ACA與RS、GIS耦合的水資源空間優(yōu)化配置.pdf

1、開展水資源空間優(yōu)化配置研究對合理有效利用水資源，促進(jìn)人口、資源、環(huán)境與經(jīng)濟(jì)的協(xié)調(diào)發(fā)展，加速工程水利向資源水利的轉(zhuǎn)變，深化和拓展大系統(tǒng)多目標(biāo)優(yōu)化的理論與方法都有著非常重要的作用。但是，由于水資源空間優(yōu)化配置涉及到大量的數(shù)據(jù)、多目標(biāo)多約束的模型、大范圍大系統(tǒng)的優(yōu)化求解、多種可選擇的配置方案等復(fù)雜問題，如何在空間上最優(yōu)化配置水資源以產(chǎn)生最大綜合效益成為亟待解決的問題。
　　 本研究探討了利用蟻群算法(ACA)與RS、GIS的耦合方法來

2、解決水資源空間優(yōu)化配置問題。本論文以河南省鎮(zhèn)平縣為研究區(qū)，在水資源需求類型提取、需水現(xiàn)狀評估和需水預(yù)測的基礎(chǔ)上，分析了水資源空間優(yōu)化配置模型，借助ACA在GIS平臺上對水資源優(yōu)化模型進(jìn)行求解，提出了基于像元微單元的水資源空間優(yōu)化配置方案，并通過實(shí)例仿真和與其他智能優(yōu)化算法的比較，驗(yàn)證了ACA與RS、GIS的耦合方法對解決水資源優(yōu)化配置問題的可行性和有效性。研究的主要結(jié)論如下：
　　 (1)通過局部信息素和全局信息素自適應(yīng)動態(tài)更新

3、和權(quán)值低通濾波器構(gòu)建，對Pareto蟻群算法(PACA)進(jìn)行了改進(jìn)。改進(jìn)后的PACA能以多目標(biāo)函數(shù)值作為適應(yīng)度來調(diào)整螞蟻覓食像元上的信息素，使螞蟻朝著信息素強(qiáng)的優(yōu)化邊界方向移動，依據(jù)最大適應(yīng)度值，確定水資源優(yōu)化配置的多目標(biāo)優(yōu)化解。與其它智能優(yōu)化算法的比較和評估結(jié)果顯示，改進(jìn)后PACA的最優(yōu)性能指標(biāo)、時間性能指標(biāo)和魯棒性能指標(biāo)評價分別為0.398、21.6和5.38，明顯優(yōu)于基本蟻群算法的三個性能指標(biāo)值(2.108、36.8和8.16)；

4、改進(jìn)后PACA的解的個數(shù)、間距和最大散布范圍分別為389、0.68和183.58，優(yōu)于遺傳算法和BP神經(jīng)網(wǎng)絡(luò)所得結(jié)果，表明PACA能找到最優(yōu)解或近似最優(yōu)解，平衡了加速收斂和早熟、停滯現(xiàn)象之間的矛盾，提高了全局搜索能力和收斂速度；比較不同水平年(2010、2020和2030年)、不同保證率(50％、75％和95％)、不同水源(地表水、地下水和外調(diào)水)的原始水量和優(yōu)化水量，進(jìn)一步說明優(yōu)化結(jié)果合理可行，PACA具有較高的尋優(yōu)性能。
　　

5、 (2)ACA與RS、GIS的耦合能夠較為準(zhǔn)確地確定水資源需求類型和需水現(xiàn)狀，從而為水資源優(yōu)化配置、優(yōu)化調(diào)度、管理與規(guī)劃等提供數(shù)據(jù)支撐和決策參考。在遙感影像上，利用蟻群聚類算法(ACCA)能較為準(zhǔn)確地提取水資源需求類型；再借助NDVI、NDII、NDBI和MNDWI等RS技術(shù)和實(shí)地調(diào)查，能更準(zhǔn)確地確定水資源需求類型；在此基礎(chǔ)上借助GIS技術(shù)評估水資源需求現(xiàn)狀。ACCA的總F-measure最大，為0.918，高于最大似然法和最小距離法

6、的F-measure值(0.884和0.851)，說明基于ACCA的水資源需求分類結(jié)果的查準(zhǔn)率和查全率最大，分類精度高，抗噪聲干擾能力強(qiáng)。
　　 (3)ACA與PP需水預(yù)測模型的耦合能夠較為準(zhǔn)確地獲得具有高維非線性的預(yù)測模型的最優(yōu)參數(shù)組合，從而提高了預(yù)測水量的擬合精度和預(yù)測精度，為水資源優(yōu)化配置與調(diào)度提供了較為準(zhǔn)確的參考依據(jù)。投影尋蹤(PP)需水預(yù)測模型適合于系統(tǒng)機(jī)理不夠清晰或水文地質(zhì)資料缺乏的地區(qū)。通過對連續(xù)域蟻群算法進(jìn)行設(shè)計

7、和改進(jìn)，使其能更好地收斂于全局最優(yōu)解，并具有較強(qiáng)的抗噪聲能力，避免早熟收斂現(xiàn)象，為解決PP需水預(yù)測模型的參數(shù)優(yōu)化問題開辟了新的途徑。案例仿真表明，基于ACA的PP需水預(yù)測模型的擬合精度非常高，相對誤差絕對值都小于2％，大多在1％以下，明顯優(yōu)于人工免疫算法(10％)和BP神經(jīng)網(wǎng)絡(luò)(12％)。該方法可以推廣到其它高維非線性問題的求解。
　　 (4)以生態(tài)經(jīng)濟(jì)學(xué)理論和可持續(xù)發(fā)展理論為基礎(chǔ)的水資源空間優(yōu)化配置模型將社會、經(jīng)濟(jì)和生態(tài)環(huán)境綜

8、合效益最大作為目標(biāo)函數(shù)，將水質(zhì)、水量、水環(huán)境等作為約束條件，體現(xiàn)了模型具有多目標(biāo)、多約束、多層次、多用戶的特點(diǎn)，實(shí)現(xiàn)了基于像元微單元的水質(zhì)與水量的耦合以及經(jīng)濟(jì)、社會與生態(tài)效益的耦合。
　　 (5)ACA與RS、GIS的耦合能夠求解復(fù)雜的水資源優(yōu)化配置模型，實(shí)現(xiàn)了重構(gòu)方案和配置結(jié)果的可視化表達(dá)和有效性驗(yàn)證。通過對模型的求解，獲得了不同的基于像元微單元的需水量、可用地表水、可用地下水、可用外調(diào)水的配置方案，以及不同的經(jīng)濟(jì)效益、社會效