徐彬冰,孫梟沁,李 麗,王 琴,佘冬立
(1.江蘇農(nóng)墾集團(tuán),南京 210008;2.河海大學(xué)農(nóng)業(yè)科學(xué)與工程學(xué)院,南京 210098;3. 南京江地土地開發(fā)咨詢服務(wù)有限責(zé)任公司,南京 210024;4. 河海大學(xué)設(shè)計(jì)研究院有限公司,南京 210098)
在糧食大量需求背景下,我國提出了嚴(yán)守18億畝耕地紅線的政策,并將全國總用水量的65%左右用于農(nóng)業(yè)灌溉[1]。而目前,我國人均水資源約為世界水平的25%,人均土地資源約為世界水平的40%,人地資源和人水資源矛盾嚴(yán)重[2]。近年來由于建設(shè)占地、生態(tài)退耕等因素,全國耕地總面積減少,且耕地后備資源日漸不足;此外由于在輸配水技術(shù)和管理技術(shù)等方面的問題,我國灌溉水利用效率低,灌排溝渠等基礎(chǔ)設(shè)施占地率較高。因此,如何提高灌溉水利用效率、增加耕地面積和糧食產(chǎn)量,以滿足國家糧食安全的要求,成為自然資源領(lǐng)域的重要議題。
為解決這一問題,其一就是要從改善灌溉輸水條件,減少基礎(chǔ)設(shè)施占地率。相關(guān)研究指出,采用防滲渠道或管道灌溉能夠提高灌溉水利用系數(shù),且占地面積少,灌溉及時(shí)、高效,從而實(shí)現(xiàn)增產(chǎn)[3,4]。但是傳統(tǒng)的灌溉渠道橫斷面和管道的設(shè)計(jì)主要采用試算法或圖解法,這些方法不僅計(jì)算量大而且精度不易控制。近年來,隨著計(jì)算機(jī)技術(shù)迅速發(fā)展,相對(duì)成熟的算法已經(jīng)應(yīng)用于解決傳統(tǒng)灌溉渠(管)道設(shè)計(jì)的問題[5-7]。在這些算法中,遺傳算法是模擬生物界遺傳進(jìn)化而構(gòu)造出來的一種算法,以概率選擇為主要手段,不需關(guān)心問題的內(nèi)在規(guī)律,過程簡單,能夠?qū)崿F(xiàn)全局隨機(jī)搜索,能夠很好解決目前灌溉渠(管)道設(shè)計(jì)的不足。然而,前期的模型研究主要集中于渠道輸水過水性能[6,8],而針對(duì)灌溉渠(管)道系統(tǒng)投資研究較少,多級(jí)渠道組合優(yōu)化也鮮有研究?;诖?,本文以江蘇省臨海農(nóng)場為研究對(duì)象,基于PYTHON遺傳算法建立以年需投資費(fèi)用最低和年凈效益最大的灌溉渠(管)道的優(yōu)化模型,并確定兩級(jí)田間灌溉渠(管)道最優(yōu)組合形式,為灌溉渠(管)道的設(shè)計(jì)及組合優(yōu)化提供新的方法。
本文選擇現(xiàn)澆混凝土梯形渠道、現(xiàn)澆混凝土U形渠道和PE暗管進(jìn)行農(nóng)田輸水渠(管)道設(shè)計(jì)組合研究,3種渠(管)道的斷面形式如圖1所示。結(jié)合斷面示意圖與明渠均勻流公式,得到梯形渠道水力最佳斷面和U形渠道斷面部分參數(shù)計(jì)算方法[9],并建立以年需投資費(fèi)用最低和年凈效益最大為目標(biāo)的優(yōu)化模型。
圖1 渠(管)道斷面示意圖Fig.1 Section diagram of the channel and the pipeline
灌溉渠(管)道設(shè)計(jì)時(shí),一方面要降低工程造價(jià),增加效益,另一方面又要滿足設(shè)計(jì)的約束條件,這兩者之間是互相影響的。因此,如何選擇合適的設(shè)計(jì)參數(shù)使得工程造價(jià)最低,效益最大,并滿足設(shè)計(jì)的約束條件是灌溉渠(管)道優(yōu)化設(shè)計(jì)需要解決的問題。
1.1.1 材料費(fèi)用
灌溉渠(管)道采用不同的斷面形式、不同的材料,會(huì)產(chǎn)生不同的工程量,進(jìn)而影響工程造價(jià)。因此,本文選擇3種不同斷面形式和建筑材料的灌溉渠(管)道作為“變量”,計(jì)算工程造價(jià)。
(1)現(xiàn)澆混凝土梯形渠道。材料費(fèi)用主要由渠身材料費(fèi)用和模板費(fèi)用構(gòu)成,根據(jù)圖1計(jì)算其材料費(fèi)用:
(1)
式中:b為渠道底寬,m;h為渠道高度,m;m為渠道邊坡系數(shù);δ為渠身混凝土厚度,m;l為渠道長度,m;E1為混凝土單價(jià),元/m2;E2為混凝土模板單價(jià),元/m2。
(2)現(xiàn)澆混凝土U形渠道。材料費(fèi)用主要由渠身材料費(fèi)用、模板費(fèi)用和壓頂費(fèi)用構(gòu)成。由圖1計(jì)算材料費(fèi)用:
(2)
式中:r為圓弧段的半徑,m;α為直線段的傾斜角,°;h2為圓弧段以上水深,m;h3為安全超高,一般取0.1~0.2 m,本文計(jì)算取0.1 m;E3為 U形渠道壓頂單價(jià),元/m3。
(3)PE管道。材料費(fèi)用主要由管道材料費(fèi)用構(gòu)成,即:
F0=E4l
(3)
式中:E4為直徑為D的管道單價(jià),元/m。
唐亮等[10]發(fā)現(xiàn)管道單價(jià)與管道直徑呈冪函數(shù)關(guān)系,即:
E4=βDγ
(4)
式中:β、γ為擬合系數(shù);D為管道直徑,m。
1.1.2 人工費(fèi)用和機(jī)械費(fèi)
人工費(fèi)和機(jī)械費(fèi)等費(fèi)用按材料費(fèi)用的比例計(jì)算,即:
F1=τF0
(5)
式中:τ為比例系數(shù)。
1.1.3 年運(yùn)行成本
年運(yùn)行成本主要包括能耗費(fèi)、工程維修費(fèi)、水費(fèi)等費(fèi)用,除了能耗費(fèi)和水費(fèi)外,其他的費(fèi)用可按材料費(fèi)用的比例計(jì)算[11]。運(yùn)行成本可表示為:
G=σF0+C+O
(6)
式中:σ為運(yùn)行成本系數(shù);C為能耗費(fèi),萬元;O為水資源費(fèi),萬元。
(7)
O=E6m毛S
(8)
式中:E5為電費(fèi)單價(jià),元/kWh;Q泵為泵站流量,m3;T為水泵年工作時(shí)間,h;H泵為泵站揚(yáng)程,m;η裝為泵站裝機(jī)效率;E6為水價(jià),元/m3;m毛為毛灌水定額,m3/hm2;S為灌溉面積,hm2。
1.1.4 年需投資費(fèi)用
F=α(1+τ)F0+G
(9)
(10)
式中:α為均付因子;e為資金年利率,取7%;t為經(jīng)濟(jì)計(jì)算期,取20年;F為年需投資費(fèi)用,萬元。
本文采用式(9)作為年需投資費(fèi)用優(yōu)化模型目標(biāo)函數(shù)。
灌溉渠(管)道效益包括新增耕地效益與作物增產(chǎn)效益。即:
(11)
作物產(chǎn)量的增加不僅與灌溉輸水方式有關(guān),而且受到作物品質(zhì),管護(hù)方式、市場行情等方面影響,灌溉產(chǎn)生的效益一般采用分?jǐn)傁禂?shù)法計(jì)算。王靜等研究發(fā)現(xiàn)江蘇省平均灌溉效益分?jǐn)傁禂?shù)為0.226[12]。
相關(guān)研究指出[13,14],采用防滲渠道和管道地下進(jìn)行輸水灌溉,既能夠有效節(jié)省土地,新增耕地,又可提高灌溉保證率,增加作物產(chǎn)量。渠道輸水灌溉平均增產(chǎn)約5%,管道輸水灌溉平均增產(chǎn)約10%。對(duì)于相同的農(nóng)田,其作物種植面積、價(jià)格與原產(chǎn)量均相同,不同的農(nóng)田灌溉設(shè)施通過改變新增耕地面積與作物增產(chǎn)產(chǎn)量來影響年效益。在已知灌區(qū)現(xiàn)狀土渠的斷面數(shù)據(jù)和產(chǎn)量的情況下,可計(jì)算不同農(nóng)田灌溉設(shè)施產(chǎn)生的新增耕地面積與作物增產(chǎn)產(chǎn)量?;诖?,本文的灌區(qū)效益(新增耕地效益與作物增產(chǎn)效益)可按式(12)與式(13)計(jì)算。
(1)作物增產(chǎn)產(chǎn)量:
(12)
式中:k為作物增產(chǎn)率,%。梯形渠道和U形渠道取5%[13],PE管道取10%[13]。
(2)新增耕地面積:
A′=l(b0-b)
(13)
式中:b0為采用土渠時(shí)渠道上口寬,m;b為梯形渠道和U形渠道的上口寬,m。PE管道取0 m。
W=B-α(1+τ)F0-G
(14)
式中:W為灌區(qū)年凈效益,元。
本文采用式(14)作為年凈效益優(yōu)化模型目標(biāo)函數(shù)。
上述的優(yōu)化模型僅考慮經(jīng)濟(jì)性要求,雖然滿足年需投資費(fèi)用最低或年凈效益最大的目標(biāo),但未考慮渠(管)道的輸水能力和流速限制,也未考慮地形高差的影響,導(dǎo)致部分最優(yōu)解不滿足水力約束條件。因此,必須確定農(nóng)田灌溉渠(管)道的水力約束條件,才能確保優(yōu)化模型得到的結(jié)果符合實(shí)際。
1.3.1 輸水能力約束
渠(管)道計(jì)算流量應(yīng)等于或接近渠道設(shè)計(jì)流量,誤差不超過5%[15],即:
(15)
(16)
式中:C為謝才系數(shù);A為過流斷面面積,m2;i為渠道比降;R為水力半徑,m;Q為計(jì)算流量,m3/s。
1.3.2 流速約束
渠(管)道中流速采用謝才公式計(jì)算:
(17)
無鋼筋的混凝土渠道流速不宜大于2.5 m/s[15],管道設(shè)計(jì)流速宜控制在0.9~1.5 m/s。
1.3.3 水位約束
(1)渠道水位約束。渠道入口處應(yīng)有足夠的水頭,從而滿足控制點(diǎn)地面高程的要求。
H≥H0+li+∑hj+h′
(18)
(19)
式中:H為渠道進(jìn)水口處水頭,m;H0為灌區(qū)控制點(diǎn)地面高程,m;∑hj為通過渠系建筑物時(shí)的局部水頭損失,m;h′為控制點(diǎn)地面與附近末級(jí)固定渠道設(shè)計(jì)水位的高差,一般取0.1~0.2 m,本文取0.1 m;ξ為局部阻力系數(shù),本文取0.5[16]。
(2)管道水位約束。管道入口處應(yīng)有足夠的水頭,滿足控制點(diǎn)灌水器工作水頭要求。
H≥H0+∑hf+∑hj+HΔ
(20)
(21)
式中:∑hf為管道沿程水頭損失;f為摩阻系數(shù),取9.48×105;η為流量指數(shù),取1.77;λ為管徑指數(shù),取4.77;HΔ為灌水器水頭。
遺傳算法是模擬生物界的遺傳和進(jìn)化過程而建立起來的一種并行隨機(jī)優(yōu)化算法,其對(duì)目標(biāo)函數(shù)、設(shè)計(jì)變量及可行域沒有特殊要求,適用于傳統(tǒng)搜索方法解決不了的復(fù)雜和非線性問題[17]。遺傳算法需要針對(duì)具體問題,尋找合適的適應(yīng)度函數(shù),確定設(shè)計(jì)變量的編碼方式,并設(shè)計(jì)相應(yīng)的選擇、交叉、變異等遺傳因子。遺傳算法流程圖如圖2所示。
圖2 遺傳算法流程圖Fig.2 The calculation process of genetic algorithm
本文采用Python編寫基于二進(jìn)制編碼的遺傳算法優(yōu)化程序,其計(jì)算過程簡述如下:
(1)變量編碼。梯形渠道、U形渠道和PE管道設(shè)計(jì)變量的選擇如表1所示??紤]到計(jì)算機(jī)計(jì)算的方便性,每個(gè)變量在其域值內(nèi)生成一個(gè)隨機(jī)二進(jìn)制數(shù)構(gòu)成一個(gè)染色體,多個(gè)帶有染色體的個(gè)體組合為一個(gè)種群。
表1 設(shè)計(jì)變量選擇表Tab.1 The selection of design variable
(2)產(chǎn)生初始種群。隨機(jī)產(chǎn)生N個(gè)個(gè)體形成的初始種群,由這N個(gè)初始種群開始進(jìn)行進(jìn)化計(jì)算。
(3)計(jì)算適應(yīng)度及評(píng)價(jià)。若采用年需投資費(fèi)用作為目標(biāo)函數(shù),其值越小,則個(gè)體的適應(yīng)度越強(qiáng);若采用年凈效益作為目標(biāo)函數(shù),其值越大,則個(gè)體的適應(yīng)度越強(qiáng)。
(4)選擇操作。完成適應(yīng)度計(jì)算后,采用賭輪盤選擇方法從初始種群選擇部分個(gè)體生存并保留到下一代,適應(yīng)度越大被選擇的概率越高。
(5)交叉操作。按交叉概率PC選擇PCN/2個(gè)個(gè)體作為父輩,隨機(jī)交換某一位置的變量,產(chǎn)生新的個(gè)體。
(6)變異操作。按變異概率Pm選擇PmN個(gè)個(gè)體,重新生成某一位置的變量,產(chǎn)生新的個(gè)體。
遺傳算法的控制參數(shù)有初始種群數(shù)N,交叉概率PC和變異概率Pm,不同的參數(shù)組合對(duì)于遺傳算法的運(yùn)行影響較大[18]。DE JONG等[19]系統(tǒng)研究不同參數(shù)組合對(duì)于遺傳算法運(yùn)行影響,并提出一組標(biāo)準(zhǔn)參數(shù),即:N=50,PC=0.60,Pm=0.001。本文遺傳算法的參數(shù)選用DE JONG提出的標(biāo)準(zhǔn)參數(shù)。
本文選用PYTHON算法中NUMPY函數(shù)對(duì)約束條件進(jìn)行處理。若不滿足約束條件,將目標(biāo)函數(shù)值標(biāo)記為不合法,輸出結(jié)果時(shí)將不合法的目標(biāo)函數(shù)值舍去,從而達(dá)到約束的目的。
為驗(yàn)證本文方法的實(shí)際應(yīng)用效果,以江蘇省臨海農(nóng)場渠道規(guī)劃整治工程為例,采用本文建立的優(yōu)化模型進(jìn)行渠(管)道設(shè)計(jì)。該工程規(guī)劃圖如圖3所示,該工程控制灌溉面積為2 km2,分為兩個(gè)輪灌組進(jìn)行灌溉。工程采用泵站提水灌溉,泵站設(shè)計(jì)水位為1.6 m,泵站揚(yáng)程為3.17 m。該工程設(shè)計(jì)資料如表2所示。
圖3 臨海農(nóng)場項(xiàng)目規(guī)劃示意圖Fig.3 The project planning diagram of Linhai Farm
表2 工程設(shè)計(jì)資料Tab.2 The data of project design
將上述設(shè)計(jì)資料代入優(yōu)化模型,分別計(jì)算以年需投資費(fèi)用和年凈效益為目標(biāo)函數(shù)的優(yōu)化模型。以U形斗渠與農(nóng)管組合為例,分析優(yōu)化模型的計(jì)算過程與計(jì)算結(jié)果。模型計(jì)算過程如圖4所示,計(jì)算結(jié)果如表3所示。
從圖4可以看出,由于賭輪盤選擇方式的使用,兩種優(yōu)化模型種群個(gè)體目標(biāo)最優(yōu)值和種群平均值變化明顯,算法收斂速
圖4 模型優(yōu)化過程示意圖Fig 4 The calculation process of model optimization
表3 最優(yōu)結(jié)果典型值Tab.3 Typical value of the optimal result
度較快[20],分別在90次和76次遺傳代數(shù)時(shí)得到最優(yōu)解。在計(jì)算機(jī)上運(yùn)行時(shí)間為1.30 s,計(jì)算時(shí)間短[21]。
由表3可知,當(dāng)U形斗渠傾斜角取18.12°,農(nóng)管管徑取280 mm時(shí),該工程的年需投資費(fèi)用最小,為39.36 萬元;而當(dāng)U形斗渠傾斜角取6.41°,農(nóng)管管徑取280 mm時(shí),年凈效益最大,為6.29 萬元。此外,兩個(gè)模型的校核流量均小于10-15m3/m3,在U形渠道中流速為0.70 m/s,在管道中流速為1.08 m/s,兩種優(yōu)化模型結(jié)果均滿足其設(shè)計(jì)的約束條件。由上述結(jié)果可知,遺傳算法能夠在較短的時(shí)間內(nèi)得到較好的結(jié)果,將遺傳算法應(yīng)用于灌溉渠(管)道設(shè)計(jì)是可行的。
由上述結(jié)果可知,遺傳算法能夠應(yīng)用于灌溉輸水渠(管)道設(shè)計(jì),下面將探究田間灌溉渠系最優(yōu)組合方式?;谀陜粜б孀畲髢?yōu)化模型,采用梯形渠道、U形渠道和管道三種不同方式的斗渠與農(nóng)渠組合,探究年凈效益最大的田間灌溉渠系組合方式,即為最優(yōu)組合方式。模型計(jì)算結(jié)果如表4所示。
由表4可知,不同形式的斗渠顯著影響年需投資費(fèi)用(P<0.05),其中斗管的年需投資費(fèi)用最高,平均為56.95 萬元,遠(yuǎn)遠(yuǎn)高于梯形斗渠的33.90 萬元和U形斗渠的34.05 萬元。相應(yīng)的,年凈效益也隨著斗渠形式的變化而顯著改變,其中梯形斗渠年凈效益和U形斗渠年凈效益遠(yuǎn)高于斗管的年凈效益。農(nóng)渠的不同形式顯著影響襯砌渠道灌溉和管道灌溉新增的耕地面積。根據(jù)表4,采用農(nóng)管新增耕地面積最大,平均為8.79萬m2,而采用梯形農(nóng)渠和U形農(nóng)渠的新增耕地僅為6.26和7.69 萬m2。
在9種農(nóng)田灌溉渠系組合形式中,梯形斗渠和農(nóng)管的組合與U形斗渠和農(nóng)管的組合年凈效益高于其他類型的組合方式。梯形斗渠與農(nóng)管的組合年凈效益最大為6.54 萬元,其新增耕地為8.64 萬m2;采用U形斗渠和農(nóng)管的組合較梯形斗渠和農(nóng)管組合相比,年凈效益降低3.97%,新增耕地增加1.37%;而斗管與農(nóng)管的組合方式雖然新增耕地最高為8.96 萬m2,但其年需投資費(fèi)用最高為72.84 萬元,年凈效益最低為-20.71 萬元,故在實(shí)際工程中不考慮采用這種組合形式。綜上所示,采用梯形斗渠與農(nóng)管和U形斗渠與農(nóng)管的組合方式較為理想。
表4 綜合年需投資費(fèi)用最小灌溉系統(tǒng)優(yōu)化結(jié)果表Tab.4 Optimization results of minimum annual investment cost for irrigation system
本文結(jié)果表明,基于遺傳算法的優(yōu)化模型能夠在較短的時(shí)間內(nèi)處理農(nóng)田灌溉輸水渠(管)道組合設(shè)計(jì)非線性優(yōu)化問題,且計(jì)算結(jié)果較為穩(wěn)定[22]。本文構(gòu)建的優(yōu)化模型在100次遺傳代數(shù)左右得到最優(yōu)解,模型收斂速度快,與李云峰等[20]建立的以供水成本最低的目標(biāo)函數(shù)的渠道優(yōu)化模型相似,其建立的優(yōu)化模型在50次左右遺傳代數(shù)時(shí)得到最優(yōu)解。劉波等[21]基于遺傳算法建立的農(nóng)田有壓管道系統(tǒng)整體優(yōu)化方案計(jì)算時(shí)間為6.250 s,而本模型計(jì)算時(shí)間為1.30 s,計(jì)算速度較快。由表3可知,模型能夠在得到最優(yōu)解的同時(shí),較好地處理約束條件。與MATLAB工具箱中的遺傳算法相比[20],本文采用的PYTHON遺傳算法處理約束條件不需要構(gòu)造懲罰函數(shù),而是將不符合約束條件的解標(biāo)記為不合法,輸出時(shí)去除不合法的解,從而得到更準(zhǔn)確的優(yōu)化結(jié)果。從圖4中可以看出,兩種不同的模型均在100次遺傳代數(shù)左右得到最優(yōu)解,在后期停滯不前。這一方面可能是因?yàn)槟P椭械淖兞枯^少,模型收斂速度快;另一方面可能是因?yàn)楸疚牟捎玫氖荄E JONG提出的遺傳算法參數(shù),參數(shù)不會(huì)隨著遺傳過程的改變而自動(dòng)調(diào)整,從而發(fā)生了早熟收斂。李康順等[23]提出將改進(jìn)遺傳算法根據(jù)群體的分散程度和個(gè)體的適應(yīng)度而自動(dòng)控制算法參數(shù),克服傳統(tǒng)遺傳算法易早熟的問題同時(shí)保持群體的多樣性,加快收斂速度。因此,后期可采用李康順等提出的改進(jìn)遺傳算法優(yōu)化灌溉渠(管)道優(yōu)化設(shè)計(jì)與選型。
此外,本文研究的是以年凈效益為目標(biāo)函數(shù)的田間灌溉輸水渠(管)道設(shè)計(jì)與組合方式。蔣曉紅等[6]以渠道設(shè)計(jì)水深作為優(yōu)化變量,將均勻流公式計(jì)算設(shè)計(jì)流量轉(zhuǎn)化為非線性優(yōu)化問題的目標(biāo)函數(shù)進(jìn)行渠道設(shè)計(jì)。李云峰等[20]以灌溉用水成本為目標(biāo)函數(shù),建立設(shè)計(jì)梯形渠道和U形渠道的非線性優(yōu)化模型。本文的優(yōu)化模型綜合考慮了渠(管)道設(shè)計(jì)的水力性能和經(jīng)濟(jì)效益,并確定兩級(jí)渠(管)道最優(yōu)的組合形式,能夠更好地指導(dǎo)實(shí)際工程的設(shè)計(jì)。但是灌溉水資源成本和灌溉效益選用的均為當(dāng)?shù)囟嗄昶骄鶖?shù)據(jù),并未考慮作物實(shí)際的灌溉制度。GONZLEZ等[24]根據(jù)土壤水分平衡方程和遺傳算法建立灌溉水調(diào)度優(yōu)化模型,采用該模型優(yōu)化作物的灌溉制度后能夠節(jié)約15%的灌溉水資源成本。劉向等[25]通過對(duì)新疆棗棉田研究,結(jié)合作物水分生產(chǎn)函數(shù)模型和水量平衡理論,建立棗棉田灌溉——收益模型,得到在有限灌水量條件下的單位面積最大經(jīng)濟(jì)收益及棗棉各生長階段的最優(yōu)灌水量分配方案。綜上,下一步研究可將作物實(shí)際的灌溉制度與本文研究的灌溉渠(管)道設(shè)計(jì)組合成果相結(jié)合,采用改進(jìn)遺傳算法,優(yōu)化本文構(gòu)建的模型。
(1)基于遺傳算法模型優(yōu)化灌溉渠(管)道設(shè)計(jì),均在100次遺傳代數(shù)內(nèi)得到最優(yōu)結(jié)果,計(jì)算時(shí)間為1.30 s,速度快,優(yōu)化結(jié)果好。遺傳算法可應(yīng)用于灌溉渠(管)道的設(shè)計(jì)。
(2)采用梯形斗渠和U形斗渠能顯著減少約40%年需投資費(fèi)用,確保正年凈效益(P<0.05);采用農(nóng)管能顯著增加10%以上新增耕地。
(3)采用梯形斗渠與農(nóng)管組合和U形斗渠與農(nóng)管組合年凈效益較大,均超過6 萬元/a,較其他組合新增耕地增加10%以上。實(shí)際工程中可采用此方式作為田間灌溉渠系最優(yōu)組合方式。