基于AHP-ACO模型的區(qū)域水資源承載力評價

李曉花

(巴州新宇水利水電工程咨詢有限責任公司，新疆庫爾勒市 841000)

文章編號：1006—2610(2015)05—0016—05

基于AHP-ACO模型的區(qū)域水資源承載力評價

李曉花

(巴州新宇水利水電工程咨詢有限責任公司，新疆庫爾勒市 841000)

正確評價區(qū)域水資源承載力，對合理開發(fā)利用水資源以及促進區(qū)域社會經濟的可持續(xù)發(fā)展具有重要意義。以新疆和田地區(qū)為例，利用層次分析法的層次框架思維模式與蟻群算法的自適應性及人為干擾少等特點，構建了層次分析-蟻群算法。采用層次分析法獲得評價指標權重值，再利用蟻群算法確定研究區(qū)不同年份的優(yōu)屬度。結果表明：研究區(qū)歷年水資源承載力等級均為Ⅱ級；其中，2012年的水資源承載力值最高，2011年的水資源承載力值最低，評價結果符合研究區(qū)實際情況。

水資源承載力；層次分析法；蟻群算法；和田地區(qū)

0 前 言

水資源承載力是衡量區(qū)域可持續(xù)發(fā)展的一項重要指標?？陀^、正確地評價區(qū)域水資源承載力，對合理開發(fā)利用水資源以及促進區(qū)域社會經濟的可持續(xù)發(fā)展具有重要的現實意義。

目前針對水資源承載力的評價方法主要有主成分分析法、可拓評價法、人工神經網絡法、層次分析法、模糊數學理論法、灰色關聯(lián)法、基于熵權的TOPSIS法等[1-5]。上述方法雖然對水資源承載力評價具有一定指導意義，但模糊綜合評價模型不能很好地將承載力評價體系中需要突出的指標體現出來，因而降低了評價結果的精度；灰色關聯(lián)法和人工神經網絡模型在計算中需要水資源承載力等級標準，而這種標準目前中國還沒有形成，計算結果在現實中難以應用；層次分析法計算較為簡單，但評價指標的主觀性較大，評價結果存有偏向性[6]。

蟻群算法是將自然界中的螞蟻覓食規(guī)律及在覓食行動中的相互協(xié)作規(guī)律進行優(yōu)化的模擬算法[7]。它是一種在沒有外界作用下使得系統(tǒng)墑增加的自組織算法。人工螞蟻間通過信息激素的作用，自發(fā)地趨向于尋找接近最優(yōu)解的一些解，是一個無序到有序的過程。蟻群算法具有較強的全局搜索能力與魯棒性。但其信息素龐大，搜索時間較長，會導致部分信息缺失，降低了評價結果的可信度。層次分析法為層次思維框架，通過對比進行標度，增強了科學性和實用性，但當評價因素過多時，標度工作量大，易引起判斷混亂；而且其對標度出現負值的情況考慮不足，矩陣判斷討論較多時對其合理性考慮不夠[8-9]。本文將層次分析(analytic hierarchy process,AHP)與蟻群算法(ant colony optimization,ACO)結合(AHP-ACO)，取長補短，用于水資源承載力評價中指標權重的確定，可使權重的確定更客觀。

鑒于此，本文以新疆和田地區(qū)為例，建立了由16項評價指標構成的水資源承載力評價體系，對其2005—2012年水資源承載力變化情況進行評價。采用AHP確定水資源承載力評價指標權重，然后利用ACO確立評價指標體系及其參數，旨在建立更加適合于區(qū)域水資源承載力評價的簡易模式，為水資源開發(fā)利用綜合評價提供一條新思路。

1 水資源承載力評價體系構建

遵循科學性、實用性、便捷性和針對性的原則，結合新疆和田地區(qū)水資源開發(fā)利用現狀，建立研究區(qū)水資源承載力綜合評價指標體系。該體系包括4個方面、16項指標[10]。4個方面包括水資源系統(tǒng)、社會系統(tǒng)、經濟系統(tǒng)和生態(tài)環(huán)境系統(tǒng)。其中水資源系統(tǒng)包括人均水資源量(C1，m3)、水資源開發(fā)利用率(C2，%)、單位面積水資源量(C3，萬m3/km2)與供水模數(C4，萬m3/km2)這4項指標；社會系統(tǒng)包括人口密度(C5，人/km2)、人口自然增長率(C6，‰)、城鎮(zhèn)化率(C7，%)、農村飲用水不安全率(C8，%)4項指標；經濟系統(tǒng)包括人均GDP產值(C9，元)、GDP年增長率(C10，%)、耕地灌溉率(C11，%)與第一產業(yè)占GDP比例(C12，%)這4項指標；生態(tài)環(huán)境系統(tǒng)包括林草地覆蓋率(C13，%)、生態(tài)環(huán)境用水率(C14，%)、地下水開采率(C15，%)與工業(yè)廢水處理率(C16，%)這4項指標。和田地區(qū)水資源承載力評價指標體系詳見表1。

根據水資源承載力和社會經濟發(fā)展對水資源的壓力程度，將水資源承載力劃分為5個等級，其中：I級表示水資源承載力為極強等級，此時水資源開發(fā)利用處于起步階段，開發(fā)潛力巨大；Ⅲ級表示水資源承載力為中等級別，此時水資源開發(fā)利用已有一定規(guī)模，但仍有較大的開發(fā)潛力；V級為水資源承載力極弱等級，此時水資源承載力已接近飽和，開發(fā)潛力極小。Ⅱ級和Ⅳ級屬于過渡等級，水資源承載力等級的量化標準見表2。

表1 和田地區(qū)水資源承載力評價指標體系表

表2 和田地區(qū)水資源承載力評價指標分級標準表

2 AHP-ACO綜合評價方法

2.1 評價指標標準化

為了消除評價指標的量綱和數量級別對模型的影響，建模前先采用式(1)和式(2)分別對正向指標與負向指標進行歸一化處理：

；j=1,2,…,m)

(1)

；j=1,2,…,m)

(2)

2.2 權重分配及檢驗

評價指標分為2個層次(見表1)，根據式(3)和式(4)，確定各層內不同指標的初始權重值：

(3)

(4)

式中：bi為構建的判斷矩陣；wi為權重系數。通過計算一致性比率(CR)，對構建的判斷矩陣bi進行隨機一致性檢驗，判斷各指標權重系數是否合理。當CR>0.1時，層次單排序結果一致性不合理，即各指標的權重系數不合理，需重新調整初始權重值，進行權重計算；當CR<0.1時，層次單排序結果具有比較滿意的一致性，即各指標的權重系數比較合理。由此，可以獲得指標的最終權重。

2.3 最佳投影方向的優(yōu)化及最優(yōu)方案的確定

據式(5)構建標準化加權值Xij：

(5)

依據式(6)得到投影到方向向量a=(a1，a2，a3，…，an)為m維單位向量，樣本j在一維線性空間的投影特征值Zi在投影到方向向量ai=(a1，a2，a3，…，an)上的線性投影指標Zj：

(6)

據式(7)～式(10)確定目標函數Q(z)(即優(yōu)屬度)。當各指標值給定時，投影目標函數Q(z)只隨著投影方向ai的變化而變化。不同的投影方向反映不同的數據結構特征，最佳投影方向就是最大可能暴露高維數據某類特征結構的投影方向。

Q(z)=S(z)D(z)

(7)

(8)

(9)

(10)

最后，通過優(yōu)屬度進行各年份水資源承載力的綜合評價，通過對各年份評價指標值的求取，選取每項指標的最大值作為最優(yōu)值，把最優(yōu)值作為最佳投影方向代入式(6)，得各年份的投影值Zi。將Zi與Zj進行比較，二者越接近，得到的優(yōu)屬度越小，表示越接近最優(yōu)值。

3 模型應用

根據文獻[10]數據資料，對新疆和田地區(qū)2005—2012年水資源承載力進行評價，研究區(qū)2005—2012年水資源承載力指標值見表3。

表3 和田地區(qū)水資源承載力評價指標統(tǒng)計值表

3.1 評價指標標準化加權值及其權重

權重反映了指標在評價過程中的重要程度，權重越大，說明該指標在評價中所起到的作用越大。由式(4)與式(5)計算求得的標準化加權指標可以反映出各指標在水資源承載力評價中的重要性，其結果見表4所示。標準化加權值Xij越大，說明第i年中第j項指標越好。

表4 2005—2012年和田地區(qū)水資源承載力評價指標標準化加權值與權重表

從表4可看出：16項評價指標的權重wi范圍在0.03～0.12之間，差異較為明顯。其中C14(生態(tài)環(huán)境用水量)權重最大，為0.1198；C11(耕地灌溉率)權重最小，為0.0382。

3.2 AHP-ACO模型評價

采用Matlab建立AHP-ACO模型，從各指標中選取最大值(最優(yōu)值)見表5。利用最優(yōu)值建立最佳投影方向向量，根據式(6)～式(10)求得不同年份的指標優(yōu)屬度Qz，結果見表6。優(yōu)屬度表征各指標標準化加權值與最優(yōu)值的綜合差距，差距越小，則該年份的水資源承載力綜合評價越好。

表5 各評價指標最優(yōu)值表

從表6可以看出，和田地區(qū)2005—2012年的水資源承載力優(yōu)屬度分別為：2005年0.733 6、2006年0.654 8、2007年0.622 3、2008年0.610 2、2009年0.699 5、2010年0.721 7、2011年0.775 4、2012年0.558 7，其中2012年的優(yōu)屬度最小(最優(yōu))，為0.558 7。研究區(qū)歷年水資源承載力狀況均較好(水資源承載力等級均為Ⅱ級)。

表6 2種模型評價結果對比表

3.3 評價結果驗證

為了檢驗本文所建模型的準確性，利用文獻[10]研究結果進行水資源承載力評價復核(結果見表6)。由表6可知，2種方法計算結果完全一致，這不僅驗證了本模型的準確性，也實現了方法對方法的檢驗。

4 討 論

本文采用AHP-ACO法評價區(qū)域水資源承載力，盡管效果良好，但也存在不足之處。如：運用AHP法難以避免專家判斷水平及個人偏好等主觀因素的影響；ACO法存在信息素積累過快、容易陷入局部過早收斂的缺陷，是制約ACO法搜索效率的主要原因。以后的研究可以嘗試調整信息素更新機制、設計新的全局優(yōu)化方法等方式克服這一缺陷。除此之外，由于水資源承載力評價指標的選取受自然、經濟社會條件的制約與影響，本文所構建的水資源承載力指標體系還有一定的區(qū)域局限性，其在普適性方面還存在探討。

5 結 論

本文以新疆和田地區(qū)2005—2012年水資源開發(fā)利用數據為基礎，從水資源系統(tǒng)、社會系統(tǒng)、經濟系統(tǒng)和生態(tài)環(huán)境系統(tǒng)4個方面建立了基于層次分析-蟻群算法(analytic hierarchy process-ant colony optimization)的水資源承載力評價模型，結果表明：研究區(qū)歷年水資源承載力等級均為Ⅱ級，變化不大；水資源承載力優(yōu)屬度以2012年為最低、2011年為最高，表明研究區(qū)2012年的水資源承載力最好、2011年的水資源承載力最低。評價結果與實際情況較一致，說明AHP-ACO模型可用于區(qū)域水資源承載力綜合評價，研究結果為區(qū)域水資源配置評價提供了一種新方法。

[1] 楊廣,何新林,李俊峰.投影尋蹤技術在水資源可持續(xù)利用評價中的應用研究[J].中國農村水利水電,2010,(11)：1-3,7.

[2] Chen H W, Chang N B. Using fuzzy operators to address the complexity in decision making of water resources redistribution in two neighboring river basins[J].Advances in Water Resources, 2010,33: 652-666.

[3] 許朗,黃鶯.基于主成分分析的江蘇省水資源承載力研究[J].長江流域資源與環(huán)境,2011,20(12)：1468-1474.

[4] 南彩艷,粟曉玲.基于改進SPA的關中地區(qū)水土資源承載力綜合評價[J].自然資源學報,2012,27(12)： 104-114.

[5] 呂萍,劉東,趙菲菲.基于熵權的建三江分局水資源承載力模糊物元評價模型[J].水土保持研究,2011,18(2)：238-242.

[6] 雷雁斌,齊青青,費良軍.大型灌區(qū)節(jié)水改造項目評價方法研究[J]. 沈陽農業(yè)大學學報,2008,39(2)：223-227.

[7] 封志明,鄭海霞,劉寶勤. 基于遺傳投影尋蹤模型的農業(yè)水資源利用效率綜合評價[J].農業(yè)工程學報,2005,21(3)：66-70.

[8] 壽涌毅,傅奧.多目標資源受限項目調度的多種群蟻群算法[J].浙江大學學報：工學版,2010,44(1)：51-55.

[9] 袁堯,劉超.基于蟻群算法的泵站運行優(yōu)化及投影尋蹤選優(yōu)策略[J].農業(yè)機械學報,2013,44(3)：38-44.

[10] 吳雪梅,塔西甫拉提·特依拜.基于PSO-PPE模型的和田水資源承載力評價研究[J].干旱地區(qū)農業(yè)研究,2014,32(2)：28-233.

AHP-ACO Model Based Assessment on Bearing Capacity of Regional Water Resources

LI Xiao-hua

(Xinyu Water Resources and Hydropower Consulting Co., Ltd., Bayinguole Mongolian Prefecture,Kurle, Xinjiang 841000, China)

It is significant to correctly assess the bearing capacity of the regional water resources for the rational development and utilization of water resources as well as for the promotion of the sustainable development of the regional social economy. With the case of Hetian Prefecture, for example, the analytic hierarchy-ant colony algorithm is built by application of the thinking mode of the hierarchy frame of the analytic hierarchy process, self adaptability and few interference of the ant colony algorithm. By application of the analytic hierarchy process, the weight value of the index to be assessed is derived. Then, the ant colony algorithm is utilized to study the optimal subordinate degree in different years. The study shows that the carryover bearing capacity of water resources in the study region all are Class II. Among them, the bearing capacity of water resources in 2012 was at maximum and that in 2011 at minimum. Those are in compliance with the actual situation. Key words:bearing capacity of water resources; analytic hierarchy process; ant colony algorithm; Hetian Region

2014-12-29

李曉花(1980- )，女，新疆瑪納斯縣人，工程師，主要從事水利工程規(guī)劃設計工作.

TV213.9

A

10.3969/j.issn.1006-2610.2015.05.005