水库增蓄的声波增雨作业点选址方法、系统、设备及介质

1.一种水库增蓄的声波增雨作业点选址方法，其特征在于，包括以下步骤：将水库增蓄的声波增雨作业点选址问题构建为多目标组合问题；基于多目标组合问题的决策空间获取多目标组合问题的基本影响因子；构建多目标组合问题的目标函数，并基于各基本影响因子以及水库增蓄的历史声波作业数据，使用多元组将多目标组合问题转换为马尔科夫决策过程；将多目标强化学习算法应用于上述马尔科夫决策过程，将声波增雨装置的控制系统作为智能体，目标水库范围作为环境，利用多目标强化学习算法获取智能体在不同状态下的帕累托前沿，基于帕累托前沿输出目标水库的声波作业点地址；其中，所述多目标组合问题包括水库库容最优化、增雨影响最优化以及环境影响最优化；其中，所述构建多目标组合问题的目标函数具体包括：水库库容最优化目标函数、增雨影响最优化目标函数以及环境影响最优化目标函数；所述水库库容最优化目标函数具体为：其中， 为制定的 时段内的计划水库增蓄水量， 为 时段内在对应选址进行声波增雨作业在水库区域的预计降水量， 为 时段内水库的自然增蓄水量， 为 时段内水库的水蒸发量；所述增雨影响最优化目标函数具体为：其中， 为 时段内在对应选址进行声波增雨作业引起的降雨类型预测变化次数； 为第 次降雨类型所对应的权值， ∈0~1； 为第 次降雨类型的预测降雨持续时长；所述环境影响最优化目标函数具体为：其中， 为对应选址的地貌系数，对应选址的地貌交通越便捷，地貌系数越小； 为对应选址的海拔系数，海拔系数随海拔的高度而减小； 为对应选址的声波影响系数，对应选址在预设范围内的居民户数越少，声波影响系数越小； 为水库区域面积， 为在对应选址进行声波增雨作业引起的降雨区域与水库区域的重叠面积。 2.根据权利要求1所述的一种水库增蓄的声波增雨作业点选址方法，其特征在于，所述使用多元组将多目标组合问题转换为马尔科夫决策过程的步骤具体为：通过水库增蓄的历史声波作业数据，使用多元组 构建水库增蓄的声波增雨作业点选址的马尔科夫决策过程；其中， 为状态空间， ， 为 时刻下从水库范围内第 个地点获取的状态数据， ，其中 为 时刻下从水库范围第 个地点获取的第 个基本影响因子的观测值； 为动作空间， 时刻智能体的动作 ，动作 对应 时刻声波增雨作业点的移动； 为状态转移矩阵； 为奖励函数，奖励函数具体为多目标组合问题的目标函数。 3.根据权利要求2所述的一种水库增蓄的声波增雨作业点选址方法，其特征在于，所述利用多目标强化学习算法获取智能体在不同状态下的帕累托前沿的步骤具体为：建立如下式所示的寻找最大化奖励函数：其中， 为奖励函数所对应的多目标组合问题的目标函数中的第M个目标的累计奖励；其中， 为考虑t时刻状态数据 和动作 的累计奖励计算函数， 是根据t时刻状态数据 和动作 的联合概率分布， 为寻优的终止时间， 为第M个目标的奖励系数，指示t时刻第M个目标的重要性， ∈0~1，且 ； 为根据t时刻状态数据 和动作 计算出的第M个目标的奖励值；初始化多目标强化学习算法，通过水库增蓄的历史声波作业数据迭代执行多目标强化学习任务，将获取的帕累托点放入帕累托集中；对帕累托集进行标准化处理，并对标准化处理后的帕累托集中的标准化帕累托点进行排序处理，得到序列化最优点集；在每次迭代时，基于序列化最优点集确定下一时刻第M个目标的奖励系数 ，根据下一时刻第M个目标的奖励系数 执行下一时刻的强化学习任务，获取新的帕累托集，根据新的帕累托集重构帕累托前沿。 4.根据权利要求3所述的一种水库增蓄的声波增雨作业点选址方法，其特征在于，所述对帕累托集进行标准化处理，并对标准化处理后的帕累托集中的标准化帕累托点进行排序处理，得到序列化最优点集；在每次迭代时，基于序列化最优点集确定下一时刻第M个目标的奖励系数 的步骤具体为：根据帕累托集，获取对应每一目标的帕累托点中的最小值集合和最大值集合，其中最小值集合为：其中， 表示第 个目标的第 个帕累托最优点； 表示第 个目标的帕累托最优点中的最小值；最大值集合为：其中， 表示第 个目标的帕累托最优点中的最大值；对帕累托集中的每一帕累托最优点进行标准化处理：其中， 为标准化处理后的帕累托最优点；对标准化处理后的帕累托最优点按目标进行排序处理，得到各目标的序列化最优点集：其中， 为第M个目标的序列化最优点集中排序第j的点， 为排序的总数；根据各目标的序列化最优点集，通过以下公式计算下一时刻第M个目标的奖励系数：其中， 表示下一时刻第M个目标的奖励系数， 表示二范数。 5.根据权利要求1所述的一种水库增蓄的声波增雨作业点选址方法，其特征在于，所述基本影响因子包括：温度、湿度、云层覆盖度、云层回波强度、云底高度、云厚度、地形因子以及气流影响因子。 6.一种水库增蓄的声波增雨作业点选址系统，其特征在于，包括：目标构建模块，用于将水库增蓄的声波增雨作业点选址问题构建为多目标组合问题；影响因子确定摸模块，基于多目标组合问题的决策空间获取多目标组合问题的基本影响因子；马尔科夫决策模块，用于构建多目标组合问题的目标函数，并基于各基本影响因子以及水库增蓄的历史声波作业数据，使用多元组将多目标组合问题转换为马尔科夫决策过程；选址优化模块，用于将多目标强化学习算法应用于上述马尔科夫决策过程，将声波增雨装置的控制系统作为智能体，目标水库范围作为环境，利用多目标强化学习算法获取智能体在不同状态下的帕累托前沿，基于帕累托前沿输出目标水库的声波作业点地址；其中，所述多目标组合问题包括水库库容最优化、增雨影响最优化以及环境影响最优化；其中，所述构建多目标组合问题的目标函数具体包括：水库库容最优化目标函数、增雨影响最优化目标函数以及环境影响最优化目标函数；所述水库库容最优化目标函数具体为：其中， 为制定的 时段内的计划水库增蓄水量， 为 时段内在对应选址进行声波增雨作业在水库区域的预计降水量， 为 时段内水库的自然增蓄水量， 为 时段内水库的水蒸发量；所述增雨影响最优化目标函数具体为：其中， 为 时段内在对应选址进行声波增雨作业引起的降雨类型预测变化次数； 为第 次降雨类型所对应的权值， ∈0~1； 为第 次降雨类型的预测降雨持续时长；所述环境影响最优化目标函数具体为：其中， 为对应选址的地貌系数，对应选址的地貌交通越便捷，地貌系数越小； 为对应选址的海拔系数，海拔系数随海拔的高度而减小； 为对应选址的声波影响系数，对应选址在预设范围内的居民户数越少，声波影响系数越小； 为水库区域面积， 为在对应选址进行声波增雨作业引起的降雨区域与水库区域的重叠面积。 7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述的水库增蓄的声波增雨作业点选址方法。 8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至5任一项所述的水库增蓄的声波增雨作业点选址方法。