[发明专利]一种巨型河网水动力数学模型率定方法、系统及存储介质

权利要求书

1.一种巨型河网水动力数学模型率定方法，其特征在于，所述方法包括以下步骤：

S1、利用开源代码建立目标区域的复杂巨型河网水动力数学模型，以历史糙率场进行初步模拟迭代，优化调整初始水位场；得到模拟区域逐时水深面场文件集DEPTH；

S2、确定若干目标验证站点(P1,…Pn)相关位置、整编验证序列资料；

S3、根据初步模拟区域逐时水深场文件DEPTH，利用糙率公式生成逐时水动力模型糙率场文件集CT0；根据逐时糙率场数值的2倍确定巨型河网每个节点糙率优化的范围；

S4、将BAS算法嵌入开源数学模型中，对目标验证站点(P1,…Pn)逐一进行水位、流量验证，得到目标验证站点(P1,…Pn)一一对应的优化糙率逐时变化序列；

S5、对目标验证站点(P1,…Pn)根据优化后的糙率逐时变化序列及逐时水动力模型糙率场文件集CT0生成新的逐时水动力模型糙率场文件集CT1；

S6、以水位误差10cm与流量误差10％进行控制，输出达标后的逐时水动力模型糙率场文件集CTm。

2.根据权利要求1所述的一种巨型河网水动力数学模型率定方法，其特征在于，所述S3具体包括以下步骤：

S3.1、根据模拟区域逐时水深面场文件集DEPTH；利用底部拖曳力经验公式计算模拟区域逐时水深面场的计算网格节点的各节点逐时糙率，计算公式为：

其中，fmc为manning系数，g为重力加速度，dep为水深；

S3.2、根据各节点逐时糙率，生成逐时水动力模型糙率场文件集CT0；

S3.3、根据逐时糙率场数值的2倍为巨型河网每个节点糙率优化的最大范围。

3.根据权利要求1或2所述的一种巨型河网水动力数学模型率定方法，其特征在于，所述BAS算法具体为：

以待优化某点的水位/流量序列函数作为目标函数，目标函数的变量为天牛所在位置；

天牛以随机向量方式进行搜索，随机向量其中rnd为随机函数，产生数值范围[-1,1]，d为变量的维度；

天牛须位置计算为其中x^t、分别为天牛、左须和右须在t时刻的位置坐标，h^t为t时刻触须长度；

天牛左右两须气味浓度为

天牛位置更新为其中δ^t为t时刻步长，sign为符号函数；随着迭代次数增加，天牛须长度h和步长δ^t逐渐减小。

4.根据权利要求3所述的一种巨型河网水动力数学模型率定方法，其特征在于，所述S5具体包括：

S5.1、根据天牛须算法迭代后的数值模型水深场计算成果，根据底部拖曳力经验公式计算目标站点(P1,…Pn)优化后的糙率逐时变化序列集S1；

S5.2、选择逐时水动力模型糙率场文件集CT0中目标验证站点(P1,…Pn)糙率序列集S0与优化后的糙率逐时变化序列集S1进行计算，得到各目标站点两序列的逐时比例序列集α；

其中，糙率逐时变化序列集S0、优化后的糙率逐时变化序列集S1和比例集α中均存在n个数值，其中为比例集α中Pj个点第i个数值，为糙率逐时变化序列S0中Pj个点第i个数值，为优化后的糙率逐时变化序列S1中Pj个点第i个数值；

S5.3、对比例序列集α进行场文件逐时平面插值生成比例场的集合β；

S5.4、利用集合β与水动力模型糙率场文件集CT0对每个时刻、每个计算网格节点数据相乘生成新的逐时水动力模型糙率场文件集CT1。

5.根据权利要求1或4所述的一种巨型河网水动力数学模型率定方法，其特征在于，所述S6具体为：

利用巨型河网水动力数学模型在已有水文组合时间中以水位误差10cm与流量误差10％的控制要求进行控制；

若不满足控制要求，则转到步骤S4执行，更新逐时水动力模型糙率场文件集，得到更新后的逐时水动力模型糙率场文件集CTm；

若满足控制要求则输出达标后的逐时水动力模型糙率场文件集CTm；

其中，m为逐时水动力模型糙率场文件集更新的次数。