基于SBO-PP模型的水资源可持续发展能力评价模型及应用

为利用投影寻踪(PP)技术科学,客观评价区域水资源可持续发展能力,基于生态环境、水资源和经济社会因素选取20个指标构建区域水资源可持续发展能力评价指标体系。利用新型仿生群体智能算法——凉亭鸟优化(SBO)算法优化PP技术最佳投影方向,提出SBO-PP水资源可持续发展能力评价模型,并构建灰狼优化(GWO)算法-PP模型、人工蜂群(ABC)算法-PP模型、差分进化(DE)算法-PP模型、地理生物学优化(BBO)算法-PP模型、粒子群优化(PSO)算法-PP模型作对比,以云南省2006—2015年及2020年水资源可持续发展能力评价为例进行实例研究。结果表明:SBO算法优化PP技术获得的适应度值优于GWO、ABC、DE、BBO和PSO算法,具有较好的求解精度、稳健性能和极值寻优能力。SBO-PP模型对云南省2006—2007年水资源可持续发展能力评价为"较差",2008—2015年评价为"中等",2020年评价为"较强"。     

基于模式识别的区域水资源与经济社会协调度评价

构建适合于相对丰水地区水资源与经济社会发展协调度评价的指标体系和分级标准。基于支持向量机( SVM)与概率神经网络( PNN)模式识别原理及方法,构建SVM与PNN水资源与经济社会发展协调度识别模型。采用随机内插的方法在各分级阈值间生成训练样本和检验样本,在达到预期识别精度后将模型运用于文山州水资源与经济社会发展协调度识别。结果表明：PNN模型对于随机生成的训练样本和检验样本的正确识别率均达到100%,SVM模型对训练样本和测试样本的正确识别率分别达到100%和99.6%,对文山州及各县不同规划水平年水资源与经济社会发展协调度识别结果基本相同,处于2级(良)~3级(中)之间,表明研究建立的SVM与PNN模型用于区域水资源与经济社会发展协调度识别是合理可行的,模型具有较强的泛化能力和识别精度,可为区域水资源与经济社会发展协调度的识别提供新的途径和方法。相对而言,PNN模型识别精度高,收敛速度快,调节参数少,是较为理想的识别模型。     

SSO-PP模型在水源地安全保障达标评价中的应用

从水量安全、水质安全和管理安全3个方面遴选出9个指标,构建水源地安全保障达标评价指标体系和分级标准;针对PP模型在实际应用中最佳投影方向a难以确定的不足,利用一种全新的仿生群体智能算法——群居蜘蛛优化(SSO)算法搜寻PP模型最佳投影方向a,提出SSO-PP评价模型,通过5个高维复杂函数对SSO算法进行验证,并与粒子群优化(PSO)算法进行对比;利用SSO-PP模型对实例进行达标评价。结果表明:SSO算法具有较好的收敛精度和全局寻优能力,将SSO算法用于PP模型最佳投影方向a的选取,可有效提高PP模型评价精度。SSO-PP模型对暮底河水源地2010年、2015年达标评价结果为"基本达标"和"达标",2020年、2030年达标评价结果为"理想"。     

基于WDO-PP模型的文山州近10年水资源承载力评价

利用6个典型测试函数对新型优化算法——风力驱动优化(WDO)算法进行仿真验证,将仿真结果与布谷鸟搜索(CS)算法、差分进化(DE)算法、混合蛙跳算法(SFLA)、粒子群优化(PSO)算法、蚁群优化(ACO)算法、帝国竞争算法(ICA)和模拟退火算法(SA)的寻优结果进行比较。选取水资源开发利用率、降水量等10个评价指标,运用风力驱动投影寻踪(WDO-PP)模型计算文山州2006—2015年的水资源承载力,并对其变化趋势及规划水平年2020年、2030年水资源承载力进行预测及评价分析。结果表明:1无论是单峰还是多峰函数,WDO算法寻优效果远优于CS、DE、SFLA、PSO、ACO、ICA和SA算法,具有较好的寻优精度、收敛速度、极值寻优能力以及收敛稳定性与可靠性。2文山州2006—2014年水资源承载力评价结果均为基本可承载(Ⅲ级),2015年评价结果为可承载(Ⅱ级)。水资源承载力随时间呈提升趋势,且提升趋势显著。规划水平年2020年、2030年水资源承载力预测评价结果分别为可承载(Ⅱ级)和绝对可承载(Ⅰ级)。