Page 65 - 2025年第56卷第7期

图 2 研究区域位置信息和系统概化
表 1 水库特征值

水库 死水位/m 汛限水位/m 正常高水位/m 设计洪水位/m 校核洪水位/m 坝顶高程/m 总库容/亿 m 3
鲇鱼山 104.00 105.8 107.00 111.42 114.50 115.50 9.16
梅山 107.10 125.27 126.00 137.66 139.93 140.17 23.37

实时防洪风险调度模型的求解效率提升效果，算例
具体设计如表 2 所示。
Case1：MOGEO 算法优势分析。基于预报洪水均
值过程，在单物理机上采用串行方式计算调度任务，
分 别 采 用 MOGEO 和 第 三 代 非 支 配 排 序 遗 传 算 法
（Non-dominated Sorting Genetic Algorithm Ⅲ，NSGA-
Ⅲ）求解水库群实时防洪多目标风险调度模型，通过
计算 Hv ［29］ 指标评价两种优化算法性能，评估结果如
图 5 所示。
图 3 研究系统洪水预报入流过程

图 4 研究系统洪水预报流量误差分布

由图 5 可知，MOGEO 算法的 Hv 随迭代次数增加整体呈上趋势，说明 MOGEO 算法不易陷入局部最
优解，具有全局搜索能力；MOGEO 算法的 Hv 值整体大于 NSGA-Ⅲ的值，说明 MOGEO 算法得到的解
集空间分布更加均匀，种群具有多样性和代表性；两算法在迭代次数同为 1000 次的情况下，MOGEO
算 法 的 运 行 时 间 为 830 s， NSGA-Ⅲ 运 行 时 间 为 1542 s， MOGEO 将 模 型 求 解 时 间 缩 短 了 将 近 一 半 。

— 891 —