CN110135627B - 水资源优化方法及装置 - Google Patents

水资源优化方法及装置 Download PDF

Info

Publication number
CN110135627B
CN110135627B CN201910328856.4A CN201910328856A CN110135627B CN 110135627 B CN110135627 B CN 110135627B CN 201910328856 A CN201910328856 A CN 201910328856A CN 110135627 B CN110135627 B CN 110135627B
Authority
CN
China
Prior art keywords
area
target
sub
water
resource optimization
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910328856.4A
Other languages
English (en)
Other versions
CN110135627A (zh
Inventor
谭倩
张田媛
蔡宴朋
张珊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Agricultural University
Original Assignee
China Agricultural University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Agricultural University filed Critical China Agricultural University
Priority to CN201910328856.4A priority Critical patent/CN110135627B/zh
Publication of CN110135627A publication Critical patent/CN110135627A/zh
Application granted granted Critical
Publication of CN110135627B publication Critical patent/CN110135627B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例提供一种水资源优化方法及装置。其中，方法包括：建立以最大化目标区域规划时间内的经济目标和生态目标的第一水资源优化模型；对于每一采用地表水灌溉的子区域，根据采用地表水灌溉的子区域的地表水量历史数据，将采用地表水灌溉的子区域的地表水量约束条件转化为预设的置信水平下的确定性约束条件；根据线性加权方法和鲁棒优化方法将第一水资源优化模型转化为第二水资源优化模型；根据第二水资源优化模型和预设的违背风险，获取水资源优化方案以使得目标区域规划时间内的综合效益最大。本发明实施例提供的水资源优化方法及装置，能在目标权重和地表水可用量具有不确定性的情况下获得水资源优化方案。

Description

水资源优化方法及装置
技术领域
本发明涉及农业技术领域，更具体地，涉及一种水资源优化方法及装置。
背景技术
水资源管理问题往往需要满足多方面、不同利益部门的需求，涉及多个目标之间的权衡问题。并且，水资源管理中还普遍存在着许多的不确定性因素，如可用水资源量等。
线性加权方法是最常用适用于多目标优化问题的方法。使用线性加权方法的过程中，若采用客观赋权法确定权重，仅利用数据本身的信息，则忽略了决策者偏好和社会影响等外界因素的影响；若采用主观赋权法确定权重，结果会受到决策者主观偏好的影响，存在着不确定性；若采用主客观结合的方法确定权重，权重的赋值同样会受到决策者主观因素的影响。由于多目标权重存在着不确定性信息，而现有的赋权方法忽略了这样的不确定信息。
由于水资源优化包括多目标，多目标权重具有不确定性以及可用水资源量等参数具有不确定性，在多目标权重和参数具有不确定性的情况下获得水资源优化方案是亟待解决的问题。
发明内容
本发明实施例提供一种水资源优化方法及装置，用以解决或者至少部分地解决现有技术中无法在多目标权重和参数具有不确定性的情况下获得水资源优化方案的缺陷。
第一方面，本发明实施例提供一种水资源优化方法，包括：
获取目标区域的每一子区域内各种作物的单位经济净效益、单位产量和单位生态净效益，获取所述目标区域在规划时间内每一单位时间的总可用水量和每一所述子区域的地下水可用量，获取每一所述子区域的种植面积上限和种植面积下限，获取每一所述子区域内各种作物的产量需求上限和产量需求下限；
根据所述每一子区域内各种作物的单位经济净效益、单位产量和单位生态净效益，所述目标区域在规划时间内每一单位时间的总可用水量和每一所述子区域的地下水可用量，每一所述子区域的种植面积上限和种植面积下限，以及每一所述子区域内各种作物的产量需求上限和产量需求下限，建立以最大化所述目标区域所述规划时间内的经济目标和生态目标的第一水资源优化模型；其中，所述第一水资源优化模型以总水量、各种灌溉水源的水量、种植面积和产量需求为约束条件；
对于每一采用地表水灌溉的子区域，根据所述采用地表水灌溉的子区域的地表水量历史数据，将所述采用地表水灌溉的子区域的地表水量约束条件转化为预设的置信水平下的确定性约束条件；
根据线性加权方法和鲁棒优化方法将所述第一水资源优化模型转化为以最大化所述目标区域所述规划时间内的综合效益为目标的第二水资源优化模型；其中，线性加权方法中的标准化权重，随机分布于以所述标准化权重的名义值为中心，以预设的所述标准化权重的波动半径为半径的对称区间中；所述第二水资源优化模型以转化后的所述第一水资源优化模型中的约束条件为约束条件；
根据所述第二水资源优化模型和预设的违背风险，获取每一所述子区域内在所述规划时间的每一单位时间内用每一种灌溉水源灌溉每种作物的灌溉面积，以使得所述目标区域所述规划时间内的综合效益最大。
第二方面，本发明实施例提供一种水资源优化装置，包括：
数据获取模块，用于获取目标区域的每一子区域内各种作物的单位经济净效益、单位产量和单位生态净效益，获取所述目标区域在规划时间内每一单位时间的总可用水量和每一所述子区域的地下水可用量，获取每一所述子区域的种植面积上限和种植面积下限，获取每一所述子区域内各种作物的产量需求上限和产量需求下限；
模型建立模块，用于根据所述每一子区域内各种作物的单位经济净效益、单位产量和单位生态净效益，所述目标区域在规划时间内每一单位时间的总可用水量和每一所述子区域的地下水可用量，每一所述子区域的种植面积上限和种植面积下限，以及每一所述子区域内各种作物的产量需求上限和产量需求下限，建立以最大化所述目标区域所述规划时间内的经济目标和生态目标的第一水资源优化模型；其中，所述第一水资源优化模型以总水量、各种灌溉水源的水量、种植面积和产量需求为约束条件；
条件转化模块，用于对于每一采用地表水灌溉的子区域，根据所述采用地表水灌溉的子区域的地表水量历史数据，将所述采用地表水灌溉的子区域的地表水量约束条件转化为预设的置信水平下的确定性约束条件；
模型转化模块，用于根据线性加权方法和鲁棒优化方法将所述第一水资源优化模型转化为以最大化所述目标区域所述规划时间内的综合效益为目标的第二水资源优化模型；其中，线性加权方法中的标准化权重，随机分布于以所述标准化权重的名义值为中心，以预设的所述标准化权重的波动半径为半径的对称区间中；所述第二水资源优化模型以转化后的所述第一水资源优化模型中的约束条件为约束条件；
方案获取模块，用于根据所述第二水资源优化模型和预设的违背风险，获取每一所述子区域内在所述规划时间的每一单位时间内用每一种灌溉水源灌溉每种作物的灌溉面积，以使得所述目标区域所述规划时间内的综合效益最大。
第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，执行所述程序时实现如第一方面的各种可能的实现方式中任一种可能的实现方式所提供的水资源优化方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面的各种可能的实现方式中任一种可能的实现方式所提供的水资源优化方法的步骤。
本发明实施例提供的水资源优化方法及装置，通过将优化目标的标准化权重扩展为随机分布于名义值为中心，以波动半径为半径的对称区间中来消除目标权重的不确定性，并根据地表水量历史数据消除子区域地表水可用量的不确定性，从而能消除多目标权重和参数的不确定性，能在目标权重和地表水可用量具有不确定性的情况下获得水资源优化方案。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为根据本发明实施例提供的水资源优化方法的流程示意图；
图2为根据本发明实施例提供的水资源优化装置的结构示意图；
图3为根据本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了克服现有技术的上述问题，本发明实施例提供一种水资源优化方法及装置，其发明构思是，通过将优化目标的标准化权重扩展为随机分布于名义值为中心，以波动半径为半径的对称区间中来消除目标权重的不确定性，并根据地表水量历史数据消除子区域地表水可用量的不确定性，从而能消除多目标权重和参数的不确定性，获得水资源优化方案。
图1为根据本发明实施例提供的水资源优化方法的流程示意图。如图1所示，方法包括：步骤S101、获取目标区域的每一子区域内各种作物的单位经济净效益、单位产量和单位生态净效益，获取目标区域在规划时间内每一单位时间的总可用水量和每一子区域的地下水可用量，获取每一子区域的种植面积上限和种植面积下限，获取每一子区域内各种作物的产量需求上限和产量需求下限。
具体地，目标区域包括多个子区域，子区域可以称为灌区。目标区域内种植有多种作物，每一子区域内可以种植上述多种作物中的一种或多种。目标区域由多种灌溉水源对作物进行灌溉，上述多种灌溉水源至少包括地表水和地下水，还可以包括再生水、淡化后的水资源等其它非常规水源，本发明实施例对地表水和地下水之外的灌溉水源不作具体限制。对于每一子区域，可以采用上述多种灌溉水源中的至少一种进行灌溉。
本发明实施例提供的水资源优化方法，是为了获取规划时间(例如未来十年)内每一单位时间(例如每一年)对目标区域的各子区域进行配水的方案。
可以用i表示作物种类的编号；j表示灌溉水源的编号(j＝1表示地下水，j＝2表示地表水)；k表示子区域的编号；t表示规划时间内单位时间的编号；I表示作物种类的数量；J表示灌溉水源的数量；K表示子区域的数量；T表示规划时间包括的单位时间的数量；Aijkt表示第k个子区域内在第t个单位时间用第j种灌溉水源灌溉第i种作物的灌溉面积。
可以根据目标区域的各子区域的历史数据，获取每一子区域内每一种作物的单位经济净效益NBijkt、单位产量YIit和单位生态净效益CFijk，获取目标区域在规划时间内每一单位时间的总可用水量TAt和每一子区域的地下水可用量GWk，获取每一子区域的种植面积下限
Figure BDA0002037072880000061
和种植面积上限
Figure BDA0002037072880000063
获取每一子区域内每一种作物的产量需求下限
Figure BDA0002037072880000062
和产量需求上限
Figure BDA0002037072880000064
其中，NBijkt表示第k个子区域内在第t个单位时间用第j种灌溉水源灌溉第i种作物的单位经济净效益；YIit表示第t个单位时间第i种作物的单位产量；CFijk表示第k个子区域内用第j种灌溉水源灌溉第i种作物的单位生态净效益；TAt表示目标区域在第t个单位时间的总可用水量；GWk表示第k个子区域的地下水可用量；
Figure BDA0002037072880000066
和
Figure BDA0002037072880000065
分别表示第k个子区域内第i种作物的产量需求下限和上限。
单位经济净效益NBijkt，可以根据第k个子区域内在第t个单位时间用第j种灌溉水源灌溉第i种作物历年的单位经济净效益进行预测获取。
单位产量YIit，可以根据目标区域历年的历史单位产量进行预测获取。
单位生态净效益CFijk，可以根据第k个子区域内用第j种灌溉水源灌溉第i种作物的历史单位生态净效益进行预测获取。
总可用水量TAt，可以目标区域历年的历史总可用水量进行预测获取。
地下水可用量GWk，可以根据第k个子区域历年的地下水可用量进行预测获取或直接获取。由于地下水可用量具有一定的稳定性，可以认为第k个子区域每一单位时间的地下水可用量相同。例如，可以将第k个子区域历年的地下水可用量的最大值作为GWk。
种植面积下限
Figure BDA0002037072880000071
和种植面积上限
Figure BDA0002037072880000072
可以根据第k个子区域历年各种作物种植面积的总和进行预测获取或直接获取。由于如果耕地等农用地不发生剧烈变化，总种植面积具有一定的稳定性，可以认为第k个子区域每一单位时间的种植面积下限相同，每一单位时间的种植面积上限相同。例如，可以将第k个子区域内历年各种作物种植面积的总和中的最小值作为
Figure BDA0002037072880000073
历年各种作物种植面积的总和中的组最大值作为
Figure BDA0002037072880000074
产量需求下限
Figure BDA0002037072880000075
和产量需求上限
Figure BDA0002037072880000076
可以根据第k个子区域内第i种作物历年的产量需求进行预测获取或直接获取。由于如果人口、市场等因素不发生剧烈变化，作物的产量需求具有一定的稳定性，可以认为第k个子区域内第i种作物每一单位时间的产量需求下限相同，第k个子区域内第i种作物每一单位时间的产量需求上限相同。例如，可以将第k个子区域内第i种作物历年的产量需求中的最小值作为
Figure BDA0002037072880000077
历年的产量需求中的最大值作为
Figure BDA0002037072880000078
可以采用机器学习的方法基于历史数据分别获得多个预测模型，并根据多个预测模型分别预测出NBijkt、YIit、CFijk、TAt、GWk、
Figure BDA0002037072880000079
和
Figure BDA00020370728800000710
步骤S102、根据每一子区域内各种作物的单位经济净效益、单位产量和单位生态净效益，目标区域在规划时间内每一单位时间的总可用水量和每一子区域的地下水可用量，每一子区域的种植面积上限和种植面积下限，以及每一子区域内各种作物的产量需求上限和产量需求下限，建立以最大化目标区域规划时间内的经济目标和生态目标的第一水资源优化模型；其中，第一水资源优化模型以总水量、各种灌溉水源的水量、种植面积和产量需求为约束条件。
具体地，根据每一组i，j，k，t取值下的NBijkt、YIit、CFijk、TAt、GWk、
Figure BDA00020370728800000711
和
Figure BDA00020370728800000712
可以建立第一水资源优化模型。
第一水资源优化模型包括两个目标函数，分别为经济目标函数和生态目标函数。
经济目标函数为
Figure BDA0002037072880000081
生态目标函数为
Figure BDA0002037072880000082
第一水资源优化模型中的约束条件至少包括总水量约束、地表水约束、地下水约束、种植面积约束和产量需求约束。
总水量约束为
Figure BDA0002037072880000083
若第k个子区域采用了地表水灌溉，则地表水约束为
Figure BDA0002037072880000084
其中，SW(u)表示地表水可用量SW在概率空间U上的随机参数，u∈U。
若第k个子区域采用了地下水灌溉，则地下水约束为
Figure BDA0002037072880000085
若第k个子区域不利用地表水，则该子区域的Aijkt＝0,j＝2,
Figure BDA0002037072880000088
第k个子区域的种植面积约束为
Figure BDA0002037072880000086
第k个子区域的产量需求约束为
Figure BDA0002037072880000087
需要说明的是，对于再生水、淡化后的水资源等其它非常规水源，其约束条件与地下水约束类似，此处不再赘述。
步骤S103、对于每一采用地表水灌溉的子区域，根据采用地表水灌溉的子区域的地表水量历史数据，将采用地表水灌溉的子区域的地表水量约束条件转化为预设的置信水平下的确定性约束条件。
具体地，由于地表水可用量具有不确定性，所以在地表水约束中用概率分布的形式表示地表水可用量。
为了消除地表水可用量的不确定性，对地表水可用量进行机会约束规划。
进行机会约束规划的具体步骤包括：对于每一采用地表水灌溉的子区域(假设为第k个子区域)，可以根据该子区域地表水量历史数据，获取某一置信水平p下该子区域的地表水可用量，将该子区域的地表水约束中的SW(u)替换为某一置信水平p下该子区域的地表水可用量SW(p)，从而将该子区域的地表水量约束条件转化为预设的置信水平p下的确定性约束条件。转化后的地表水量约束条件为
Figure BDA0002037072880000091
该子区域地表水量历史数据，为该子区域历年地表水量的观测值。
置信水平p的取值范围为p∈[0,1]。
可以理解的是，除了地表水约束之外，第一水资源优化模型中的其他约束条件均为确定性约束条件，不需要进行转化。
步骤S104、根据线性加权方法和鲁棒优化方法将第一水资源优化模型转化为以最大化目标区域规划时间内的综合效益为目标的第二水资源优化模型；其中，线性加权方法中的标准化权重，随机分布于以标准化权重的名义值为中心，以预设的标准化权重的波动半径为半径的对称区间中；第二水资源优化模型以转化后的第一水资源优化模型中的约束条件为约束条件。
具体地，由于第一水资源优化模型包括两个目标函数(经济目标函数和生态目标函数)，最大化经济目标和最大化生态目标之间存在一定的矛盾，可以根据线性加权方法对经济目标函数和生态目标函数进行加权求和，获得综合效益目标函数，通过最大化综合效益，达到获最大化经济目标和最大化生态目标的平衡。
加权求和之后，对标准化权重进行不确定性处理消除不确定性。
标准化权重，指相对权重，即以其中一个目标函数的权重为1，将另一个目标函数的权重与该目标函数的权重的比值，作为上述另一个目标函数的标准化权重。
对综合效益目标函数中经济目标函数或生态目标函数的标准化权重进行不确定性处理，将该目标函数的标准化权重W处理为
Figure BDA0002037072880000104
表示W随机分布在对称区间
Figure BDA0002037072880000101
中。其中，
Figure BDA0002037072880000102
表示W的名义值(即根据预设的经济目标函数和生态目标函数的权重值获取的二者的比值)；
Figure BDA0002037072880000103
表示预设的W的波动半径。
根据鲁棒优化方法将对标准化权重进行不确定性处理后的综合效益目标函数进行线性转化，获得第二水资源优化模型。
第一水资源模型中的约束条件进行转化后，直接作为第二水资源模型中的约束条件。
需要说明的是，步骤S103和步骤S104之间的时序关系不限于先执行步骤S103后执行步骤S104，也可以同时执行步骤S103和步骤S104，或者先执行步骤S104后执行步骤S103。
步骤S105、根据第二水资源优化模型和预设的违背风险，获取每一子区域内在规划时间的每一单位时间内用每一种灌溉水源灌溉每种作物的灌溉面积，以使得目标区域规划时间内的综合效益最大。
通过步骤S103和步骤S104获得的第二水资源优化模型，是约束条件均为确定性约束条件、目标函数为线性单目标函数的模型；由于鲁棒优化方法引入了违背风险(Probability bound of unattainability,PBU)，可以根据预设的违背风险，很方便地获得第二水资源优化模型的一组最优解作为水资源优化方案。
一组最优解为目标区域的每一子区域内在规划时间的每一单位时间内用每一种灌溉水源灌溉每种作物的灌溉面积。在该组最优解下，目标区域规划时间内的综合效益最大。
综合效益将随着目标权重(包括标准化权重的名义值和波动半径)和地表水可用量的变化而变化，能够清晰地反映出综合效益对随机参数和目标权重两种不确定性信息变化的响应情况。具体而言，综合效益会随着标准化权重波动范围的减小、目标可行性风险的增加或者地表水可用量约束违背风险的增加而增加。第二水资源优化模型还可以提供各种作物最适宜的灌溉水源及最佳的配水量，从而为区域管理者提供更为明确的管理方案。
本发明实施例通过将优化目标的标准化权重扩展为随机分布于名义值为中心，以波动半径为半径的对称区间中来消除目标权重的不确定性，并根据地表水量历史数据消除子区域地表水可用量的不确定性，从而能消除多目标权重和参数的不确定性，能在目标权重和地表水可用量具有不确定性的情况下获得水资源优化方案。进一步地，获取的水资源优化方案具有稳健性，获取水资源优化方案更加简便、耗时更短。
基于上述各实施例的内容，根据线性加权方法和鲁棒优化方法将第一水资源优化模型转化为以最大化目标区域规划时间内的综合效益为目标的第二水资源优化模型的具体步骤包括：根据线性加权方法，将第一水资源优化模型中的两个目标函数以预设的经济目标和生态目标的原始权重进行加权，转化为以最大化目标区域规划时间内的经济目标和生态目标的加权和为目标的过渡目标函数。
具体地，根据预设的经济目标的原始权重和预设的生态目标的原始权重，对第一水资源优化模型中的经济目标函数和生态目标函数进行加权，获得过渡目标函数。
过渡目标函数为
Figure BDA0002037072880000121
其中，Wl表示过渡目标函数Fl(x)的原始权重。
l＝1，Fl(x)为
Figure BDA0002037072880000122
l＝2，Fl(x)为
Figure BDA0002037072880000123
或者l＝1，Fl(x)为
Figure BDA0002037072880000124
l＝2，Fl(x)为
Figure BDA0002037072880000125
将经济目标和生态目标的原始权重进行不确定性处理，将过渡目标函数转化为单目标函数。
具体地，将过渡目标函数中经济目标和生态目标的原始权重进行标准化，并对标准化后的原始权重进行不确定性处理，消除原始权重的不确定性，将过渡目标函数转化为单目标函数。
根据鲁棒优化方法将单目标函数线性化，获得第二水资源优化模型中的目标函数，并将转化后的第一水资源优化模型中的约束条件作为第二水资源优化模型中的约束条件。
根据鲁棒优化方法将对标准化权重进行不确定性处理后获得的单目标函数线性化，获得第二水资源优化模型中的目标函数。
可以将第一水资源模型中的约束条件进行转化后，直接作为第二水资源模型中的约束条件。
获得第二水资源优化模型中的目标函数和约束条件之后，即可获得为以最大化目标区域规划时间内的综合效益为目标的第二水资源优化模型。
本发明实施例通过线性加权方法和鲁棒优化方法将第一水资源优化模型转化为以最大化目标区域规划时间内的综合效益为目标的第二水资源优化模型，能消除多目标权重的不确定性，从而能在目标权重和地表水可用量具有不确定性的情况下获得水资源优化方案。
基于上述各实施例的内容，将经济目标和生态目标的原始权重进行不确定性处理的具体步骤包括：将经济目标的原始权重和生态目标的原始权重，分别除以经济目标的原始权重，获得生态目标的标准化权重的名义值，将生态目标的标准化权重随机分布于以生态目标的标准化权重的名义值为中心，以预设的标准化权重的波动半径为半径的对称区间中；
或者，将经济目标的原始权重和生态目标的原始权重，分别除以生态目标的原始权重，获得经济目标的标准化权重的名义值，将经济目标的标准化权重随机分布于以经济目标的标准化权重的名义值为中心，以预设的标准化权重的波动半径为半径的对称区间中。
具体地，获得过渡目标函数，可以将过渡目标函数中经济目标的原始权重和生态目标的原始权重，均除以经济目标的原始权重，获得经济目标的标准化权重的名义值为1、生态目标的标准化权重的名义值
Figure BDA0002037072880000131
对生态目标的原始权重的名义值
Figure BDA0002037072880000132
进行不确定性处理，使生态目标的标准化权重随机分布在以名义值
Figure BDA0002037072880000133
为中心、以波动半径
Figure BDA0002037072880000134
为半径的对称区间
Figure BDA0002037072880000135
中。
同理，也可以将过渡目标函数中经济目标的原始权重和生态目标的原始权重，均除以生态目标的原始权重，获得生态目标的标准化权重的名义值为1、经济目标的标准化权重的名义值
Figure BDA0002037072880000136
对经济目标的原始权重的名义值
Figure BDA0002037072880000137
进行不确定性处理，使经济目标的标准化权重随机分布在以名义值
Figure BDA0002037072880000138
为中心、以波动半径
Figure BDA0002037072880000139
为半径的对称区间
Figure BDA00020370728800001310
中。
本发明实施例通过将经济目标或生态目标的标准化权重扩展为随机分布于名义值为中心，以波动半径为半径的对称区间中来消除权重的不确定性，从而能在目标权重和地表水可用量具有不确定性的情况下获得水资源优化方案。
基于上述各实施例的内容，第二水资源优化模型中的目标函数为
max z
s.t.
Figure BDA0002037072880000141
Figure BDA0002037072880000142
q≥0
rijkt≥0,
Figure BDA0002037072880000143
其中，z表示目标区域规划时间内的综合效益；i表示作物种类的编号；j表示灌溉水源的编号；k表示子区域的编号；t表示规划时间内单位时间的编号；I表示作物种类的数量；J表示灌溉水源的数量；K表示子区域的数量；T表示规划时间包括的单位时间的数量；Aijkt表示第k个子区域内在第t个单位时间用第j种灌溉水源灌溉第i种作物的灌溉面积；
Figure BDA0002037072880000144
表示Aijkt的经济收益；
Figure BDA0002037072880000145
表示Aijkt的生态收益；Γ表示保护度水平；q表示第一辅助变量；rijkt表示Aijkt对应的第二辅助变量；
Figure BDA0002037072880000146
表示标准化权重的名义值；
Figure BDA0002037072880000147
表示标准化权重的波动半径。
具体地，进行原始权重标准化时，除以经济目标的原始权重，根据线性加权方法和鲁棒优化方法进行转化获得的第二水资源优化模型中的目标函数为
maxz
s.t.
Figure BDA0002037072880000148
Figure BDA0002037072880000149
q≥0
rijkt≥0,
Figure BDA0002037072880000151
其中，z表示目标区域规划时间内的综合效益；i表示作物种类的编号；j表示灌溉水源的编号；k表示子区域的编号；t表示规划时间内单位时间的编号；I表示作物种类的数量；J表示灌溉水源的数量；K表示子区域的数量；T表示规划时间包括的单位时间的数量；Aijkt表示第k个子区域内在第t个单位时间用第j种灌溉水源灌溉第i种作物的灌溉面积；
Figure BDA0002037072880000152
表示Aijkt的经济收益；
Figure BDA0002037072880000153
表示Aijkt的生态收益；Γ表示保护度水平；q表示第一辅助变量；rijkt表示Aijkt对应的第二辅助变量；
Figure BDA0002037072880000154
表示标准化权重的名义值；
Figure BDA0002037072880000155
表示标准化权重的波动半径。
第一辅助变量和各第二辅助变量，可以在对第二水资源优化模型进行最优化求解的过程中确定。
Figure BDA0002037072880000156
对于每一Aijkt，
Figure BDA0002037072880000157
和
Figure BDA0002037072880000158
分别为目标区域经济目标和生态目标的子目标，即分别为经济子目标和生态子目标。
可以理解的是，经济子目标和生态子目标的个数均为物种类的数量、灌溉水源的数量、子区域的数量和规划时间包括的单位时间的数量四者的乘积。
本发明实施例中第二水资源优化模型中的目标函数为线性单目标函数，可以很方便地获得该目标函数在第二水资源优化模型中的约束条件下的最优解，能在目标权重和地表水可用量具有不确定性的情况下获得水资源优化方案。
基于上述各实施例的内容，保护度水平根据预设的违背风险获取。
具体地，保护度水平用于表示可以保护的子目标标准化权重的最大数量。保护度水平与违背风险相关。违背风险，用于表示第二水资源优化模型中的目标函数的可达性。
本发明实施例引入保护度水平，可以获取不同违背风险下的水资源优化方案，使得水资源优化结果具有更好的适应性。
基于上述各实施例的内容，根据预设的违背风险获取保护度水平的公式为
Figure BDA0002037072880000161
其中，PBU表示预设的违背风险；v＝(Γ+n)/2；
Figure BDA0002037072880000162
n＝I×J×K×T。
具体地，可以根据预设的违背风险确定该违背风险下的保护度水平Γ。具体公式为
Figure BDA0002037072880000163
其中，PBU表示预设的违背风险；v＝(Γ+n)/2；
Figure BDA0002037072880000164
n＝I×J×K×T。
B表示贝塔分布；
Figure BDA0002037072880000165
表示v向下取整。
本发明实施例根据预设的违背风险获取保护度水平，从而可以获取不同违背风险下的水资源优化方案，使得水资源优化结果具有更好的适应性。
基于上述各实施例的内容，根据采用地表水灌溉的子区域的地表水量历史数据，将采用地表水灌溉的子区域的地表水量约束条件转化为预设的置信水平下的确定性约束条件的具体步骤包括：根据采用地表水灌溉的子区域的地表水量历史数据，获取采用地表水灌溉的子区域的地表水量的分布模型。
具体地，对于任一采用地表水灌溉的子区域，可以根据该子区域的地表水量历史数据，获取采用地表水灌溉的子区域的地表水量的分布模型。
例如，可以根据该子区域的地表水量历史数据绘制累计分布曲线，获得该子区域的地表水量随时间的分布模型。
根据分布模型，获取预设的置信水平下采用地表水灌溉的子区域单位时间的地表水可用量。
具体地，根据预设的置信水平，可以获得该分布模型中预设的置信水平下采用地表水灌溉的子区域单位时间的地表水可用量。
根据预设的置信水平下采用地表水灌溉的子区域单位时间的地表水可用量，将采用地表水灌溉的子区域的地表水量约束条件转化为预设的置信水平下的确定性约束条件。
具体地，将该子区域的地表水约束中的SW(u)替换为某一置信水平p下该子区域的地表水可用量SW(p)，从而将该子区域的地表水量约束条件转化为预设的置信水平p下的确定性约束条件。
本发明实施例根据地表水量历史数据获取某一置信水平下的地表水可用量，替换概率空间中的随机参数，能消除子区域地表水可用量的不确定性，从而能在目标权重和地表水可用量具有不确定性的情况下获得水资源优化方案。
图2为根据本发明实施例提供的水资源优化装置的结构示意图。基于上述各实施例的内容，如图2所示，该装置包括数据获取模块201、模型建立模块202、条件转化模块203、模型转化模块204和方案获取模块205，其中：
数据获取模块201，用于获取目标区域的每一子区域内各种作物的单位经济净效益、单位产量和单位生态净效益，获取目标区域在规划时间内每一单位时间的总可用水量和每一子区域的地下水可用量，获取每一子区域的种植面积上限和种植面积下限，获取每一子区域内各种作物的产量需求上限和产量需求下限；
模型建立模块202，用于根据每一子区域内各种作物的单位经济净效益、单位产量和单位生态净效益，目标区域在规划时间内每一单位时间的总可用水量和每一子区域的地下水可用量，每一子区域的种植面积上限和种植面积下限，以及每一子区域内各种作物的产量需求上限和产量需求下限，建立以最大化目标区域规划时间内的经济目标和生态目标的第一水资源优化模型；其中，第一水资源优化模型以总水量、各种灌溉水源的水量、种植面积和产量需求为约束条件；
条件转化模块203，用于对于每一采用地表水灌溉的子区域，根据采用地表水灌溉的子区域的地表水量历史数据，将采用地表水灌溉的子区域的地表水量约束条件转化为预设的置信水平下的确定性约束条件；
模型转化模块204，用于根据线性加权方法和鲁棒优化方法将第一水资源优化模型转化为以最大化目标区域规划时间内的综合效益为目标的第二水资源优化模型；其中，线性加权方法中的标准化权重，随机分布于以标准化权重的名义值为中心，以预设的标准化权重的波动半径为半径的对称区间中；第二水资源优化模型以转化后的第一水资源优化模型中的约束条件为约束条件；
方案获取模块205，用于根据第二水资源优化模型和预设的违背风险，获取每一子区域内在规划时间的每一单位时间内用每一种灌溉水源灌溉每种作物的灌溉面积，以使得目标区域规划时间内的综合效益最大。
具体地，数据获取模块201，可以根据目标区域的各子区域的历史数据，获取每一子区域内每一种作物的单位经济净效益NBijkt、单位产量YIit和单位生态净效益CFijk，获取目标区域在规划时间内每一单位时间的总可用水量TAt和每一子区域的地下水可用量GWk，获取每一子区域的种植面积下限
Figure BDA0002037072880000181
和种植面积上限
Figure BDA0002037072880000182
获取每一子区域内每一种作物的产量需求下限
Figure BDA0002037072880000183
和产量需求上限
Figure BDA0002037072880000184
其中，NBijkt表示第k个子区域内在第t个单位时间用第j种灌溉水源灌溉第i种作物的单位经济净效益；YIit表示第t个单位时间第i种作物的单位产量；CFijk表示第k个子区域内用第j种灌溉水源灌溉第i种作物的单位生态净效益；TAt表示目标区域在第t个单位时间的总可用水量；GWk表示第k个子区域的地下水可用量；
Figure BDA0002037072880000191
和
Figure BDA0002037072880000192
分别表示第k个子区域内第i种作物的产量需求下限和上限。
模型建立模块202，可以根据每一组i，j，k，t取值下的NBijkt、YIit、CFijk、TAt、GWk、
Figure BDA0002037072880000193
和
Figure BDA0002037072880000194
可以建立第一水资源优化模型。
第一水资源优化模型包括两个目标函数，分别为经济目标函数和生态目标函数。第一水资源优化模型中的约束条件至少包括总水量约束、地表水约束、地下水约束、种植面积约束和产量需求约束。
条件转化模块203，对于每一采用地表水灌溉的子区域(假设为第k个子区域)，可以根据该子区域地表水量历史数据，获取某一置信水平p下该子区域的地表水可用量，将该子区域的地表水约束中的SW(u)替换为某一置信水平p下该子区域的地表水可用量SW(p)，从而将该子区域的地表水量约束条件转化为预设的置信水平p下的确定性约束条件。
模型转化模块204，根据线性加权方法对经济目标函数和生态目标函数进行加权求和，获得综合效益目标函数，通过最大化综合效益，达到获最大化经济目标和最大化生态目标的平衡；对标准化权重进行不确定性处理消除不确定性；根据鲁棒优化方法将对标准化权重进行不确定性处理后的综合效益目标函数进行线性转化，获得第二水资源优化模型；第一水资源模型中的约束条件进行转化后，直接作为第二水资源模型中的约束条件。
方案获取模块205，可以根据预设的违背风险，很方便地获得第二水资源优化模型的一组最优解作为水资源优化方案。
一组最优解为目标区域的每一子区域内在规划时间的每一单位时间内用每一种灌溉水源灌溉每种作物的灌溉面积。在该组最优解下，目标区域规划时间内的综合效益最大。
本发明实施例提供的水资源优化装置，用于执行本发明上述各实施例提供的水资源优化方法，该水资源优化装置包括的各模块实现相应功能的具体方法和流程详见上述水资源优化方法的实施例，此处不再赘述。
该水资源优化装置用于前述各实施例的水资源优化方法。因此，在前述各实施例中的水资源优化方法中的描述和定义，可以用于本发明实施例中各执行模块的理解。
本发明实施例通过将优化目标的标准化权重扩展为随机分布于名义值为中心，以波动半径为半径的对称区间中来消除目标权重的不确定性，并根据地表水量历史数据消除子区域地表水可用量的不确定性，从而能消除多目标权重和参数的不确定性，能在目标权重和地表水可用量具有不确定性的情况下获得水资源优化方案。进一步地，获取的水资源优化方案具有稳健性，获取水资源优化方案更加简便、耗时更短。
图3为根据本发明实施例提供的电子设备的结构框图。基于上述实施例的内容，如图3所示，该电子设备可以包括：处理器(processor)301、存储器(memory)302和总线303；其中，处理器301和存储器302通过总线303完成相互间的通信；处理器301用于调用存储在存储器302中并可在处理器301上运行的计算机程序指令，以执行上述各方法实施例所提供的水资源优化方法，例如包括：获取目标区域的每一子区域内各种作物的单位经济净效益、单位产量和单位生态净效益，获取目标区域在规划时间内每一单位时间的总可用水量和每一子区域的地下水可用量，获取每一子区域的种植面积上限和种植面积下限，获取每一子区域内各种作物的产量需求上限和产量需求下限；根据每一子区域内各种作物的单位经济净效益、单位产量和单位生态净效益，目标区域在规划时间内每一单位时间的总可用水量和每一子区域的地下水可用量，每一子区域的种植面积上限和种植面积下限，以及每一子区域内各种作物的产量需求上限和产量需求下限，建立以最大化目标区域规划时间内的经济目标和生态目标的第一水资源优化模型；其中，第一水资源优化模型以总水量、各种灌溉水源的水量、种植面积和产量需求为约束条件；对于每一采用地表水灌溉的子区域，根据采用地表水灌溉的子区域的地表水量历史数据，将采用地表水灌溉的子区域的地表水量约束条件转化为预设的置信水平下的确定性约束条件；根据线性加权方法和鲁棒优化方法将第一水资源优化模型转化为以最大化目标区域规划时间内的综合效益为目标的第二水资源优化模型；其中，线性加权方法中的标准化权重，随机分布于以标准化权重的名义值为中心，以预设的标准化权重的波动半径为半径的对称区间中；第二水资源优化模型以第一水资源优化模型转化后的约束条件为约束条件；根据第二水资源优化模型和预设的违背风险，获取每一子区域内在规划时间的每一单位时间内用每一种灌溉水源灌溉每种作物的灌溉面积，以使得目标区域规划时间内的综合效益最大。
本发明另一实施例公开一种计算机程序产品，计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的水资源优化方法，例如包括：获取目标区域的每一子区域内各种作物的单位经济净效益、单位产量和单位生态净效益，获取目标区域在规划时间内每一单位时间的总可用水量和每一子区域的地下水可用量，获取每一子区域的种植面积上限和种植面积下限，获取每一子区域内各种作物的产量需求上限和产量需求下限；根据每一子区域内各种作物的单位经济净效益、单位产量和单位生态净效益，目标区域在规划时间内每一单位时间的总可用水量和每一子区域的地下水可用量，每一子区域的种植面积上限和种植面积下限，以及每一子区域内各种作物的产量需求上限和产量需求下限，建立以最大化目标区域规划时间内的经济目标和生态目标的第一水资源优化模型；其中，第一水资源优化模型以总水量、各种灌溉水源的水量、种植面积和产量需求为约束条件；对于每一采用地表水灌溉的子区域，根据采用地表水灌溉的子区域的地表水量历史数据，将采用地表水灌溉的子区域的地表水量约束条件转化为预设的置信水平下的确定性约束条件；根据线性加权方法和鲁棒优化方法将第一水资源优化模型转化为以最大化目标区域规划时间内的综合效益为目标的第二水资源优化模型；其中，线性加权方法中的标准化权重，随机分布于以标准化权重的名义值为中心，以预设的标准化权重的波动半径为半径的对称区间中；第二水资源优化模型以第一水资源优化模型转化后的约束条件为约束条件；根据第二水资源优化模型和预设的违背风险，获取每一子区域内在规划时间的每一单位时间内用每一种灌溉水源灌溉每种作物的灌溉面积，以使得目标区域规划时间内的综合效益最大。
此外，上述的存储器302中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明另一实施例提供一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行上述各方法实施例所提供的水资源优化方法，例如包括：获取目标区域的每一子区域内各种作物的单位经济净效益、单位产量和单位生态净效益，获取目标区域在规划时间内每一单位时间的总可用水量和每一子区域的地下水可用量，获取每一子区域的种植面积上限和种植面积下限，获取每一子区域内各种作物的产量需求上限和产量需求下限；根据每一子区域内各种作物的单位经济净效益、单位产量和单位生态净效益，目标区域在规划时间内每一单位时间的总可用水量和每一子区域的地下水可用量，每一子区域的种植面积上限和种植面积下限，以及每一子区域内各种作物的产量需求上限和产量需求下限，建立以最大化目标区域规划时间内的经济目标和生态目标的第一水资源优化模型；其中，第一水资源优化模型以总水量、各种灌溉水源的水量、种植面积和产量需求为约束条件；对于每一采用地表水灌溉的子区域，根据采用地表水灌溉的子区域的地表水量历史数据，将采用地表水灌溉的子区域的地表水量约束条件转化为预设的置信水平下的确定性约束条件；根据线性加权方法和鲁棒优化方法将第一水资源优化模型转化为以最大化目标区域规划时间内的综合效益为目标的第二水资源优化模型；其中，线性加权方法中的标准化权重，随机分布于以标准化权重的名义值为中心，以预设的标准化权重的波动半径为半径的对称区间中；第二水资源优化模型以第一水资源优化模型转化后的约束条件为约束条件；根据第二水资源优化模型和预设的违背风险，获取每一子区域内在规划时间的每一单位时间内用每一种灌溉水源灌溉每种作物的灌溉面积，以使得目标区域规划时间内的综合效益最大。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行上述各个实施例或者实施例的某些部分的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种水资源优化方法，其特征在于，包括：
获取目标区域的每一子区域内各种作物的单位经济净效益、单位产量和单位生态净效益，获取所述目标区域在规划时间内每一单位时间的总可用水量和每一所述子区域的地下水可用量，获取每一所述子区域的种植面积上限和种植面积下限，获取每一所述子区域内各种作物的产量需求上限和产量需求下限；
根据所述每一子区域内各种作物的单位经济净效益、单位产量和单位生态净效益，所述目标区域在规划时间内每一单位时间的总可用水量和每一所述子区域的地下水可用量，每一所述子区域的种植面积上限和种植面积下限，以及每一所述子区域内各种作物的产量需求上限和产量需求下限，建立以最大化所述目标区域所述规划时间内的经济目标和生态目标的第一水资源优化模型；其中，所述第一水资源优化模型以总水量、各种灌溉水源的水量、种植面积和产量需求为约束条件；
对于每一采用地表水灌溉的子区域，根据所述采用地表水灌溉的子区域的地表水量历史数据，将所述采用地表水灌溉的子区域的地表水量约束条件转化为预设的置信水平下的确定性约束条件；
根据线性加权方法和鲁棒优化方法将所述第一水资源优化模型转化为以最大化所述目标区域所述规划时间内的综合效益为目标的第二水资源优化模型；其中，线性加权方法中的标准化权重，随机分布于以所述标准化权重的名义值为中心，以预设的所述标准化权重的波动半径为半径的对称区间中；所述第二水资源优化模型以转化后的所述第一水资源优化模型中的约束条件为约束条件；
根据所述第二水资源优化模型和预设的违背风险，获取每一所述子区域内在所述规划时间的每一单位时间内用每一种灌溉水源灌溉每种作物的灌溉面积，以使得所述目标区域所述规划时间内的综合效益最大；
其中，所述根据线性加权方法和鲁棒优化方法将所述第一水资源优化模型转化为以最大化所述目标区域所述规划时间内的综合效益为目标的第二水资源优化模型的具体步骤包括：
根据线性加权方法，将所述第一水资源优化模型中的两个目标函数以预设的经济目标和生态目标的原始权重进行加权，转化为以最大化所述目标区域所述规划时间内的经济目标和生态目标的加权和为目标的过渡目标函数；
将所述经济目标和生态目标的原始权重进行不确定性处理，将所述过渡目标函数转化为单目标函数；
根据鲁棒优化方法将所述单目标函数线性化，获得所述第二水资源优化模型中的目标函数，并将转化后的所述第一水资源优化模型中的约束条件作为所述第二水资源优化模型中的约束条件；
其中，所述将所述经济目标和生态目标的原始权重进行不确定性处理的具体步骤包括：
将所述经济目标的原始权重和所述生态目标的原始权重，分别除以所述经济目标的原始权重，获得所述生态目标的标准化权重的名义值，将所述生态目标的标准化权重随机分布于以所述生态目标的标准化权重的名义值为中心，以预设的所述标准化权重的波动半径为半径的对称区间中；
或者，将所述经济目标的原始权重和所述生态目标的原始权重，分别除以所述生态目标的原始权重，获得所述经济目标的标准化权重的名义值，将所述经济目标的标准化权重随机分布于以所述经济目标的标准化权重的名义值为中心，以预设的所述标准化权重的波动半径为半径的对称区间中。
2.根据权利要求1所述的水资源优化方法，其特征在于，所述第二水资源优化模型中的目标函数为max z
s.t.
Figure FDA0003066204190000031
Figure FDA0003066204190000032
q≥0
Figure FDA0003066204190000033
其中，z表示目标区域规划时间内的综合效益；i表示作物种类的编号；j表示灌溉水源的编号；k表示子区域的编号；t表示规划时间内单位时间的编号；I表示作物种类的数量；J表示灌溉水源的数量；K表示子区域的数量；T表示规划时间包括的单位时间的数量；Aijkt表示第k个子区域内在第t个单位时间用第j种灌溉水源灌溉第i种作物的灌溉面积；
Figure FDA0003066204190000034
表示Aijkt的经济收益；
Figure FDA0003066204190000035
表示Aijkt的生态收益；Γ表示保护度水平；q表示第一辅助变量；rijkt表示Aijkt对应的第二辅助变量；
Figure FDA0003066204190000039
表示标准化权重的名义值；
Figure FDA0003066204190000036
表示标准化权重的波动半径。
3.根据权利要求2所述的水资源优化方法，其特征在于，所述保护度水平根据所述预设的违背风险获取。
4.根据权利要求3所述的水资源优化方法，其特征在于，根据所述预设的违背风险获取所述保护度水平的公式为
Figure FDA0003066204190000037
其中，PBU表示预设的违背风险；v＝(Γ+n)/2；
Figure FDA0003066204190000038
n＝I×J×K×T。
5.根据权利要求1至4任一所述的水资源优化方法，其特征在于，所述根据所述采用地表水灌溉的子区域的地表水量历史数据，将所述采用地表水灌溉的子区域的地表水量约束条件转化为预设的置信水平下的确定性约束条件的具体步骤包括：
根据所述采用地表水灌溉的子区域的地表水量历史数据，获取所述采用地表水灌溉的子区域的地表水量的分布模型；
根据分布模型，获取所述预设的置信水平下所述采用地表水灌溉的子区域单位时间的地表水可用量；
根据所述预设的置信水平下所述采用地表水灌溉的子区域单位时间的地表水可用量，将所述采用地表水灌溉的子区域的地表水量约束条件转化为预设的置信水平下的确定性约束条件。
6.一种水资源优化装置，其特征在于，包括：
数据获取模块，用于获取目标区域的每一子区域内各种作物的单位经济净效益、单位产量和单位生态净效益，获取所述目标区域在规划时间内每一单位时间的总可用水量和每一所述子区域的地下水可用量，获取每一所述子区域的种植面积上限和种植面积下限，获取每一所述子区域内各种作物的产量需求上限和产量需求下限；
模型建立模块，用于根据所述每一子区域内各种作物的单位经济净效益、单位产量和单位生态净效益，所述目标区域在规划时间内每一单位时间的总可用水量和每一所述子区域的地下水可用量，每一所述子区域的种植面积上限和种植面积下限，以及每一所述子区域内各种作物的产量需求上限和产量需求下限，建立以最大化所述目标区域所述规划时间内的经济目标和生态目标的第一水资源优化模型；其中，所述第一水资源优化模型以总水量、各种灌溉水源的水量、种植面积和产量需求为约束条件；
条件转化模块，用于对于每一采用地表水灌溉的子区域，根据所述采用地表水灌溉的子区域的地表水量历史数据，将所述采用地表水灌溉的子区域的地表水量约束条件转化为预设的置信水平下的确定性约束条件；
模型转化模块，用于根据线性加权方法和鲁棒优化方法将所述第一水资源优化模型转化为以最大化所述目标区域所述规划时间内的综合效益为目标的第二水资源优化模型；其中，线性加权方法中的标准化权重，随机分布于以所述标准化权重的名义值为中心，以预设的所述标准化权重的波动半径为半径的对称区间中；所述第二水资源优化模型以转化后的所述第一水资源优化模型中的约束条件为约束条件；
方案获取模块，用于根据所述第二水资源优化模型和预设的违背风险，获取每一所述子区域内在所述规划时间的每一单位时间内用每一种灌溉水源灌溉每种作物的灌溉面积，以使得所述目标区域所述规划时间内的综合效益最大；
所述模型转化模块，具体用于根据线性加权方法，将所述第一水资源优化模型中的两个目标函数以预设的经济目标和生态目标的原始权重进行加权，转化为以最大化所述目标区域所述规划时间内的经济目标和生态目标的加权和为目标的过渡目标函数；
将所述经济目标和生态目标的原始权重进行不确定性处理，将所述过渡目标函数转化为单目标函数；
根据鲁棒优化方法将所述单目标函数线性化，获得所述第二水资源优化模型中的目标函数，并将转化后的所述第一水资源优化模型中的约束条件作为所述第二水资源优化模型中的约束条件；
其中，所述模型转化模块将所述经济目标和生态目标的原始权重进行不确定性处理的具体步骤包括：
将所述经济目标的原始权重和所述生态目标的原始权重，分别除以所述经济目标的原始权重，获得所述生态目标的标准化权重的名义值，将所述生态目标的标准化权重随机分布于以所述生态目标的标准化权重的名义值为中心，以预设的所述标准化权重的波动半径为半径的对称区间中；
或者，将所述经济目标的原始权重和所述生态目标的原始权重，分别除以所述生态目标的原始权重，获得所述经济目标的标准化权重的名义值，将所述经济目标的标准化权重随机分布于以所述经济目标的标准化权重的名义值为中心，以预设的所述标准化权重的波动半径为半径的对称区间中。
7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述的水资源优化方法的步骤。
8.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至5任一项所述的水资源优化方法的步骤。
CN201910328856.4A 2019-04-23 2019-04-23 水资源优化方法及装置 Active CN110135627B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910328856.4A CN110135627B (zh) 2019-04-23 2019-04-23 水资源优化方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910328856.4A CN110135627B (zh) 2019-04-23 2019-04-23 水资源优化方法及装置

Publications (2)

Publication Number Publication Date
CN110135627A CN110135627A (zh) 2019-08-16
CN110135627B true CN110135627B (zh) 2021-07-16

Family

ID=67570823

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910328856.4A Active CN110135627B (zh) 2019-04-23 2019-04-23 水资源优化方法及装置

Country Status (1)

Country Link
CN (1) CN110135627B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112215432A (zh) * 2020-10-21 2021-01-12 河南大学 一种水资源可达性预测方法和预测系统
CN112465206B (zh) * 2020-11-20 2023-01-20 广东工业大学 一种水资源优化配置及优化结果评价反馈方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105956718A (zh) * 2016-05-31 2016-09-21 中国农业大学 一种灌区水资源优化配置方法和系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7457962B2 (en) * 1996-07-02 2008-11-25 Wistaria Trading, Inc Optimization methods for the insertion, protection, and detection of digital watermarks in digitized data
US6697767B2 (en) * 2000-10-18 2004-02-24 The National University Of Singapore Robust process identification and auto-tuning control
CN104657591B (zh) * 2015-01-19 2018-01-23 华北电力大学 水资源配置方法和装置
CN105787501B (zh) * 2015-12-17 2019-03-19 武汉大学 输电线路走廊区域自动选择特征的植被分类方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105956718A (zh) * 2016-05-31 2016-09-21 中国农业大学 一种灌区水资源优化配置方法和系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Robust fractional programming approach for improving agricultural wateruse efficiency under uncertainty;Qian Tan等;《Journal of Hydrology》;20180801(第564期);摘要，第2节、第3.2节，图1 *
The weighted sum method for multi-objective optimization: new insights;R. Timothy Marler等;《Structural Multidisciplinary Optimization》;20091212(第41期);第853–862页 *
基于模糊优选和可信性的农业水资源多目标优化配置模型;张珊等;《南水北调与水利科技》;20180314;第16卷(第3期);第1节、第2.2节 *

Also Published As

Publication number Publication date
CN110135627A (zh) 2019-08-16

Similar Documents

Publication Publication Date Title
Wardhana et al. Agro-clusters and rural poverty: a spatial perspective for West Java
WO2019118460A1 (en) Irrigation system control with predictive water balance capabilities
Khorshidi et al. A multi-objective risk-based game theoretic approach to reservoir operation policy in potential future drought condition
CN110135627B (zh) 水资源优化方法及装置
CN107423742A (zh) 人群流量的确定方法及装置
CN113037531A (zh) 流量预测方法、装置以及存储介质
Mi et al. Optimal spatial land-use allocation for limited development ecological zones based on the geographic information system and a genetic ant colony algorithm
US11966208B2 (en) Methods and systems for greenspace cultivation and management in smart cities based on Internet of Things
CN109389518A (zh) 关联分析方法及装置
Zhang et al. An interactive inexact fuzzy bounded programming approach for agricultural water quality management
CN115205695B (zh) 一种根据种植数据确定种植策略的方法和系统
CN115640956A (zh) 一种未来水资源供需平衡分析方法
CN108229739B (zh) 作物产量的预测方法、终端、计算机可读存储介质
CN113688542A (zh) 智能优化水资源配置方法、装置、计算机设备及存储介质
CN116258019A (zh) 土地利用/覆被变化的模拟方法、装置、设备及存储介质
CN115486247B (zh) 用于确定肥料配比的方法、存储介质及处理器
Strange et al. Optimization of land use in afforestation areas using evolutionary self-organization
Rötter et al. Variations in yield response to fertilizer application in the tropics: I. Quantifying risks and opportunities for smallholders based on crop growth simulation
CN109840308B (zh) 一种区域风电功率概率预报方法及系统
CN109787247A (zh) 一种基于多参数规划的无功补偿规划方法
CN114332613A (zh) 基于遥感影像的农地健康状态预测方法、装置、设备和存储介质
Yamazaki et al. Output versus input controls under uncertainty: the case of a fishery
CN110197304B (zh) 作物灌溉面积预测方法及装置
CN109360121A (zh) 岩溶地区水资源脆弱性量化调控方法和系统
Hennen et al. Global-Detector-GIS-and Knowledge-based Tool for a Global Detection of the Potential for Production, Supply and Demand.

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant