1.一种水工程调度径流智能模拟方法，其特征在于，包括如下步骤：

S1.基于历史径流数据，提取数据特征，运用矩法确定数据的均值、偏态系数和变差系数，采用P‑Ⅲ型曲线构建日径流频率曲线；

S2.根据历史径流数据，构建时间序列模型，计算不同日径流的曼哈顿距离作为驱动变量，建立M维混合Copula集中各参数智慧知识集；

S3.运用合作搜索算法，以理论分布与经验分布赤池信息准则最小为目标，率定智慧知识集参数；

S4.基于贝叶斯法则，建立混合条件Copula集，采用拉丁超立方抽样生成随机数，根据已经前M‑1个径流值模拟新的径流值。

2.根据权利要求1所述的一种水工程调度径流智能模拟方法，其特征在于，步骤S2中所建立混合Copula表达式如下所示：式中，N为Copula个数；Cmix(u1,u2,...,un)为混合Copula；Ci(u1,u2,...,un；θi)为第i个混合Copula类型；ωi为第i个权重参数；θi为第i个Copula的Copula参数。

3.根据权利要求2所述的一种水工程调度径流智能模拟方法，其特征在于，步骤S2中所建立Copula参数与权重参数的智慧知识集表达式如下所示：式中，M为样本数目；D为Copula维度；θi,t为第i个Copula第j时刻Copula参数；ωi,t为第i个Copula第j时刻权重参数；Λ为转化函数；ux,j为第j个样本第x时刻累积分布函数值；其余为常数。

4.根据权利要求3所述的一种水工程调度径流智能模拟方法，其特征在于，步骤S3中合作搜索算法优化目标如下所示：式中，M为样本数目；N为Copula集中Copula个数；k为Copula函数的参数数目；Fp(g)为样本经验联合分布；C(g)为样本理论联合分布；nm,g,...,k为满足X≤xi1,X≤xi2,...,X≤xiM的样本个数。

5.根据权利要求4所述的一种水工程调度径流智能模拟方法，其特征在于，步骤S3中合作搜索算法步骤如下所示：S3.1：根据下式生成初始员工，在评估所有方案的目标函数后，将从初始种群中选择M∈[1,I]个领导者，形成外部精英集；

式中，I为当前种群解的数目； 为第k次迭代中第i个个体的第j个位置；φ(L,U)为生成在[L,U]内符合均匀分布随机数的函数；

S3.2：考虑到每位员工都可以通过与董事长、董事会和监事会的领导交流信息来获得新的信息；团队沟通过程包括三个部分：董事长的知识A、董事会的集体知识B和监事会的集体知识C；董事长从董事会中随机选出，模拟轮换机制，而董事会和监事会的所有成员在计算B和C时被赋予相同的职位；

式中， 为第k+1次迭代中第i个个体的第j个值； 为第k代第i个个体最优解的第j个值； 为从开始到k代的第ind个全局最优解的第j个值，ind是从{1，2，...，M}集合中随机选择的索引； 表示从外部精英集中随机选择主席获得的知识； 和 分别是迄今为止发现的M个全局最优解和I个个体最优解中的平均知识；α和β是调整 和 影响程度的学习系数；

S3.3：除了向领导者学习外，员工还需要总结自己在相反方向的经验获取新的知识，表示如下：式中， 第k+1次迭代中第i个反思解的第j个值；

S3.4：团队通过确保所有表现较好的员工都能得到保护，逐步提升其市场竞争力，具体表示如下：式中，F(x)为解的适应度。

6.根据权利要求5所述的一种水工程调度径流智能模拟方法，其特征在于，步骤S4中日径流模拟所需条件Copula表达如下：式中，ε为通过拉丁超立方抽样所得随机数；Ccond(uj|uj‑1,...,uj‑t)为在给定uj‑1,...,‑1uj‑t情况下，uj的条件概率；根据步骤S1中所得边缘分布，计算uj反函数Xj＝F (uj)得到所需模拟径流值。