水网系统空间均衡状态评价技术方法及系统与流程

本发明涉及水网系统空间均衡状态评价技术方法。

背景技术：

1、评价水网系统空间均衡状态对于优化资源配置、改善水资源管理、提高系统运行效率、保障水资源安全以及支持决策制定都具有重要的作用和意义，通过科学评价水网系统空间均衡状态，可以实现水资源的合理利用和系统的可持续发展，目前常用的水网系统空间均衡状态评价技术方法太过于依赖数据，其评价结果的准确性和可靠性不高，同时为了简化计算和模拟过程，现有技术往往会对水网系统的复杂性进行过度简化，忽略了很多重要的影响因素和机制，导致评价结果不真实。

2、本发明提出水网系统空间均衡状态评价技术方法及系统，解决目前存在的上述问题，全面评估水网系统的运行状态，提高系统的运行效率和性能，预防系统故障和事故的发生，保障系统的安全稳定运行。

技术实现思路

1、发明目的，提供一种水网系统空间均衡状态评价技术方法，以解决现有技术存在的上述问题。另一方面提供水网系统空间均衡状态评价技术系统。

2、技术方案，水网系统空间均衡状态评价技术方法，包括如下步骤：

3、步骤s1、收集水网系统空间均衡状态历史数据，提取影响水网系统空间均衡状态的指标，构建初始影响指标集，计算初始影响指标的敏感度，筛选出敏感影响指标集，基于敏感影响指标集构建水网系统空间均衡状态评价指标体系；

4、步骤s2、在每个时间单元和每个空间单元对建立起来的敏感影响指标集进行二次降维，得到每个时间单元和每个空间单元的二次降维敏感影响指标，对于每个时间单元和每个空间单元采用主客观综合赋权法依次对所有二次降维敏感影响指标赋权，得到二次降维敏感影响指标集的综合权重值；

5、步骤s3、提取二次降维敏感影响指标集及其对应的综合权重值，将敏感影响指标与其综合权重值的乘积输入预构建的深度强化学习模型，得到水网系统空间均衡状态历史情况，对深度强化学习模型的参数和超参数进行优化，得到水网系统空间均衡状态评价模型，提取二次降维敏感影响指标输入水网系统空间均衡状态评价模型得到水网系统空间均衡状态评价定量结果；

6、步骤s4、对水网系统空间均衡状态数据进行计算，识别出水网系统空间均衡状态数据中低于阈值的数据对应的敏感影响指标，即短板指标，对短板指标优化，将优化后的短板指标与其综合权重值的乘积作为水网系统空间均衡状态评价模型的输入，得到优化后水网系统空间均衡状态，重复本步骤直至无法识别到短板指标。

7、根据本技术的一个方面，所述步骤s1进一步为：

8、步骤s11、收集水网系统空间均衡状态历史数据，至少包括水网系统中纲、目、结的历史水位、流量数据，提取影响水网系统空间均衡状态的指标x个，构建初始影响指标集，包含x个指标，x为大于2的正整数；

9、步骤s12、计算初始影响指标的敏感度，按照敏感度大小排序，提取敏感度大于阈值的影响指标作为敏感影响指标，构建敏感影响指标集，基于敏感影响指标集构建水网系统空间均衡状态评价指标体系。

10、根据本技术的一个方面，所述步骤s12进一步为：

11、步骤s12a、基于历史数据得到x个指标的取值范围，将其分成n个长度相同的区间，采用改进的tent混沌映射取样得到n个样本，n为大于2的正整数；

12、步骤s12b、依次对n个区间扰动p次，p为大于2的正整数，每次扰动p个指标中的一个指标，循环操作直到所有区间都扰动过，形成扰动样本集。将扰动样本集中的样本依次输入水网系统多过程耦合模型，统计纲、目、结相应输出结果的变化量。对于每个指标按输出相对变化量之和除以输入相对变量之和计算指标敏感度，得到x个指标的敏感度；

13、步骤s12c、按找敏感度高低排序，选取敏感度高于阈值的y个指标作为水网系统空间均衡状态敏感指标，得到敏感影响指标集，y为大于2小于x的正整数；

14、步骤s12d、基于敏感影响指标集构建水网系统空间均衡状态评价指标体系。

15、根据本技术的一个方面，所述步骤s2进一步为：

16、步骤s21、构建长度为t的时间序列和长度为m的空间序列，t,m为大于100的自然数，依次选取水网系统空间均衡状态评价指标体系中每个时间单元和每个空间单元对应的敏感指标，构建时间和空间的二维敏感影响指标集；

17、步骤s22、对时间和空间的二维敏感影响指标集进行二次降维，得到每个时间单元和每个空间单元的二次降维敏感影响指标，构建二次降维敏感影响指标集；

18、步骤s23、采用主客观综合赋权法对每个时间单元和每个空间单元的二次降维敏感影响指标赋权，得到二次降维敏感影响指标集的综合权重值。

19、根据本技术的一个方面，所述步骤s22进一步为：

20、步骤s22a、将时间和空间的二维敏感影响指标集输入线性核函数中，将结果映射到高维特征空间，得到内积矩阵；

21、步骤s22b、将内积矩阵按列减去各自的均值，对计算到的结果进行特征值分解，得到对应的特征值和特征向量，所述特征向量即为时间和空间的二维敏感影响指标集在高维特征空间中的主成分；

22、步骤s22c、将时间和空间的二维敏感影响指标集投影到特征向量上，得到二次降维敏感影响指标集，即为二次降维敏感影响指标集；

23、根据本技术的一个方面，所述步骤s23进一步为：

24、步骤s23a、采用层次分析法对二次降维敏感影响指标进行主观赋权，得到二次降维敏感影响指标的主观权重值；

25、步骤s23b、分别采用主成分分析法、熵权法和模糊综合评价法对二次降维敏感影响指标进行客观赋权，得到二次降维敏感影响指标的客观权重值；

26、步骤s23c、基于二次降维敏感影响指标的主观权重值和客观权重值，采用博弈论法得到所有二次降维敏感影响指标的综合权重值，得到二次降维敏感影响指标集的综合权重值。

27、根据本技术的一个方面，所述步骤s3进一步为：

28、步骤s31、构建基于批标准化优化的深度强化学习模型；

29、步骤s32、提取二次降维敏感影响指标集及其对应的综合权重值，将敏感影响指标与其综合权重值的乘积作为深度强化学习模型的输入，得到水网系统空间均衡状态历史情况；

30、步骤s33、采用马尔可夫-蒙特卡洛法优化的贝叶斯法对深度强化学习模型的参数和超参数进行优化，得到水网系统空间均衡状态评价模型；

31、步骤s34、提取二次降维敏感影响指标输入水网系统空间均衡状态评价模型，计算得到水网系统空间均衡状态评价定量结果。

32、根据本技术的一个方面，所述步骤s31进一步为：

33、步骤s31a、构建深度强化学习模型的架构，包括：神经网络的层数q、每层的神经元数量w、激活函数e,q、w为大于0的正整数；

34、步骤s31b、在神经网络的每个隐藏层之后添加批标准化层；

35、步骤s31c、采用行动者-评论者算法更新模型的参数，采用批标准化优化模型训练过程。

36、根据本技术的一个方面，所述步骤s4进一步为：

37、步骤s41、提取水网系统空间均衡状态数据，采用基于灰色系统理论优化的ishikawa图对水网系统空间均衡状态数据进行计算，识别出水网系统空间均衡状态数据中低于阈值的数据对应的敏感影响指标，即短板指标；

38、步骤s42、对短板指标优化，将优化后的短板指标与其综合权重值的乘积作为水网系统空间均衡状态评价模型的输入，得到优化后水网系统空间均衡状态评价定量结果；

39、步骤s43、重复步骤s41到步骤s42，多次对短板指标优化后，直到采用基于灰色系统理论优化的ishikawa图无法识别到短板指标数据，停止优化，该水网系统空间均衡状态评价定量结果即为水网系统空间均衡状态。

40、根据本技术的另一个方面，提供一种水网系统空间均衡状态评价技术系统，包括：

41、至少一个处理器；以及

42、与至少一个所述处理器通信连接的存储器；其中，

43、所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现上述任一项技术方案所述的水网系统空间均衡状态评价技术方法。

44、有益效果，采用水网系统空间均衡状态评价技术方法，提升了水网系统空间均衡状态评价技术方法的准确性、可靠性和适用性，为水资源管理和保护提供更有效的支持。