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，促進人口、資源、環(huán)境與經(jīng)濟的協(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)狀評估和需水預測的基礎上，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，并通過實例仿真和與其他智能優(yōu)化算法的比較，驗證了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)進行了改進。改進后的PACA能以多目標函數(shù)值作為適應度來調(diào)整螞蟻覓食像元上的信息素，使螞蟻朝著信息素強的優(yōu)化邊界方向移動，依據(jù)最大適應度值，確定水資源優(yōu)化配置的多目標優(yōu)化解。與其它智能優(yōu)化算法的比較和評估結(jié)果顯示，改進后PACA的最優(yōu)性能指標、時間性能指標和魯棒性能指標評價分別為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值(2.108、36.8和8.16)；

4、改進后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)和實地調(diào)查，能更準確地確定水資源需求類型；在此基礎上借助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)果的查準率和查全率最大，分類精度高，抗噪聲干擾能力強。
　　 (3)ACA與PP需水預測模型的耦合能夠較為準確地獲得具有高維非線性的預測模型的最優(yōu)參數(shù)組合，從而提高了預測水量的擬合精度和預測精度，為水資源優(yōu)化配置與調(diào)度提供了較為準確的參考依據(jù)。投影尋蹤(PP)需水預測模型適合于系統(tǒng)機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)域蟻群算法進行設計

7、和改進，使其能更好地收斂于全局最優(yōu)解，并具有較強的抗噪聲能力，避免早熟收斂現(xiàn)象，為解決PP需水預測模型的參數(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(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)濟學理論和可持續(xù)發(fā)展理論為基礎的水資源空間優(yōu)化配置模型將社會、經(jīng)濟和生態(tài)環(huán)境綜

8、合效益最大作為目標函數(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、多約束、多層次、多用戶的特點，實現(xiàn)了基于像元微單元的水質(zhì)與水量的耦合以及經(jīng)濟、社會與生態(tài)效益的耦合。
　　 (5)ACA與RS、GIS的耦合能夠求解復雜的水資源優(yōu)化配置模型，實現(xiàn)了重構(gòu)方案和配置結(jié)果的可視化表達和有效性驗證。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)濟效益、社會效