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價

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)水灌溉工程重點實驗室，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、分干兩級渠系為研究對象，依據(jù)灌區(qū)不同的用水情形將其劃分為18個配水對象，以灌溉用水總量、渠系滲漏水量及總干渠流量波動大小為優(yōu)化目標(biāo)，以下級渠道輸水流量和輸水啟、閉時間點為決策變量，構(gòu)建多目標(biāo)兩級渠系配水模型，分別使用粒子群算法和天牛群算法對模型進行求解，基于求解結(jié)果結(jié)合熵權(quán)-TOPSIS法對2種算法的性能進行綜合評價?！窘Y(jié)果】熵權(quán)-TOPSIS法的評價結(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)化后的下級渠道配水流量與配水時長存在共性規(guī)律?！窘Y(jié)論】“左右須”尋優(yōu)機制的引入使天牛群算法的計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評價模型

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)同級渠道的控制灌溉面積和輸水能力的差異會導(dǎo)致渠道間的灌水時長差異較大，設(shè)置不合理的渠道流量和配水時長是實際灌溉過程中產(chǎn)生灌溉水無效損失的主要原因之一。科學(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也對相關(guān)算法的尋優(yōu)能力進行了比較。一般從求解結(jié)果、求解速度及算法對不同問題的求解能力3個方面來評價多目標(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)的計算結(jié)果和具體的配水方案，對比分析得出了粒子群算法相比向量評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估遺傳算法，分別求解渠系配水模型時的計算速度和結(jié)果穩(wěn)定性，指出回溯搜索算法的優(yōu)勢更為明顯。Sun等[6]分別使用灰色關(guān)聯(lián)分析法和TOPSIS法評價了遺傳回溯搜索算法、向量評估遺傳算法在求解渠系配水模型方面的性能表現(xiàn)，但評價指標(biāo)僅基于計算結(jié)果，并未考慮求解速度和算法的自身特點。目前，越來越多的學(xué)者開始關(guān)注從不同角度出發(fā)，對多種算法進行全方位的對比分析[7-8]，從而發(fā)掘不同算法的優(yōu)缺點。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，對上述2種算法求解渠系配水模型時的性能表現(xiàn)仍缺乏詳細的對比和綜合評價。TOPSIS法常用于評價多處理、多指標(biāo)問題。目前，基于熵權(quán)的TOPSIS評價法的評價結(jié)果準(zhǔn)確、客觀，因此常被應(yīng)用于多處理試驗結(jié)果評價[11-12]、產(chǎn)品優(yōu)劣判別[13-14]、水資源承載力評價[15]及灌區(qū)節(jié)水能力評價與篩選[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法對多目標(biāo)帕累托可行解進行綜合評價，篩選出了最佳的折中配置方案?！厩腥朦c】傳統(tǒng)的渠系配水算法比較大多集中于直觀且單一的計算結(jié)果對比，缺乏客觀的綜合性能評價。目前，基于熵權(quán)-TOPSIS法對渠系配水模型求解算法進行綜合評價的研究仍較為缺乏。

【擬解決的關(guān)鍵問題】鑒于此，本研究以大功灌區(qū)總干-分干兩級渠系為研究對象，依據(jù)灌區(qū)實際灌溉過程中的不同用水情形將其分為18個配水對象，分別使用天牛群算法和粒子群算法對配水方案進行求解，結(jié)合熵權(quán)-TOPSIS法對2種算法的計算速度與求解結(jié)果進行綜合評價，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)劣與各級渠道的流量、水流波動及配水時長相關(guān)。為尋求科學(xué)的配水計劃，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)運行，以灌溉用水總量、渠系滲漏水量、總干渠流量波動最小為優(yōu)化目標(biāo)，以下級渠道配水凈流量和輸水啟、閉時間點為決策變量，建立多目標(biāo)兩級渠系優(yōu)化配水模型。

1）優(yōu)化目標(biāo)一的表達式為：

式中：W為某次灌水周期內(nèi)兩級渠系輸水所產(chǎn)生的滲漏總水量（m3）；為上級渠道流量產(chǎn)生變化時的某一階段，∈，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)；為上級渠道的輸水長度（km）；ΔT為第階段上級渠道的輸水時間（s）；Q為第階段上級渠道的輸水凈流量（m3/s）；為下級渠道編號，∈，取值范圍為1；l為第條下級渠道的長度（km）；tontoff分別為第條下級渠道開始和結(jié)束輸水的時間點（s）；q為第條下級渠道的輸水凈流量（m3/s）。

2）優(yōu)化目標(biāo)二的表達式為：

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)三的表達式為：

式中：為個階段上級渠道流量隨時間的波動變化；Q為第個階段上級渠道的運行毛流量（m3/s）；ave為個階段上級渠道毛流量的平均流量（m3/s）。

4）基礎(chǔ)表達式為：

式中：q為第條下級渠道的輸水毛流量（m3/s）；ton表示將第階段所有灌水的下級渠道的閘門開啟時間按照由小到大排序后得到的第個開啟時間（s），∈，1≤；為整個灌溉周期（s）；為上級渠道流量變化的某個時段，∈，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為下級渠道的控制灌溉面積（m2）；為灌水定額（m3/hm2）。

7）時間約束條件為：

模型中計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)機制和整體框架所改進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)雜問題時的局限性，補充了粒子群算法中單體粒子的尋優(yōu)機制。2種算法在求解維模型時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?！白笥翼殹彼褜C制，在天牛群體位置趨向全域極值移動的同時，通過表征個體與極值間的關(guān)系反映其對下次群體位置更新的影響，其余計算式與求解流程相同。

1.3 熵權(quán)-TOPSIS評價模型

TOPSIS評價法是一種逼近理想解的排序法，又稱為優(yōu)劣解距離法[22]。原理是通過計算不同處理下的各項指標(biāo)值與理想解之間的距離，以此為基礎(chǔ)進行打分、排序、綜合評價。傳統(tǒng)的TOPSIS法對不同指標(biāo)進行主觀權(quán)重賦值，評價結(jié)果的科學(xué)性不足，而熵權(quán)法通過計算各項指標(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法評價不同算法的求解結(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分析整理待評價的樣本數(shù)據(jù)，構(gòu)建判斷矩陣；②應(yīng)用極差變化法對判斷矩陣進行規(guī)范化處理；③求解指標(biāo)變異度、信息熵，確定各項指標(biāo)的權(quán)重；④構(gòu)建加權(quán)后的決策矩陣，并計算正、負理想解；⑤基于歐氏距離計算各處理與正、負理想解之間的距離；⑥計算不同處理的得分并進行排序，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、分干渠兩級渠系為研究對象。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)計報告和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)，提取并簡化全灌區(qū)總干渠、分干渠兩級渠系，整理編號后的結(jié)果如表1所示。依據(jù)灌區(qū)實際的用水場景將其劃分為18個配水對象，分別為：場景1（渠道12-14）、場景2（渠道1-4）、場景3（渠道5-8）、場景4（渠道5-9）、場景5（渠道10-14）、場景6（渠道9-14）、場景7（渠道5-11）、場景8（渠道12-21）、場景9（渠道1-8）、場景10（渠道1-9）、場景11（渠道5-14）、場景12（渠道12-21）、場景13（渠道1-11）、場景14（渠道10-21）、場景15（渠道9-21）、場景16（渠道1-14）、場景17（渠道5-21）、場景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種算法評價結(jié)果

基于天牛群算法和粒子群算法分別求解18種用水場景下的多目標(biāo)兩級渠系優(yōu)化配水模型的計算結(jié)果如表3所示。為客觀評價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（算法計算流程的繁瑣程度）、計算滲漏水量、計算總水量、計算干渠流量波動及計算配水時長6項參數(shù)為指標(biāo)，以2種算法計算結(jié)果的平均值為基準(zhǔn)數(shù)據(jù)，構(gòu)建TOPSIS評價模型。其中，計算滲漏水量、總水量、干渠流量波動及配水時長可反映算法的尋優(yōu)能力，計算結(jié)果越小表明算法的尋優(yōu)能力越強。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，計算速度最高可提升56%，減少了近50%的運算時間，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 不同用水場景下2種算法的計算結(jié)果評價

使用熵權(quán)法計算指標(biāo)權(quán)重，并結(jié)合TOPSIS法確定2種算法的得分與排序情況。通過評價不同用水場景下的計算結(jié)果，判別2種算法的性能表現(xiàn)。2種算法在18種配水場景下的評價得分差如圖2所示。當(dāng)下級渠道數(shù)量未超過5條時，天牛群算法的整體表現(xiàn)優(yōu)于粒子群算法，但隨著下級渠道數(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景下的評價得分差

2.4 不同用水場景下2種算法的綜合性能評價

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)機制，這一機制使得整體的尋優(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，通過直觀對比表3中3項模型優(yōu)化目標(biāo)的計算結(jié)果可知，粒子群算法的計算結(jié)果更為接近最優(yōu)解，基于熵權(quán)-TOPSIS法的綜合評價結(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)時的步長過大，從而導(dǎo)致錯過或忽略了較優(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)兩級渠系配水模型求解結(jié)果分析

2.5.1 不同用水場景下的2種算法計算結(jié)果的差異

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

表4 不同用水場景下2種算法的綜合評價結(jié)果

此外，下級渠道設(shè)計流量會對2種算法求解結(jié)果的差異產(chǎn)生影響。以2種算法計算結(jié)果的差值超過了渠道設(shè)計流量和理論配水時長的10%為較大差異值渠道，其中小流量渠道（設(shè)計流量較小，渠道編號為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)計流量較小時所需要的計算精度更高，定義域內(nèi)算法的檢索步長更小，過大的步長設(shè)置會使得小流量渠道的計算值偏離最優(yōu)解。

2.5.2 計算結(jié)果中配水流量和理論時間的共性規(guī)律

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

圖4 不同用水場景下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)機制的引入使天牛群算法的計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景下的配水方案存在共性規(guī)律，即優(yōu)化后的下級渠道流量和配水時間的范圍分別為：[設(shè)計流量，1.3倍的設(shè)計流量]、[0.8倍的理論配水時間，理論配水時間]。

（作者聲明本文無實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)進化算法性能評價指標(biāo)研究綜述[J].計算機學(xué)報, 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, 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].排灌機械工程學(xué)報, 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]. 計算機工程與應(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, 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, 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模型在保護地番茄水肥評價中的應(yīng)用[J]. 沈陽農(nóng)業(yè)大學(xué)學(xué)報, 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價[J]. 甘肅農(nóng)業(yè)大學(xué)學(xué)報, 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)品評價中的應(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)境承載力評價研究[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價[J]. 灌溉排水學(xué)報, 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)水評價[J]. 灌溉排水學(xué)報, 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]. 排灌機械工程學(xué)報, 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價[J]. 灌溉排水學(xué)報, 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)校重點科研項目（23B570003）；中國農(nóng)業(yè)科學(xué)院科技創(chuàng)新工程項目（ASTIP）

盧德友（1967-），男。副教授，碩士，研究方向為水利工程BIM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，研究方向為灌區(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》編輯部，開放獲取CC BY-NC-ND協(xié)議

責(zé)任編輯：韓 洋