买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉河海大学申请的专利一种基于智能算法的多目标井群降水优化计算方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119397951B 。

龙图腾网通过国家知识产权局官网在2025-07-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411536912.0，技术领域涉及：G06F30/28；该发明授权一种基于智能算法的多目标井群降水优化计算方法是由王浩楠;赵燕容;王锦国;董小松;李博林;李晓杰;杨洁;王超宇;毛世龙;焦兴康设计研发完成，并于2024-10-31向国家知识产权局提交的专利申请。

本一种基于智能算法的多目标井群降水优化计算方法在说明书摘要公布了：本发明公开了一种基于智能算法的多目标井群降水优化的计算方法，包括如下步骤：构建研究区基坑降水渗流‑沉降数学模型；对模型进行参数赋值和参数校正；建立目标函数；建立判断矩阵；根据判断矩阵对目标函数各子目标权重进行确认，得到最终的目标函数，将最终的目标函数与遗传算法共同构成优化求解算法，将优化求解算法与建立的MODFLOW地下水基坑降水渗流‑沉降数学模型通过Flopy耦合起来，优化求解算法不断读取MODFLOW模拟结果并进行迭代计算，直至达到优化目标。本发明可以实现自动优化井的开关、单井抽水量等功能，并给出相应的解集，有效的减小基坑降水施工对环境的影响，降低施工成本，为现代基坑井群降水设计提供了新的技术手段。

本发明授权一种基于智能算法的多目标井群降水优化计算方法在权利要求书中公布了：1.一种基于智能算法的多目标井群降水优化的计算方法，其特征在于：包括如下步骤： 1根据现场地形地貌、地层岩性、水文地质条件及工程地质条件，综合确定研究区范围，确定基坑周围的含水层结构、边界条件和初始条件，构建研究区基坑降水渗流-沉降数学模型； 基坑降水渗流-沉降数学模型建立如下： ①地下水流运动数学模型 式中：W为汇源项函数，md；当地下水类型为承压水时，F＝KM且E＝μ*，此时K为含水层渗透系数，md；M为含水层厚度，m；μ*为弹性贮水系数；当地下水类型为潜水时，F＝KH-Z且E＝μ，H为潜水面高度，m；Z为含水层隔水底板高度，m；μ为重力给水度；t为模拟时间，t＝0表示初始时刻；Ω1为第一类边界；Ω2为第二类边界；n为边界Ω2法线方向；K为边界Ω2的法线方向的渗透系数，md；qx,y,z,t为边界的单位面积断面的流量，m3d·m2，q＝0时表示零流量边界，本研究中为隔水边界；H0x,y,z为含水层的初始水位，m；H1x,y,z,t为边界Ω1上的已知函数； ②地层沉降模型 基于太沙基的有效应力原理，只考虑地层竖直方向的应力，忽略水平方向的应力，且土体内任意平面上受到的总应力由有效应力和孔隙水压力组成；垂向沉降模型为： 式中：Δb为沉降量，mm；Ω为渗流区域；Ssf为骨架储水率，m-1，当地层中水位低于前期最低水位时，Ssf为非弹性骨架储水率Ssfv，当水位高于前期最低水位时，Ssf为弹性骨架储水率Ssfe；Δh为水头变化量，m；b为相应地层厚度，m； 2根据研究区基础数据、前期现场试验以及室内试验综合确定研究区的水文地质参数及物理力学参数初始值，并对建立的研究区基坑降水渗流-沉降数学模型进行参数赋值； 3运行步骤2赋值后所得的基坑降水渗流-沉降数学模型，通过水位观测点的实测数据进行参数校正，确保模拟出的地下水渗流场模型与天然情况相对一致； 4以降水方案成井经济成本、运行经济成本、观察点水位降深与环境成本作为子目标构成目标函数，以目标函数最小总值作为整体优化目标； 5根据各个子目标之间的重要程度，对各个子目标乘以不同的权重，形成判断矩阵； 6根据步骤5判断矩阵对步骤4中的目标函数各子目标权重进行确认，得到最终的目标函数，将最终的目标函数与遗传算法共同构成优化求解算法，将优化求解算法与步骤3中建立的MODFLOW地下水基坑降水渗流-沉降数学模型通过Flopy耦合起来，优化求解算法不断读取MODFLOW模拟结果并进行迭代计算，直至达到优化目标； 步骤4中，目标函数中含有两类变量：决策变量与状态变量；决策变量为待优化对象，包括抽水井的数量、位置与涌水量，通过调整它们之间的组合以达到最佳的降水效果；由于工程场地的环境限制，不能随意设置抽水井的位置；因此在优化模型运行之前，需要提前选择可能抽水井的位置并确定最大抽水井数；优化算法会在各个可能布置抽水井位置之间寻优搜索，进而确定抽水井群的最佳布置方案，这一过程是通过将抽水井的开启或关闭定义为二进制变量完成的，目标函数中部分决策变量决策只能在0或1中选取，称之为0-1整数规划，本次所使用遗传算法中0-1整数规划代表抽水井开关状态，若抽水井在算法中编码为1，则表示该抽水井正在工作，反之则代表抽水井已经停止抽水；含水层地下水位与观测点限制最大沉降量作为优化模型的状态变量，它们是决策变量输入MODFLOW模型运行后的输出结果，并且随着决策变量的改变而变化；状态变量与决策变量在降水优化模型中作为MODFLOW程序与遗传算法程序之间连接的桥梁； 以降水方案成井经济成本、运行经济成本、观察点水位降深与环境成本作为子目标构成目标函数，以目标函数最小总值作为整体优化目标；由于目标函数中存在多个子目标，需要通过对各个子目标赋予合理的权重值进行求解，建立的目标函数式如下： 目标函数对应的约束条件： nz≥nw4 Qmax≥Qi≥Qmin5 式中，Y为目标函数值，α1为成井经济成本的权重系数，c1为抽水井钻孔与固井费用；α2为抽水经济成本的权重系数，c2为单位抽水量所耗费用；Xi为二进制变量，Xi＝1代表抽水井正常工作，Xi＝0代表抽水井未工作；Qi为正常工作抽水井的涌水量，nobs为观测点数量，β1为观测点目标水位权重系数，β2为观测点限制最大沉降量权重系数，hi为观测点水位值，Hi为目标水位值，Si为观测点沉降量，nz为允许的最大抽水井数，nw为实际工作的抽水井数，Qmin，Qmax分别为单井最小，最大涌水量； 步骤5中，定义n阶判断矩阵aij，将指标层中的各项子目标进行两两指标重要性比较，并将各指标之间的相互比值作为矩阵中的元素，重要性标度采用专家打分的形式进行量化，判断矩阵标度见表1，此时得到判断矩阵A： 表1判断矩阵标度

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人河海大学，其通讯地址为：210098 江苏省南京市鼓楼区西康路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。