種不確定性地下水修復(fù)多目標優(yōu)化管理方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種不確定性地下水修復(fù)多目標優(yōu)化管理方法，屬于水文學(xué)及水資源 領(lǐng)域。
【背景技術(shù)】
[0002] 過去的20多年，多目標進化算法（Multi-objective evolutionary algorithm, MOEA)已經(jīng)成為智能計算領(lǐng)域的研究熱點，并在求解地下水管理模型中得到了廣泛的應(yīng)用。 隨著MOEA在水資源領(lǐng)域的深入應(yīng)用，模型需要考慮多變量，復(fù)雜多目標，W及含水系統(tǒng)的不 確定性等因素。地下水優(yōu)化管理模型中，不確定的系統(tǒng)參數(shù)會導(dǎo)致模型輸出的水流和溶質(zhì) 運移狀態(tài)的隨機變化，進而引起管理目標函數(shù)值的不確定變化。確定性多目標進化算法，如 基于精英保留策略的多目標隨機禁忌捜索算法巧Iitist Multi-Objective Tabu Search, EMOTS)不適用于求解不確定的優(yōu)化管理模型。為此，如何考慮模擬模型的不確定性對優(yōu)化 模型的影響，W及如何尋求滿足不確定目標之間的權(quán)衡解(Pareto最優(yōu)解)是地下水優(yōu)化管 理研究領(lǐng)域的重要內(nèi)容。
[0003] W往不確定的水資源優(yōu)化問題只考慮約束條件或者單個目標的不確定性，采用平 均方法，用一組隨機變量的實現(xiàn)來評價個體，計算個體目標函數(shù)的平均值，并進行種群進化 操作，此方法考慮了參數(shù)的不確定性，但對目標函數(shù)不確定性處理相對簡單，優(yōu)化解的可靠 性不強。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明所要解決的技術(shù)問題是提供一種不確定性地下水修復(fù)多目標優(yōu)化管理方 法，是一種基于精英保留策略的多目標隨機禁忌捜索算法（Probabi Ii Stic Elitist Multi-Objective Tabu Search，PEM0TS)，該方法具有較高的計算效率，同時保證了算法的 捜索到變異性小，且穩(wěn)定可靠的化reto最優(yōu)解。
[0005] 本發(fā)明為解決上述技術(shù)問題采用W下技術(shù)方案：
[0006] 本發(fā)明提供一種不確定性地下水修復(fù)多目標優(yōu)化管理方法，具體步驟如下：
[0007] 步驟1，建立模擬模型，用于刻畫修復(fù)場地地下水水頭和溶質(zhì)濃度在時間和空間上 的分布；
[000引步驟2，確定優(yōu)化管理模型，建立優(yōu)化模型；
[0009]步驟3,采用順序高斯條件模擬SGSIM生成滲透系數(shù)的實現(xiàn)樣本集，并針對不同的 條件點數(shù)對InK場和模擬模型輸出進行不確定分析和風(fēng)險評估，W降低模型不確定性和選 擇用于優(yōu)化模型管理設(shè)計的InK樣本集；
[0010]步驟4，選用陽MOTS優(yōu)化方法求解多目標管理問題權(quán)衡解，具體步驟為：
[0011] (1)產(chǎn)生初始解及相應(yīng)的鄰域種群：
[0012] 首先，采用隨機方式產(chǎn)生一個初始解S0,初始化精英表、候選表和禁忌表，W初始 解為基點，基于拉下超立方抽樣L服產(chǎn)生數(shù)目為Nts的鄰域種群StNS;
[001引（2)目標函數(shù)隨機評價：
[0014]采用噪聲遺傳算法NGA，用步驟3中生成的InK樣本集逐個計算種群StNS中的每個個 體的目標函數(shù)值，并統(tǒng)計每個個體的目標函數(shù)值的期望和方差;依據(jù)目標函數(shù)值，采用隨機 化reto控制排序和隨機小生境技術(shù)計算個體的化reto排名和個體擁擠度值;采用個體適應(yīng) 度函數(shù)值存檔策略記錄下首次捜索到的解，重復(fù)捜索的解則直接調(diào)用函數(shù)值庫中的解信 息；
[001引（3)隨機多目標進化：
[0016] ①種子解的選擇：比較鄰域種群S*NS與上一代的精英表Set-I的化reto受控性，將 StNS中所有非劣解視為候選種子解集Si;將Si加入上一代的候選表Sc^中，從Si和Sc^的合并 解中選擇非劣解作為當代候選種子解集S3;最后從S3中選擇擁擠距離最大的兩個解作為下 一代的種子解Sst+i。
[0017] ②更新策略:將當代鄰域種群StNS與上一代的精英表Se"合并，保留非劣解組成當 代的精英表SeS同時將當代鄰域種群StNS中非受控于上一代的精英表Se"的解，加入上一代 候選表Sc^中，移除候選表中的受控解和當代選擇的兩個種子解Sst+i，更新為當代候選表 ScS
[0018] (4)判斷是否滿足停止標準
[0019] 優(yōu)化過程中，如果達到了預(yù)先設(shè)定的最大迭代次數(shù)，或者捜索到某一代時候選種 子解集為空，同時候選表也為空，則無法找到下一個種子解，無法進入下一個階段的捜索， 停止并輸出化reto最優(yōu)解集。
[0020] 步驟5,輸出優(yōu)化結(jié)果，利用InK樣本集對化reto最優(yōu)解進行蒙特卡羅MC分析，檢驗 PEMOTS輸出的化reto最優(yōu)解集的可靠性。
[0021] 作為本發(fā)明的進一步優(yōu)化方案，步驟2中優(yōu)化模型的目標函數(shù)如下：
[0022]
[0023] MAX MR( % ) = (massend/masso) X 100
[0024] 其中，RC為最小化治理成本，Qi,t為第i 口井第t應(yīng)力期的抽水流量，Att為第t應(yīng)力 期的時長，Zgs為地表高程，hi,t是第i 口井第t應(yīng)力期的計算水頭，Zgs-hi,t為第i 口井的抽水 揚程，Nw和Nt分別為預(yù)選治理井數(shù)和應(yīng)力期數(shù)，化為已知條件點數(shù)，a和0為抽水成本系數(shù)和 獲取條件點K值的成本系數(shù);MR為最大化剩余污染物百分比，massend為治理周期末污染物總 量，mass日為初始狀態(tài)下的污染物總量。
[0025] 作為本發(fā)明的進一步優(yōu)化方案，步驟2中優(yōu)化模型的約束條件包括治理井總數(shù)約 束，水頭約束，水力梯度約束，污染物濃度約束，單井抽水流量約束和總量平衡約束。
[0026] 作為本發(fā)明的進一步優(yōu)化方案，步驟5中利用InK樣本集對化reto最優(yōu)解進行蒙特 卡羅MC分析，檢驗PEMOTS輸出的化reto最優(yōu)解集的可靠性，具體為:利用InK樣本集對步驟4 中得到的化reto最優(yōu)解集進行蒙特卡羅MC分析，統(tǒng)計每個解的均值、置信水平為95%的不 確定性區(qū)間的上邊界值和下邊界值，通過比較化reto解與MC平均解的接近程度，判斷 PEMOTS用于求解不確定地下水污染修復(fù)問題的可靠性。
[0027] 作為本發(fā)明的進一步優(yōu)化方案，地下水流模型通過美國地質(zhì)調(diào)查局開發(fā)的=維有 限差分程序MODFLOW來求解;溶質(zhì)運移模型基于MODFLOW求解的水頭和流速場，利用鄭春苗 研發(fā)的模塊化S維溶質(zhì)運移程序MT3DMS來求解。
[0028] 本發(fā)明采用W上技術(shù)方案與現(xiàn)有技術(shù)相比，具有W下技術(shù)效果:在不確定的地下 水優(yōu)化管理問題中，計算效率和化reto解的穩(wěn)定性往往是決定算法是否適用的最重要因 素，PEMOTS采用基于少量隨機樣本數(shù)的個體存檔策略，大大減少了目標函數(shù)隨機評價的計 算量，同時隨機多目標進化保證捜索到變異性小，可靠性強的化reto最優(yōu)解。為此，PEMOTS 在不確定的地下水污染修復(fù)多目標管理問題中具有廣闊的應(yīng)用前景。
【附圖說明】
[0029] 圖1是PEMOTS流程圖。
[0030] 圖2是非確定條件下化reto控制排序圖。
[0031 ]圖3是地下水污染修復(fù)場地示意圖。
[0032] 圖4是不同條件點數(shù)情況下污染物風(fēng)險水平和變異系數(shù)的變化趨勢。
[0033] 圖5是理想PAT系統(tǒng)陽MOTS優(yōu)化結(jié)果及蒙特卡羅模擬分析結(jié)果。
【具體實施方式】
[0034] 下面結(jié)合附圖對本發(fā)明的技術(shù)方案做進一步的詳細說明：
[0035] 本發(fā)明構(gòu)建了由目標函數(shù)隨機評價和隨機多目標進化組成的不確定性地下水管 理模型評價方法，即基于精英保留策略的多目標隨機禁忌捜索算法（Probabilistic Elitist Multi-Objective Tabu SearchJEMOTS)，并通過滲透系數(shù)不確定的二維地下水 污染修復(fù)應(yīng)用實例進行驗證。該方法首先應(yīng)用順序高斯條件模擬（Sequential Gaussian Simulation, SGSIM)生成InK實現(xiàn)樣本集，并針對不同的條件點數(shù)對InK場和模型輸出進行 不確定性分析和風(fēng)險評估，W降低模型不確定性和選擇用于優(yōu)化設(shè)計的InK樣本集。然后， 引進了隨機化reto控制排序和隨機小生境技術(shù)，對種群的精英解進行選擇、交叉和變異等 多目標進化操作，優(yōu)化得到化re to最優(yōu)解集。該發(fā)明將陽MOTS與地下水流模擬程序MOWLOW 和溶質(zhì)運移模擬程序MT3DMS禪合起來，用W設(shè)計不確定性條件下地下水污染治理的多目標 優(yōu)化方案。
[0036] 基于精英保留策略的多目標隨機禁忌捜索算法(PEMOTS)的主程序設(shè)計為目標函 數(shù)隨機評價和隨機多目標進化兩部分，如圖1所示，具體的求解步驟如下：<