基于混沌粒子群遗传算法的区域水资源承载力评价方法技术

本发明专利技术公开了基于混沌粒子群遗传算法的区域水资源承载力评价方法，包括：选取水量、水质、水域、水流四个要素作为区域水资源承载力的评价指标，确定区域水资源承载力综合评价分数的计算方法；以水量、水质、水域、水流要素的权重为优化变量，确定优化的目标函数；将混沌算法的混沌映射和粒子群算法的速度位置更新策略引入遗传算法的框架中，得到混沌粒子群遗传算法，并对目标函数进行优化求解并得到最优解；计算区域水资源承载力综合评价分数，按照评价分数所属的评价等级，对区域的水资源承载力进行评价。本发明专利技术方法所得平均结果接近全局最优解，在收敛性方面具有极大的优势，能够高效率、高质量地对区域水资源承载力进行合理评价。价。价。

【技术实现步骤摘要】
基于混沌粒子群遗传算法的区域水资源承载力评价方法


[0001]本专利技术涉及水资源承载力评价技术，具体涉及一种基于混沌粒子群遗传算法的区域水资源承载力评价方法。

技术介绍

[0002]区域水资源承载力定性和定量地反映出一个地区水的数量、质量以及不同时段、不同空间地点供需协调状况，同时反映社会可持续发展在水利行业的具体表现，即水资源可持续利用的代内和代际公平的基本思想，最终反映人口、资源、社会经济和生态环境的复合系统特点。
[0003]在区域水资源承载力的研究进程中，水资源承载力评价模型与求解算法的构建是区域水资源承载力研究的核心内容之一。由于水资源承载力本身易受到各种因素的影响，呈现出模糊性与复杂性的特点，各计算模型与评价方法少有能解释水资源系统各组成部分之间的联系与相互影响程度，更难以体现水资源系统的动态性特点，导致水资源承载力的分析结论常常难以使人信服。
[0004]一般而言，对区域水资源承载力评价指标权重的计算大多运用模糊多目标规划、粒子群优化、遗传算法等单一成熟算法。但是上述算法都存在一定的问题，例如遗传算法不擅长局部寻本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于混沌粒子群遗传算法的区域水资源承载力评价方法，其特征在于，包括以下步骤：选取水量、水质、水域、水流四个要素作为区域水资源承载力的评价指标，确定区域水资源承载力综合评价分数S的计算方法；以水量、水质、水域、水流要素的权重α1,α2,α3,α4为优化变量，确定优化的目标函数；将混沌算法的混沌映射和粒子群算法的速度位置更新策略引入遗传算法的框架中，得到混沌粒子群遗传算法，采用混沌粒子群遗传算法对目标函数进行优化求解并得到最优解；计算区域水资源承载力综合评价分数，按照评价分数所属的评价等级，对区域的水资源承载力进行评价。2.根据权利要求1所述的基于混沌粒子群遗传算法的区域水资源承载力评价方法，其特征在于，区域水资源承载力综合评价分数S的计算方法为：其中，p1,p2,p3,p4分别表示对于水量、水质、水域、水流要素的评价分数；α1,α2,α3,α4分别表示水量、水质、水域、水流要素的权重。3.根据权利要求1所述的基于混沌粒子群遗传算法的区域水资源承载力评价方法，其特征在于，优化的目标函数为：其中，表示“量
‑
质
‑
域
‑
流”四维度下水资源承载力的评价分数，S
k
表示历史水资源承载力评价等级数据，i表示维度，i＝1,2,3,4；k表示数据组数k＝1,2,3,
…
,n；α1,α2,α3,α4分别表示水量、水质、水域、水流要素的权重。4.根据权利要求1所述的基于混沌粒子群遗传算法的区域水资源承载力评价方法，其特征在于，采用混沌粒子群遗传算法对目标函数进行优化求解的具体过程包括：(1)针对已构建好的目标函数，对混沌粒子群遗传算法进行初始化，包括设置合适的迭代次数、种群规模；(2)将混沌变量引入到优化变量中，并把混沌运动的遍历范围放大到优化变量的取值范围，然后进行编码：任选n*m个不同初值，n为大于1的某正整数，通过Logistic映射得到n*m个混沌变量序列λ
i
，i＝1,2,
…
,n*m，接着利用载波将各混沌变量放大到相应的优化变量的取值范围，最后计算个体的次适应度并对种群进行排序，选取前m个个体生成初始种群，从而实现初始种群的混沌化过程；(3)采用次适应度代替适应度，计算个体的次适应度并对其进行排序；
(4)对最新一代的最优个体与上一代最优个体进行优劣比较，筛选更优个体更新外部精英集；(5)模拟遗传选择和自然淘汰的进化过程，对群体进行选择、交叉、变异操作；(6)进行扰动操作，根据次适应度的排序结果将个体进行分级，排序前10％的个体...

【专利技术属性】
技术研发人员：高玉琴，杜承霖，吴明，高力，刘云苹，徐诺，朱洁，季孔阳，徐龙升，李媛媛，
申请(专利权)人：河海大学，
类型：发明
国别省市：