[发明专利]一种基于深度学习的水环境治理项目设计参数优化方法

权利要求书

1.一种基于深度学习的水环境治理项目设计参数优化方法，其特征在于，所述方法包括：

步骤1：基于水环境治理区域的基础信息构建水环境治理区域的概念模型；

所述步骤1具体包括：

步骤1a：收集水环境治理区域的基础资料，包括气象资料和水文资料，设计对水环境治理区域的水文观测和水质采样方案；

步骤1b：对治理区的水位、水温和电导率数据进行时序观测，观测和记录水环境治理区域的边界流量并对在关键点位采集水样进行测试分析；

步骤1c：对步骤1a收集和步骤1b观测得到的数据进行趋势分析、相关性分析和空间特征分析，构建水环境治理区域的概念模型；

步骤2：基于水环境治理区域的概念模型构建水环境治理区域的数值模型，并对水环境治理区域的数值模型进行校正；

所述步骤2具体包括：

步骤2a：基于已构建的水环境治理区域的概念模型，确定数值模型的时间和空间离散方法；

步骤2b：对治理区的源汇项和边界条件进行概化和参数化处理，确定数值模型的求解策略；

步骤2c：利用收集的水位时序数据对数值模型的水文-水动力模拟进行校正；

步骤2d：利用采样分析得到的水质数据对数值模型的水质模拟进行校正，并在数值模型的参数率定过程中根据模拟结果不断对概念模型进行调整和完善；

步骤3：运行校正后的水环境治理区域的数值模型生成替代模型训练样本；

所述步骤3包括：

步骤3a：基于校正后的数值模型进行参数敏感性分析，筛选出工程措施可控的敏感性参数集，敏感性参数将作为替代模型的输入数据进行使用；

步骤3b：建立数值模拟软件输入文件的自动生成、模型的自动调用运行和模型输出的低空间需求储存，在实际计算中借助云计算完成替代模型所需训练样本的生成工作；

步骤4：基于替代模型训练样本，使用深度学习对替代模型进行训练；

所述步骤4具体包括：

基于深度学习Keras框架搭建替代模型训练环境，使用不同数量的输入和输出样本数对替代模型进行训练，通过调整网络结构以及相关的训练参数探寻最优的训练策略；

步骤5：基于训练后的替代模型进行水环境治理项目设计参数的多目标优化计算；

所述步骤5包括：

收集和分析已有的水环境项目成本估算方法，构建水环境项目设计成本的量化策略，构建设计参数和项目设计成本之间的映射关系；

利用替代模型形成的设计参数和实施效果之间的映射关系，搭建基于基因算法的多目标优化框架，调整优化计算参数并完成对水环境项目设计参数的多目标优化计算。

2.根据权利要求1所述的一种基于深度学习的水环境治理项目设计参数优化方法，其特征在于，所述方法还包括步骤6：基于多目标优化计算结果，确定水环境治理项目最优的设计参数。

3.根据权利要求2所述的一种基于深度学习的水环境治理项目设计参数优化方法，其特征在于，所述步骤6具体包括：

基于多目标优化计算结果，对在实际水环境治理项目中的应用方案进行整理总结，包括确定项目成本和实施效果的帕累托最优集、对已有的水环境治理项目进行合理性评价、确定在给定成本限制或治理要求条件下最优的设计参数制定方案。

4.根据权利要求1所述的一种基于深度学习的水环境治理项目设计参数优化方法，其特征在于，使用人工智能技术中的深度学习训练替代模型。

5.根据权利要求1所述的一种基于深度学习的水环境治理项目设计参数优化方法，其特征在于，本方法在Python环境下搭建基于深度学习Keras框架的替代模型训练环境；本方法在MATLAB环境中搭建基于基因算法的多目标优化框架。