CN115238949A - 一种基于ifflccp的流域农业面源污染的控制方法 - Google Patents

一种基于ifflccp的流域农业面源污染的控制方法 Download PDF

Info

Publication number
CN115238949A
CN115238949A CN202210566661.5A CN202210566661A CN115238949A CN 115238949 A CN115238949 A CN 115238949A CN 202210566661 A CN202210566661 A CN 202210566661A CN 115238949 A CN115238949 A CN 115238949A
Authority
CN
China
Prior art keywords
model
fuzzy
decision
point source
pollution prevention
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.)
Pending
Application number
CN202210566661.5A
Other languages
English (en)
Inventor
籍瑶
赵健
孙伟
李都峰
蒋青松
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.)
Chinese Research Academy of Environmental Sciences
Original Assignee
Chinese Research Academy of Environmental Sciences
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 Chinese Research Academy of Environmental Sciences filed Critical Chinese Research Academy of Environmental Sciences
Priority to CN202210566661.5A priority Critical patent/CN115238949A/zh
Publication of CN115238949A publication Critical patent/CN115238949A/zh
Pending legal-status Critical Current

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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Primary Health Care (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Animal Husbandry (AREA)
  • Automation & Control Theory (AREA)
  • Biomedical Technology (AREA)
  • Fuzzy Systems (AREA)
  • Molecular Biology (AREA)
  • Agronomy & Crop Science (AREA)
  • Algebra (AREA)
  • Artificial Intelligence (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)

Abstract

本发明公开了一种基于IFFLCCP的流域农业面源污染的控制方法，包括以下步骤：S1：根据目标区域的实际需求构建农业面源污染防控决策模型；S2：获取农业面源污染防控决策模型所涉及的模型参数；S3：构建IFFLCCP模型；S4：对IFFLCCP模型的表达式进行近似等价线性转化，利用转化后的IFFLCCP模型和步骤S2获取的模型参数对农业面源污染防控决策模型进行求解，得到污染防控决策；S5：重复步骤S4的模型求解过程，在不同约束条件下求解农业面源污染防控决策模型的上限和下限，获得决策变量上下限区间X±；S6：根据决策变量X±计算不同模糊弹性隶属度、模糊可能性隶属度和不同置信水平下的农业面源污染防控决策目标函数值。本发明使现有的不确定性决策得到了优化。

Description

一种基于IFFLCCP的流域农业面源污染的控制方法
技术领域
本发明属于农业面源污染防治技术领域，具体地说是涉及一种基于IFFLCCP的流域农业面源污染的控制方法。
背景技术
在全球范围内，30％～50％的地表水受到了农业面源污染的影响，在我国，农业已经超过工业成为我国最大的水污染来源。流域面源污染控制的复杂性和人类对环境系统认知的有限性，导致了在流域面源污染控制决策过程中产生了各种类型的不确定性信息。目前，人们已经认知到的不确定性主要包括随机性、模糊性、灰色性等。为解决上述不确定性，学者们提出了区间数学规划、随机数学规划和模糊数学规划等决策优化方法，用以分别表征和转化区间、随机和模糊不确定性信息，以及优化目标和约束条件中存在的模糊弹性，上述方法已广泛应用于环境领域。
随着人类认知及科研水平的不断进步，人们发现在现实的流域面源污染控制系统内部往往同时存在多种类型的不确定性信息，同时，在针对环境管理系统构建决策优化模型时，决策者在经济效益最大和环境效益最好之间进行选择的过程中，其主观偏向性也决定了优化目标函数和约束条件存在一定的模糊弹性。传统的区间数学规划、随机数学规划和模糊数学规划等各项不确定性优化方法虽然近年来在流域面源污染控制领域得到了不断的发展应用，但对于系统内共存的多重不确定性而言，其局限性也逐步显现：单一的不确定性优化方法仅能够有效解决单一种类的不确定性，无法同时解决多重复杂的不确定性问题。特别是，目前尚无有效的不确定性优化规划方法能够表征和解决在模糊弹性优化框架下同时存在区间不确定性、左手边机会约束和模糊可能性参数的情况。
发明内容
本发明就是针对上述问题，目的在于提供一种综合性的不确定性优化算法来解决决策系统内部同时存在模糊弹性、左手边机会约束和模糊可能性等不确定性信息的问题，提出了一种基于IFFLCCP(区间模糊弹性-模糊可能性-左手边机会约束决策)的流域农业面源污染的控制方法，本申请提出的IFFLCCP技术作为综合性的不确定性决策技术，是以模糊弹性规划(FFP)为主体框架，耦合了区间左手边机会约束规划(ILCCP)和模糊可能性规划(FPP)，使现有的不确定性决策得到了优化。
为了实现上述目的，本发明采用如下技术方案：
一种基于IFFLCCP的流域农业面源污染的控制方法，包括以下步骤：
S1：根据目标区域的实际需求构建农业面源污染防控决策模型；
S2：获取农业面源污染防控决策模型所涉及的模型参数；
S3：构建区间模糊弹性-模糊可能性-左手边机会约束决策IFFLCCP模型；
S4：对IFFLCCP模型的表达式进行近似等价线性转化，利用转化后的IFFLCCP模型和步骤S2获取的模型参数对农业面源污染防控决策模型进行求解，得到污染防控决策；
S5：重复步骤S4的模型求解过程，在不同约束条件下求解农业面源污染防控决策模型的上限和下限，获得决策变量上下限区间X±；
S6：根据决策变量X±计算不同模糊弹性隶属度λ±、模糊可能性隶属度α和不同置信水平(1-pi)下的农业面源污染防控决策目标函数值f±。
与现有技术相比，本发明的有益效果至少在于：通过以模糊弹性规划(FFP)为主体框架，耦合区间左手边机会约束规划(ILCCP)和模糊可能性规划(FPP)，一方面，能够有效转化处理流域面源污染控制模型中决策变量左手边随机参数、以模糊参数和区间参数表示的多重不确定性参数，另一方面，可以获得不同环境管理需求下的流域面源污染控制决策方案，整体上能够实现在同一优化模型框架下，同时表征和解决上述多重复杂不确定性对流域面源污染控制决策的影响。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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它的附图。
图1示出了本发明实施例基于IFFLCCP的流域农业面源污染的控制方法的流程示意图。
具体实施方式
以下，将参照附图来描述本发明的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
在附图中示出了根据本发明实施例的各种结构示意图。这些图并非是按比例绘制的，其中为了清楚表达的目的，放大了某些细节，并且可能省略了某些细节。图中所示出的各种区域、层的形状以及它们之间的相对大小、位置关系仅是示例性的，实际中可能由于制造公差或技术限制而有所偏差，并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
在本发明实施例中，提供了一种基于IFFLCCP的流域农业面源污染的控制方法，如图1所示，包括以下步骤：
S1：根据目标区域的实际需求构建农业面源污染防控决策模型。构建农业面源污染防控决策模型后，确定了决策目标是什么、决策变量包括哪些以及约束条件是什么。在本发明中，实际需求是指污染防控决策者在权衡经济效益和环境保护要求时的管理需求，也就是说，更倾向经济发展还是更倾向环境友好。
S2：获取农业面源污染防控决策模型所涉及的模型参数。在本发明中，模型参数包括确定性数据和不确定性数据，具体来说，模型参数包括区间左手边机会约束规划(ILCCP)的随机参数、模糊可能性规划(FPP)的模糊参数和区间参数。具体地，包括随机参数的均值和标准差、区间参数的上下限、模糊参数在不同水平截集下的上下限等。
对于上述这些参数的获取，可以根据目标区域的实际情况，通过调研、监测等方式获得。
S3：构建区间模糊弹性-模糊可能性-左手边机会约束决策(IFFLCCP)模型。作为一种具体实施方式，构建IFFLCCP模型时，以模糊弹性规划(FFP)为主体框架，耦合区间左手边机会约束规划(ILCCP)和模糊可能性规划(FPP)，综合考虑了决策系统内的模糊弹性、左手边机会约束优化、模糊可能性优化和区间优化。本发明一方面考虑了决策系统内出现在决策变量左手边的随机参数，另一方面考虑了决策者在权衡经济效益和环境保护要求时的管理需求给决策系统带来的模糊弹性影响，能够解决决策系统内部同时存在模糊弹性、左手边机会约束和模糊可能性等不确定性信息的问题。
在步骤S3中，IFFLCCP模型的表达式表示为：
目标函数为：
Figure BDA0003656889610000041
约束条件为：(1)
Figure BDA0003656889610000042
(2)
Figure BDA0003656889610000043
(3)X±≥O
其中，
Figure BDA0003656889610000044
和
Figure BDA0003656889610000045
分别代表模糊等于和模糊不等于；Pr{·}——代表随机事件；f为模型目标函数，X为模型决策变量，A～E均为决策变量参数，其中：A为出现在决策变量X左手边的随机不确定性参数，遵循随机分布
Figure BDA0003656889610000046
μij为数学期望，
Figure BDA0003656889610000047
为方差；Du为模糊可能性不确定性参数，B、C和E均为区间不确定性参数；pi为不满足环境约束的违约风险，1-pi为满足环境要求的置信水平，通常pi建议为0.1、0.05和0.01。
S4：对IFFLCCP模型的表达式进行近似等价线性转化，利用转化后的IFFLCCP模型和步骤S2获取的模型参数对农业面源污染防控决策模型进行求解，得到污染防控决策。在本发明中，具体转化与计算方法如下：
首先，对上述目标函数和约束条件(2)采用模糊数学规划方法进行转化，转化结果为：
目标函数转化为：Maxλ±；其中，λ±为模糊隶属度函数；
约束条件(2)转化为：
C±X±≤f+-(1-λ)(f+-f-)
Figure BDA0003656889610000048
对农业面源污染防控决策模型进行求解，获得不同模糊弹性隶属度(λ±)下的决策方案。
其次，对上述的存在左手边随机参数的约束条件(1)，通过引入第一表达式对其进行近似等价的线性转化。第一表达式表示为：
Figure BDA0003656889610000051
其中，
Figure BDA0003656889610000052
——区间形式的决策变量；
Figure BDA0003656889610000053
——区间形式的变量；pi——设定的违约风险，1-pi为设定的置信水平；aij(ω)——决策变量
Figure BDA0003656889610000054
的左手边随机变量；
那么，约束条件(1)经过线性转化后的结果为：
Figure BDA0003656889610000055
对农业面源污染防控决策模型进行求解，获得不同置信水平(1-pi)下的决策方案。
在这里，对第一表达式进行验证以证明第一表达式是成立的，验证过程如下：
随机变量aij(ω)满足
Figure BDA0003656889610000056
服从n维正态分布，因此其元素的任意线性组合均服从一维正态分布，由此可得正态分布表示如下：
Figure BDA0003656889610000057
由上述正态分布获得标准正态分布对应的随机变量表达式如下：
Figure BDA0003656889610000058
结合约束条件(1)和上述随机变量表达式得出第一关系式如下：
Figure BDA0003656889610000059
用反函数Φ(x)表示S的累积分布函数，则上述第一关系式可表示为第二关系式：
Figure BDA0003656889610000061
上述第二关系式与约束条件(1)是等价的，因此第一表达式成立。
第三，针对农业系统中模糊不确定性数据(Dμ)，用隶属度(α)在0-1之间的凸模糊集表示，最常用的三角模糊数和梯形模糊数分别定义为：
Figure BDA0003656889610000062
Figure BDA0003656889610000063
其中，a、b、c、d为自然数，将上述模糊参数带入目标函数和约束条件的各项公式中，最终获得在不同模糊可能性隶属度下(α＝1、α＝0.8、α＝0.6、α＝0.4、α＝0.2、α＝0等)的决策方案。
S5：重复步骤S4的模型求解过程，在不同环境约束置信度、模糊参数不同水平截集下，求解农业面源污染防控决策模型的上限和下限，获得决策变量上下限区间(X±)。
S6：根据决策变量(X±)计算不同模糊弹性隶属度(λ±)、模糊可能性隶属度(α)和不同置信水平(1-pi)下的农业面源污染防控决策目标函数值(f±)。
由此，本发明能够获得不同模糊弹性隶属度(λ±)、模糊可能性隶属度(α)和不同置信水平(1-pi)下的农业面源污染防控决策。
本发明的关键技术在于区间模糊弹性-模糊可能性-左手边机会约束决策模型(IFFLCCP)。当决策者在系统经济效益和环境保护之间进行选择时，其决策倾向性会造成系统决策目标和约束条件中存在模糊弹性；同时，受到农业面源污染随机性、复杂性等影响，决策模型中存在决策变量左手边的随机参数、模糊参数和区间参数等多类别不确定性参数。本发明提出的IFFLCCP模型是在构建模糊弹性决策技术框架的基础上，进一步纳入系统内存在的左手边随机参数、模糊参数和区间参数，能够同时表征和解决决策系统内模糊弹性不确定性和左手边随机参数、模糊参数和区间参数对决策的影响。
目前已有的相关决策技术虽然已开展不同类别不确定性规划方法之间的整合应用，如区间机会约束规划、模糊两阶段规划、模糊整数及随机边界区间规划等，但目前尚未研发出能够在模糊弹性框架下，同时解决左手边随机参数、模糊参数和区间参数的决策技术方法。
与现有技术相比，本发明的主要优势在于，同时将决策目标函数/约束条件中的模糊弹性和系统中左手边随机参数、模糊参数纳入决策技术中进行科学的表征与转换，在充分考虑系统内多重、多类别不确定性的前提下，获得科学有效的决策方案。目前还没有相关决策技术能够同时解决上述多重、多类别不确定性，因此，当上述不确定性影响因素同时存在时，通常需要对决策模型进行简化处理，由此导致系统信息损失，从而导致最终的决策方案失效。
另一方面，由于本发明同时将模糊弹性、左手边随机不确定性和模糊不确定性同时纳入决策考虑，因此，能够获得不同模糊弹性隶属度(λ±)、模糊可能性隶属度(α)和不同置信水平(1-pi)下的决策方案，在决策者开展决策选择时，可以根据具体管理需求，对模糊弹性隶属度、模糊可能性隶属度和不同置信水平等要求进行选择与组合，因此，该方法获得的决策方案具有非常强的灵活性和适应性。
以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。本公开的范围由所附权利要求及其等价物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (9)

1.一种基于IFFLCCP的流域农业面源污染的控制方法，其特征在于，包括以下步骤：
S1：根据目标区域的实际需求构建农业面源污染防控决策模型；
S2：获取农业面源污染防控决策模型所涉及的模型参数；
S3：构建区间模糊弹性-模糊可能性-左手边机会约束决策IFFLCCP模型；
S4：对所述IFFLCCP模型的表达式进行近似等价线性转化，利用转化后的IFFLCCP模型和步骤S2获取的模型参数对农业面源污染防控决策模型进行求解，得到污染防控决策；
S5：重复步骤S4的模型求解过程，在不同约束条件下求解农业面源污染防控决策模型的上限和下限，获得决策变量上下限区间X±；
S6：根据决策变量X±计算不同模糊弹性隶属度λ±、模糊可能性隶属度α和不同置信水平(1-pi)下的农业面源污染防控决策目标函数值f±。
2.根据权利要求1所述的控制方法，其特征在于，所述模型参数包括：左手边随机参数、模糊参数和区间参数。
3.根据权利要求2所述的控制方法，其特征在于，所述模型参数包括：左手边随机参数的均值和标准差、区间参数的上下限、模糊参数在不同水平截集下的上下限。
4.根据权利要求3所述的控制方法，其特征在于，构建所述IFFLCCP模型时，以模糊弹性规划FFP为主体框架，耦合区间左手边机会约束规划ILCCP和模糊可能性规划FPP。
5.根据权利要求4所述的控制方法，其特征在于，所述IFFLCCP模型的表达式表示为：
目标函数为：
Figure FDA0003656889600000011
约束条件为：(1)
Figure FDA0003656889600000012
(2)
Figure FDA0003656889600000016
(3)X±≥0；
其中，Pr{·}——代表随机事件；f为模型目标函数，X为模型决策变量，A～E均为决策变量参数，其中：A为出现在决策变量X左手边的随机不确定性参数，遵循随机分布
Figure FDA0003656889600000014
μij为数学期望，
Figure FDA0003656889600000015
为方差；Dμ为模糊可能性不确定性参数，B、C和E均为区间不确定性参数。
6.根据权利要求5所述的控制方法，其特征在于，
所述对所述IFFLCCP模型的表达式进行近似等价线性转化包括以下步骤：
对所述目标函数和约束条件(2)采用模糊数学规划方法进行转化，转化结果为：
所述目标函数转化为：Maxλ±；其中，λ±为模糊隶属度函数；
所述约束条件(2)转化为：
C±X±≤f+-(1-λ)(f+-f-)
Figure FDA0003656889600000021
所述对农业面源污染防控决策模型进行求解得到污染防控决策包括以下步骤：
对农业面源污染防控决策模型进行求解，获得不同模糊弹性隶属度λ±下的决策方案。
7.根据权利要求6所述的控制方法，其特征在于，
所述对所述IFFLCCP模型的表达式进行近似等价线性转化还包括以下步骤：
通过引入第一表达式对所述约束条件(1)进行近似等价的线性转化，第一表达式表示为：
Figure FDA0003656889600000022
Figure FDA0003656889600000023
——区间形式的决策变量；
Figure FDA0003656889600000024
——区间形式的变量；
Pi——设定的违约风险，1-pi为设定的置信水平；
aij(ω)——决策变量
Figure FDA0003656889600000025
的左手边随机变量；
那么，所述约束条件(1)经过线性转化后的结果为：
Figure FDA0003656889600000026
所述对农业面源污染防控决策模型进行求解得到污染防控决策还包括以下步骤：
对农业面源污染防控决策模型进行求解，获得不同置信水平(1-pi)下的决策方案。
8.根据权利要求7所述的控制方法，其特征在于，所述对农业面源污染防控决策模型进行求解得到污染防控决策还包括以下步骤：
针对农业系统中模糊不确定性数据Dμ，用隶属度α在0-1之间的凸模糊集表示，将凸模糊集中的模糊参数带入目标函数和约束条件的各项公式中，最终获得在不同模糊可能性隶属度下的决策方案。
9.根据权利要求8所述的控制方法，其特征在于，所述模糊参数采用三角模糊数和梯形模糊数，其分别定义为：
Figure FDA0003656889600000031
Figure FDA0003656889600000032
其中，a、b、c、d为自然数。
CN202210566661.5A 2022-05-23 2022-05-23 一种基于ifflccp的流域农业面源污染的控制方法 Pending CN115238949A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210566661.5A CN115238949A (zh) 2022-05-23 2022-05-23 一种基于ifflccp的流域农业面源污染的控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210566661.5A CN115238949A (zh) 2022-05-23 2022-05-23 一种基于ifflccp的流域农业面源污染的控制方法

Publications (1)

Publication Number Publication Date
CN115238949A true CN115238949A (zh) 2022-10-25

Family

ID=83667896

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210566661.5A Pending CN115238949A (zh) 2022-05-23 2022-05-23 一种基于ifflccp的流域农业面源污染的控制方法

Country Status (1)

Country Link
CN (1) CN115238949A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115630784A (zh) * 2022-11-02 2023-01-20 中国环境科学研究院 一种基于fe-topsis技术的农业面源污染控制方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115630784A (zh) * 2022-11-02 2023-01-20 中国环境科学研究院 一种基于fe-topsis技术的农业面源污染控制方法
CN115630784B (zh) * 2022-11-02 2023-10-24 中国环境科学研究院 一种基于fe-topsis技术的农业面源污染控制方法

Similar Documents

Publication Publication Date Title
Xiang et al. Ultra-short term wind power prediction applying a novel model named SATCN-LSTM
Wang et al. Balancing risk and cost in fuzzy economic dispatch including wind power penetration based on particle swarm optimization
CN103366062B (zh) 基于bbo算法和电网生存性的核心骨干网架构建方法
Liu et al. Deriving reservoir refill operating rules by using the proposed DPNS model
CN115238949A (zh) 一种基于ifflccp的流域农业面源污染的控制方法
CN113743538A (zh) 基于ipso-bp神经网络的智能楼宇能耗预测方法、设备和介质
CN113377966B (zh) 一种基于知识图谱的水利工程调度规程推理方法
Katagiri et al. A fuzzy random multiob jective 0–1 programming based on the expectation optimization model using possibility and necessity measures
Wang et al. Quadratic entropy of uncertain sets
Toprak Flow discharge modeling in open canals using a new fuzzy modeling technique (SMRGT)
US20230344242A1 (en) Method for automatic adjustment of power grid operation mode base on reinforcement learning
Kundapura et al. Current approaches of artificial intelligence in breakwaters-A review
Sun et al. An optimized water distribution model of irrigation district based on the genetic backtracking search algorithm
CN116957262A (zh) 一种基于三进程耦合的园区综合能源系统的优化调度方法
Wu et al. A wind energy prediction scheme combining cauchy variation and reverse learning strategy
CN115150284B (zh) 基于改进麻雀算法的通信网拓扑优化方法及系统
CN113269329A (zh) 一种多智能体分布式强化学习方法
Wang et al. Adaptive neuro-fuzzy inference system on downstream water level forecasting
Wei Realization and Discussion of BP Neural Network based on C++
CN118350166B (zh) 基于马尔科夫扩散核的图神经网络模型及应用与框架扩展
Jia et al. Robust bilevel ocean zoning for marine renewable energy, fishery and conservation with fairness concern
CN113506593B (zh) 一种面向大规模基因调控网络的智能推断方法
Li et al. Annual Runoff Forecast Based on Cooperative Particle Swarm Projection Pursuit Regression Model
Soentoro et al. Fuzzy rule-based model to optimize outflow in single reservoir operation
Dai et al. Self-adaptive fuzzification in fuzzy decision tree induction

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