[发明专利]一种基于多种群协同算法的给水管网污染源定位方法

说明书

技术领域

本发明涉及控制科学技术领域，尤其涉及一种基于多种群协同算法的给水管网污染源定位方法。

背景技术

一方面，由于污染事件是随机的，可以在任意的时间内以随机的质量注入到给水管网的任意节点，因此，在一个传感网络的检测中，如果传感器的数目远小于节点数目，则传感器所获得的信息是不足以定位到精确的污染源。另一方面，污染源定位问题一般发生在水质传感器检测污染物的浓度超过一定阈值后，这个时候说明已经发生了污染，因此，需要快速实时确定污染源的状态，比如污染源的位置、注入时间、注入质量等信息。随着给水管网的规模增大时，计算量呈现级数的增长级，因此现有技术很难快速精确定位到大规模给水管网中污染源。

发明内容

本发明实施例通过提供一种基于多种群协同算法的给水管网污染源定位方法，解决了现有技术很难快速精确定位到大规模给水管网中污染源的技术问题。

本发明实施例提供了一种基于多种群协同算法的给水管网污染源定位方法，包括如下步骤：

获取给水管网中每个水质传感器检测到的污染物浓度；

利用多种群协同算法随机产生多个初始污染事件；

污染物浓度模拟步骤：基于污染事件进行水力模拟和水质模拟，以得出污染物浓度模拟结果；

将所述污染物浓度与所述污染物浓度模拟结果进行匹配，获得匹配误差；

在所述匹配误差大于设定误差时，利用所述多种群协同算法根据所述匹配误差调整优化方向进行循环搜索，直到找到全局最优解；

所述匹配误差在所述设定误差范围内时确定找到污染源位置。

优选的，所述利用多种群协同算法随机产生多个初始污染事件，包括：

确定种群规模、最大迭代次数和平分子群个数；

在主节点上初始化种群，其中，将所述种群平分为P个子群，所述种群中的粒子个体的编码包括管网节点位置、污染物质量向量、污染发生时间和污染截止时间；

计算所述种群中每个粒子个体的适应值，并保存所述种群的最优解和最优个体。

优选的，所述在所述匹配误差大于设定误差时，利用所述多种群协同算法根据所述匹配误差调整优化方向进行循环搜索，直到找到全局最优解，包括：

利用所述种群在所述主节点上并行优化，找到包含所述最优解的N个种群，其中，每个所述子群包括多个粒子个体；

将所述P个子群分配给N个子节点；

在Hadoop云计算平台下运行Map-Reduce模型进行如下步骤：

a、在Mapper上运行单粒子群局部精度搜索算法进行局部搜索：所述N个子节点分别进行局部极值点的维度搜索，并对每个所述粒子个体进行位置更新和速度更新；b、在Reducer上对所述局部搜索的结果进行规约存储；

将所述局部搜索的结果合并得到的最优解集合与上一次迭代结果进行对比；

若对比结果小于或等于所述设定误差，则确定找到所述污染源位置，否则产生N个新污染事件送往所述主节点，迭代次数加1后返回所述污染物浓度模拟步骤。

优选的，所述产生N个新污染事件送往所述主节点，具体为：

检测需水量或水流模式是否发生改变；

若所述需水量或所述水流模式发生改变，则直接对所述局部极值点进行柯西变异来产生所述N个新污染事件；

将所述N个新污染事件送入所述主节点。

优选的，所述利用所述种群在所述主节点上并行优化，找到包含所述最优解的N个种群，具体为：

通过所述种群的最优个体之间距离判断所述种群的聚集程度，以给出局部极值点。

优选的，所述通过所述种群的最优个体之间距离，判断所述种群的聚集程度，以给出局部极值点，具体为：

所述种群的规模为20个时，当有3-5个种群之间距离小于设定阈值σ时，把所述3-5个种群中最优个体的位置设置为斥力场中心点，通过如下公式建立斥力场：