[发明专利]一种基于改进量子灰狼算法的水库可供水量预报方法

权利要求书

1.一种基于改进量子灰狼算法的水库可供水量预报方法，其特征在于，包括以下步骤：

Step1：获取预报对象基本信息数据，包括水库的正常蓄水位、正常蓄水库容、保库库容、水位-库容关系曲线、水库历史运行水位信息，并对水库历史运行水位数据进行标准化处理；

Step2：确定影响因子和预报因子，建立基于机器学习方法的预报模型；

Step3：执行改进量子灰狼算法分别对预报模型参数进行优选；

Step4：将各模型最优参数代入模型进行集合预报得到水库水位，根据水库水位即可得到水库可供水量；其中，集合预报方式采用算数平均方式；

所述Step3中采用改进量子灰狼算法对预报模型的参数进行优选，包括以下步骤：

Step3-1初始化算法参数和种群位置，其中，种群规模大小为N，最大迭代次数为N_maxgen，量子比特位数为M，决策变量个数为P，决策变量范围为[V_min,V_max]，最大全局最优未更新次数为N_maxup；

Step3-2令迭代次数N_gen＝0，全局最优未更新次数N_up＝0，对种群中的每一个个体进行量子比特概率幅编码，所有的概率幅(α_ij,β_ij)初始值均为组成初始种群位置Q，其中，(α_ij,β_ij)表示第i个个体的第j个量子比特概率幅；

Step3-3对Q中的所有个体进行二进制编码，并将二进制转成为十进制，确定种群X＝[X₁,X₂,...,X_i,...,X_N]，然后计算种群中每个个体的适应度值，其中二进制编码方式如下公式所示：

其中，b_ij为二进制编码，r为随机变量，r∈(0，1)；

Step3-4按照适应度值从小到大的顺序进行排序，选择并保存适应度最小的三个个体：X_α、X_β、X_δ，对应的适应度值分别为f_α、f_β、f_δ，其中，X_α为全局最优的灰狼，其适应度值最小；

Step3-5引入偏好比例权重策略，按照X_α、X_β、X_δ对种群中的所有灰狼个体进行更新；

Step3-6判断全局最优未更新次数N_up是否大于N_maxup，若是，实施一次量子灾变操作，然后进入步骤Step3-2；否则则跳过量子灾变操作，进行下一步；

Step3-7，判断迭代次数是否已达到N_maxgen，若是，则终止运行并输出结果；若否，返回Step3-4；

所述步骤Step3-5中基于偏好比例权重策略的灰狼个体更新方程为：

其中，k为迭代次数，A＝2a×r₁-a，C＝2×r₂，a＝2-2k/N_maxgen，参数A、C和a均为收敛因子；r₁、r₂为随机变量，r₁、r₂∈(0，1)，D_α、D_β、D_δ分别表示个体X_α、X_β、X_δ与个体X_i之间的距离。

2.如权利要求1所述的基于改进量子灰狼算法的水库可供水量预报方法，其特征在于，所述Step2中影响因子为水库第t天水位，预报因子为第t+n天水位，n为预见期，n取1-7；预报因子的确定具体采用递归方式实现：以水库第t天观测水位预测得到第t+1天水位，以t+1水位预测得到第t+2天水位，以此类推，完成t+1至t+7天水位预测。

3.如权利要求1所述的基于改进量子灰狼算法的水库可供水量预报方法，其特征在于，所述Step2中建立基于机器学习方法的预报模型，所述的预报模型包括神经网络模型、支持向量机模型和长短期记忆网络模型。