一种基于仿真并考虑气候变化的水资源规划方法技术

本发明专利技术公开了一种基于仿真并考虑气候变化的水资源规划方法，用于支持复杂和不确定性条件下不同水部门间的区域水资源管理；所述方法耦合了多种预测模型来对研究区域内的地表水资源量以及区域内部各大用水部门的需水量进行了合理的预测，此耦合预测模型相对于单一预测模型能够在一定程度上使预测精度得到提高，同时，构造不同的气候变化情景来驱动耦合预测模型，有效解决未来气候变化对水资源配置的影响的局限性。在此基础上，建立了考虑多重不确定性的双层多目标规划模型，通过混合算法对构建的优化模型进行有效求解，最终得到考虑气候变化和情景分析下供选择的合理水资源优化配置方案。化配置方案。化配置方案。

【技术实现步骤摘要】
一种基于仿真并考虑气候变化的水资源规划方法


[0001]本专利技术涉及智能算法与不确定性水资源优化配置
，具体涉及将人工智能算法与不确定性优化技术相结合进行水资源调度管理，同时构建未来气候变化进行情景分析的水资源规划方法。

技术介绍

[0002]随着社会的发展和城市的扩张，区域水资源不可持续的规划和管理加剧了水资源供需的不平衡，导致地表水的严重浪费和地下水的严重开采。此外，极端天气条件会影响现有供水的不确定性，导致水管理系统面临经济风险，从而对水资源配置造成障碍。因此，基于合理有效水资源预测的水资源配置是一个全球性的热点问题。
[0003]同样地，流域水资源系统是一个复杂的、不确定性的系统。传统的规划方法在考虑复杂性和不确定性方面往往不够全面。例如，系统的不确定性主要有三类因素导致的，1)水资源的供水量和需水量的不确定性：可供用水受到气候变化而带来的不确定性，使得可供用水量在一定范围内变化，此外不同部门对于水资源的需求也不尽相同。2)模型中参数的不确定性：用水收益、成本等经济学参数或者漏损系数等技术性参数，这些参数往往会因为市场经济的波动、技术的好坏等因素的影响。3)数据参数收集过程的不确定性：一些数据缺失，数据资料不足必定会带来一些不确定性。可用水性以及与水有关的事件可能都可能受到气候变化因素，以及主观或者客观因素而带来的不确定性，这只能通过有效的模拟预测技术以及不确定性优化技术相结合来体现。此外，水资源利用的多目标可能不仅对单个决策者而言，而且对多层决策者而言都与此相关。另一方面，以往的多目标模型求解方法更多的是通过降维方法将多目标问题转化为单目标问题进而获得最优解，使得在最终的结果存在有一定的主观影响。由于不同决策者对不同目标的偏好存在差异，多个目标不能同时达到最优，这种条件下得到的最优方案仍然忽略了层次关系，同时对解决以上问题存在一定的难度。
[0004]因此，许多水资源管理的实际问题变得极为复杂，需要更加综合、先进的方法来应对这些问题，建立先进的工具来支持水资源管理。

技术实现思路

[0005]本专利技术的目的是提供一种基于仿真并考虑气候变化的水资源规划方法，该方法用于为流域水资源调配提供决策，达到全面并且有效管理水资源的目的。
[0006]为了实现上述任务，本专利技术采用以下技术方案：
[0007]一种基于仿真并考虑气候变化的水资源规划方法，包括以下步骤：
[0008]利用收集到的影响地表径流量的气象因子数据，采用主成分分析法对所述气象因子数据进行预处理和归一化处理，分别输入到经遗传算法GA优化的BP神经网络模型以及多元非线性回归模型进行年地表径流量的预测，然后基于实测的水文气象历史数据对两种模型进行验证，通过验证确定两种预测模型；用两种预测模型输出的预测值和残差来分别驱
动马尔科夫链模型以对预测模型进行优化，再通过最小二乘法来耦合两个预测模型，得到耦合预测模型；构建未来气候变化情景数据来驱动耦合预测模型，得到来来年地表径流量的组合预测结果；
[0009]基于历史数据的分析和预处理，采用多元非线性回归模型来拟合农业用水量、生态用水量与气象因子之间的复杂非线性关系，将模型的预测值和残差输入到马尔科夫链模型进行校正预测；利用所述未来气候变化情景数据来驱动模型，得到未来不同情景下的农业用水量和生态用水量的预测结果；对于生活用水量和工业用量，构建灰色模型并基于马尔科夫链进行优化；利用优化后的灰色模型实现对生活用水量和工业用水量的预测；
[0010]基于预测的各气候变化情景下年地表径流量的预测结果、各部门用水量的预测结果，在分析水资源管理系统中的复杂决策过程以及存在不确定性参数的情况下构建优化模型，求解优化模型得到最终的水资源优化配置结果。
[0011]进一步地，所述基于实测的水文气象历史数据对两种模型进行验证，通过验证确定两种预测模型，包括：
[0012]基于相对误差RE
i
和相关系数CC，利用实测的水文气象历史数据对模型的可靠性进行验证；
[0013]CC的范围为0～1，CC越大，模型仿真能力越好，效率越高；通过多次构建、训练并验证两种模型，分别选择仿真能力最好的两个模型作为预测模型。
[0014]进一步地，所述用两种预测模型输出的预测值和残差来分别驱动马尔科夫链模型以对预测模型进行优化，再通过最小二乘法来耦合两个预测模型，得到耦合预测模型，包括：
[0015]分别使用两种预测模型在验证时计算得出的残差和相对误差序列的绝对值来驱动马尔科夫链，根据相对误差RE
i
序列绝对值的具体分布情况来划分状态区间，确定序列状态，随后分别求得GA-BP神经网络模型和多元非线性回归模型的状态转移概率矩阵；根据上述过程可以得到基于马尔科夫链优化后的预测模型，即GA-BP神经网络和多元非线性回归模型的预测结果；最后采用最小二乘法来耦合两个优化后的预测模型，得到耦合预测模型的优化结果并作为耦合预测模型。
[0016]进一步地，所述构建未来气候变化情景数据，包括：
[0017]基于历史观测到的气象数据进行数据分析，划分各气象因子数据的变化区间范围后，再对气象因子数据进行排列组合，得到未来气候变化情景数据；其中，组合后的一组气象因子数据即为一种气候变化情景。
[0018]进一步地，所述在分析水资源管理系统中的复杂决策过程以及存在不确定性参数的情况下构建优化模型，包括：
[0019]构建基于随机模糊变量的双层多目标规划模型作为所述优化模型，具体如下：
[0020]上层决策过程：
[0021](1-1)最大化系统经济效益：
[0022][0023](1-2)最大化系统社会效益：
[0024][0025](1-3)最大化系统生态效益：
[0026][0027]下层决策过程：
[0028](2-1)最大化各个子区域经济净效益：
[0029][0030](2-2)最大化各个子区域配水满意度：
[0031][0032]约束条件：
[0033](3-1)可利用水资源量约束：
[0034][0035](3-2)需水约束
[0036][0037](3-3)输水工程输水能力约束：
[0038][0039](3-4)非负约束：
[0040][0041]模型的具体参数定义如下：
[0042]i
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
子区域，(1
…
，I)；
[0043]j
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
用水部门，(1
…
，J)；
[0044]max/min
ꢀꢀꢀꢀꢀꢀꢀꢀ
上标最大/最小；
[0045]±ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
具有上界和下界的区间参数的上标；
[0046]ꢀꢀꢀꢀ
上层目标函数1/2/3；
[0047]ꢀꢀꢀꢀꢀꢀꢀꢀ
下层目标函数1i/2i；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于仿真并考虑气候变化的水资源规划方法，其特征在于，包括以下步骤：利用收集到的影响地表径流量的气象因子数据，采用主成分分析法对所述气象因子数据进行预处理和归一化处理，分别输入到经遗传算法GA优化的BP神经网络模型以及多元非线性回归模型进行年地表径流量的预测，然后基于实测的水文气象历史数据对两种模型进行验证，通过验证确定两种预测模型；用两种预测模型输出的预测值和残差来分别驱动马尔科夫链模型以对预测模型进行优化，再通过最小二乘法来耦合两个预测模型，得到耦合预测模型；构建未来气候变化情景数据来驱动耦合预测模型，得到来来年地表径流量的组合预测结果；基于历史数据的分析和预处理，采用多元非线性回归模型来拟合农业用水量、生态用水量与气象因子之间的复杂非线性关系，将模型的预测值和残差输入到马尔科夫链模型进行校正预测；利用所述未来气候变化情景数据来驱动模型，得到未来不同情景下的农业用水量和生态用水量的预测结果；对于生活用水量和工业用量，构建灰色模型并基于马尔科夫链进行优化；利用优化后的灰色模型实现对生活用水量和工业用水量的预测；基于预测的各气候变化情景下年地表径流量的预测结果、各部门用水量的预测结果，在分析水资源管理系统中的复杂决策过程以及存在不确定性参数的情况下构建优化模型，求解优化模型得到最终的水资源优化配置结果。2.根据权利要求1所述的基于仿真并考虑气候变化的水资源规划方法，其特征在于，所述基于实测的水文气象历史数据对两种模型进行验证，通过验证确定两种预测模型，包括：基于相对误差RE
i
和相关系数CC，利用实测的水文气象历史数据对模型的可靠性进行验证；CC的范围为0～1，CC越大，模型仿真能力越好，效率越高；通过多次构建、训练并验证两种模型，分别选择仿真能力最好的两个模型作为预测模型。3.根据权利要求1所述的基于仿真并考虑气候变化的水资源规划方法，其特征在于，所述用两种预测模型输出的预测值和残差来分别驱动马尔科夫链模型以对预测模型进行优化，再通过最小二乘法来耦合两个预测模型，得到耦合预测模型，包括：分别使用两种预测模型在验证时计算得出的残差和相对误差序列的绝对值来驱动马尔科夫链，根据相对误差RE
i
序列绝对值的具体分布情况来划分状态区间，确定序列状态，随后分别求得GA-BP神经网络模型和多元非线性回归模型的状态转移概率矩阵；根据上述过程可以得到基于马尔科夫链优化后的预测模型，即GA-BP神经网络和多元非线性回归模型的预测结果；最后采用最小二乘法来耦合两个优化后的预测模型，得到耦合预测模型的优化结果并作为耦合预测模型。4.根据权利要求1所述的基于仿真并考虑气候变化的水资源规划方法，其特征在于，所述构建未来气候变化情景数据，包括：基于历史观测到的气象数据进行数据分析，划分各气象因子数据的变化区间范围后，再对气象因子数据进行排列组合，得到未来气候变化情景数据；其中，组合后的一组气象因子数据即为一种气候变化情景。5.根据权利要求1所述的基于仿真并考虑气候变化的水资源规划方法，其特征在于，所述在分析水资源管理系统中的复杂决策过程以及存在不确定性参数的情况下构建优化模型，包括：
构建基于随机模糊变量的双层多目标规划模型作为所述优化模型，具体如下：上层决策过程：(1-1)最大化系统经济效益：(1-2)最大化系统社会效益：(1-3)最大化系统生态效益：下层决策过程：(2-1)最大化各个子区域经济净效益...

【专利技术属性】
技术研发人员：肖俊，蔡宴朋，周子旋，赵敏怡，郭红江，谭倩，杨志峰，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：