下載本文檔
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
基于pppca與raga的臺蘭河灌區(qū)水資源配置方案研究
1投影尋蹤主成分分析法根據(jù)水資源分析和評價、水資源使用現(xiàn)狀、當(dāng)前水資源規(guī)劃、水資源保護(hù)、供水系統(tǒng)設(shè)計和供水預(yù)測,制定了一系列多層指標(biāo)。這是一個復(fù)雜的多目標(biāo)決策問題。通過對水資源配置理論的分析,很難評估水資源配置方案的合理性。目前常用的方案評價方法有模糊綜合評判法、層次分析法等,這些方法在使用過程中大都存在人為賦權(quán)的干擾及等級分辨率較粗的不足。與其他方法相比,投影尋蹤主成分分析法(PPPCA)可更客觀地確定指標(biāo)的權(quán)重,避免了人為因素產(chǎn)生的誤差,通過對原始變量一維投影的研究,找出起主要作用的幾個綜合指標(biāo),這樣一來保留了原數(shù)據(jù)的大部分信息,更具科學(xué)性。但該方法無法處理變量的復(fù)雜非線性優(yōu)化問題。為此,本文將投影尋蹤主成分分析模型(PPPCA)與加速遺傳算法(RAGA)相結(jié)合,即利用投影尋蹤主成分分析模型對配置過程中涉及的指標(biāo)特征變量較多等問題進(jìn)行降維處理,采用加速遺傳算法解決高維全局尋優(yōu)問題,有效解決了指標(biāo)間多重相關(guān)性問題,可達(dá)到在低維空間進(jìn)行水資源配置決策的目的,并通過實(shí)例進(jìn)行了驗(yàn)證。2投影特征提取投影尋蹤主成分分析是探索性數(shù)據(jù)分析方法,它是根據(jù)實(shí)際問題需要,尋找對數(shù)據(jù)分類最有效的投影方向,是一種數(shù)值方法求極大解的優(yōu)化方法。其基本思想是若投影指標(biāo)函數(shù)值大于零的部分歸因于前d(d≤p)個成分,則這些成分即可取代原來的p個特征,且信息完全利用,其具體實(shí)現(xiàn)步驟如下。步驟1指標(biāo)的無量綱處理。首先對水資源配置方案各評價指標(biāo)進(jìn)行歸一化處理,對于越大越優(yōu)的指標(biāo):對于越小越優(yōu)的指標(biāo):其中i=1,2,…,n;j=1,2,…,p式中,x′(i,j)為指標(biāo)特征值歸一化序列;x*(i,j)為指標(biāo)特征值;xmax(j)、xmin(j)分別為第j個指標(biāo)的最大值和最小值;p為優(yōu)化變量的數(shù)目。將x′(i,j)進(jìn)行歸一化處理,即:式中,ue0af′(j)、Sx′(j)分別為第j個指標(biāo)的均值和標(biāo)準(zhǔn)差。步驟3投影指標(biāo)即為z(i)的函數(shù),記作Q(a)。指標(biāo)值越大越好,投影尋蹤即是要求一個單位向量a1,使得:這是一個以a{(j)j=1,2,…,p}為優(yōu)化變量的復(fù)雜非線性優(yōu)化問題,式(5)中‖a1‖=1為a1向量的長度,因此在所找的這個方向上a1一定含有數(shù)據(jù)的結(jié)構(gòu)或特征,從而實(shí)現(xiàn)有效特征的提取。顯然,這里的Q(a)就是主成分分析中的協(xié)方差矩陣的最大特征值,a1即為主成分分析中的協(xié)方差矩陣最大特征值所對應(yīng)的特征向量。若繼續(xù)作投影,在與a1垂直的空間里求單位向量a2,使得:采用線性代數(shù)的方法可證明a2即為主成分分析中的第二大特征向量,如此類推,可得:于是可求出第三、第四主成分等,共提取投影指標(biāo)函數(shù)值的大于零的d(d≤p)主成分。步驟4計算各個主成分。主成分為:構(gòu)造水資源配置方案中各個評價樣本的綜合評價函數(shù)Fi為:式中,α1,α2,…,αd分別為第一、第二、…、第d主成分的貢獻(xiàn)率。3raga優(yōu)化問題的求解遺傳算法是模擬生物在自然環(huán)境中的遺傳和進(jìn)化過程而形成的一種自適應(yīng)全局優(yōu)化概率搜索算法。本文將投影尋蹤主成分分析模型(PPPCA)與加速遺傳算法(RAGA)相結(jié)合,其具體實(shí)現(xiàn)步驟如下。步驟1建立基于實(shí)數(shù)編碼的加速遺傳算法模型。求解最優(yōu)化問題,即:式中,f為優(yōu)化的目標(biāo)函數(shù)。步驟2優(yōu)化變量的實(shí)數(shù)編碼。為解決投影尋蹤主成分分析模型(式(5))中以{a(j)|j=1,2,…,p}為優(yōu)化變量的復(fù)雜非線性優(yōu)化問題,本文采用線性變換:將初試變量區(qū)間[a(j),b(j)]上的第j個待優(yōu)化變量x(j)對應(yīng)到[0,1]區(qū)間上的實(shí)數(shù)y(j),y(j)即為RAGA中的遺傳基因。步驟3計算目標(biāo)函數(shù)值化。將步驟2各投影指標(biāo)優(yōu)化得到的目標(biāo)函數(shù)值從小到大排列,選擇排序最后面的k個作為優(yōu)秀個體,使其直接進(jìn)入下一代。步驟4計算基于序的評價函數(shù)。評價函數(shù)用來對種群中的每個染色體設(shè)定一個概率,即使每個指標(biāo)被選擇的可能性具有適應(yīng)性比例。步驟5進(jìn)行選擇操作,檢驗(yàn)每一后代可行性,選擇可行后代,產(chǎn)生新的種群。步驟6對步驟5產(chǎn)生的新種群進(jìn)行變異操作。步驟7演化迭代。步驟8采用第一次、第二次進(jìn)化迭代所產(chǎn)生的優(yōu)秀目標(biāo)函數(shù)值序列作為變量新的初始變化區(qū)間,算法進(jìn)入步驟2,重新運(yùn)行步驟2~7,形成加速運(yùn)行,則優(yōu)秀目標(biāo)函數(shù)值序列區(qū)間將逐漸縮小,與最優(yōu)點(diǎn)的距離越來越近,直到最優(yōu)個體的優(yōu)化準(zhǔn)則目標(biāo)函達(dá)到預(yù)定的加速次數(shù),提取投影指標(biāo)函數(shù)值的大于零的主成分,然后計算各個主成分的百分比,結(jié)束整個算法運(yùn)行。4使用實(shí)例4.1地下水開采量較少,水分污染嚴(yán)重臺蘭河灌區(qū)位于新疆阿克蘇地區(qū)溫宿縣東部,總面積51.46×104hm2,降水稀少,蒸發(fā)較大,多年平均徑流量7.42×108m3,徑流年際變化不明顯,但年內(nèi)分配極不均勻,易出現(xiàn)季節(jié)性干旱或洪澇災(zāi)害。該區(qū)地下水含量雖豐富,考慮地下水資源可持續(xù)利用,應(yīng)盡量少開采地下水。根據(jù)灌區(qū)的自然經(jīng)濟(jì)、水資源利用概況、水資源供需平衡分析結(jié)果,設(shè)計了地表水庫方案(A)、地表水庫+地下水開采方案(B)、地表水庫+地下水開采+調(diào)節(jié)池方案(C)三種水資源配置方案。4.2主要指標(biāo)根據(jù)科學(xué)性、可操作性、可比性、整體性等原則,以2009年為基準(zhǔn)年,選取2020年(P=75%)各項(xiàng)指標(biāo)對三種方案進(jìn)行綜合評價。本文選取生活用水比例(F1)、工業(yè)用水比例(F2)、工業(yè)用水保證率(F3)、新增單方地表水供水投資(F4)、新增單方地下水供水投資(F5)、工程總投資(F6)、供水工程年運(yùn)行費(fèi)(F7)、地下水增加開采量(F8)、地下水位埋深(F9)、地表水利用率(F10)、水資源開發(fā)利用率(F11)、地下水開采率(F12)共12個指標(biāo)。各指標(biāo)的計算公式與作用見表1。本文將臺蘭河灌區(qū)水資源配置方案評價等級分為差、中、良、好四個評價等級,評判標(biāo)準(zhǔn)見表2。4.3各主成分響應(yīng)面貢獻(xiàn)率分析采用Matlab7.0對投影尋蹤主成分分析模型進(jìn)行編程,在RAGA尋優(yōu)過程中,選定父代初始種群規(guī)模為n=400,交叉概率pc=0.80,變異概率pm=0.80,優(yōu)秀個體數(shù)目選定為20個,α=0.05,加速次數(shù)為20,最終共提取了3個主成分,3個投影指標(biāo)函數(shù)值分別為Q(a1)=7.538、Q(a2)=3.259、Q(a3)=1.253,各主成分的貢獻(xiàn)率分別為α1=62.55%、α2=27.05%、α3=10.40%。最后通過式(9)求得各個評價樣本的綜合評價函數(shù)值及承載力相對等級見表3。由表3可看出,臺蘭河灌區(qū)水資源配置方案中方案C最好,其次是方案B,最后是方案A。因此選擇方案C配置模式,即地表水庫+地下水開采+調(diào)節(jié)池方案進(jìn)行臺蘭河灌區(qū)水資源的配置。為了進(jìn)一步驗(yàn)證基于RAGA的PPPCA模型(本文方法)計算結(jié)果的可行性和合理性,將本文方法計算結(jié)果與改進(jìn)物元法計算結(jié)果進(jìn)行比較,見表4。由表4可看出,本文方法計算結(jié)果與改進(jìn)物元法計算結(jié)果一致,均為方案C水資源配置方案良好。由此可見,基于RAGA的PPPCA模型得出的配置方案合理、可行。5水資源配置決策a.本文將投影尋蹤主成分分析模型(PPPCA)與加速遺傳算法(RAGA)相結(jié)合,有效解決了指標(biāo)間多重相關(guān)性問題,可達(dá)到在低維空間進(jìn)行水資源配置決策的目的。b.臺蘭河灌區(qū)采用方案C,即地表水庫+地下水開采+調(diào)節(jié)池水資源配置方案有利于水資源可持續(xù)利
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 廣東外語外貿(mào)大學(xué)南國商學(xué)院《材料制備科學(xué)與技術(shù)》2023-2024學(xué)年第一學(xué)期期末試卷
- 廣東司法警官職業(yè)學(xué)院《會計信息系統(tǒng)分析設(shè)計》2023-2024學(xué)年第一學(xué)期期末試卷
- 廣東生態(tài)工程職業(yè)學(xué)院《研學(xué)旅行方案設(shè)計與產(chǎn)品開發(fā)》2023-2024學(xué)年第一學(xué)期期末試卷
- 廣東輕工職業(yè)技術(shù)學(xué)院《半導(dǎo)體集成電路工藝》2023-2024學(xué)年第一學(xué)期期末試卷
- 廣東茂名健康職業(yè)學(xué)院《服裝工藝與結(jié)構(gòu)》2023-2024學(xué)年第一學(xué)期期末試卷
- 二年級數(shù)學(xué)(上)計算題專項(xiàng)練習(xí)
- 【名師一號】2021高考化學(xué)(蘇教版)一輪復(fù)習(xí)課時訓(xùn)練:11-3烴的含氧衍生物
- 遼寧省錦州市某校2024-2025學(xué)年高一(上)期末物理試卷(含解析)
- 湖南省益陽市2024-2025學(xué)年高二上學(xué)期1月期末質(zhì)量檢測物理試題(含答案)
- 貴州省貴陽市花溪區(qū)高坡民族中學(xué)2024-2025學(xué)年度第一學(xué)期12月質(zhì)量監(jiān)測九年級語文試卷
- 勞動爭議工資調(diào)解協(xié)議書(2篇)
- 機(jī)動車駕駛員考試《科目一》試題與參考答案(2024年)
- 2024年四年級英語上冊 Module 8 Unit 2 Sam is going to ride horse說課稿 外研版(三起)
- 重慶南開中學(xué)2025屆生物高二上期末聯(lián)考試題含解析
- 高中地理人教版(2019)必修第一冊 全冊教案
- X市科協(xié)領(lǐng)導(dǎo)班子2021年工作總結(jié)
- 2024年新人教版七年級上冊地理課件 第二章 地圖 第二節(jié) 地形圖的判讀
- 2024至2030年中國汽摩配行業(yè)發(fā)展?fàn)顩r及競爭格局分析報告
- 濰柴天然氣發(fā)動機(jī)結(jié)構(gòu)及工作原理
- 國家開放大學(xué)《理工英語2》形考任務(wù)1-8參考答案
- 建筑公司證書津貼支付管理辦法
評論
0/150
提交評論