基于天牛群優化算法的灌區渠系配水研究

田桂林，蘇 楓，鄒 紅，呂謀超，申繼先，秦京濤，范習超

?灌溉水源與輸配水系統?

基于天牛群優化算法的灌區渠系配水研究

田桂林1,2，蘇 楓3，鄒 紅4，呂謀超1*，申繼先3，秦京濤1，范習超1

（1.中國農業科學院 農田灌溉研究所/農業農村部節水灌溉工程重點實驗室，河南 新鄉 453002；2.中國農業科學院 研究生院，北京 100081；3.河南省豫北水利工程管理局，河南 新鄉 453002；4.新鄉市大功引黃供水有限責任公司，河南 封丘 453300）

【目的】驗證改進后的天牛群優化算法在渠系配水領域的科學性與適用性?！痉椒ā恳?020年大功灌區某次灌水過程為基礎數據，以西一干渠干、支二級渠系輸水過程中滲漏損失水量為優化目標，各渠道運行時間及下級支渠輸水流量為決策變量，構建渠系配水模型，采用天牛群優化算法進行模型優化求解，并與天牛須搜索算法、粒子群算法等求解結果進行對比分析?！窘Y果】采用天牛群優化算法求解得到的總配水量為391.85萬m3，滲漏總水量為22.87萬m3，配水總時間為7.30 d，相較于天牛須搜索算法計算的配水結果均有較大提升，與粒子群算法求解結果接近，但天牛群優化算法得出的渠系配水方案更為合理?！窘Y論】改進后的天牛群優化算法能夠較好滿足灌區渠系水資源優化配置要求，為灌區水資源管理提供新的配水方法與科學建議。

灌區；渠系；優化配水；天牛群搜索算法；粒子群算法

0 引言

【研究意義】我國大中型灌區作為農業主要的用水與耗水部門，其有效灌溉面積3.47×107hm2，占全國耕地面積的25%，糧食產量占全國總量的50%[1]，年均灌溉用水量占全國農業灌溉用水總量的65%[2]，是保障我國糧食生產的主戰場和農業節水的重要領域。水資源短缺一直是制約我國農業發展的重要因素，2020年《中國水資源公報》顯示，我國農業用水總量3 612.4億m3，占全國總用水量的62.14%，其中，農田灌溉水有效利用系數為0.565，保障農業水資源是促進農業發展的重要基礎。灌區作為農業發展的基礎設施，存在著水資源分配不合理、用水效率低等問題[3]。灌區渠系是灌溉水的輸送載體，經驗性的渠系水資源配水會導致水量損失、灌溉水利用率低等問題。將多種按需配水模型與科學的數學方法相結合，優化渠系現有的配水方案，提高灌溉水輸水效率，縮短輸水時間，減少灌溉水無效損失，對于緩解農業用水緊張和發展節水農業具有重要意義。

【研究進展】早在1995年，Kennedy和Eberhart結合鳥群覓食行為提出了粒子群算法（Particle swarm optimization PSO）[4]。粒子群算法作為一種群體智能算法，具有良好的全局尋優能力，一經提出便得到了廣泛的研究與應用[5]。近年來，粒子群算法逐漸被應用于解決如農田水文學研究、需水量計算與預測、渠系建筑物優化改進等各類農業水利工程問題[6-8]。其中，部分研究學者也將其與配水模型相結合，優化現有配水方案，取得了大量研究成果。張國華等[9]結合粒子群優化算法求解0-1規劃的渠道輪灌優化配水模型，計算得出的輪灌組引水方案，持續時間均勻性較好。隨后粒子群算法在配水領域的應用不斷成熟，衍生出多種改進后的粒子群算法，以適配多種應用場景，改進后的算法優化效果明顯。褚宏業等[10]為解決高原灌區水管理落后問題，建立了多目標配水模型，并使用粒子群算法與遺傳算法分別進行方案求解，二者計算結果均能滿足模型要求，但粒子群算法運算速度占優且調度方案更為合理。劉照等[11]將渠系配水中傳統的“定流量、變歷時”的工作方式改為“變流量，變歷時”，以此建立多目標配水模型，采用雙層粒子群算法求解最優輪灌組合，為灌區管理部門制定配水計劃提供了決策依據。王慶杰等[12]將配水過程中“組間續灌、組內輪灌”的渠道配水方式變更為“組間輪灌、組內續灌”，并在基礎粒子群算法中融入模擬退火思想和遺傳算法中的交叉變異算子，以此來改進粒子群算法，模型求解出的配水方案能夠實現集中、高效配水。李彤姝等[13]以水流過渡平穩、渠道滲漏量最小為目標建立了多目標配水模型，使用改進后的多目標粒子群優化算法（MOPSO）進行求解，結果表明，較回溯搜索法和向量評估遺傳算法，多目標粒子群算法計算的配水時間有所縮短，配水方案更優。粒子群算法及其改進算法在渠系優化配水研究中表現出了較好的合理性與適用性，應用漸趨成熟。

隨著水資源優化配置領域的研究深入，越來越多的智能算法被應用于優化配水研究中。Jiang等[14]受天牛覓食啟發，提出了天牛須搜索算法（Beetle Antennae Search，BAS）。該算法已逐漸應用于PID控制器、電力調度、定位、經濟管理、路徑規劃以及圖形處理等多項領域[15]，但在灌溉配水中研究較少。田桂林等[16]將天牛須搜索算法（BAS）應用于引黃灌區渠系單目標優化配水模型求解中，發現天牛須搜索算法求解結果可滿足灌區配水要求，有效減少了渠系滲漏損失，但天牛須搜索算法作為單體智能算法，較為依賴初始值選定，易陷入局部最優，尚有較大的改進空間。2018年，為改進天牛須搜索算法在解決高維復雜問題上過度依賴初始值及計算效率上的不足，Wang等[17]將粒子群算法與天牛須搜索算法相結合，提出了天牛群優化算法。目前，該算法已被應用于傳感器布置優化、微電網優化調度等[18-19]領域，且應用范圍逐漸擴大?！厩腥朦c】隨著渠系配水實際運行情況復雜性增大，學者們逐漸將多種算法交叉融合后進行模型的優化求解，以提高求解速度與結果的準確性。天牛群優化算法在天牛須搜索算法的框架上結合了成熟粒子群算法的迭代更新機制進行改進，將其應用于渠系配水研究，可構建更為科學合理的渠系優化調度模型?！緮M解決的關鍵問題】本文以大功灌區西一干渠及其支渠為研究對象，構建以滲漏量最小為目標的渠系配水模型，結合天牛須搜索算法、粒子群算法及天牛群優化算法3種方法進行求解，得出支渠開、關閘時間及輸水流量。同時將3種算法配水方案進行對比分析，判別改進后的天牛群優化算法在渠系優化配水上的科學性與適用性，以期為灌區水管理提供新的模型優化方法與合理建議。

1 渠系優化配水模型及算法

1.1 渠系配水模型構建

為提高灌區渠系配水效率，減少灌溉水無效損失，在天牛須搜索算法（BAS）的基礎上，進一步結合改進后的天牛群搜索算法（BSO）優化配水結果，并同粒子群算法（PSO）進行比較分析，驗證改進后的天牛群算法在渠系配水中的適用性。本研究以渠系滲漏損失水量最小為優化目標，以下級渠道閘門啟閉時間與二級渠道輸水流量為決策變量建立配水模型，使用天牛群搜索算法與粒子群算法分別求解。

1）目標函數

2）基本公式

流量計算式為：

式中：q毛為支渠的渠道毛流量（m3/s）；Q毛為時段時，干渠渠道毛流量（m3/s）；（T）具體含義詳見式（15），其余符號意義同前。

時間計算式為：

3）約束條件

流量約束：

水量約束：

時間約束：

判別約束：

4）二級渠系水利用系數計算式[20-21]為：

模型中計算渠系輸水滲漏水量、流量及時間公式，以及所采用的渠道流量加大、最小系數，均參照《灌溉排水工程學》[21]。

1.2 天牛群優化算法（BSO）

天牛須搜索算法（BAS）是Jiang等[14]在2017年提出的一種單體智能算法，在解決高維計算問題時表現一般，易陷入局部最優，該算法已被應用于灌區渠系優化配水研究[16]。Wang等[17]結合粒子群算法（PSO）的優化機制，將2種算法結合，提出了天牛群優化算法（BSO），BSO算法將初始的一只天牛擴展為一個群體，消除了初始值對算法求解結果的限制。整體算法框架借鑒了PSO算法的群體尋優過程與極值更替，在單個天牛個體的迭代更新過程中使用了BAS算法的左右須更新機制，從而發揮2種算法各自的優點，以實現問題求解。

天牛群體位置更新公式：

天牛群體速度更新公式：

其他參數計算式為：

通過上述公式計算并更新天牛群的位置與速度值，完成個體與群體極值的更新，不斷迭代至最大迭代次數，完成模型求解，得出優化后的計算結果。

2 研究區概況

本研究以河南省新鄉市大功灌區為研究區域，選取大功灌區渠首西一干渠為優化對象。大功灌區總面積31.92萬hm2，屬于溫帶大陸性季風氣候，多年平均氣溫13.7 ℃，年均無霜期207 d，灌區范圍內熱量豐富，年平均日照時間2 362 h，年日照率52%。灌區年平均蒸發量為1 921.5 mm，灌區年平均降水量565.7 mm，灌區范圍內降水年際變化較大，年內分配不均，利用率低，其中，7、8、9月的降水量占全年降水量的60%左右。大功灌區及西一干渠渠系分布見圖1，西一干渠下級渠道包含汪寨加支渠、一支至十支等10條支渠，具體參數見表1。大功灌區現狀渠系水利用系數為0.560，灌溉水利用系數為0.495。本次計算以2020年大功灌區某次灌水數據為準，輪灌周期為20 d，灌水定額為675 m3/hm2，年引水量為3 143.18萬m3，該輪計劃灌溉水量391萬m3。

圖1 大功灌區及西一干渠渠系分布圖

表1 西一干渠渠系各項參數

3 基于多種優化算法的模型求解

3.1 天牛群優化算法（BSO）模型參數設置

表2 配水模型計算公式參數

3.2 3種算法求解結果

將配水模型結合優化算法進行求解，在進行多次重復計算與結果篩選后，得到了西一干渠各支渠的渠道配水時間計劃，圖2、圖3分別為天牛群優化算法（BSO）、粒子群算法（PSO）計算結果。通過對比2種算法的求解結果發現，各干渠閘門啟閉時間分布及整體配水時間長短接近，重合度較高。由圖2可知，BSO算法優化求解的配水計劃將灌水時間縮短至7.30 d，而圖3所示的PSO算法中，配水時間為7.43 d。二者的灌水周期接近且BSO算法求解結果在配水時間長短上略優于PSO算法。相較于傳統經驗性灌水周期20 d，2種算法的優化結果將灌水效率提高了近65%，縮短了近半程灌水時間。

圖2 天牛群優化算法（BSO）配水時間

圖3 粒子群算法（PSO）配水時間

在模型及其他條件相同的情況下，采用天牛須搜索算法（BAS）進行求解，所得配水結果[16]如圖4所示，相較于單體智能算法BAS算法，BSO、PSO算法優化求解后的灌水時間分別縮短了5.95、5.82 d，配水效率提高了近45%。

圖4 天牛須搜索算法（BAS）配水時間

3種算法優化后的干、支渠的渠道流量變化情況如圖5、圖6所示。由圖5可知，BSO算法與PSO算法優化求解的各支渠流量結果相近，均處于加大和最小流量之間，其中，西一干二支渠、四支渠、八支渠、十支渠及汪寨加支渠的流量大小接近設計流量，從而保證渠道良好的運行狀態。而BAS算法求解的各支渠流量均處于設計流量與最小流量之間，較另外2種算法整體流量偏低，支渠運行流量偏低是導致BAS算法整體灌水時間較長的直接原因之一。

配水研究中各支渠流量的變化會影響干渠流量大小。如圖6所示，3種算法所求解的西一干渠渠道流量隨配水時間的變化情況。BSO與PSO算法優化后的干渠配水流量最大分別可達到8.81、8.59 m3/s，配水平均流量分別為6.21、6.19 m3/s，整體流量水平較高。BSO算法優化求解的干渠平均流量略優于PSO算法，使得BSO算法求解的灌水時間略短于PSO算法，配水效率更高。而BAS算法求解結果中，干渠最大流量6.84 m3/s，整體流量長時間保持在4.0～6.5 m3/s，干渠配水流量偏低導致整體配水時間較長。

圖5 西一干渠各支渠流量分布

圖6 西一干渠流量分布

圖7為3種算法優化求解的各支渠總配水量，BSO算法與PSO算法所求得的配水量結果同各支渠計劃配水量結果接近一致，僅在西一干渠二支渠時，PSO算法配水量略高于計劃配水量。而BAS算法的配水時間過長，導致各支渠配水量整體偏多，高于其他2種算法所求得的配水量。

圖7 西一干渠各支渠總配水量分布情況

如表3所示，BSO算法與PSO算法優化后得到的總配水量分別為391.85萬、397.54萬m3，所求解的模型目標函數滲漏總水量分別為22.87萬、22.89萬m3。BSO算法所求滲漏總水量較PSO算法更少，且配水時間更短。BAS算法求解的整個渠系滲漏總水量為34.99萬m3，占總配水量的6.69%，與另外2種算法相比，計算結果差距較大。依據式（16）—式（18）計算出的3種算法配水結果的二級渠系水利用系數均高于0.7，相較于現狀渠系水利用系數0.560有較大提高。從上述結果可以看出，3種算法通過優化求解配水模型，合理調整渠道閘門啟閉時間及渠道流量，在一定程度上提高了灌溉效率與水資源利用率，減少了灌溉水在輸送過程中的損失。

表3 3種算法計算結果

圖8與圖9為BAS算法與PSO算法的迭代圖，由圖9可知，BSO算法在迭代65次左右接近極值點，而PSO算法則是在90次左右接近極值點。由于2種算法位置更新公式間的差異，使得PSO算法在迭代40次前，尋優能力及下降速度較BSO算法更優，隨著次數增加，逐漸趨近極值，BSO算法的尋優速度加快，先于PSO算法找到極值點，迭代效率略優于PSO算法，且最優解結果較PSO算法更好。

圖8 2種算法迭代云圖（上：PSO，下：BSO）

4 多種求解算法對比分析

4.1 天牛群優化算法與天牛須搜索算法對比分析

BSO算法計算出的配水結果在BAS算法求解結果的基礎上優化效果較為明顯。在相同的配水模型下，分別使用BAS與BSO算法求解渠系配水方案，通過對比發現，BSO算法計算出的總配水量、滲漏總水量更少，干、支渠配水流量更大，使得各支渠的配水時間更加集中，灌水時間縮短近6 d，而各支渠計算的輸水總量也更加接近計劃水量，提高了輸水效率。BSO算法將BAS單體算法與PSO群體算法相結合，改進并克服了BAS算法在高維尋優問題上依賴初始值選定與易陷入局部最優等問題。同時，由于BAS算法為單體智能算法，參數設置較少，使得BAS算法在求解過程中計算量小，迭代次數少，尋優速度快。在與BSO算法對比中可得，改進后的BSO算法在計算量增大的同時迭代次數較BAS算法并未存在較大的差異，尋優速度與BAS算法基本一致，尋優效率顯著提高。

圖9 2種算法迭代圖

4.2 天牛群優化算法與粒子群算法對比分析

BSO算法在復雜的灌區渠系優化配水研究中表現良好。PSO算法在配水研究中應用廣泛，適用于單目標、多目標等多種配水模型，且表現出較好的適用性。從上述求解結果中對比2種算法可以發現，BSO算法求解出的總滲漏量以及總灌水時間等更為合理，求解過程的迭代次數更少，求解結果更趨近最優解。BSO算法結合了BAS算法的“左右須”求值機制，使得天牛在迭代時的位置更新更具有指向性，尋優能力增強，且尋優效率更高。BSO搜索算法在求解灌區渠系單目標優化配水模型中表現出較好的適用性與合理性。目前，隨著配水模型復雜程度的提高，渠系配水逐漸趨于多目標模型，尚且缺乏BSO算法在多目標配水模型中的研究與應用，具有一定的改進空間。

5 結 論

1）將天牛群優化算法運用到灌區渠系優化配水模型中，所得配水結果能夠滿足灌區灌水基本要求。在滿足干、支渠輸水流量及灌區灌水周期的前提下，配水方案可保證渠道集中灌水，縮短配水時間、減少滲漏水量、提高渠系水利用系數。在保證模型目標最優的前提下，大幅度縮短了灌水時間。

2）通過與BAS、PSO算法的對比，BSO算法在求解高維優化配水問題上表現良好。BSO算法在保留BAS算法快速尋優的基礎上，充分結合PSO算法群體性優勢，顯著優化了配水結果，改進了BAS算法過度依賴初始值選定、易陷入局部最優等不足。同時，與PSO算法相比，BSO算法迭代次數少，求解速度快，求解結果更加接近最優值。

綜上所述，天牛群優化算法能夠解決復雜的渠系優化配水模型求解的問題，對于提高灌區用水管理效率具有一定的指導意義。

[1] 陳明忠. 加快推進灌區現代化改造 促進灌區高質量發展[J]. 中國水利, 2021(17): 1-3.

CHEN Mingzhong. Accelerating modernization of irrigation district for high quality development[J]. China Water Resources, 2021(17): 1-3.

[2] 馬穎卓. 加快灌區現代化改造與節水技術應用 促進黃河流域生態保護和高質量發展：訪中國工程院院士康紹忠[J]. 中國水利, 2021(17): 4-7.

MA Yingzhuo. Speeding up modernization of irrigation district and application of water-saving technology for promoting ecological protection and highquality development in the Yellow River Basin: Interview with Kang Shaozhong, academician of Chinese Academy of Engineering[J]. China Water Resources, 2021(17): 4-7.

[3] 齊學斌, 黃仲冬, 喬冬梅, 等. 灌區水資源合理配置研究進展[J]. 水科學進展, 2015, 26(2): 287-295.

QI Xuebin, HUANG Zhongdong, QIAO Dongmei, et al. Research advances on thereasonable water resources allocation in irrigation district[J]. Advances in Water Science, 2015, 26(2): 287-295.

[4] KENNEDY R, EBERHART J. Particle swarm optimization[C]//Proceedings of IEEE International Conference on Neural Networks. Perth, Australia: IEEE, 1995: 1 942-1 948.

[5] 何國華, 解建倉, 汪妮, 等. 基于模擬退火遺傳算法的水資源優化配置研究[J]. 西北農林科技大學學報(自然科學版), 2016, 44(6): 196-202.

HE Guohua, XIE Jiancang, WANG Ni, et al. Optimal allocation of water resources based on simulated annealing-genetic algorithm[J]. Journal of Northwest A & F University (Natural Science Edition), 2016, 44(6): 196-202.

[6] 鄧嬋, 李純, 李夢琪, 等. 粒子群算法在農業水文學中的應用進展[J]. 安徽農業科學, 2021, 49(8): 16-20, 29.

DENG Chan, LI Chun, LI Mengqi, et al. The application of particle swarm optimization in agricultural hydrology[J]. Journal of Anhui Agricultural Sciences, 2021, 49(8): 16-20, 29.

[7] 許昆. 涑水河流域生態環境需水量計算和預測[J]. 灌溉排水學報, 2016, 35(11): 107-110.

XU Kun. Calculation and prediction of water demand of the ecological environment in Sushui River Basin[J]. Journal of Irrigation and Drainage, 2016, 35(11): 107-110.

[8] 張偉, 何武全. 基于粒子群算法的拋物線形渠道斷面優化方法[J]. 灌溉排水學報, 2017, 36(4): 94-98.

ZHANG Wei, HE Wuquan. Optimizing channels with parabolic cross-section using the particle swarm method[J]. Journal of Irrigation and Drainage, 2017, 36(4): 94-98.

[9] 張國華, 張展羽, 邵光成, 等. 基于粒子群優化算法的灌溉渠道配水優化模型研究[J]. 水利學報, 2006, 37(8): 1 004-1 008, 1 014.

ZHANG Guohua, ZHANG Zhanyu, SHAO Guangcheng, et al. Optimization model for discharge distribution of irrigation channels based on particle swarm optimizer[J]. Journal of Hydraulic Engineering, 2006, 37(8): 1 004-1 008, 1 014.

[10] 褚宏業, 王瑩, 文俊, 等. 遺傳算法和粒子群算法求解渠系多目標優化模型[J]. 中國農村水利水電, 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.

[11] 劉照, 程帥, 李華朋, 等. 基于雙層粒子群算法的下級渠道流量不等時渠系優化配水[J]. 干旱地區農業研究, 2017, 35(3): 88-93, 237.

LIU Zhao, CHENG Shuai, LI Huapeng, et al. Optimal water allocation in canal system under unequal discharges in subordinate canals based on Bi-level PSO Methoo[J]. Agricultural Research in the Arid Areas, 2017, 35(3): 88-93, 237.

[12] 王慶杰, 岳春芳, 李藝珍, 等. 基于改進粒子群算法的兩級渠道水資源優化配置[J]. 干旱地區農業研究, 2019, 37(4): 26-33.

WANG Qingjie, YUE Chunfang, LI Yizhen, et al. Optimal allocation of water resources with two-level channel based on improved particle swarm optimization algorithm[J]. Agricultural Research in the Arid Areas, 2019, 37(4): 26-33.

[13] 李彤姝, 黃睿, 孫志鵬, 等. 基于多目標粒子群算法的渠系優化配水研究[J]. 灌溉排水學報, 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.

[14] JIANG X, LI S. BAS: Beetle Antennae Search Algorithm for Optimization Problems[J]. arXiv, 2017, 1 710: 10 724.

[15] 廖列法, 楊紅. 天牛須搜索算法研究綜述[J]. 計算機工程與應用, 2021, 57(12): 54-64.

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

[16] 田桂林, 呂謀超, 蘇楓, 等. 基于天牛須搜索算法的渠系優化配水初步研究[J]. 節水灌溉, 2021(12): 38-42.

TIAN Guilin, LYU Mouchao, SU Feng, et al. Preliminary study on channel optimization water distribution based on beetle antennae search algorithm[J]. Water Saving Irrigation, 2021(12): 38-42.

[17] WANG T, LONG Y. Beetle swarm optimization algorithm: theory and application[J]. arXiv, 2020, 1 808: 00 206.

[18] 胥松奇, 周世良, 曹師寶, 等. 基于離散天牛群算法的高樁碼頭傳感器優化布置[J]. 水運工程, 2020(6): 46-52.

XU Songqi, ZHOU Shiliang, CAO Shibao, et al. Sensor optimal placement of high piled-wharf based on binary beetle-swarm algorithm[J]. Port & Waterway Engineering, 2020(6): 46-52.

[19] 王怡云, 吳雷. 基于改進天牛群算法的微電網優化調度[J]. 電子測量技術, 2020, 43(16): 76-81.

WANG Yiyun, WU Lei. Optimization of micro-grid scheduling based on improved algorithm of beetle swarm optimization[J]. Electronic Measurement Technology, 2020, 43(16): 76-81.

[20] 陳浩, 周艷, 王朝江. 灌區渠道水利用系數計算和分析探討[J]. 水利水電工程設計, 2020, 39(2): 21-23, 56.

CHEN Hao, ZHOU Yan, WANG Chaojiang, Calculation and analysis of water utilization coefficient in canal of irrigation area[J]. Design of Water Resources & Hydroelectric Engineering, 2020, 39(2): 21-23, 56.

[21] 史海濱, 田軍倉, 劉慶華, 等. 灌溉排水工程學[M]. 北京: 中國水利水電出版社, 2014.

Calculating Water Distribution in Irrigation Channel Networks Using the Beetle Swarm Optimization Algorithm

TIAN Guilin1, 2, SU Feng3, ZOU Hong4, LYU Mouchao1*, SHEN Jixian3, QIN Jingtao1, FAN Xichao1

(1.Farmland Irrigation Research Institute, Chinese Academy of Agricultural Sciences/Key Laboratory of Water-saving Agriculture of Ministry of Agriculture, Xinxiang 453002, China; 2. Graduate School of Chinese Academy of Agricultural Sciences,Beijing 100081, China; 3. Yubei Water Conservancy Engineering Administration Bureau of Henan Province, Xinxiang 453002, China; 4.Xinxiang Dagong Diversion Yellow Water Supply Co. Ltd., Fengqiu 453300, China)

【Objective】Optimizing water allocation to channel networks in irrigation districts can reduce water waste and help improve water use efficiency. This paper presents the application of a modified beetle swarm optimization algorithm to achieve this goal.【Method】The analysis was based on irrigation in 2020 at Dagong irrigation district. Reducing water losses from seepage in the channel network was taken as the optimization objective, and operating duration of each channel and water discharge to the low-order branches were taken as the decision variables. We constructed water distribution in the channel network and solved the optimization using the beetle swarm optimization algorithm. The results were compared with those obtained from the beetle antennae search algorithm and the particle swarm algorithm.【Result】The total water distribution calculated from the beetle swarm optimization algorithm is 3 918 500 m3, the total loss from leakage is 228 700 m3, and the total water distribution time is 7.30 d. These are a great improvement compared with those obtained from the beetle antennae search algorithm, and close to the results calculated from the particle swarm algorithm.【Conclusion】The modified beetle swarm optimization algorithm is efficient and the results calculated by it meet the requirements for optimal allocation of water resources to channel network in irrigation district. It can be used to improve water management in irrigation districts and other areas.

irrigation district; canal system; optimal water distribution; beetle swarm optimization algorithm; particle swarm algorithm

1672 - 3317（2022）07 - 0096 - 08

S274.3

A

10.13522/j.cnki.ggps.2022093

田桂林, 蘇楓, 鄒紅, 等. 基于天牛群優化算法的灌區渠系配水研究[J]. 灌溉排水學報, 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.

2022-02-24

中國農業科學院農業科技創新工程項目（CX0001-04-2021）

田桂林（1997-），男。碩士研究生，主要從事灌區渠系優化配水研究。E-mail: ykerlove@163.com

呂謀超（1968-），男。研究員，博士生導師，主要從事節水灌溉理論與技術研究。E-mail: lvmouchao@aliyun.com

責任編輯：白芳芳