1.一种流域梯级水库群联合调度规则提取方法，其特征在于，所述方法包括：从预设的梯级水库调度过程中，识别出影响因子和决策变量，所述预设的梯级水库调度过程至少用于优化防洪、发电、生态、航运、供水中的一种；以所述影响因子为输入，所述决策变量为输出，训练生成支持向量机模型，并基于改进亨利气体溶解度优化算法在训练过程中优化所述支持向量机模型的超参数，所述改进亨利气体溶解度优化算法是基于多种智能优化算法对个体更新过程进行的改进；提取所述支持向量机模型对应的超平面，以利用所述超平面表征所述流域梯级水库群联合调度规则；所述基于改进亨利气体溶解度优化算法在训练过程中优化所述支持向量机模型的超参数，包括：利用亨利气体溶解度优化算法初始化多组超参数，并对各组初始化的超参数进行评估和更新；利用多种智能优化算法对各组初始化的超参数进行更新；计算更新后的各组超参数的适应度；针对相同的初始化的超参数，基于所述适应度从亨利气体溶解度优化算法更新后的超参数以及多种智能优化算法更新后的超参数中，选出更新后的一组较优超参数；利用亨利气体溶解度优化算法对各组更新后的较优超参数继续进行迭代评估和更新，直至达到迭代终止条件，将终止时评估结果最优的一组超参数作为所述支持向量机模型的超参数；所述智能优化算法包括多元宇宙优化算法和二次插值算法。
2.根据权利要求1所述的方法，其特征在于，所述从预设的梯级水库调度过程中，识别出影响因子和决策变量，包括：以流域梯级水库群调度期内发电量最大为目标，以水量平衡约束和边界范围为约束条件，建立梯级水库群联合发电优化调度模型；求解所述联合调度模型，得到所述预设的梯级水库调度过程，并从所述预设的梯级水库调度过程中识别所述影响因子和决策变量；其中，所述预设的梯级水库调度过程包括：逐时段运行水位过程、出库流量过程和全厂出力过程。
3.根据权利要求2所述的方法，其特征在于，建立所述梯级水库群联合发电优化调度模型的约束条件，还包括：水位约束、流量约束、流量平衡约束、出力约束和变量非负约束。
4.根据权利要求1所述的方法，其特征在于，在所述训练生成支持向量机模型之前，所述方法还包括：基于基准函数对所述改进亨利气体溶解度优化算法进行性能测试，并基于测试结果调整所述智能优化算法的选型。
5.根据权利要求4所述的方法，其特征在于，所述基准函数包括：单峰测试函数、多峰测试函数和固定维数的多峰测试函数，其中单峰测试函数用于测试算法的收敛速度和求解精度；多峰测试函数用于测试算法在函数存在多个局部最优解时的全局寻优能力；固定维数的多峰测试函数用于测试算法避免局部最优的能力以及算法全局和局部寻优之间的平衡能力。
6.一种流域梯级水库群联合调度规则提取装置，其特征在于，所述装置包括：识别模块，用于从预设的梯级水库调度过程中，识别出影响因子和决策变量，所述预设的梯级水库调度过程至少用于优化防洪、发电、生态、航运、供水中的一种；模型训练模块，用于以所述影响因子为输入，所述决策变量为输出，训练生成支持向量机模型，并基于改进亨利气体溶解度优化算法在训练过程中优化所述支持向量机模型的超参数，所述改进亨利气体溶解度优化算法是基于多种智能优化算法进行的改进； 所述基于改进亨利气体溶解度优化算法在训练过程中优化所述支持向量机模型的超参数，包括：利用亨利气体溶解度优化算法初始化多组超参数，并对各组初始化的超参数进行评估和更新；利用多种智能优化算法对各组初始化的超参数进行更新；计算更新后的各组超参数的适应度；针对相同的初始化的超参数，基于所述适应度从亨利气体溶解度优化算法更新后的超参数以及多种智能优化算法更新后的超参数中，选出更新后的一组较优超参数；利用亨利气体溶解度优化算法对各组更新后的较优超参数继续进行迭代评估和更新，直至达到迭代终止条件，将终止时评估结果最优的一组超参数作为所述支持向量机模型的超参数；所述智能优化算法包括多元宇宙优化算法和二次插值算法；规则提取模块，用于提取所述支持向量机模型对应的超平面，以利用所述超平面表征所述流域梯级水库群联合调度规则。
7.一种流域梯级水库群联合调度规则提取设备，其特征在于，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如权利要求1-5任一项所述的方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机从而执行如权利要求1-5任一项所述的方法。
