盧德友，田桂林，楊泊，秦京濤

?灌溉水源與輸配水系統(tǒng)?

基于熵權(quán)-TOPSIS法的渠系配水模型求解算法綜合評(píng)價(jià)

盧德友1，田桂林2,3*，楊泊2，秦京濤2

（1.河南水利與環(huán)境職業(yè)學(xué)院，鄭州 450011；2.中國農(nóng)業(yè)科學(xué)院 農(nóng)田灌溉研究所/農(nóng)業(yè)農(nóng)村部節(jié)水灌溉工程重點(diǎn)實(shí)驗(yàn)室，河南 新鄉(xiāng) 453002；3.中國農(nóng)業(yè)科學(xué)院 研究生院，北京 100081）

【目的】探究粒子群算法和天牛群算法在求解灌區(qū)渠系配水模型時(shí)的性能差異及優(yōu)化后配水方案的共有特性。【方法】以大功灌區(qū)總干、分干兩級(jí)渠系為研究對(duì)象，依據(jù)灌區(qū)不同的用水情形將其劃分為18個(gè)配水對(duì)象，以灌溉用水總量、渠系滲漏水量及總干渠流量波動(dòng)大小為優(yōu)化目標(biāo)，以下級(jí)渠道輸水流量和輸水啟、閉時(shí)間點(diǎn)為決策變量，構(gòu)建多目標(biāo)兩級(jí)渠系配水模型，分別使用粒子群算法和天牛群算法對(duì)模型進(jìn)行求解，基于求解結(jié)果結(jié)合熵權(quán)-TOPSIS法對(duì)2種算法的性能進(jìn)行綜合評(píng)價(jià)?！窘Y(jié)果】熵權(quán)-TOPSIS法的評(píng)價(jià)結(jié)果表明，粒子群算法的整體性能優(yōu)于天牛群算法，但后者的計(jì)算速度高于前者。此外，同一用水情形下2種算法求解的配水方案相近，且優(yōu)化后的下級(jí)渠道配水流量與配水時(shí)長(zhǎng)存在共性規(guī)律?！窘Y(jié)論】“左右須”尋優(yōu)機(jī)制的引入使天牛群算法的計(jì)算速度相比粒子群算法最高可提升56%，但由于“左右須間距”初始參數(shù)的設(shè)置問題，隨著計(jì)算維度的增加，粒子群算法的整體性能優(yōu)于天牛群算法。研究結(jié)果可為灌區(qū)渠系配水管理提供科學(xué)依據(jù)。

灌區(qū)；渠系配水；天牛群算法；粒子群算法；熵權(quán)-TOPSIS評(píng)價(jià)模型

0 引言

【研究意義】科學(xué)的灌區(qū)水資源管理方案和渠系工作制度能夠提高灌溉水利用效率，穩(wěn)定糧食產(chǎn)能。灌區(qū)內(nèi)同級(jí)渠道的控制灌溉面積和輸水能力的差異會(huì)導(dǎo)致渠道間的灌水時(shí)長(zhǎng)差異較大，設(shè)置不合理的渠道流量和配水時(shí)長(zhǎng)是實(shí)際灌溉過程中產(chǎn)生灌溉水無效損失的主要原因之一?？茖W(xué)的渠系工作制度是保障灌溉水高效配置的基礎(chǔ)[1]。

【研究進(jìn)展】隨著研究的深入和渠系配水模型復(fù)雜程度的增加，高效的求解算法是尋求合理配水方案的必要條件。部分學(xué)者在開展灌區(qū)渠系配水模型研究的同時(shí)也對(duì)相關(guān)算法的尋優(yōu)能力進(jìn)行了比較。一般從求解結(jié)果、求解速度及算法對(duì)不同問題的求解能力3個(gè)方面來評(píng)價(jià)多目標(biāo)算法的整體性能[2]。褚宏業(yè)等[3]分別使用遺傳算法和粒子群算法求解多目標(biāo)渠系模型，得出粒子群算法的運(yùn)算速度更快、配水結(jié)果更科學(xué)。李彤姝等[4]結(jié)合優(yōu)化目標(biāo)的計(jì)算結(jié)果和具體的配水方案，對(duì)比分析得出了粒子群算法相比向量評(píng)估遺傳算法和回溯法具有更好的優(yōu)化性能。韓宇等[5]通過比較回溯搜索算法、多目標(biāo)粒子群算法及向量評(píng)估遺傳算法，分別求解渠系配水模型時(shí)的計(jì)算速度和結(jié)果穩(wěn)定性，指出回溯搜索算法的優(yōu)勢(shì)更為明顯。Sun等[6]分別使用灰色關(guān)聯(lián)分析法和TOPSIS法評(píng)價(jià)了遺傳回溯搜索算法、向量評(píng)估遺傳算法在求解渠系配水模型方面的性能表現(xiàn)，但評(píng)價(jià)指標(biāo)僅基于計(jì)算結(jié)果，并未考慮求解速度和算法的自身特點(diǎn)。目前，越來越多的學(xué)者開始關(guān)注從不同角度出發(fā)，對(duì)多種算法進(jìn)行全方位的對(duì)比分析[7-8]，從而發(fā)掘不同算法的優(yōu)缺點(diǎn)。粒子群算法在灌區(qū)渠系配水研究中的應(yīng)用趨于成熟，且整體表現(xiàn)良好。以天牛覓食為原型的天牛須搜索算法提出時(shí)間較晚，目前已應(yīng)用于電力調(diào)度、路徑規(guī)劃及圖形處理等方面[9]。天牛群算法是天牛須搜索算法的變體，其與粒子群算法均屬于群體智能算法，對(duì)解決灌區(qū)復(fù)雜的渠系配水優(yōu)化問題中具有一定潛力[10]。目前，對(duì)上述2種算法求解渠系配水模型時(shí)的性能表現(xiàn)仍缺乏詳細(xì)的對(duì)比和綜合評(píng)價(jià)。TOPSIS法常用于評(píng)價(jià)多處理、多指標(biāo)問題。目前，基于熵權(quán)的TOPSIS評(píng)價(jià)法的評(píng)價(jià)結(jié)果準(zhǔn)確、客觀，因此常被應(yīng)用于多處理試驗(yàn)結(jié)果評(píng)價(jià)[11-12]、產(chǎn)品優(yōu)劣判別[13-14]、水資源承載力評(píng)價(jià)[15]及灌區(qū)節(jié)水能力評(píng)價(jià)與篩選[16-17]等領(lǐng)域。此外，TOPSIS法也被應(yīng)用于篩選多目標(biāo)配水模型的最優(yōu)結(jié)果。趙欽等[18]使用NSGA-Ⅲ算法求解了區(qū)域水資源優(yōu)化配置模型，并采用TOPSIS法對(duì)多目標(biāo)帕累托可行解進(jìn)行綜合評(píng)價(jià)，篩選出了最佳的折中配置方案?！厩腥朦c(diǎn)】傳統(tǒng)的渠系配水算法比較大多集中于直觀且單一的計(jì)算結(jié)果對(duì)比，缺乏客觀的綜合性能評(píng)價(jià)。目前，基于熵權(quán)-TOPSIS法對(duì)渠系配水模型求解算法進(jìn)行綜合評(píng)價(jià)的研究仍較為缺乏。

【擬解決的關(guān)鍵問題】鑒于此，本研究以大功灌區(qū)總干-分干兩級(jí)渠系為研究對(duì)象，依據(jù)灌區(qū)實(shí)際灌溉過程中的不同用水情形將其分為18個(gè)配水對(duì)象，分別使用天牛群算法和粒子群算法對(duì)配水方案進(jìn)行求解，結(jié)合熵權(quán)-TOPSIS法對(duì)2種算法的計(jì)算速度與求解結(jié)果進(jìn)行綜合評(píng)價(jià)，研究結(jié)果可為灌區(qū)渠系配水研究的開展和算法優(yōu)選提供參考。

1 材料與方法

1.1 多目標(biāo)兩級(jí)渠系優(yōu)化配水模型

灌區(qū)渠系配水方案的優(yōu)劣與各級(jí)渠道的流量、水流波動(dòng)及配水時(shí)長(zhǎng)相關(guān)。為尋求科學(xué)的配水計(jì)劃，減少渠系滲漏水的無效損失、提高灌溉水輸送效率、保證渠道水流的平穩(wěn)運(yùn)行，以灌溉用水總量、渠系滲漏水量、總干渠流量波動(dòng)最小為優(yōu)化目標(biāo)，以下級(jí)渠道配水凈流量和輸水啟、閉時(shí)間點(diǎn)為決策變量，建立多目標(biāo)兩級(jí)渠系優(yōu)化配水模型。

1）優(yōu)化目標(biāo)一的表達(dá)式為：

式中：W為某次灌水周期內(nèi)兩級(jí)渠系輸水所產(chǎn)生的滲漏總水量（m3）；為上級(jí)渠道流量產(chǎn)生變化時(shí)的某一階段，∈，取值范圍為1；及分別為全斷面襯砌渠道滲水損失修正系數(shù)、土壤透水性系數(shù)、土壤透水性指數(shù)；為上級(jí)渠道的輸水長(zhǎng)度（km）；ΔT為第階段上級(jí)渠道的輸水時(shí)間（s）；Q為第階段上級(jí)渠道的輸水凈流量（m3/s）；為下級(jí)渠道編號(hào)，∈，取值范圍為1；l為第條下級(jí)渠道的長(zhǎng)度（km）；tontoff分別為第條下級(jí)渠道開始和結(jié)束輸水的時(shí)間點(diǎn)（s）；q為第條下級(jí)渠道的輸水凈流量（m3/s）。

2）優(yōu)化目標(biāo)二的表達(dá)式為：

式中：為全灌區(qū)（含渠系滲漏水損失量）所需的灌溉總水量（m3）。本研究假設(shè)兩級(jí)渠系在輸送灌溉水的過程中不存在其他水量損失。

3）優(yōu)化目標(biāo)三的表達(dá)式為：

式中：為個(gè)階段上級(jí)渠道流量隨時(shí)間的波動(dòng)變化；Q為第個(gè)階段上級(jí)渠道的運(yùn)行毛流量（m3/s）；ave為個(gè)階段上級(jí)渠道毛流量的平均流量（m3/s）。

4）基礎(chǔ)表達(dá)式為：

式中：q為第條下級(jí)渠道的輸水毛流量（m3/s）；ton表示將第階段所有灌水的下級(jí)渠道的閘門開啟時(shí)間按照由小到大排序后得到的第個(gè)開啟時(shí)間（s），∈，1≤；為整個(gè)灌溉周期（s）；為上級(jí)渠道流量變化的某個(gè)時(shí)段，∈，0≤≤。

5）流量約束條件為：

6）水量約束條件為：

式中：max為渠首最大供水量（m3）；S為下級(jí)渠道的控制灌溉面積（m2）；為灌水定額（m3/hm2）。

7）時(shí)間約束條件為：

模型中計(jì)算渠系輸水滲漏水量、流量以及所采用的渠道流量加大、最小系數(shù)參照《灌溉排水工程學(xué)》[19]。

1.2 粒子群算法（PSO）與天牛群算法（BSO）的主要差異

天牛群算法是以天牛須搜索算法[20]為基礎(chǔ)，借鑒粒子群算法的尋優(yōu)機(jī)制和整體框架所改進(jìn)的一種群體智能算法[21]，解決了天牛須搜索算法在求解高維復(fù)雜問題時(shí)的局限性，補(bǔ)充了粒子群算法中單體粒子的尋優(yōu)機(jī)制。2種算法在求解維模型時(shí)的群體位置更新式方面存在差異。與傳統(tǒng)粒子群算法不同，天牛群優(yōu)化算法在群體位置更新式中引入了單體天牛“左右須”搜尋機(jī)制，在天牛群體位置趨向全域極值移動(dòng)的同時(shí)，通過表征個(gè)體與極值間的關(guān)系反映其對(duì)下次群體位置更新的影響，其余計(jì)算式與求解流程相同。

1.3 熵權(quán)-TOPSIS評(píng)價(jià)模型

TOPSIS評(píng)價(jià)法是一種逼近理想解的排序法，又稱為優(yōu)劣解距離法[22]。原理是通過計(jì)算不同處理下的各項(xiàng)指標(biāo)值與理想解之間的距離，以此為基礎(chǔ)進(jìn)行打分、排序、綜合評(píng)價(jià)。傳統(tǒng)的TOPSIS法對(duì)不同指標(biāo)進(jìn)行主觀權(quán)重賦值，評(píng)價(jià)結(jié)果的科學(xué)性不足，而熵權(quán)法通過計(jì)算各項(xiàng)指標(biāo)自身的信息熵來設(shè)定權(quán)重，有效避免了上述問題。本研究使用熵權(quán)法確定不同指標(biāo)間的信息熵和權(quán)重，并結(jié)合TOPSIS法評(píng)價(jià)不同算法的求解結(jié)果，篩選出整體性能最優(yōu)的智能算法。

主要分析步驟如下：①分析整理待評(píng)價(jià)的樣本數(shù)據(jù)，構(gòu)建判斷矩陣；②應(yīng)用極差變化法對(duì)判斷矩陣進(jìn)行規(guī)范化處理；③求解指標(biāo)變異度、信息熵，確定各項(xiàng)指標(biāo)的權(quán)重；④構(gòu)建加權(quán)后的決策矩陣，并計(jì)算正、負(fù)理想解；⑤基于歐氏距離計(jì)算各處理與正、負(fù)理想解之間的距離；⑥計(jì)算不同處理的得分并進(jìn)行排序，篩選出最優(yōu)結(jié)果。

1.4 研究區(qū)概況與參數(shù)設(shè)置

以河南省新鄉(xiāng)市大功灌區(qū)為研究區(qū)域，以灌區(qū)內(nèi)的總干渠、分干渠兩級(jí)渠系為研究對(duì)象。灌區(qū)內(nèi)年平均降水量為565.7 mm，降水年際變化較大，7—9月降水量占全年總降水量的60%，灌溉水源主要為黃河水，灌區(qū)年平均引水量為3 143.18萬m3。大功灌區(qū)現(xiàn)狀渠系水利用系數(shù)為0.560，灌溉水利用系數(shù)為0.495，農(nóng)業(yè)用水效率偏低。以灌區(qū)渠系設(shè)計(jì)報(bào)告和2020年某次小麥的灌溉數(shù)據(jù)（灌水定額為1 200 m3/hm2）為基準(zhǔn)，提取并簡(jiǎn)化全灌區(qū)總干渠、分干渠兩級(jí)渠系，整理編號(hào)后的結(jié)果如表1所示。依據(jù)灌區(qū)實(shí)際的用水場(chǎng)景將其劃分為18個(gè)配水對(duì)象，分別為：場(chǎng)景1（渠道12-14）、場(chǎng)景2（渠道1-4）、場(chǎng)景3（渠道5-8）、場(chǎng)景4（渠道5-9）、場(chǎng)景5（渠道10-14）、場(chǎng)景6（渠道9-14）、場(chǎng)景7（渠道5-11）、場(chǎng)景8（渠道12-21）、場(chǎng)景9（渠道1-8）、場(chǎng)景10（渠道1-9）、場(chǎng)景11（渠道5-14）、場(chǎng)景12（渠道12-21）、場(chǎng)景13（渠道1-11）、場(chǎng)景14（渠道10-21）、場(chǎng)景15（渠道9-21）、場(chǎng)景16（渠道1-14）、場(chǎng)景17（渠道5-21）、場(chǎng)景18（渠道1-21）。配水模型及求解算法的相關(guān)參數(shù)詳見表2。

表1 渠系基礎(chǔ)參數(shù)匯總

表2 配水模型與算法參數(shù)匯總

2 結(jié)果與分析

2.1 基于熵權(quán)-TOPSIS法的2種算法評(píng)價(jià)結(jié)果

基于天牛群算法和粒子群算法分別求解18種用水場(chǎng)景下的多目標(biāo)兩級(jí)渠系優(yōu)化配水模型的計(jì)算結(jié)果如表3所示。為客觀評(píng)價(jià)2種算法求解結(jié)果的優(yōu)劣，以迭代次數(shù)、算法復(fù)雜度（算法計(jì)算流程的繁瑣程度）、計(jì)算滲漏水量、計(jì)算總水量、計(jì)算干渠流量波動(dòng)及計(jì)算配水時(shí)長(zhǎng)6項(xiàng)參數(shù)為指標(biāo)，以2種算法計(jì)算結(jié)果的平均值為基準(zhǔn)數(shù)據(jù)，構(gòu)建TOPSIS評(píng)價(jià)模型。其中，計(jì)算滲漏水量、總水量、干渠流量波動(dòng)及配水時(shí)長(zhǎng)可反映算法的尋優(yōu)能力，計(jì)算結(jié)果越小表明算法的尋優(yōu)能力越強(qiáng)。迭代次數(shù)和算法復(fù)雜度可體現(xiàn)算法的尋優(yōu)效率，迭代次數(shù)越少、復(fù)雜度越低表明算法的尋優(yōu)效率越高。

表3 2種算法求解配水模型的優(yōu)化目標(biāo)結(jié)果

2.2 不同用水場(chǎng)景下2種算法的尋優(yōu)效率

圖1為2種算法的迭代次數(shù)之差隨模型計(jì)算維度增加的變化情況。在不同維度下，天牛群算法的迭代次數(shù)均少于粒子群算法，計(jì)算速度最高可提升56%，減少了近50%的運(yùn)算時(shí)間，天牛群算法的尋優(yōu)效率相比粒子群算法有明顯提升。

圖1 2種算法在不同維度下的迭代次數(shù)差值

2.3 不同用水場(chǎng)景下2種算法的計(jì)算結(jié)果評(píng)價(jià)

使用熵權(quán)法計(jì)算指標(biāo)權(quán)重，并結(jié)合TOPSIS法確定2種算法的得分與排序情況。通過評(píng)價(jià)不同用水場(chǎng)景下的計(jì)算結(jié)果，判別2種算法的性能表現(xiàn)。2種算法在18種配水場(chǎng)景下的評(píng)價(jià)得分差如圖2所示。當(dāng)下級(jí)渠道數(shù)量未超過5條時(shí)，天牛群算法的整體表現(xiàn)優(yōu)于粒子群算法，但隨著下級(jí)渠道數(shù)量的增加，后者的性能表現(xiàn)明顯優(yōu)于前者。

圖2 2種算法在不同配水場(chǎng)景下的評(píng)價(jià)得分差

2.4 不同用水場(chǎng)景下2種算法的綜合性能評(píng)價(jià)

由表4可知，粒子群算法的整體性能優(yōu)于天牛群算法。結(jié)合2種算法的計(jì)算流程可知，天牛群算法在群體位置更新公式中引入了“左右須”尋優(yōu)機(jī)制，這一機(jī)制使得整體的尋優(yōu)效率相比粒子群算法有所提升，不同維度下配水模型的迭代次數(shù)均明顯少于粒子群算法。然而，通過直觀對(duì)比表3中3項(xiàng)模型優(yōu)化目標(biāo)的計(jì)算結(jié)果可知，粒子群算法的計(jì)算結(jié)果更為接近最優(yōu)解，基于熵權(quán)-TOPSIS法的綜合評(píng)價(jià)結(jié)果也證明了這一結(jié)論。原因可能是天牛群算法尋優(yōu)機(jī)制中的“左右須間距”參數(shù)的初始值設(shè)定不合理，導(dǎo)致天牛群算法尋優(yōu)時(shí)的步長(zhǎng)過大，從而導(dǎo)致錯(cuò)過或忽略了較優(yōu)解。在后續(xù)研究中，可通過調(diào)節(jié)初始參數(shù)的設(shè)定或引入衰減因子等措施解決這一問題。

2.5 多目標(biāo)兩級(jí)渠系配水模型求解結(jié)果分析

2.5.1 不同用水場(chǎng)景下的2種算法計(jì)算結(jié)果的差異

分別計(jì)算2種算法在不同用水場(chǎng)景下的渠道流量、配水時(shí)長(zhǎng)以及啟、閉配水時(shí)間點(diǎn)的求解值之差。由圖3可知，2種算法的計(jì)算結(jié)果基本一致，下級(jí)渠道流量和配水時(shí)長(zhǎng)差異較小。在部分場(chǎng)景下，由于求解模型時(shí)不同渠道間灌溉順序的差異會(huì)導(dǎo)致在下級(jí)渠道配水流量與配水時(shí)長(zhǎng)差值較小的同時(shí)，啟、閉時(shí)間點(diǎn)的差異較大。隨著下級(jí)渠道數(shù)量和計(jì)算維度的增加，2種算法的計(jì)算結(jié)果差異性也會(huì)隨之增加。

表4 不同用水場(chǎng)景下2種算法的綜合評(píng)價(jià)結(jié)果

此外，下級(jí)渠道設(shè)計(jì)流量會(huì)對(duì)2種算法求解結(jié)果的差異產(chǎn)生影響。以2種算法計(jì)算結(jié)果的差值超過了渠道設(shè)計(jì)流量和理論配水時(shí)長(zhǎng)的10%為較大差異值渠道，其中小流量渠道（設(shè)計(jì)流量較小，渠道編號(hào)為4，6，11，14～17，19～21）占所有較大差異值渠道數(shù)量的63%，這是由于設(shè)計(jì)流量較小時(shí)所需要的計(jì)算精度更高，定義域內(nèi)算法的檢索步長(zhǎng)更小，過大的步長(zhǎng)設(shè)置會(huì)使得小流量渠道的計(jì)算值偏離最優(yōu)解。

2.5.2 計(jì)算結(jié)果中配水流量和理論時(shí)間的共性規(guī)律

以下級(jí)渠道的設(shè)計(jì)流量和理論配水時(shí)間為參考，對(duì)2種算法、18個(gè)配水場(chǎng)景計(jì)算結(jié)果的共性特征進(jìn)行分析，如圖4所示。優(yōu)化配水方案中的下級(jí)渠道流量不受求解算法類別、下級(jí)渠道數(shù)量的影響，優(yōu)化后的下級(jí)渠道運(yùn)行流量的范圍穩(wěn)定在各下級(jí)渠道設(shè)計(jì)流量與1.3倍的設(shè)計(jì)流量之間，概率峰度為1.2倍的下級(jí)渠道設(shè)計(jì)流量。同理，優(yōu)化后的下級(jí)渠道配水時(shí)長(zhǎng)范圍介于各下級(jí)渠道理論配水時(shí)長(zhǎng)與0.8倍的理論配水時(shí)長(zhǎng)之間，概率峰度為0.8倍的理論配水時(shí)長(zhǎng)。使用不同算法求解基于多個(gè)對(duì)象的多目標(biāo)兩級(jí)渠系配水模型的計(jì)算結(jié)果具有共性結(jié)論，即下級(jí)渠道流量與配水時(shí)長(zhǎng)存在一個(gè)較優(yōu)解范圍。

圖4 不同用水場(chǎng)景下2種算法求解結(jié)果的共性特征

3 結(jié)論

1）“左右須”尋優(yōu)機(jī)制的引入使天牛群算法的計(jì)算速度較粒子群算法最高可提升56%，但由于“左右須間距”等初始參數(shù)的設(shè)置問題，隨著計(jì)算維度的增加，粒子群算法的整體性能優(yōu)于天牛群算法。

2）求解出的不同用水場(chǎng)景下的配水方案存在共性規(guī)律，即優(yōu)化后的下級(jí)渠道流量和配水時(shí)間的范圍分別為：[設(shè)計(jì)流量，1.3倍的設(shè)計(jì)流量]、[0.8倍的理論配水時(shí)間，理論配水時(shí)間]。

（作者聲明本文無實(shí)際或潛在的利益沖突）

[1] 李睿環(huán), 郭萍, 張冬梅. 基于不確定性的渠系水資源優(yōu)化配置[J]. 人民黃河, 2015, 37(11): 139-141, 148.

LI Ruihuan, GUO Ping, ZHANG Dongmei. Optimal water allocation of canal systems under uncertainty[J]. Yellow River, 2015, 37(11): 139-141, 148.

[2] 王麗萍, 任宇, 邱啟倉, 等. 多目標(biāo)進(jìn)化算法性能評(píng)價(jià)指標(biāo)研究綜述[J].計(jì)算機(jī)學(xué)報(bào), 2021, 44(8): 1 590-1 619.

WANG Liping, REN Yu, QIU Qicang, et al. Survey on performance indicators for multi-objective evolutionary algorithms[J]. Chinese Journal of Computers, 2021, 44(8): 1 590-1 619.

[3] 褚宏業(yè), 王瑩, 文俊, 等. 遺傳算法和粒子群算法求解渠系多目標(biāo)優(yōu)化模型[J]. 中國農(nóng)村水利水電, 2015(4): 9-11, 17.

CHU Hongye, WANG Ying, WEN Jun, et al. Genetic algorithm and PSO algorithm for solving canal system multiobjective optimization model canal[J]. China Rural Water and Hydropower, 2015(4): 9-11, 17.

[4] 李彤姝, 黃睿, 孫志鵬, 等. 基于多目標(biāo)粒子群算法的渠系優(yōu)化配水研究[J]. 灌溉排水學(xué)報(bào), 2020, 39(9): 95-100, 125.

LI Tongshu, HUANG Rui, SUN Zhipeng, et al. Optimizing water distribution in canal networks using multi-objective particle swarm optimization method[J]. Journal of Irrigation and Drainage, 2020, 39(9): 95-100, 125.

[5] 韓宇, 孫志鵬, 黃睿, 等. 基于回溯搜索算法的灌區(qū)優(yōu)化配水模型[J]. 工程科學(xué)與技術(shù), 2020, 52(1): 29-37.

HAN Yu, SUN Zhipeng, HUANG Rui, et al. Optimized water distribution model of irrigation district based on the backtracking search algorithm[J]. Advanced Engineering Sciences, 2020, 52(1): 29-37.

[6] SUN Z P, CHEN J, HAN Y, et al. An Optimized water distribution model of irrigation district based on the genetic backtracking search algorithm[J]. IEEE Access, 2019, 7: 145 692-145 704.

[7] 劉恬恬, 李子明, 胡雅琪, 等. 灌溉渠系優(yōu)化配水模型與算法研究進(jìn)展[J]. 節(jié)水灌溉, 2022(11): 51-58.

LIU Tiantian, LI Ziming, HU Yaqi, et al. Review on optimal water allocation model and algorithm of irrigation canal system[J]. Water Saving Irrigation, 2022(11): 51-58.

[8] 韓宇, 邵夢(mèng)璇, 李彤姝, 等. 河套灌區(qū)渠系優(yōu)化配水模型應(yīng)用研究[J].排灌機(jī)械工程學(xué)報(bào), 2022, 40(10): 999-1 006.

HAN Yu, SHAO Mengxuan, LI Tongshu, et al. Study on optimal water distribution model of canal system in Hetao Irrigation District[J]. Journal of Drainage and Irrigation Machinery Engineering, 2022, 40(10): 999-1 006.

[9] 廖列法, 楊紅. 天牛須搜索算法研究綜述[J]. 計(jì)算機(jī)工程與應(yīng)用, 2021, 57(12): 54-64.

LIAO Liefa, YANG Hong. Review of beetle antennae search[J]. Computer Engineering and Applications, 2021, 57(12): 54-64.

[10] 田桂林, 蘇楓, 鄒紅, 等. 基于天牛群優(yōu)化算法的灌區(qū)渠系配水研究[J]. 灌溉排水學(xué)報(bào), 2022, 41(7): 96-103.

TIAN Guilin, SU Feng, ZOU Hong, et al. Calculating water distribution in irrigation channel networks using the beetle swarm optimization algorithm[J]. Journal of Irrigation and Drainage, 2022, 41(7): 96-103.

[11] 趙思騰, 師尚禮, 李小龍, 等. 基于熵權(quán)-TOPSIS模型篩選隴中旱作區(qū)適宜玉米輪作的土壤可持續(xù)系統(tǒng)[J]. 草地學(xué)報(bào), 2019, 27(4): 997-1 005.

ZHAO Siteng, SHI Shangli, LI Xiaolong, et al. Application of TOPSIS based on entropy weight to screen soil sustainable systems suitable for corn rotation in the arid region of central Gansu[J]. Acta Agrestia Sinica, 2019, 27(4): 997-1 005.

[12] 虞娜, 吳昌娟, 張玉玲, 等. 基于熵權(quán)的TOPSIS模型在保護(hù)地番茄水肥評(píng)價(jià)中的應(yīng)用[J]. 沈陽農(nóng)業(yè)大學(xué)學(xué)報(bào), 2012, 43(4): 456-460.

YU Na, WU Changjuan, ZHANG Yuling, et al. Application of TOPSIS model method based on entropy weight to evaluate coupling effect of irrigation and fertilization of greenhouse tomato[J]. Journal of Shenyang Agricultural University, 2012, 43(4): 456-460.

[13] 張芮, 李紅霞, 高彥婷, 等. 基于熵權(quán)-TOPSIS模型的黃土高原半干旱區(qū)玉米覆膜類型綜合評(píng)價(jià)[J]. 甘肅農(nóng)業(yè)大學(xué)學(xué)報(bào), 1-14[2023-08-10].

ZHANG Rui, LI Hongxia, GAO Yanting, et al. Comprehensive evaluation of film mulching types of maize in semi-arid area of loess plateau based on entropy weight - TOPSIS model[J]. Journal of Gansu Agricultural University, 1-14[2023-08-10].

[14] 岳煥芳, 郭芳, 王鐵臣, 等. 基于熵權(quán)的TOPSIS模型在黃瓜適宜抗蒸騰產(chǎn)品評(píng)價(jià)中的應(yīng)用[J]. 中國瓜菜, 2022, 35(2): 49-54.

YUE Huanfang, GUO Fang, WANG Tiechen, et al. Application of TOPSIS model based on entropy weight to evaluate coupling effect of suitable anti-transpiration products on cucumber[J]. China Cucurbits and Vegetables, 2022, 35(2): 49-54.

[15] 王艷, 雷淑珍. 黃河流域資源環(huán)境承載力評(píng)價(jià)研究[J]. 人民黃河, 2022, 44(8): 17-21, 33.

WANG Yan, LEI Shuzhen. Evaluation of resources and environment carrying capacity of the Yellow River Basin[J]. Yellow River, 2022, 44(8): 17-21, 33.

[16] 雪寶, 湯驊, 程泉, 等. 基于熵權(quán)TOPSIS法的灌溉用水效率評(píng)價(jià)[J]. 灌溉排水學(xué)報(bào), 2023, 42(5): 82-89, 107.

XUE Bao, TANG Hua, CHENG Quan, et al. Evaluating irrigation water efficiency using entropy weight-TOPSIS method: A case study[J]. Journal of Irrigation and Drainage, 2023, 42(5): 82-89, 107.

[17] 張立志, 王昕, 謝文鵬, 等. 基于組合權(quán)重-TOPSIS法的灌區(qū)節(jié)水評(píng)價(jià)[J]. 灌溉排水學(xué)報(bào), 2022, 41(S2): 65-70.

ZHANG Lizhi, WANG Xin, XIE Wenpeng, et al. Evaluation of water saving in irrigation district based on combination weight-TOPSIS method[J]. Journal of Irrigation and Drainage, 2022, 41(S2): 65-70.

[18] 趙欽, 白清俊, 聶坤堃, 等. 基于NSGA-Ⅲ算法與TOPSIS決策下的區(qū)域水資源多目標(biāo)優(yōu)化配置[J]. 排灌機(jī)械工程學(xué)報(bào), 2022, 40(12): 1 233-1 240.

ZHAO Qin, BAI Qingjun, NIE Kunkun, et al. Multi-objective optimization allocation of regional water resources based on NSCA-Ⅲ algorithm and TOPSIS decision[J]. Journal of Drainage and Irrigation Machinery Engineering, 2022, 40(12): 1 233-1 240.

[19] 史海濱, 田軍倉, 劉慶華, 等. 灌溉排水工程學(xué)[M]. 北京: 中國水利水電出版社, 2006.

[20] JIANG X Y, LI S. BAS: Beetle antennae search algorithm for optimization problems[J]. International Journal of Robotics and Control, 2018, 1(1): 1-5.

[21] WANG T T, YANG L, LIU Q A. Beetle swarm optimization algorithm: Theory and application[J]. Filomat, 2020, 34(15): 5 121-5 137.

[22] SHIH H S, SHYUR H J, LEE E. An extension of TOPSIS for group decision making[J]. Mathematical and Computer Modeling, 2007, 45(7/8): 801-813.

Comprehensive Evaluation of Two Canal Systems Water Distribution Model Solution Algorithms Based on Entropy Weight-TOPSIS Approach

LU Deyou1, TIAN Guilin2,3*, YANG Bo2, QIN Jingtao2

(1. Henan Vocational College of Water Conservancy and Environment, Zhengzhou 450011, China; 2. Farmland Irrigation Research Institute, Chinese Academy of Agricultural Sciences/Key Laboratory of Water saving Irrigation Engineering, Ministry of Agriculture and Rural Affairs, Xinxiang 453002, China;3. Graduate School of Chinese Academy of Agricultural Sciences, Beijing 100081, China)

【Objective】To investigate the performance difference between the Particle Swarm algorithm and the Beetle Swarm Optimization algorithm in solving the water distribution model of a two-level canal system in irrigation districts, as well as the common characteristics of the optimized water distribution schemes.【Method】This study takes the two-level canal system of Dagong Irrigation District as the research object, and divides it into eighteen water distribution scenarios according to different water use situations in the irrigation district. The total amount of irrigation water, the amount of water leakage and the fluctuation of the flow rate of the main canal are used as the optimization objectives. The decision-making variables are the flow rate of the sub-main canals and the opening and closing time points of the water transmission. Construct a multi-objective two-level canal distribution model, solve it using the Particle Swarm Optimization algorithm and the Beetle Swarm Optimization algorithm respectively, and comprehensively evaluate the performance of the two algorithms based on the solution results combined with entropy weight-TOPSIS method.【Result】The evaluation results of entropy weight-TOPSIS method show that the performance of the Particle Swarm Optimization algorithm is better than the Beetle Swarm Optimization algorithm, but the computational speed of the latter is significantly faster than that of the former. In addition, the water distribution schemes solved by the two algorithms under the same water use situation are close to each other, and there is a common law between the optimized water distribution flow and duration of the sub-main canal.【Conclusion】The results of the study can provide suggestions for the management of water distribution in two canal systems in irrigation districts and provide a basis for selection algorithms.

irrigation district; canal system water distribution; the particle swarm optimization algorithm; the beetle swarm optimization algorithm; entropy weight-TOPSIS evaluation model

1672 - 3317（2023）09 - 0129 - 09

S274.3

A

10.13522/j.cnki.ggps.2023367

盧德友, 田桂林, 楊泊, 等. 基于熵權(quán)-TOPSIS法的渠系配水模型求解算法綜合評(píng)價(jià)[J]. 灌溉排水學(xué)報(bào), 2023, 42(9): 129-137.

LU Deyou, TIAN Guilin, YANG Bo, et al. Comprehensive Evaluation of Two Canal Systems Water Distribution Model Solution Algorithms Based on Entropy Weight-TOPSIS Approach[J]. Journal of Irrigation and Drainage, 2023, 42(9): 129-137.

2023-08-14

2023-09-04

2023-09-15

2023年度河南省高等學(xué)校重點(diǎn)科研項(xiàng)目（23B570003）；中國農(nóng)業(yè)科學(xué)院科技創(chuàng)新工程項(xiàng)目（ASTIP）

盧德友（1967-），男。副教授，碩士，研究方向?yàn)樗こ藼IM與節(jié)水灌溉工程技術(shù)。E-mail: ldyueou@126.com

田桂林（1997-），男。博士研究生，研究方向?yàn)楣鄥^(qū)渠系優(yōu)化配水理論與應(yīng)用。E-mail: ykerlove@163.com

@《灌溉排水學(xué)報(bào)》編輯部，開放獲取CC BY-NC-ND協(xié)議

責(zé)任編輯：韓 洋