CN112231932A - 一种溢油应急资源布局方法、装置及计算机设备 - Google Patents

一种溢油应急资源布局方法、装置及计算机设备 Download PDF

Info

Publication number
CN112231932A
CN112231932A CN202011226473.5A CN202011226473A CN112231932A CN 112231932 A CN112231932 A CN 112231932A CN 202011226473 A CN202011226473 A CN 202011226473A CN 112231932 A CN112231932 A CN 112231932A
Authority
CN
China
Prior art keywords
function model
satisfaction
oil spill
capacity
emergency
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.)
Granted
Application number
CN202011226473.5A
Other languages
English (en)
Other versions
CN112231932B (zh
Inventor
程金香
田荣洁
徐洪磊
张利国
毛宁
朱高儒
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.)
Transport Planning And Research Institute Ministry Of Transport
Original Assignee
Transport Planning And Research Institute Ministry Of Transport
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 Transport Planning And Research Institute Ministry Of Transport filed Critical Transport Planning And Research Institute Ministry Of Transport
Priority to CN202011226473.5A priority Critical patent/CN112231932B/zh
Publication of CN112231932A publication Critical patent/CN112231932A/zh
Application granted granted Critical
Publication of CN112231932B publication Critical patent/CN112231932B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0635Risk analysis of enterprise or organisation activities
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/26Government or public services
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/04Constraint-based CAD
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/06Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明适用于溢油应急资源布局技术领域,提供了一种溢油应急资源布局方法、装置及计算机设备,包括以下步骤:建立多个单目标模型,所述单目标模型至少包括时间满意度函数模型、能力满意度函数模型和总费用函数模型;为时间满意度函数模型、能力满意度函数模型和总费用函数模型设置系数,得到综合目标函数模型;为综合目标函数模型设置约束条件,求得最优解即得,本发明的有益效果是:建立了多目标优化的溢油应急资源布局方法,利用最优化理论,综合考虑时间满意度最大、能力满意度最大和总建设费用最低三个维度的目标,建立全覆盖模型,对基于地理空间单元的风险区域进行匹配,体现溢油应急处置中的时效性、有效性和经济性的本质要求。

Description

一种溢油应急资源布局方法、装置及计算机设备
技术领域
本发明涉及溢油应急资源布局技术领域,尤其涉及一种溢油应急资源布局方法、装置 及计算机设备。
背景技术
目前,国内外一般采用图论、排队论、线性规划、混合整数规划、模糊理论等方法解决应急能力布局问题。近年来,部分学者开始关注应急资源的种类、需求的性质到时间的阶段性和状态的发展性,重点考虑从应急设施点到达应急地点之间的最短时间为随机变量的情况。比如建立了关于应急资源选址的集合覆盖模型,即对于任何需求地点一旦发生事故时,距离其最近的服务设施到达应急地点的时间小于或等于一个规定的值,如何确定服务设施的地址使需要建立的服务设施数目最小。
但是,在海上溢油应急能力布局领域,目前尚无相关专利。学术上与之相关的研究成 果主要集中于应急仓库布局方法研究领域。目前仅有陆梦和吴罡(2010)研究了海上溢油 应急资源的选址问题,提出了海上溢油应急时间满意度的指标,构建了基于应急时间满意 度的最大覆盖模型。该模型在一定程度上解决了基于最短路径的选址问题的局限性,但是 由于仅考虑了时间维度的目标,忽略了应急能力、覆盖率等其他维度的目标。
发明内容
本发明实施例的目的在于提供一种溢油应急资源布局方法、装置及计算机设备,旨在 解决背景技术中提出的的现有技术存在的技术问题。
本发明实施例是这样实现的,一种溢油应急资源布局方法,包括以下步骤:
建立多个单目标模型,所述单目标模型至少包括时间满意度函数模型、能力满意度函 数模型和总费用函数模型;
为时间满意度函数模型、能力满意度函数模型和总费用函数模型设置系数,得到综合 目标函数模型;
为综合目标函数模型设置约束条件,求得最优解即得。
作为本发明进一步的方案:所述系数根据时间满意度、能力满意度和总费用的优先级 确定,多个所述系数之和为1。
作为本发明再进一步的方案:所述时间满意度函数模型、能力满意度函数模型和总费 用函数模型分别为:
时间满意度函数模型:
Figure BDA0002761969830000021
其中,Rj表示需求点j的风险值,λj为需求点j的风险等级系数,Hj为需求点j的最短选址溢油应急设备库时间/距离, Hj=MinFij,Fij为需求点j与备选点i之间的应急时间或距离计算矩阵,Si表示备选点i的 状态值;
能力满意度函数模型:
Figure BDA0002761969830000022
其中,其中Ci表示备选点i的应急能 力;
总费用函数模型:
Figure BDA0002761969830000023
Qi表示备选点i所需的投资;
上述模型中,m为溢油应急设备库备选点的个数,n为溢油风险点的个数,Dij为需求点j与备选点i的应急半径。
作为本发明再进一步的方案:根据所述能力满意度函数模型,需求点j获得的应急能 力为:
Figure BDA0002761969830000024
则需求点j的能力满意度为:
Figure BDA0002761969830000025
作为本发明再进一步的方案:所述综合目标函数模型为:
Maxf(Si)=αSC+βST+γ(M-TQ),其中,M为总资金预算,α、β和γ为系数且 α+β+γ=1。
作为本发明再进一步的方案:所述综合目标函数模型的约束条件为:
Figure BDA0002761969830000031
作为本发明再进一步的方案:所述时间满意度函数模型中:
Figure BDA0002761969830000032
本发明实施例的另一目的在于提供一种溢油应急资源布局装置,包括:
单目标模型建立单元,用于建立时间满意度函数模型、能力满意度函数模型和总费用 函数模型;
综合目标函数模型单元,用于根据时间满意度函数模型、能力满意度函数模型和总费 用函数模型及其对应的系数得到综合目标函数模型;
计算单元,用于为综合目标函数模型设置约束条件并求得最优解。
本发明实施例的另一目的在于提供一种计算机设备,包括存储器和处理器,所述存储 器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行所述 溢油应急资源布局方法的步骤。
与现有技术相比,本发明的有益效果是:建立了多目标优化的溢油应急资源布局方法, 利用最优化理论,综合考虑时间满意度最大、能力满意度最大和总建设费用最低三个维度 的目标,建立全覆盖模型,对基于地理空间单元的风险区域进行匹配,体现溢油应急处置 中的时效性、有效性和经济性的本质要求,实现溢油应急资源最优化布局。
附图说明
图1为一种基于多目标优化的溢油应急资源布局方法的框架图。
图2为一种基于多目标优化的溢油应急资源布局方法的流程图。
图3为一种基于多目标优化的溢油应急资源布局方法中Hj与时间满意度的示意图。
图4为一种基于多目标优化的溢油应急资源布局装置的结构框图。
图5为一个实施例中计算机设备的内部结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本 发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并 不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述。
实施例1
如图1~3所示,为本发明一个实施例提供的一种基于多目标优化的溢油应急资源布 局方法的结构图,包括以下步骤:
建立多个单目标模型,所述单目标模型至少包括时间满意度函数模型、能力满意度函 数模型和总费用函数模型;
为时间满意度函数模型、能力满意度函数模型和总费用函数模型设置系数,得到综合 目标函数模型,其中系数根据时间满意度、能力满意度和总费用的优先级确定,多个所述 系数之和为1;
为综合目标函数模型设置约束条件,求得最优解即得。
具体的来说,假设溢油应急设备库备选点共有m个,溢油风险点共有n个。已知每个设备库到每个溢油风险点的距离,每个风险点的风险值为Ri,其风险等级值为λi,每个设 备库的建设的应急能力为Ci,每个设备库的成本为Qi,每个设备库的应急半径为D,Dij为 需求点j与备选点i的应急半径,希望在溢油应急设备库的备选点中选择至少需要建立几个 应急设备库就可以满足以下目标:
(1)应急设备库可以实现对风险点的全覆盖;
(2)设备库与所有风险点的总距离最短;
(3)定义每个风险点可以调用的设备库能力总和为其能力值,优先考虑高风险和较 高风险点的能力值,并且所有风险点的能力值总和最大;
(4)设备库建设成本最小。
那么建立的时间满意度函数模型、能力满意度函数模型和总费用函数模型分别为:
时间满意度函数模型:
Figure BDA0002761969830000051
其中,Rj表示需求点j的风险值,λj 为需求点j的风险等级系数,Hj为需求点j的最短选址溢油应急设备库时间/距离, Hj=MinFij,Fij为需求点j与备选点i之间的应急时间或距离计算矩阵,Fij与Hij的关系如 附图3所示,若备选点i未配置储备库,则设其距离为特大值100000,意味着时间无限长, 若配置任一级别的储备库,则为实际距离,即:
Figure BDA0002761969830000052
Si表示备选点i的状态值,可由用户自行设置。
能力满意度函数模型:
Figure BDA0002761969830000053
其中,其中Ci表示备选点i的应急能 力;那么根据所述能力满意度函数模型,需求点j获得的应急能力为:
Figure BDA0002761969830000054
则需求点j的能力满意度为:
Figure BDA0002761969830000055
可通过调整λj的值来调整纳入能力满意度计算的需求点的等级和数 量。
总费用函数模型:
Figure BDA0002761969830000056
Qi表示备选点i所需的投资。
最终,得到的述综合目标函数模型为:
Maxf(Si)=αSC+βST+γ(M-TQ),其中,M为总资金预算,预算结余越多越好,α、 β和γ为系数且α+β+γ=1。
所述综合目标函数模型的约束条件为:
Figure BDA0002761969830000061
实施例2
我国舟山群岛附近船舶溢油风险日益增加,管理部门希望在附近建设应急设备库,需 要寻找最佳位置,能实现风险水域的全覆盖。因此,可以将舟山群岛附近水域划分为固定 尺寸的网格单元,共计划分为60个网格,即风险点,针对每个风险点计算其风险指数。同样,通过调研可以在陆地上筛选出所有可布置设备库的地点,建立应急设备库选址备选点集合,经过梳理,共有59个备选点可供选择。管理部门要求,距离溢油事故发生地点 50km内应分布有应急设备库。
依据舟山海域的实际需求,依据本方法建立的综合目标函数模型为:
Maxf(Si)=αSC+βST+γ(M-TQ)
其中,α+β+γ=1,M是总资金预算(可设为5亿)。
时间满意度函数模型、能力满意度函数模型和总费用函数模型分别为:
Figure BDA0002761969830000062
Figure BDA0002761969830000063
假定备选点i的状态值Si的具体取值如下:
Figure BDA0002761969830000064
备选点i的应急能力Ci的具体取值如下:
Figure BDA0002761969830000065
备选点i所需的投资Qi的具体取值如下:
Figure BDA0002761969830000071
需求点j的风险等级系数λj的具体取值如下:
Figure BDA0002761969830000072
需求点j与备选点i之间的应急能力计算矩阵Eij所需的应急半径dij=50km。即
Figure BDA0002761969830000073
Fij为需求点j与备选点i之间的应急时间计算矩阵(若备选点i未配置储备库,则设其 距离为特大值100000,若配置任一级别的储备库,则为实际距离)。
Figure BDA0002761969830000074
约束条件:
若λj=2,CAj≥1000;
若λj=1,CAj≥500
若λj=0,CAj≥200。
S48=1(舟山现有设备库必选,但等级可不确定);
0<Si≤3且为整数。
该约束条件的具体含义是高风险需求点获得的应急服务能力大于1000t,较高风险需 求点获得的应急服务能力大于500t,一般风险需求点获得的应急服务能力大于200t,此 约束条件包含了所有风险点全覆盖。
下面对各模型在最优化软件中进行建模求解,并对其结果进行分析。
(1)全面覆盖模型结果(背景技术中提及的现有模型)
通过最优化软件求解,x5=z23=x48=x52=1,即在舟山海域至少需要建设4个设备库, 才可以满足对风险点全覆盖的要求。因此可以确定,舟山海域应急物资储备库布局模型中 的p=4。
(2)时间满意度函数模型结果
通过最优化软件求解,令λ=1,即希望设备库的最优解集可以覆盖所有的较高风险点 和高风险点,则最优解集为S24=S48=S52=S58=2,即需要在第24、48、52、58号备选点建设设备库,才能使目标函数最优,且应急能力均为500t。
(3)能力满意度函数模型结果
通过最优化软件求解,令λj=1,即希望设备库的最优解集可以覆盖所有的较高风险 点和高风险点,C10=C48=C53=500、C57=200,即需要在第10、48、53、57号备选点建 设设备库,才能使目标函数最优,应急能力分别为500t、500t、500t、200t。
(4)总费用函数模型结果
通过最优化软件求解,Q1=Q22=Q57=1500、Q48=2500,即需要在第1、22、48、57 号备选点建设设备库,才能使目标函数最优,应急能力分别为200t、200t、500t、200t, 建设费用为1500万元、1500万元、2500万元、1500万元。
(5)综合目标函数模型结果
目标:时间满意度最大、能力满意度最大和投资最小。
通过求解,S3=S57=1、S24=S48=2,即需要在第3、24、48、57号备选点建设设备库,才能使目标函数最优,应急能力分别为200t、500t、500t、200t,建设成本为1500 万元、2500万元、1500万元、2500万元。
通过对比,可以得出以下几个结论:
(1)时间满意度模型在应急时间上表现最好,但成本也最高。这是由于时间满意度模型仅仅考虑风险水平和距离两个因素,对能力、成本未做约束,设备库的高能力必然带来高成本。时间满意度模型虽然满足了及时响应,但是在设备库能力上可能会带来一定浪费。
(2)能力满意度模型在设备库能力指标上表现较好,仅次于时间满意度模型。这是由于能力满意度模型的目标函数考虑了设备库能力和距离两个因素,且设备库能力是按照能力满意度函数构建的,其能力计算更加合理,因此降低了设备库能力浪费的可能性。
(3)投资最小模型主要是控制成本,在时间和能力指标上表现欠佳。
(4)多目标模型平衡了应急时间、投资成本和应急能力。在时间指标上,虽然与时间满意度模型有较大差别,但是与能力满意度模型和投资最小模型差别较小;在能力指标上,处于时间满意度模型、能力满意度模和投资最小模型的中间;在成本指标上,与投资 最小模型的成本无差别。
综上所述,多目标模型在平衡了决策者在应急时间、投资成本和应急能力三方面需求 的基础上,实现了对风险点的全覆盖。
(1)本发明提出的溢油应急能力布局方案,推动了我国重大海上溢油风险管控水平 的科学合理提升,对于降低海上溢油造成的环境和财产损失,减少因溢油污染事故引起的 生态环境和社会影响,保护海洋环境和海洋生产力,满足人民群众日益提高的海洋环境公 共利益诉求,推动海洋生态文明建设提供了可靠保障。
(2)我国沿海水域分布着120个自然保护区(其中国家级、省级、市县级分别33个、35个和52个)、50个国家级水产种质资源保护区,163处鱼类“三场”和135条鱼虾洄 游通道。一旦发生重大海上溢油污染事故,将对沿海生态环境产生严重影响,带来巨大的 经济损失,并且溢油海域的环境恢复大多数情况下需要2-10年的时间,更为严重的需要 10-20年时间。本发明提出的溢油应急能力布局方案,对于提高我国沿海溢油风险管控水 平,保障海洋生态安全和经济安全提供了有力支持。
(4)区域层面上,本发明提出的溢油应急能力布局模型在《上海市防治船舶污染水域环境应急能力建设规划》《汕头市防治船舶污染水域环境应急能力建设规划》《营口市 防治船舶污染水域环境应急能力建设规划》《潍坊市防治船舶污染水域环境应急能力建设 规划》《滨州市防治船舶污染水域环境应急能力建设规划》也进行了应用。上述项目基于 更精细的尺度对本发明提出的方法进行了深化,为地方政府提供了更具针对性和可操作性 的溢油风险管控措施。
如图4所示,本发明实施例还提供一种溢油应急资源布局装置,包括:
单目标模型建立单元100,用于建立时间满意度函数模型、能力满意度函数模型和总 费用函数模型;
综合目标函数模型单元200,用于根据时间满意度函数模型、能力满意度函数模型和 总费用函数模型及其对应的系数得到综合目标函数模型;
计算单元300,用于为综合目标函数模型设置约束条件并求得最优解。
如图5所示,在一个实施例中,提出了一种计算机设备,计算机设备包括存储器、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,处理器执行计算机程序时实现以下步骤:
建立多个单目标模型,所述单目标模型至少包括时间满意度函数模型、能力满意度函 数模型和总费用函数模型;
为时间满意度函数模型、能力满意度函数模型和总费用函数模型设置系数,得到综合 目标函数模型,其中系数根据时间满意度、能力满意度和总费用的优先级确定,多个所述 系数之和为1;
为综合目标函数模型设置约束条件,求得最优解即得。
图5示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是独立的 物理服务器或终端,也可以是多个物理服务器构成的服务器集群,可以是提供云服务器、 云数据库、云存储和CDN等基础云计算服务的云服务器。还可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等,但并不局限于此。如图5所示,该计 算机设备包括该计算机设备包括通过系统总线链接的处理器、存储器、网络接口、输入装 置和显示屏。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失 性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可 使得处理器实现溢油风险分析方法。该内存储器中也可储存有计算机程序,该计算机程序 被处理器执行时,可使得处理器执行溢油风险分析方法。计算机设备的显示屏可以是液晶 显示屏或者电子墨水显示屏,计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可 以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠 标等。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构 的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可 以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本领域技术人员在考虑说明书及实施例处的公开后,将容易想到本公开的其它实施方 案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应 性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用 技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且 可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (9)

1.一种溢油应急资源布局方法,其特征在于,包括以下步骤:
建立多个单目标模型,所述单目标模型至少包括时间满意度函数模型、能力满意度函数模型和总费用函数模型;
为时间满意度函数模型、能力满意度函数模型和总费用函数模型设置系数,得到综合目标函数模型;
为综合目标函数模型设置约束条件,求得最优解即得。
2.根据权利要求1所述的一种溢油应急资源布局方法,其特征在于,所述系数根据时间满意度、能力满意度和总费用的优先级确定,多个所述系数之和为1。
3.根据权利要求1所述的一种溢油应急资源布局方法,其特征在于,所述时间满意度函数模型、能力满意度函数模型和总费用函数模型分别为:
时间满意度函数模型:
Figure FDA0002761969820000011
其中,Rj表示需求点j的风险值,λj为需求点j的风险等级系数,Hj为需求点j的最短选址溢油应急设备库时间/距离,Hj=MinFij,Fij为需求点j与备选点i之间的应急时间或距离计算矩阵,Si表示备选点i的状态值;
能力满意度函数模型:
Figure FDA0002761969820000012
其中,其中Ci表示备选点i的应急能力;
总费用函数模型:
Figure FDA0002761969820000013
Qi表示备选点i所需的投资;
上述模型中,m为溢油应急设备库备选点的个数,n为溢油风险点的个数,Dij为需求点j与备选点i的应急半径。
4.根据权利要求3所述的一种溢油应急资源布局方法,其特征在于,根据所述能力满意度函数模型,需求点j获得的应急能力为:
Figure FDA0002761969820000021
则需求点j的能力满意度为:
Figure FDA0002761969820000022
5.根据权利要求4所述的一种溢油应急资源布局方法,其特征在于,所述综合目标函数模型为:
Maxf(Si)=αSC+βST+γ(M-TQ),其中,M为总资金预算,α、β和γ为系数且α+β+γ=1。
6.根据权利要求5所述的一种溢油应急资源布局方法,其特征在于,所述综合目标函数模型的约束条件为:
Figure FDA0002761969820000023
7.根据权利要求3所述的一种溢油应急资源布局方法,其特征在于,所述时间满意度函数模型中:
Figure FDA0002761969820000024
8.一种溢油应急资源布局装置,其特征在于,包括:
单目标模型建立单元,用于建立时间满意度函数模型、能力满意度函数模型和总费用函数模型;
综合目标函数模型单元,用于根据时间满意度函数模型、能力满意度函数模型和总费用函数模型及其对应的系数得到综合目标函数模型;
计算单元,用于为综合目标函数模型设置约束条件并求得最优解。
9.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行权利要求1至7中任一项所述溢油应急资源布局方法的步骤。
CN202011226473.5A 2020-11-05 2020-11-05 一种溢油应急资源布局方法、装置及计算机设备 Active CN112231932B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011226473.5A CN112231932B (zh) 2020-11-05 2020-11-05 一种溢油应急资源布局方法、装置及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011226473.5A CN112231932B (zh) 2020-11-05 2020-11-05 一种溢油应急资源布局方法、装置及计算机设备

Publications (2)

Publication Number Publication Date
CN112231932A true CN112231932A (zh) 2021-01-15
CN112231932B CN112231932B (zh) 2023-11-14

Family

ID=74123337

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011226473.5A Active CN112231932B (zh) 2020-11-05 2020-11-05 一种溢油应急资源布局方法、装置及计算机设备

Country Status (1)

Country Link
CN (1) CN112231932B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050080658A1 (en) * 2002-10-23 2005-04-14 Wolf Kohn Method and system for determining a near optimal resource schedule
CN102542359A (zh) * 2012-01-09 2012-07-04 吉林大学 一种多目标应急救援资源布局及配置优化方法
KR20140014760A (ko) * 2012-07-26 2014-02-06 연세대학교 산학협력단 건설 프로젝트의 시간-비용 상충 문제를 해결할 수 있는 다중 목적 최적화 모델링 방법 및 장치
CN104376375A (zh) * 2014-11-13 2015-02-25 中国人民解放军海军工程大学 基于多目标模糊规划的海上船舶溢油事故应急资源调配方法
CN106951994A (zh) * 2017-03-21 2017-07-14 武汉理工大学 一种海上应急救援站点的选址方法
CN110188960A (zh) * 2019-06-03 2019-08-30 中国人民解放军国防科技大学 一种海上溢油事故应急处置系统的多目标组合优化配置方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050080658A1 (en) * 2002-10-23 2005-04-14 Wolf Kohn Method and system for determining a near optimal resource schedule
CN102542359A (zh) * 2012-01-09 2012-07-04 吉林大学 一种多目标应急救援资源布局及配置优化方法
KR20140014760A (ko) * 2012-07-26 2014-02-06 연세대학교 산학협력단 건설 프로젝트의 시간-비용 상충 문제를 해결할 수 있는 다중 목적 최적화 모델링 방법 및 장치
CN104376375A (zh) * 2014-11-13 2015-02-25 中国人民解放军海军工程大学 基于多目标模糊规划的海上船舶溢油事故应急资源调配方法
CN106951994A (zh) * 2017-03-21 2017-07-14 武汉理工大学 一种海上应急救援站点的选址方法
CN110188960A (zh) * 2019-06-03 2019-08-30 中国人民解放军国防科技大学 一种海上溢油事故应急处置系统的多目标组合优化配置方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"Site selection model and algorithm for oil spill emergency rescue point on the Yangtze River trunk line", 《2019 5TH INTERNATIONAL CONFERENCE ON TRANSPORTATION INFORMATION AND SAFETY (ICTIS)》, pages 759 - 764 *
李云斌 等: "渤海海域溢油应急基地多目标优化选址方法", 《哈尔滨工程大学学报》, vol. 37, no. 4, pages 533 - 537 *
李洪成 等: "海上应急保障资源调度的多目标模糊规划模型", 《安全与环境学报》, vol. 15, no. 4, pages 172 - 176 *

Also Published As

Publication number Publication date
CN112231932B (zh) 2023-11-14

Similar Documents

Publication Publication Date Title
Gao et al. Multi-criteria group decision-making framework for offshore wind farm site selection based on the intuitionistic linguistic aggregation operators
Zuo et al. Assessment of regional-scale water resources carrying capacity based on fuzzy multiple attribute decision-making and scenario simulation
CN110689187A (zh) 一种基于多条件约束的变电站自动化选址方法
Zhu et al. Correlation between urbanization and ecosystem services in Xiamen, China
Wang et al. Assessing urban resilience in China from the perspective of socioeconomic and ecological sustainability
CN109274645B (zh) 一种智慧城市时空云平台的分层分级访问实现方法
Yang et al. Geopolitics of the energy transition
Xu et al. Eco-efficiency evaluation model: a case study of the Yangtze River Economic Belt
Gao et al. An agent-based simulation system for evaluating gridding urban management strategies
Wang et al. Multiobjective optimization on hierarchical refugee evacuation and resource allocation for disaster management
Zhang et al. Successful and sustainable governance of the lower Yellow River, China: A floodplain utilization approach for balancing ecological conservation and development
Zhao et al. Assessing and optimizing the effectiveness of protected areas along China’s coastal region: A social-ecological protected area network study
CN103984737A (zh) 一种基于计算相关度的多数据中心数据布局优化方法
Dong et al. Yangtze River Delta in China space-time effect research on influencing factors for ecological civilization construction
Huang et al. Big geodata reveals spatial patterns of built environment stocks across and within cities in China
CN112231932A (zh) 一种溢油应急资源布局方法、装置及计算机设备
Meyer An assessment of the impact of the tourism sector on regional economic development in gauteng province, South Africa
Zhi et al. Spatial correlation network of water use in the Yangtze River Delta urban agglomeration, China
Wang et al. Wave energy site location optimizing in Chile: a fuzzy serial linear programming decision-making approach
Zhao et al. Coupling research on spatio-temporal differentiation of water resources carrying capacity in mature mining cities
Dyatlov et al. The use of digital innovations in the development of the Arctic
Li et al. A Review of Research on Port Throughput Forecasting
Shi Comprehensive evaluation method of digital economy development level based on complex network model
Derzko et al. Optimal exploration and consumption of a national resource-stochastic case
Gong et al. Combined prediction model for high-speed railway bridge pier settlement based on robust weighted total least-squares autoregression and adaptive dynamic cubic exponential smoothing

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