✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,代码获取、论文复现及科研仿真合作可私信。
🍎个人主页:Matlab科研工作室
🍊个人信条:格物致知。
更多Matlab完整代码及仿真定制内容点击👇
🔥 内容介绍
为实现对管道泄漏油品在实际地表环境下流动扩散范围的计算,本章结合元胞自动机的原理提出了一种溢油流动扩散范围通用快速算法。该方法以地面高程差作为泄漏油品流动方向主要判据,能够就管道泄漏溢油在地表的流动扩散范围给出快速的预测,为管道泄漏事故中抢险物资的快速布置提供理论支撑。
元胞自动机是一种时间、空间、状态都离散,空间相互作用为局部的网格动力学模型,具有模拟复杂系统演化过程的能力。
不同于一般的动力学模型,元胞自动机不是由严格定义的物理方程或函数确定,而是用一系列模型构造的规则构成。凡是满足这些规则的模型都可以算作是元胞自动机模型。因此,元胞自动机是一类模型的总称,或者说是一个方法框架。其特点是时间、空间、状态都离散,每个变量只取有限多个状态,且其状态改变的规则在时间和空间上都是局部的。
元胞自动机模型的计算过程通常为步进计算,在每个模拟步中,元胞根据指给定的转换规则进行同步更新,本章中的计算模型具有以下特点:
(1)元胞的类型采用最常见的二维正方形元胞,二维正方形元胞具有演化规则容易确定的特点,同时二维正方形元胞也便于同高程数据地表曲面模型相对应;
(2)每个元胞内有着1与0两种取值,取值为1即代表改元胞内有泄漏油品流过,取值为0即代表该元胞内无泄漏油品流过;
(3)本研究中元胞的领域类型选择摩尔型邻域,即定义每个元胞相邻8个元胞为其邻域,中心元胞的取值由上一个模拟步中其8个邻域元胞的取值和元胞演化规则来共同决定;
(4)元胞自动机随模拟步演化的关键在于演化规则的选定,在本算法中元胞自动机的演化规则主要根据溢油从高处流向低处的原理来确定,每个元胞对应地表区域的平均高程是演化规则确定的关键;
图3.1即为该摩尔型邻域二维正方形元胞的演化过程,图中的Mt,Mt+1,Mt+2分别表示在第t个、t+1个、t+2个模拟步下的元胞空间局部状态。
溢油运动模拟中元胞自动机理论
数字高程模型构成的地表曲面即为溢油的流动域,地表曲面的具体构建过程在第2章有详细叙述。元胞自动机原理算法中计算模型中的流动域为地表曲面,该地表曲面通过数字高程模型来完成构建,且数字高程模型的采样在横向与纵向均是以30m为间隔进行均匀采样,数字高程模型与二维正方形元胞模型可以形成自然的相互对应。
本文的研究中依据溢油在地表运移的特点,以泄漏点初始位置、管道输油压力及泄漏事故发生区域周围地形等作为主要的输入参数。考虑到实际中有着对管道溢油流动主路径进行快速大致预估及预估管道溢油流动大致影响范围的需要,构造两套类似的元胞自动机演化规则。
第一套元胞自动机的演化规则目的为对溢油流动主路径进行预估,该规则的特点是在每一个模拟步内溢油从中心元胞流向高程比降最高的邻域八元胞中的一个,该演化规则主要以山体区域的高程值,泄漏发生点的位置作为主要输入量;以泄漏原油的流动主路径作为输出量,计算过程主要分为三个步骤:
(1)高程网格数据的预处理,找到数字高程网格中的凹陷网格并对其进行填平,保障后续由高程差来计算流动方向的算法能够有效实行;
(2)由高程网格的高程数据对各个网格处泄漏流体的流动方向进行计算,对流动方向进行计算时需要由每个网格的高程值计算每个位置处的高程梯度矩阵,由高程梯度矩阵的最大值来判断中心网格处泄漏流体的流动方向。同时基于计算域的高程网格模型创建于高程网格尺寸相同的元胞空间,由高程网格每个位置处的流向来决定元胞空间的演化规则;
(3)泄漏主路径的可视化处理,由元胞空间演化的结果来构建的真实山体表面进行涂色处理来实现对泄漏原油流动主路径的直观表达。
第二套演化规则的主要目的在于对管道溢油的大致影响范围进行预估,该套演化规则的原理与上述第一套演化规则大致相似,同样基于数字高程模型数据来判断每个位置处泄漏流体可能的流动方向。特点是在每一个模拟步内溢油从中心元胞流向高程比降值满足一定条件的单个或数个邻域八元胞内,泄漏原油在每个位置处可能的流动方向由该网格位置处的分配系数矩阵决定。分配系数矩阵是在八邻域多流向算法中用来衡量泄漏原油在每个网格位置处向邻域网格流动能力的数值矩阵。
高程网格每个位置处的分配矩阵计算完成后,泄漏原油从指定的初始泄漏点网格位置处开始向周围扩散流动,位于中心网格处的泄漏原油能够向分配系数矩阵中数值大于阈值的方向进行泄漏流动扩散,分配系数矩阵的阈值可根据实际情况进行合适选取。
泄漏流动扩散范围的计算从初始泄漏网格开始进行,每经过一步计算便更新一次与计算区域相对应的元胞空间,最终通过元胞空间的值对真实山体表面存在泄漏原油的网格进行涂色处理,完成对泄漏扩散范围的快速预测。
该元胞演化规则同样以待计算山体区域的高程值,泄漏发生点的位置作为主要输入量;以泄漏扩散范围区域作为输出量,计算过程主要分为三个步骤:
⛳️ 运行结果
🔗 参考文献
🎈 部分理论引用网络文献,若有侵权联系博主删除
🎁 关注我领取海量matlab电子书和数学建模资料
👇 私信完整代码和数据获取及论文数模仿真定制
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱船配载优化、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划(2E-VRP)、充电车辆路径规划(EVRP)、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题
2 机器学习和深度学习方面
2.1 bp时序、回归预测和分类
2.2 ENS声神经网络时序、回归预测和分类
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类
2.4 CNN/TCN卷积神经网络系列时序、回归预测和分类
2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类
2.7 ELMAN递归神经网络时序、回归\预测和分类
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类
2.9 RBF径向基神经网络时序、回归预测和分类