1 水资源空间优化配置概述 1
1.1 引言 1
1.1.1 水资源供需矛盾日益严重 1
1.1.2 水资源配置与空间优化 3
1.1.3 水资源空间优化配置研究的意义 4
1.2 本书的研究目标与意义 5
1.3 本书的体系结构 7
2 水资源空间优化配置的理论基础 8
2.1 水资源需求预测的理论基础 8
2.1.1 需水预测方法 8
2.1.2 预测模型参数优化 9
2.1.3 需水预测的主要问题和发展趋势 10
2.2 水资源优化配置的理论基础 11
2.2.1 基于水量的优化配置阶段 12
2.2.2 基于水质—水量联合的优化配置阶段 15
2.2.3 基于空间的水资源优化配置阶段 16
2.2.4 GIS在水资源优化中的应用 17
2.2.5 水资源优化配置的主要问题和发展趋势 19
2.3 蚁群算法的理论基础 19
2.3.1 离散域蚁群算法 20
2.3.2 连续域蚁群算法 20
2.3.3 蚁群聚类算法 22
2.3.4 多目标蚁群算法 23
2.3.5 蚁群算法的主要问题和发展趋势 25
2.4 研究主要解决的问题 26
3 水资源空间优化配置的方法论基础 27
3.1 研究区概况 27
3.1.1 基本概况 27
3.1.2 水资源概况 28
3.1.3 数据采集与处理 31
3.2 研究总体思路 32
3.3 关键技术与方法 33
3.3.1 多目标水资源优化配置模型构建 33
3.3.2 参数优化提取 34
3.3.3 蚁群算法的改进 34
3.3.4 水资源优化配置方案评价 35
3.4 技术路线 35
3.4.1 基础资料的收集 35
3.4.2 数据管理与处理 35
3.4.3 空间分析和数据建模 35
3.4.4 数据显示和辅助决策 37
4 水资源需求现状评估 38
4.1 水资源需求量的组成、特点与评估 39
4.1.1 水资源需求量的组成结构 39
4.1.2 水资源需求量的特点 39
4.1.3 水资源需求量的评估 40
4.2 基于蚁群聚类算法的水资源需求评估 42
4.3 蚁群算法在GIS中的实现 46
4.4 水资源需求量求解 47
4.4.1 水资源需求类型提取 47
4.4.2 林地与草地的进一步分类 48
4.4.3 像元上人畜数量和工业总产值的确定 51
4.4.4 建筑用地中居民地的确定 52
4.4.5 水体中非水体信息的处理 53
4.4.6 水资源需求量的计算 54
4.5 结果验证与评估 55
4.5.1 蚁群聚类算法与其他方法的比较 55
4.5.2 聚类结果的F-measure评价 56
4.6 小结 59
5 水资源需求预测分析 60
5.1 PP需水预测模型 61
5.1.1 投影寻踪模型构建 61
5.1.2 需水预测驱动因素分析 63
5.1.3 基于投影寻踪的需水预测模型 63
5.2 基于ACA的模型参数优化 64
5.2.1 参数优化目标函数的建立 64
5.2.2 参数优化的蚁群算法设计 64
5.2.3 参数优化ACA的实现步骤 66
5.3 实例仿真 66
5.3.1 案例区水资源现状 66
5.3.2 驱动因子确定和缺失数据处理 68
5.3.3 年需水量预测 70
5.3.4 ACA有效性验证 72
5.3.5 镇平县水资源供需平衡与缺水分析 74
5.4 小结 77
6 水资源优化配置模型分析 78
6.1 水资源优化配置 78
6.1.1 水资源优化配置原则 78
6.1.2 水资源优化配置分类 80
6.1.3 水资源优化配置基本模式 81
6.2 多目标优化问题 82
6.2.1 多目标优化问题定义 82
6.2.2 多目标函数处理方法 83
6.2.3 约束条件处理方法 84
6.3 多目标优化问题分类 85
6.3.1 依据发展历史分类 86
6.3.2 依据决策方式分类 86
6.3.3 依据选择机制分类 87
6.4 基于多目标的水资源优化配置模型构建 87
6.4.1 建模总体思路 87
6.4.2 目标函数构建 88
6.4.3 约束条件构建 89
6.4.4 模型特点与功能 90
6.5 小结 91
7 水资源优化配置模型求解 92
7.1 PACA相关定义和求解思路 93
7.1.1 Pareto相关定义 93
7.1.2 Pareto蚁群算法相关定义 95
7.1.3 基于PACA的模型求解思路 96
7.2 PACA策略设计 97
7.2.1 禁忌表调整 98
7.2.2 伪随机并行搜索 98
7.2.3 信息素局部动态更新 99
7.2.4 全局信息素动态更新 100
7.2.5 最近邻域选择 101
7.2.6 权值低通滤波器 102
7.2.7 Pareto解集过滤器 102
7.2.8 Pareto最优解集的分布性 103
7.3 PACA的多目标寻优过程 103
7.4 PACA参数对算法性能影响的实验分析 104
7.4.1 初始参数的确定 104
7.4.2 蚂蚁数目对算法性能的影响 105
7.4.3 启发因子对算法性能的影响 105
7.4.4 期望启发因子对算法性能的影响 106
7.4.5 信息素挥发因子对算法性能的影响 106
7.4.6 信息素强度对算法性能的影响 106
7.5 水资源优化配置评估 107
7.5.1 间距评估 107
7.5.2 最大散布范围评估 107
7.5.3 优劣度评判指数 108
7.5.4 水资源优化配置系统熵 108
7.6 实例仿真 108
7.6.1 参数设置与模型求解 108
7.6.2 重构方案分析 110
7.6.3 配置结果分析 121
7.6.4 PACA效能验证 123
7.6.5 对策与建议 126
7.7 小结 128
8 水资源空间优化配置的研究展望 130
8.1 水资源空间优化配置的工作流程 130
8.2 水资源空间优化配置的方法论体系 131
8.2.1 蚁群算法的改进 131
8.2.2 模型构建 132
8.2.3 水资源需求现状评估 132
8.2.4 水资源需求预测 132
8.2.5 水资源空间优化配置模型求解 132
8.3 水资源空间优化配置是水资源配置理论的拓展和深化 133
8.3.1 通过RS、GIS与ACA的耦合方法来解决水资源优化配置问题 133
8.3.2 对Pareto蚁群算法的改进 133
8.3.3 水资源空间优化配置模型的构建和求解 134
8.4 不足与展望 134
图索引 136
表索引 138
参考文献 140
附录 168
附录A 基于ArcGIS Engine的离散域蚁群算法代码 168
附录B 确定水资源需求类型的蚁群聚类算法主要代码 176
附录C 需水预测模型参数优化的连续域蚁群算法主要代码 185
附录D 求解水资源优化配置模型的Pareto蚁群算法主要代码 190
后记 198