許　準(zhǔn)，郭曉亮,徐　昕，董　壯，田　浪

(1.河海大學(xué)水利水電學(xué)院，江蘇 南京　210098；2.河海大學(xué)南方地區(qū)高效灌排與農(nóng)業(yè)水土環(huán)境教育部重點(diǎn)實(shí)驗(yàn)室，江蘇 南京　210098;3.湖北省水利水電規(guī)劃勘測(cè)設(shè)計(jì)院，湖北 武漢　430064)

生物群體智能優(yōu)化的投影尋蹤模型在灌區(qū)水資源綜合效益研究中的應(yīng)用

許準(zhǔn)1,2，郭曉亮3,徐昕1,2，董壯1，田浪1

(1.河海大學(xué)水利水電學(xué)院，江蘇 南京210098；2.河海大學(xué)南方地區(qū)高效灌排與農(nóng)業(yè)水土環(huán)境教育部重點(diǎn)實(shí)驗(yàn)室，江蘇 南京210098;3.湖北省水利水電規(guī)劃勘測(cè)設(shè)計(jì)院，湖北 武漢430064)

摘要：將高維降維技術(shù)的投影尋蹤模型引入到灌區(qū)水資源綜合效益的研究中，并采用生物群體智能算法對(duì)投影尋蹤模型進(jìn)行優(yōu)化，以提高投影尋蹤模型的準(zhǔn)確度。以經(jīng)濟(jì)效益、生態(tài)環(huán)境效益以及社會(huì)效益3方面建立指標(biāo)體系，并提出了5類等級(jí)標(biāo)準(zhǔn)。以漳河灌區(qū)為例，利用所建模型對(duì)該灌區(qū)水資源綜合效益進(jìn)行研究，并對(duì)不同指標(biāo)的貢獻(xiàn)度進(jìn)行了分析。結(jié)果表明，漳河灌區(qū)2013年的綜合效益等級(jí)為等級(jí)Ⅲ(一般)；在灌區(qū)水資源綜合效益研究方面，優(yōu)化后的投影尋蹤模型具有較好的實(shí)用性和可信性。

關(guān)鍵詞：生物群體智能；免疫蛙跳算法；投影尋蹤模型；水資源綜合效益；漳河灌區(qū)

水資源是人類賴以生存的環(huán)境資源，與人類的生產(chǎn)和生活密不可分，具有不可替代性的作用[1]。水資源同時(shí)具備自然、社會(huì)、環(huán)境以及經(jīng)濟(jì)等多重屬性，是經(jīng)濟(jì)社會(huì)可持續(xù)發(fā)展的重要基礎(chǔ)[2]。進(jìn)入21世紀(jì)，隨著社會(huì)經(jīng)濟(jì)的迅猛發(fā)展，水資源已經(jīng)逐漸達(dá)到承載力的上限，水資源短缺問(wèn)題日益成為我國(guó)社會(huì)經(jīng)濟(jì)發(fā)展的制約性因素。對(duì)灌區(qū)水資源綜合效益進(jìn)行研究可以為水資源優(yōu)化配置提供指導(dǎo)依據(jù)，從而使水資源的綜合效益發(fā)揮到最大程度，有利于“資源節(jié)約型，環(huán)境友好型”社會(huì)的建設(shè)，促進(jìn)灌區(qū)經(jīng)濟(jì)可持續(xù)健康發(fā)展。

縱觀傳統(tǒng)的灌區(qū)水資源綜合效益研究，主要存在以下幾個(gè)方面的欠缺：①研究方法方面，多采用層次分析法[3]，通過(guò)專家咨詢意見建立判斷矩陣，該方法簡(jiǎn)單易行，但是僅將重要性程度通過(guò)主觀認(rèn)識(shí)實(shí)施，研究結(jié)論無(wú)法避免存在一定的主觀性；②評(píng)價(jià)內(nèi)容方面，多進(jìn)行不同年份之間的效益對(duì)比，而對(duì)于水資源綜合效益評(píng)價(jià)等級(jí)標(biāo)準(zhǔn)的研究甚少。本文將投影尋蹤模型引入到灌區(qū)水資源的綜合效益研究中。投影尋蹤模型屬于樣本數(shù)據(jù)驅(qū)動(dòng)的探索性數(shù)據(jù)分析方法，避免了主觀分析方法帶來(lái)的主觀隨機(jī)性，許多研究人員對(duì)投影尋蹤模型提出了一些優(yōu)化投影指標(biāo)函數(shù)的方法，但部分優(yōu)化方法在處理多變量尋優(yōu)時(shí)往往易陷入局部最優(yōu)“早熟”或提前收斂，尋求不到真正的最優(yōu)解。本文選用生物群體智能算法對(duì)投影尋蹤模型進(jìn)行優(yōu)化，由于生物群體智能算法具備不依賴目標(biāo)函數(shù)梯度的特點(diǎn)，所以特別適合解決大規(guī)模復(fù)雜優(yōu)化問(wèn)題。當(dāng)前生物智能算法的發(fā)展迅速，頗具代表性的算法有：蟻群算法[4-5]、狼群算法[6]，遺傳算法[7]、混合蛙跳算法[8]以及粒子群算法[9-10]等。本文選用免疫蛙跳算法控制收斂方向，提高了蛙跳算法的收斂速度和魯棒性[11]，將優(yōu)化后的投影尋蹤模型應(yīng)用于湖北省漳河灌區(qū)水資源綜合效益研究中。

1投影尋蹤模型

通過(guò)投影尋蹤模型去分析和觀察原始數(shù)據(jù)，以最大程度尋求和挖掘數(shù)據(jù)的信息和特征，每一組數(shù)據(jù)均反映了整體數(shù)據(jù)的一部分特征。本文運(yùn)用投影尋蹤模型探索原始數(shù)據(jù)中各因子之間的貢獻(xiàn)度大小，以此客觀而準(zhǔn)確地求得評(píng)價(jià)指標(biāo)對(duì)應(yīng)的計(jì)算權(quán)重。

1.1高維樣本數(shù)據(jù)預(yù)處理

為了將各種單位不同、數(shù)量級(jí)別差異較大的原始數(shù)據(jù)統(tǒng)一起來(lái)，首先應(yīng)將原始數(shù)據(jù)進(jìn)行歸一化和標(biāo)準(zhǔn)化，計(jì)算公式如下：

對(duì)于高優(yōu)或者正向指標(biāo):

(1)

對(duì)于低優(yōu)或者負(fù)向指標(biāo)：

(2)

1.2數(shù)據(jù)綜合特征值的確立

(3)

z=(z1,z2,z3,…,zn)為投影方向的一維投影值，即數(shù)據(jù)向量。

1.3構(gòu)造投影目標(biāo)函數(shù)

假定投影目標(biāo)函數(shù)為Q(a)，則：

(4)

式中：dis(a)表示類間距離，即投影值z(mì)i的標(biāo)準(zhǔn)差；den(a)表示類內(nèi)密度，即投影值z(mì)i的局部密度；dis(a)和den(a)的計(jì)算公式如下：

(5)

(6)

(7)

1.4優(yōu)化投影目標(biāo)函數(shù)

若類間距離dis(a)愈大，則數(shù)據(jù)指標(biāo)的分布范圍愈廣泛；若類內(nèi)密度den(a)愈大，則數(shù)據(jù)指標(biāo)特征的差異性表現(xiàn)得愈強(qiáng)烈。當(dāng)各指標(biāo)值的樣本集給定時(shí)，投影目標(biāo)函數(shù)Q(a)只隨著投影方向a的變化而變化，不同的投影方向反映不同的數(shù)據(jù)結(jié)構(gòu)特征，最優(yōu)投影方向就是最大可能暴露高維數(shù)據(jù)某類特征結(jié)構(gòu)的投影方向，因此可以通過(guò)求解目標(biāo)函數(shù)最大化問(wèn)題來(lái)估計(jì)最優(yōu)投影方向向量，即問(wèn)題可轉(zhuǎn)化為式(8)描述的優(yōu)化問(wèn)題：

(8)

2免疫蛙跳優(yōu)化算法

混合蛙跳算法(shuffled frog leaping algorithm，SFLA)屬于生物群體智能算法的一類典型性代表優(yōu)化算法，其本質(zhì)是模仿自然生物(蛙群)尋找食物時(shí)的后啟發(fā)式計(jì)算技術(shù)[12-13]，是基于群體協(xié)同搜索的生物進(jìn)化算法。SFLA不僅融合了模因演算和粒子群算法的各自優(yōu)勢(shì)，且需要率定的參數(shù)少、運(yùn)算速度快，所以一經(jīng)提出就在多屬性多目標(biāo)決策領(lǐng)域得到廣泛應(yīng)用。但這種交流機(jī)制在實(shí)現(xiàn)青蛙個(gè)體之間的信息傳遞的同時(shí)，也會(huì)造成青蛙個(gè)體在局部搜索最優(yōu)解的過(guò)程中力度不足，甚至忽略最優(yōu)解、減低收斂效率。為了提高算法的收斂效率，對(duì)傳統(tǒng)的混合蛙跳算法進(jìn)行了改進(jìn)，提出了免疫蛙跳算法(immune shuffled frog leaping algorithm，ISFLA)，即在對(duì)群體進(jìn)行控制調(diào)節(jié)的過(guò)程中加入免疫機(jī)制，目標(biāo)函數(shù)以及對(duì)應(yīng)的約束條件作為蛙群的抗原，確保優(yōu)化問(wèn)題與生成的蛙群直接相關(guān)聯(lián)，收斂方向得以控制。選擇性記憶與抗原親和力高的青蛙群體，對(duì)抗體群注射從中提取的免疫疫苗，保證抗體群在進(jìn)化更新時(shí)的多樣性，避免抗體群發(fā)生退化。基于ISFLA和SFLA混合優(yōu)化算法的基本原理，免疫蛙跳算法的運(yùn)算步驟如下：

步驟1：抗原的輸入。目標(biāo)函數(shù)和多種約束條件作為ISFLA的抗原，本文的目標(biāo)函數(shù)主旨在于優(yōu)化投影尋蹤模型的投影方向，將高維數(shù)據(jù)指標(biāo)轉(zhuǎn)換至低維的子空間。

步驟2：生成初始抗體。針對(duì)K只青蛙(青蛙代表不同的解集)，以產(chǎn)生初始的群體，生成初始的抗體群T，假定促進(jìn)記憶的蛙群為T1，檢測(cè)記憶蛙群為T2。

步驟3：計(jì)算抗體適應(yīng)度。由于蛙群的抗體和抗原之間存在一定的親和力，本文采用式(9)表示：

bxv=ov

(9)

式中：xv為抗體和抗原之間的親和力；b為預(yù)先設(shè)定的親和力系數(shù)；ov為抗原與抗體之間的匹配度。

K只青蛙抗體的信息熵為

(10)

(11)

則抗體η與抗體λ之間的親和力為

(12)

抗體η的濃度范圍可以表示為

(13)

(14)

式中：yηλ為抗體η與抗體λ之間的親和力大小；cη為抗體η的濃度；cηn為cη數(shù)據(jù)集中第n個(gè)值；Ts為預(yù)先設(shè)立的親和力閾值。

步驟4：更新免疫記憶蛙群。據(jù)一定的比例，在抗體群中選擇親和力高的抗體，用它們替代促進(jìn)記憶蛙群T1以及親和力低的抗體；并將親和力低的抗體加入到檢測(cè)記憶蛙群T2，替代檢測(cè)記憶蛙群中親和力高的抗體，以達(dá)到更新功效。

步驟5：促進(jìn)與抑制抗體群。記憶青蛙群T1中抗體的濃度會(huì)隨著蛙群更新而逐漸升高，達(dá)到一定的峰值，如抗體峰值濃度低于抗體濃度閥值時(shí)，記憶蛙群中的抗體會(huì)趨于多樣化；若抗體峰值濃度超過(guò)抗體的濃度閥值時(shí)，記憶蛙群中的抗體會(huì)趨于單一化，且達(dá)到飽和狀態(tài)，此時(shí)濃度大的抗體會(huì)被淘汰，新個(gè)體的隨機(jī)產(chǎn)生會(huì)不斷替換被淘汰的抗體。

步驟6：生成新的青蛙抗體。結(jié)合促進(jìn)記憶的蛙群T1與經(jīng)檢測(cè)后的蛙群抗體T，從而生成新的青蛙抗體種群；按適應(yīng)值由小到大排序，K只青蛙分成w個(gè)子群體，每一子群體中選優(yōu)出最優(yōu)個(gè)體以及最差個(gè)體，針對(duì)每個(gè)子群體，通過(guò)適應(yīng)值的降序排列，重新分配，并進(jìn)行混合蛙跳運(yùn)算。

步驟7：判斷終止條件?？催\(yùn)算結(jié)果是否滿足要求，若滿足，則迭代結(jié)束；反之，則轉(zhuǎn)向步驟3依次向下運(yùn)行。

3灌區(qū)水資源綜合效益研究

3.1指標(biāo)體系的構(gòu)建

水資源具有社會(huì)屬性、經(jīng)濟(jì)屬性以及環(huán)境屬性等多重效益[14]，水資源綜合效益是社會(huì)效益、經(jīng)濟(jì)效益、生態(tài)環(huán)境效益的統(tǒng)一。因此，水資源綜合效益研究指標(biāo)的選擇應(yīng)涵蓋這3大效益指標(biāo)。本文選取了其中有代表性的14項(xiàng)詳盡指標(biāo)，構(gòu)建的灌區(qū)水資源綜合效益指標(biāo)體系，其中渠系水利用系數(shù)C1與灌區(qū)土壤、渠道工程狀況、灌溉放水強(qiáng)度、放水歷時(shí)等因素有關(guān)，該指標(biāo)將反映灌區(qū)的管理水平；灌溉水利用系數(shù)C2指的是灌區(qū)實(shí)際灌溉面積上有效利用的水資源量(不包括深層滲漏和田間流失的水量)與渠首引水總量之間的比值，它反映灌區(qū)各級(jí)渠道輸水設(shè)施狀況與田間用水效率狀況，故本文選用這兩種利用系數(shù)指標(biāo)；由于在灌區(qū)內(nèi)污水的排放和處理的效果對(duì)灌區(qū)水質(zhì)產(chǎn)生較大的影響，良好的水質(zhì)環(huán)境有利于灌區(qū)的生態(tài)效益的發(fā)揮和灌區(qū)綜合效益的實(shí)現(xiàn)，所以灌區(qū)污水處理率C13以及工業(yè)廢水的排放達(dá)標(biāo)率C14在一定程度上反映灌區(qū)水資源的生態(tài)環(huán)境效益。灌區(qū)水資源綜合效益研究指標(biāo)體系見表1。

表1　灌區(qū)水資源綜合效益研究指標(biāo)體系

表2　灌區(qū)水資源綜合效益標(biāo)準(zhǔn)

3.2水資源綜合效益等級(jí)標(biāo)準(zhǔn)

確定等級(jí)標(biāo)準(zhǔn)是水資源綜合效益研究的基礎(chǔ)，目前關(guān)于水資源綜合效益的等級(jí)標(biāo)準(zhǔn)研究甚少。本文參考了聯(lián)合國(guó)糧農(nóng)組織所推薦的灌區(qū)綜合評(píng)價(jià)指南以及有關(guān)學(xué)者所著論文[15]，綜合考慮了全國(guó)平均水平、湖北省平均水平以及國(guó)際通用標(biāo)準(zhǔn)，以此建立了灌區(qū)水資源綜合效益等級(jí)標(biāo)準(zhǔn)和指標(biāo)閥值，見表2。

3.3漳河灌區(qū)水資源綜合效益研究

漳河灌區(qū)位于湖北省長(zhǎng)江支流沮漳河?xùn)|支的漳河上，1958年動(dòng)工興建，至1966年基本建成并投入使用。灌溉荊門、荊州、當(dāng)陽(yáng)及鐘祥等市縣的大部分耕地，由漳河水庫(kù)供水，灌區(qū)面積5 544 km2。灌區(qū)規(guī)劃灌溉面積約18萬(wàn)hm2，實(shí)際有效灌溉面積約15萬(wàn)hm2。灌區(qū)現(xiàn)有人口160萬(wàn)，其中包括110余萬(wàn)農(nóng)業(yè)人口。灌區(qū)共有9級(jí)渠道近14 000條，總長(zhǎng)度約7 168 km，因灌溉面積大，歷史上灌溉水利用系數(shù)曾一度低至0.37。近年來(lái)，由于在田間推行科學(xué)的灌溉制度與節(jié)水方法，灌區(qū)內(nèi)灌溉水利用率及水分生產(chǎn)率逐年提高，在水資源的配置和利用方面積累了很多經(jīng)驗(yàn)。本文采用漳河灌區(qū)2013年的運(yùn)行狀況數(shù)據(jù)資料對(duì)其水資源綜合效益展開研究。

本文提出的12個(gè)詳盡指標(biāo)均為高優(yōu)指標(biāo)，即越大越優(yōu)型，指標(biāo)C7與C12為低優(yōu)指標(biāo)，即越小越優(yōu)型，為便于投影尋蹤模型的運(yùn)用，基于擇優(yōu)原理選取表2中的上限閥值作為不同等級(jí)的綜合效益水平，并與漳河灌區(qū)2013年的運(yùn)行狀況數(shù)據(jù)資料進(jìn)行比對(duì)(表3)，以期得到漳河灌區(qū)水資源綜合效益等級(jí)水平。

表3　漳河灌區(qū)2013年的運(yùn)行狀況數(shù)據(jù)

根據(jù)表3中的數(shù)據(jù)，采用MATLAB進(jìn)行編程，以獲取基于ISFLA的投影尋蹤模型的投影方向，選擇青蛙的總數(shù)K=1 750只，種群分組數(shù)為50組，每組青蛙包含的個(gè)數(shù)為35只，子群體內(nèi)更新40次，并設(shè)定抗體濃度閥值為0.85，循環(huán)迭代次數(shù)為40次。以此求得最大的投影值為4.4667，最佳的投影方向a：

a= (0.106 6，0.137 1，0.026 3，0.147 6，0.243 3，0.003 2，0.149 0，0.336 1，0.188 7，0.354 3，0.278 6，0.739 8，0.053 0，0.112 5)

綜合效益的投影值z(mì)為：

z=(4.466 7，3.046 8，2.128 4，1.772 6，0.025 9，2.772 7)

將綜合效益投影值按優(yōu)劣性排序，則：

等級(jí)Ⅰ>等級(jí)Ⅱ>實(shí)測(cè)值>等級(jí)Ⅲ>等級(jí)Ⅳ>等級(jí)Ⅴ

因?yàn)榈燃?jí)Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ均為等級(jí)標(biāo)準(zhǔn)，所以可以得出漳河灌區(qū)2013年的綜合效益為等級(jí)Ⅲ(一般)，表明灌區(qū)近年來(lái)修建防滲渠道和低壓管道輸水工程、推廣節(jié)水灌溉及相應(yīng)的配套技術(shù)取得了一定的成效，但與高利用率的要求存在較大差距。通過(guò)與物元分析評(píng)價(jià)方法[16]進(jìn)行比對(duì)，結(jié)論也是一致的。

基于最佳投影方向，進(jìn)一步分析各項(xiàng)指標(biāo)對(duì)灌區(qū)水資源綜合效益的貢獻(xiàn)程度，即將最佳投影向量a按降序排列，由此得到各項(xiàng)指標(biāo)對(duì)灌區(qū)水資源綜合效益的貢獻(xiàn)率，見圖1。

圖1　各項(xiàng)指標(biāo)基于最佳投影方向貢獻(xiàn)率排序

由圖1可知，地下水開采系數(shù)(C12)和城鎮(zhèn)居民人均收入(C10)為影響灌區(qū)水資源綜合效益的重要因素，地下水開采系數(shù)為首要因素。隨著地下水無(wú)節(jié)制地過(guò)度開采，會(huì)嚴(yán)重影響灌區(qū)的水資源利用和效益的輸出，這與實(shí)際情況相符；在幾類要素層中，社會(huì)效益要素層和生態(tài)環(huán)境效益要素層占主導(dǎo)地位，也與實(shí)際情況相符；在追求經(jīng)濟(jì)效益的同時(shí)，應(yīng)重視和兼顧環(huán)境保護(hù)和區(qū)域農(nóng)業(yè)的可持續(xù)發(fā)展，在下一階段中，除繼續(xù)推行現(xiàn)有的工程措施技術(shù)外，還應(yīng)加強(qiáng)水資源的優(yōu)化調(diào)度與合理配置，工作重點(diǎn)應(yīng)向提高經(jīng)濟(jì)效益和生態(tài)環(huán)境效益傾斜。

4結(jié)論

a. 傳統(tǒng)的數(shù)據(jù)分析方法對(duì)于高維非正態(tài)，非線性數(shù)據(jù)分析很難收到很好效果, 而基于投影尋蹤模型的免疫蛙跳算法是在混合蛙跳算法的基礎(chǔ)上融入免疫調(diào)節(jié)機(jī)制，從而促進(jìn)了青蛙群體的多樣化更新，避免局部收斂，并可以提高全局搜索能力以及收斂速度，很大程度促進(jìn)了投影尋蹤模型在搜索最佳投影方向的可信度和效率。

b. 漳河灌區(qū)2013年的水資源綜合效益等級(jí)為Ⅲ級(jí)(一般)，表明灌區(qū)近年來(lái)推行的節(jié)水灌溉及相應(yīng)的配套技術(shù)取得了一定的成效，但與高層次的利用效益尚存在較大差距。

c. 地下水開采系數(shù)(C12)和城鎮(zhèn)居民人均收入(C10)為影響灌區(qū)水資源綜合效益的重要因素，其中，地下水開采系數(shù)(C12)為首要因素。建議持續(xù)提高節(jié)水灌溉及相應(yīng)的配套技術(shù)，遏制地下水無(wú)節(jié)制的開采利用。

灌區(qū)的水資源綜合效益研究屬于多屬性、多目標(biāo)的科學(xué)決策問(wèn)題，主要涉及經(jīng)濟(jì)效益、社會(huì)效益、生態(tài)環(huán)境效益等多方面、多層次的效益。本文建立的研究體系屬于嘗試性探索，在今后的研究中，還需綜合而全面地考慮各方面影響因素。

參考文獻(xiàn)：

[1] 雷波，姜文來(lái).節(jié)水農(nóng)業(yè)綜合效益評(píng)價(jià)研究進(jìn)展[J]. 灌溉排水學(xué)報(bào)，2004,23(3): 65-69. (LEI Bo, JIANG Wenlai. Research on appraisement system of multi-effect of dryland water-saving agriculture [J].Journal of Irrigation and Drainage, 2004,23(3): 65-69. (in Chinese))

[2] 費(fèi)良軍，武錦華，游黎，等.基于支持向量機(jī)模型的大型灌區(qū)運(yùn)行狀況綜合評(píng)價(jià)研究[J]. 沈陽(yáng)農(nóng)業(yè)大學(xué)學(xué)報(bào). 2010-08, 41(4): 492-495.(FEI Liangjun, WU Jinhua, YOU Li, et al. Support vector machine model based on large-scale irrigation system performance evaluation[J].Journal of Shenyang Agricultural University，2010-08，41(4)：492-495. (in Chinese))

[3] 朱秀珍.大型灌區(qū)運(yùn)行狀況綜合評(píng)價(jià)研究[D]. 武漢：武漢大學(xué), 2005.

[4] 楊劍峰. 蟻群算法及其應(yīng)用研究[D].杭州：浙江大學(xué), 2007.

[5] 倪慶劍，邢漢承，張志政，等.蟻群算法及其應(yīng)用研究進(jìn)展[J]. 計(jì)算機(jī)應(yīng)用與軟件，2008,25(8): 12-16.(NI Qingjian, XING Hancheng, ZHANG Zhizheng,et al. Research on ant colony algorithm and application research progress [J]. Computer Applications and Software, 2008,25(8):12-16.(in Chinese))

[6] 王建群，賈洋洋，肖慶元.狼群算法在水電站水庫(kù)優(yōu)化調(diào)度中的應(yīng)用[J]. 水利水電科技進(jìn)展，2015,35(3): 1-4. (WANG Jianqun, JIA Yangyang, XIAO Qingyuan. Application of wolf pack search algorithm to optimal operation of hydropower station [J]. Advances in Science and Technology of Water Resources, 2015,35(3): 1-4.(in Chinese))

[7] 李世玲.基于投影尋蹤和遺傳算法的一種非線性系統(tǒng)建模方法[J]. 系統(tǒng)工程理論與實(shí)踐，2005(4): 22-28. (LI Shiling. A nonlinear system modeling method based on projection pursuit and genetic algorithm [J]. Systems Engineering Theory and Practice, 2005(4): 22-28.(in Chinese))

[8] 崔文華，劉曉冰，王偉，等.混合蛙跳算法研究綜述[J]. 控制與決策，2012, 27(4): 481-486.(CUI Wenhua, LIU Xiaobing, WANG Wei, et al. Survey on shuffled frog leaping algorithm [J].Control and Decision, 2012, 27(4): 481-486.(in Chinese))

[9] 雷開友. 粒子群算法及其應(yīng)用研究[D]. 重慶：西南大學(xué)，2006.

[10] 張長(zhǎng)勝，孫吉貴，歐陽(yáng)丹彤.一種自適應(yīng)離散粒子群算法及其應(yīng)用研究[J]. 電子學(xué)報(bào)，2009, 37(2): 299-304.(ZHANG Changsheng, SUN Jigui, OUYANG Dantong. A selfadaptive discrete particle swarm optimization algorithm [J]. Acta Electronica Sinica, 2009, 37(2): 299-304.(in Chinese))

[11] 紀(jì)昌明，李繼偉，張新明，等.基于免疫蛙跳算法的梯級(jí)水庫(kù)群優(yōu)化調(diào)度[J]. 系統(tǒng)工程理論與實(shí)踐，2013, 33(8): 2125-2132.(JI Changming, SUN Jiwui, ZHANG Xinming. Optimal operation of cascade reservoirs based on immune-shuffled frog leaping algorithm [J]. Systems Engineering Theory and Practice, 2013, 33(8): 2125-2132.(in Chinese))

[12] 王輝，錢鋒. 群體智能優(yōu)化算法[J]. 化工自動(dòng)化及儀表，2007, 34(5): 7-13.(WANG Hui, QIAN Feng. A survey of swarm intelligence optimization algorithm [J]. Control and Instruments in Chemical Industry，2007, 34(5): 7-13.(in Chinese))

[13] 郭景錄，付平. 登月軟著陸軌道優(yōu)化算法研究[J]. 計(jì)算機(jī)仿真，2009, 26(12): 70-73.(GUO Jinglu, FU Ping. Research on trajectory optimization of lunar soft landing [J]. Computer Simulation, 2009, 26(12): 70-73.(in Chinese))

[14] 仲艷維. 潮白河流域水土保持效益評(píng)價(jià)及生態(tài)補(bǔ)償制度構(gòu)建研究[D]. 北京：北京林業(yè)大學(xué), 2014.

[15] 劉邦貴，劉永強(qiáng)，王浩，等.基于物元分析法的區(qū)域水資源安全評(píng)價(jià)[J]. 南水北調(diào)與水利科技，2014(5): 100-103.(LIU Banggui, LIU Yongqiang, WANG Hao, et al. Evaluation of regional water security based on matter element analysis[J]. South-to-North Water Transfers and Water Science & Technology，2014(5): 100-103.(in Chinese))

[16] 王婷 ,鄭小華. 物元分析方法在水資源承載能力綜合評(píng)價(jià)中的應(yīng)用[J]. 水文，2006,26(6):33-35.(WANG Ting,ZHENG Xiaohua.Application of material-units analyzing method in comprehensive evaluation of water resources carrying capacity[J].Journal of China Hydrology,2006,26(6):33-35.(in Chinese))

Application of projection pursuit classification model basing on biological swarm intelligence in comprehensive benefit research of water resources in irrigation district

XU Zhun1,2，GUO Xiaoliang3,XU Xin1,2，DONG Zhuang1，TIAN Lang1

(1.CollegeofWaterConservancyandHydropowerEngineering,HohaiUniversity,Nanjing210098,China;2.KeyLaboratoryofEfficientIrrigation-DrainageandAgriculturalSoil-WaterEnvironmentinSouthernChina,HohaiUniversity,Nanjing210098,China;3.HubeiProvincialWaterResourcesandHydropowerPlanningSurveyandDesignInstitute,Wuhan430064,China)

Abstract：The dimensionality reduction technology of projection pursuit classification (PPC) model, which was optimized by the biological swarm intelligence algorithm for improving the accuracy, was introduced into the comprehensive benefit research of water resources in irrigation district. An evaluation index system was established by taking three aspects into consideration, including the economic benefit, ecological environment benefit and social benefit, and five levels of evaluation criteria were proposed. Taking the Zhanghe Irrigation District as an example, the comprehensive benefit research of water resources was studied using the built model, and the contribution degree of different indices was analyzed. Results show that the comprehensive benefit of water resources in the Zhanghe Irrigation District in 2013 is of grade III (general). The optimized PPC model is with better usability and credibility in the comprehensive benefit research of water resources in irrigation district.

Key words：biological swarm intelligence; immune shuffled frog leaping algorithm; projection pursuit classification model; comprehensive benefit of water resources; Zhanghe Irrigation District

DOI：10.3880/j.issn.1004-6933.2016.03.007

作者簡(jiǎn)介：許準(zhǔn)(1990—)，男，碩士研究生，研究方向?yàn)樗Y源規(guī)劃利用。E-mail：xuzhun2003@163.com 通信作者：董壯，講師,博士。E-mail:zdong2005 @yahoo.com

中圖分類號(hào)：S274

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1004-6933(2016)03-0038-06

(收稿日期：2015-09-16編輯：王芳)