，(云南省水利水電勘測(cè)設(shè)計(jì)研究院，昆明 650021)

1 研究背景

水資源承載力是指一個(gè)國(guó)家或區(qū)域在某一歷史發(fā)展階段內(nèi)，水資源可以維持的最大經(jīng)濟(jì)規(guī)模和人口數(shù)量，是衡量區(qū)域水資源支撐經(jīng)濟(jì)社會(huì)可持續(xù)發(fā)展能力大小的重要指標(biāo)之一[1]。目前用于水資源承載力評(píng)價(jià)的綜合方法有模糊分析法[2]、主成分分析法[3]、層次分析法[4]、物元分析法[5]、集對(duì)分析法[6]和神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)法[7]等。由于水資源承載力評(píng)價(jià)涉及水資源、社會(huì)經(jīng)濟(jì)、生態(tài)環(huán)境等領(lǐng)域，屬多指標(biāo)、非線性復(fù)雜系統(tǒng)問(wèn)題，這些方法和模型各有優(yōu)勢(shì)和特點(diǎn)，但也存在不足，如:模糊分析法由于模糊隸屬度值之間較為接近，不易區(qū)分各個(gè)評(píng)價(jià)區(qū)域；主成分分析法易造成評(píng)價(jià)指標(biāo)信息的丟失；層次分析法存在人為確定指標(biāo)權(quán)重的不足；物元分析法需要構(gòu)造較多的評(píng)價(jià)函數(shù)，且函數(shù)設(shè)計(jì)無(wú)規(guī)律可循；集對(duì)分析法需人為確定各評(píng)價(jià)指標(biāo)的分類(lèi)等級(jí)，存在一定的主觀性，同時(shí)存在同、異、反標(biāo)準(zhǔn)的確定和相異度系數(shù)合理取值的困難；BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)法存在訓(xùn)練樣本難以獲取、權(quán)閾值參數(shù)較難確定以及算法易陷入局部極值等不足。投影尋蹤(Projection Pursuit，PP)技術(shù)是將高維數(shù)據(jù)投影到低維空間，并在低維空間進(jìn)行數(shù)據(jù)分析研究的統(tǒng)計(jì)方法，已在水資源承載力評(píng)價(jià)中得到應(yīng)用[8-9]。然而，PP技術(shù)在實(shí)際應(yīng)用中需解決好2方面的問(wèn)題：一是傳統(tǒng)粒子群優(yōu)化(Particle Swarm Optimization，PSO)等算法在用于PP最佳投影方向優(yōu)化中存在早熟收斂、易陷入局部極值等問(wèn)題；二是傳統(tǒng)PP技術(shù)是以投影值標(biāo)準(zhǔn)差與類(lèi)內(nèi)密度之積最大為優(yōu)化目標(biāo)，忽略了投影向量分布的不確定性、隨機(jī)性和評(píng)價(jià)指標(biāo)間的相關(guān)性，可能導(dǎo)致評(píng)價(jià)或分類(lèi)能力下降的問(wèn)題[10]。

為能有效解決PP技術(shù)在水資源承載力評(píng)價(jià)中的不足，從水資源系統(tǒng)、經(jīng)濟(jì)社會(huì)系統(tǒng)、生態(tài)系統(tǒng)3個(gè)方面構(gòu)建水資源承載力評(píng)價(jià)指標(biāo)體系和分級(jí)標(biāo)準(zhǔn)，提出基于信息熵理論改進(jìn)的最大熵投影尋蹤(Maximum Entropy Projection Pursuit，MEPP)技術(shù)，利用混合蛙跳算法(Shuffled Frog Leaping Algorithm，SFLA)優(yōu)化MEPP最佳投影方向，提出SFLA-MEPP水資源承載力評(píng)價(jià)模型，并構(gòu)建生物地理優(yōu)化(Biogeography-Based Optimization，BBO)算法-MEPP、和聲搜索(Harmony Search，HS)算法-MEPP和PSO-MEPP評(píng)價(jià)模型作對(duì)比，以云南省近10 a水資源承載力評(píng)價(jià)為例進(jìn)行實(shí)例分析，旨在驗(yàn)證SFLA-MEPP模型應(yīng)用于水資源承載力評(píng)價(jià)中的可行性和有效性。

2 水資源承載力評(píng)價(jià)指標(biāo)體系及分級(jí)標(biāo)準(zhǔn)

近年來(lái)，國(guó)內(nèi)外開(kāi)展水資源承載力評(píng)價(jià)分析的相關(guān)研究較多[1-9,11-13]，但由于評(píng)價(jià)區(qū)域之間水資源稟賦、經(jīng)濟(jì)社會(huì)發(fā)展水平、用水效率等存在較大差異，加之水資源承載力評(píng)價(jià)涉及水資源、經(jīng)濟(jì)社會(huì)、生態(tài)環(huán)境等多方因素，屬多指標(biāo)、高維、非線性系統(tǒng)問(wèn)題，目前尚未形成普遍認(rèn)同的指標(biāo)體系和分級(jí)標(biāo)準(zhǔn)。筆者充分考慮區(qū)域水資源特點(diǎn)及經(jīng)濟(jì)社會(huì)發(fā)展?fàn)顩r，遵循科學(xué)性、可操作、可量化以及指標(biāo)可獲取等原則，從水資源系統(tǒng)、經(jīng)濟(jì)社會(huì)系統(tǒng)和生態(tài)系統(tǒng)篩選14個(gè)指標(biāo)構(gòu)建具有目標(biāo)層A、準(zhǔn)則層B和指標(biāo)層C的區(qū)域水資源承載力評(píng)價(jià)指標(biāo)體系和“絕對(duì)可承載(Ⅰ級(jí))”、“可承載(Ⅱ級(jí))”、“基本可承載(Ⅲ級(jí))”、“不可承載(Ⅳ級(jí))”4個(gè)等級(jí)的分級(jí)標(biāo)準(zhǔn)，見(jiàn)表1。

表1水資源承載力評(píng)價(jià)指標(biāo)體系及分級(jí)標(biāo)準(zhǔn)
Table1Ratingcriterionforindicatorsofwaterresourcescarryingcapacity

目標(biāo)層A準(zhǔn)則層B指標(biāo)層C類(lèi)型分級(jí)標(biāo)準(zhǔn)Ⅰ級(jí)Ⅱ級(jí)Ⅲ級(jí)Ⅳ級(jí)水資源承載力評(píng)價(jià)水資源系統(tǒng)經(jīng)濟(jì)社會(huì)系統(tǒng)生態(tài)系統(tǒng)水資源利用率C1/%-<10[10，20)[20，40)≥40降水量C2/mm+≥1200[1000，1200)[800，1000)<800產(chǎn)水量模數(shù)C3/(萬(wàn)m3·km-2)+≥80[60，80)[40，60)<40人均水資源量C4/m3+≥5000[3000，5000)[1000，3000)<1000萬(wàn)元GDP用水量C5/m3-<80[80，160)[160，240)≥240萬(wàn)元工業(yè)增加值用水量C6/m3-<40[40，80)[80，120)≥120農(nóng)業(yè)用水率C7/%-<30[30，50)[50，70)≥70畝均灌溉用水量C8/m3-<200[200，400)[400，600)≥600供水量模數(shù)C9/(萬(wàn)m3·km-2)+≥8[6，8)[4，6)<4蓄水工程供水率C10/%+≥70[50，70)[30，50)<30城鎮(zhèn)人均生活用水量C11/(L·d-1)+≥120[100，120)[80，100)<80農(nóng)村人均生活用水量C12/(L·d-1)+≥80[60，80)[40，60)<40生態(tài)環(huán)境用水率C13/%+≥5[3，5)[1，3)<1水功能區(qū)達(dá)標(biāo)率C14/%+≥80[60，80)[40，60)<40

注：“+”表示正向指標(biāo)，指標(biāo)值越大，其水資源承載力越大；“-”表示負(fù)向指標(biāo)，指標(biāo)值越小，其水資源承載力越大

3 SFLA-MEPP水資源承載力評(píng)價(jià)模型

3.1 MEPP技術(shù)

PP技術(shù)在各行業(yè)領(lǐng)域應(yīng)用廣泛，但傳統(tǒng)PP技術(shù)由于忽略了投影向量分布的不確定性和評(píng)價(jià)指標(biāo)在一定程度上存在的相關(guān)性，從而可導(dǎo)致評(píng)價(jià)或分類(lèi)能力下降[10]。信息熵理論認(rèn)為，在僅有部分信息的條件下要對(duì)概率分布做出推斷，最有效的方法是使信息熵值最大，即熵值越大，人為造成的約束和假設(shè)越少[14]。本文利用最大熵改進(jìn)傳統(tǒng)PP技術(shù)，提出最大熵投影尋蹤(MEPP)技術(shù)。MEPP技術(shù)用于水資源承載力評(píng)價(jià)簡(jiǎn)述如下[10,14-15]。

3.1.1 數(shù)據(jù)預(yù)處理

設(shè)水資源承載力評(píng)價(jià)指標(biāo)集為{x(i,j)|i=1,2,…,n;j=1,2,…,m}，對(duì)于指標(biāo)值越大水資源承載力越大類(lèi)指標(biāo)，利用式(1)對(duì)評(píng)價(jià)指標(biāo)進(jìn)行處理；對(duì)于指標(biāo)值越小水資源承載力越大類(lèi)指標(biāo)，利用式(2)進(jìn)行處理。

(1)

(2)

式中：x(i,j)為指標(biāo)特征值歸一化序列；x*(i,j)為第i年第j個(gè)評(píng)價(jià)指標(biāo)；xmax(j)，xmin(j)分別為第j個(gè)評(píng)價(jià)指標(biāo)的最大和最小值；n,m分別為評(píng)價(jià)區(qū)年度數(shù)量和評(píng)價(jià)指標(biāo)數(shù)目。

3.1.2 投影指標(biāo)函數(shù)及最大熵目標(biāo)函數(shù)

(3)

式中a為單位長(zhǎng)度向量。

依據(jù)最大熵原理，熵值越大，意味著尋優(yōu)獲得的投影向量分布不確定性和隨機(jī)性最小。為求出投影方向的最佳分布，可構(gòu)建最大熵目標(biāo)函數(shù)，即

(4)

式中:H(a)為最大熵;a2(j)表示各投影方向概率分布，反映各指標(biāo)對(duì)一維綜合值的影響程度，即可用a2(j)表示各指標(biāo)權(quán)重值。

3.1.3 構(gòu)造多準(zhǔn)則優(yōu)化目標(biāo)函數(shù)

為使各評(píng)價(jià)區(qū)綜合值的分布在整體上盡量分散、局部上盡量緊密，可根據(jù)綜合值的類(lèi)密度最大、類(lèi)間距離最大為目標(biāo)，構(gòu)建式(5)多準(zhǔn)則目標(biāo)函數(shù)，將MEPP技術(shù)確定最優(yōu)投影方向問(wèn)題轉(zhuǎn)化為非線性最優(yōu)求解問(wèn)題，即：

(5)

式中：Q(a)表示待優(yōu)化目標(biāo)函數(shù)最大值；Sz為投影值z(mì)(i)的標(biāo)準(zhǔn)差；Dz為投影值z(mì)(i)的局部密度。Sz和Dz表達(dá)式參見(jiàn)文獻(xiàn)[15]。

3.1.4 計(jì)算投影值

3.2 混合蛙跳算法

混合蛙跳算法(SFLA)在各行業(yè)領(lǐng)域均有應(yīng)用，算法通過(guò)模擬青蛙群體覓食時(shí)，按一定規(guī)則將蛙群劃分為多個(gè)子群，各子群內(nèi)部進(jìn)行局部搜索，并對(duì)子群內(nèi)部表現(xiàn)最差的青蛙個(gè)體進(jìn)行更新，經(jīng)過(guò)一定次數(shù)的獨(dú)立進(jìn)化后，各子群重新混合完成信息交流，并進(jìn)行下一輪的進(jìn)化，直至滿(mǎn)足設(shè)定的收斂條件[16-19]。SFLA實(shí)現(xiàn)步驟可簡(jiǎn)述如下。

(1)隨機(jī)生成P=NM只青蛙組成的初始群體，第i只青蛙個(gè)體表示為xi=(xi1,xi2,…,xiS)(i=1,2,…,P)。其中，S為解空間維度；M為子群數(shù)；N為子群內(nèi)青蛙數(shù)量。計(jì)算每個(gè)青蛙個(gè)體初始適應(yīng)度值f(xi)，并按f(xi)降序排序，再將各青蛙個(gè)體逐一循環(huán)分配給M子群。

(2)在子群進(jìn)化過(guò)程中，對(duì)每個(gè)子群中f(xi)最差的個(gè)體Fw按式(6)進(jìn)行調(diào)整。

Fw,new=Fw,old+rand(0,1)·(Fb-Fw,old)。(6)

若f(Fw,new)

Fw,new=Fw,old+rand(0,1)·(Fg-Fw,old)。(7)

若仍有f(Fw,new)≥f(Fw,old)，則按式(8)進(jìn)行局部搜索。

Fw,new=Fnew。

(8)

式中：Fw,new，F(xiàn)w,old分別表示第k(k=1,2,…,M)個(gè)子群中最差個(gè)體更新的新舊值；Fb表示子群k中局部最優(yōu)個(gè)體；Fg表示青蛙群體的全局最優(yōu)個(gè)體；Fnew表示隨機(jī)產(chǎn)生的新個(gè)體。

(3)對(duì)各子群重復(fù)局部搜索直至滿(mǎn)足子群進(jìn)化終止次數(shù)T1。

(4)將各子群中的P個(gè)青蛙個(gè)體混合進(jìn)行全局信息交流，并按適應(yīng)度值重新排序和劃分子群；然后繼續(xù)進(jìn)行局部搜索。如此反復(fù)迭代直至滿(mǎn)足算法終止條件或最大迭代次數(shù)T。

3.3 SFLA-MEPP水資源承載力評(píng)價(jià)實(shí)現(xiàn)步驟

SFLA-MEPP水資源承載力評(píng)價(jià)實(shí)現(xiàn)步驟可歸納如下(其他3種算法可參考實(shí)現(xiàn))。

(1)構(gòu)建水資源承載力評(píng)價(jià)指標(biāo)體系和分級(jí)標(biāo)準(zhǔn)；基于表1，在各分級(jí)標(biāo)準(zhǔn)閾值間隨機(jī)生成樣本，利用式(1)、式(2)對(duì)生成的樣本進(jìn)行一致性處理。

(2)確定多準(zhǔn)則優(yōu)化目標(biāo)函數(shù)。利用隨機(jī)生成的樣本構(gòu)建多準(zhǔn)則優(yōu)化目標(biāo)函數(shù)，即以式(5)作為SFLA等4種算法優(yōu)化的目標(biāo)函數(shù)，即適應(yīng)度函數(shù)。

(3)初始化算法參數(shù)。設(shè)置最大迭代次數(shù)T，青蛙群體規(guī)模P，子群數(shù)M，子群內(nèi)青蛙個(gè)數(shù)N和子群數(shù)局部進(jìn)化次數(shù)TM。

(4)適應(yīng)度值計(jì)算。利用式(5)計(jì)算每個(gè)青蛙個(gè)體初始適應(yīng)度值f(xi)，并按f(xi)降序排序，再將各青蛙個(gè)體逐一循環(huán)分配給M子群。

(5) 利用式(6)—式(8)對(duì)每個(gè)子群中f(xi)最差的個(gè)體Fw進(jìn)行調(diào)整或局部搜索。

(6)對(duì)各子群重復(fù)局部搜索直至滿(mǎn)足子群進(jìn)化終止次數(shù)TM；將各子群中的P個(gè)青蛙個(gè)體混合進(jìn)行全局信息交流，并按適應(yīng)度值重新排序和劃分子群后進(jìn)行局部搜索。

(7)判斷算法是否滿(mǎn)足終止條件。若滿(mǎn)足，則轉(zhuǎn)至步驟(6)；否則重復(fù)步驟(4)—步驟(7)。

(10)利用z′(s)對(duì)云南省近10 a的水資源承載力進(jìn)行評(píng)價(jià)及對(duì)比分析。

4 實(shí)例應(yīng)用

4.1 研究區(qū)概況

云南省地處我國(guó)西南邊陲，轄昆明、曲靖、玉溪等16個(gè)州市。境內(nèi)河流分屬長(zhǎng)江、珠江、紅河、瀾滄江、怒江、伊洛瓦底江6大水系。多年平均降水量1 278.8 mm，水資源總量2 210億m3，約占全國(guó)水資源量的1/7，僅次于西藏、四川，居全國(guó)第3位；此外冰川雪山靜貯水量約10億m3，湖泊靜貯水量近300億m3，從鄰近省區(qū)入境水量1 625億m3，從緬甸、越南、老撾入境水量25億m3，出境水量3 835億m3，水資源總量相對(duì)豐富。近年來(lái)，隨著云南省工業(yè)化、城鎮(zhèn)化建設(shè)持續(xù)推進(jìn)，水資源供需矛盾日益突出。據(jù)統(tǒng)計(jì)，2015年云南省用水量150.1億m3，所轄部分州市用水總量已逼近甚至超出用水控制總量，萬(wàn)元工業(yè)增加值用水量66 m3/萬(wàn)元，農(nóng)業(yè)用水量占年用水總量的69.7%，而生態(tài)環(huán)境用水量?jī)H占1.56%，水功能區(qū)達(dá)標(biāo)率為63.2%(28項(xiàng)指標(biāo)評(píng)價(jià))，“三條紅線”考核形勢(shì)不容樂(lè)觀。加之近10 a來(lái)，隨著云南省經(jīng)濟(jì)社會(huì)快速發(fā)展、城鎮(zhèn)化工業(yè)化進(jìn)程加快，水資源供需矛盾日益加劇，水環(huán)境污染日趨嚴(yán)峻，水資源支撐經(jīng)濟(jì)社會(huì)可持續(xù)發(fā)展的要求越來(lái)越迫切,因此，科學(xué)客觀評(píng)價(jià)近10 a來(lái)云南省水資源承載力，對(duì)于實(shí)現(xiàn)水資源可持續(xù)利用，實(shí)行最嚴(yán)格水資源管理制度，推進(jìn)全面建成小康社會(huì)和水生態(tài)文明建設(shè)具有重要意義。

本文以2006—2015年云南省水資源承載力評(píng)價(jià)為研究對(duì)象，指標(biāo)數(shù)據(jù)來(lái)源于《2015年云南省水資源公報(bào)》、《2015年云南省統(tǒng)計(jì)年鑒》等，見(jiàn)表2。

表2 云南省2006—2015年水資源承載力評(píng)價(jià)指標(biāo)數(shù)據(jù)Table 2 Data of indicators of water resources carrying capacity in Yunnan Province from 2006 to 2015

注：各評(píng)價(jià)指標(biāo)單位參見(jiàn)表1

表3 目標(biāo)函數(shù)優(yōu)化結(jié)果及比較Table 3 Comparison of optimization result among different algorithms

4.2 水資源承載力評(píng)價(jià)模型求解

4.2.1 算法參數(shù)設(shè)置

SLFA最大迭代次數(shù)T=100，青蛙群體規(guī)模P=50，子群數(shù)M=5，子群內(nèi)青蛙個(gè)數(shù)N=10，子群數(shù)局部進(jìn)化次數(shù)TM=10。BBO算法最大迭代次數(shù)T=100，種群規(guī)模P=50，最大遷入率I=1，最大遷出率E=1，突變概率ms=0.1。HS算法最大迭代次數(shù)T=500，和聲記憶庫(kù)大小HMS=50，記憶庫(kù)取值概率HMCR=0.95，音調(diào)微調(diào)概率PAR=0.3，微調(diào)步長(zhǎng)bw=0.2。PSO算法最大迭代次數(shù)T=100，種群規(guī)模P=50，慣性權(quán)重ω=0.729，局部學(xué)習(xí)因子、全局學(xué)習(xí)因子c1=c2=2.0，個(gè)體速度取值范圍為[-0.5,0.5]。4種算法搜索空間均設(shè)置為[-1,1]，維度均為14維。

4.2.2 樣本數(shù)據(jù)構(gòu)造

基于表1，在各評(píng)價(jià)指標(biāo)的每個(gè)分級(jí)標(biāo)準(zhǔn)閾值間隨機(jī)生成10組樣本，4個(gè)等級(jí)共隨機(jī)生成40組樣本數(shù)據(jù)，用式(1)及式(2)對(duì)生成的樣本進(jìn)行一致處理。

4.2.3 模型求解

4.2.4 綜合投影值計(jì)算

表4 區(qū)域水資源承載力評(píng)價(jià)等級(jí)標(biāo)準(zhǔn)z′(s)Table 4 Rating criteria z′(s) of regional water resourcescarrying capacity obtained by different models

表5 云南省水資源承載力投影值z(mì)(i)及評(píng)價(jià)排序結(jié)果Table 5 Projection values z(i) of water resources carrying capacity and ranking of evaluation results

4.2.5 進(jìn)化過(guò)程圖繪制

4種算法某次進(jìn)化過(guò)程見(jiàn)圖1。其中，適應(yīng)度值越大，表示其所對(duì)應(yīng)的MEPP模型投影方向越佳。

圖1 4種算法某次進(jìn)化過(guò)程Fig.1 An evolutionary process by each algorithm

4.3 評(píng)價(jià)結(jié)果分析

從表3—表5及圖1可以看出如下結(jié)果。

(3)SFLA-MEPP模型對(duì)云南省近10 a水資源承載力評(píng)價(jià)結(jié)果與BBO-MEPP模型相同，但在排序上有2個(gè)存在差異；與HS-MEPP和PSO-MEPP模型在評(píng)價(jià)等級(jí)上有1個(gè)不同，在排序上均有9個(gè)存在差異。

(4)從表4、表5來(lái)看，SFLA-MEPP模型對(duì)云南省2006—2007年、2011—2012年水資源承載力評(píng)價(jià)為Ⅲ級(jí)，即“基本可承載”；其他年份評(píng)價(jià)為Ⅱ級(jí)，即“可承載”。從表5來(lái)看，云南省水資源承載力綜合投影值z(mì)(i)出現(xiàn)先升(2006—2008年)、后降(2009—2012年)、再升(2013—2015年)的變化趨勢(shì)，采用Spearman統(tǒng)計(jì)量|T|與Kendall統(tǒng)計(jì)量|M|對(duì)2006—2015年云南省水資源承載力綜合投影值z(mì)′(i)進(jìn)行分析。經(jīng)計(jì)算，綜合投影值z(mì)(i)的Spearman統(tǒng)計(jì)量|T|與Kendall統(tǒng)計(jì)量|M|分別為0.831和1.16，均小于置信水平為0.05時(shí)的相應(yīng)臨界值2.01和1.96，表明云南省水資源承載力隨時(shí)間呈提升趨勢(shì)，但提升趨勢(shì)不顯著。云南省近10 a水資源承載力出現(xiàn)振蕩變化主要是受2009—2011年云南省3 a連旱的影響，以及在水功能區(qū)達(dá)標(biāo)率、萬(wàn)元GDP用水量、農(nóng)均灌溉用水量等指標(biāo)上表現(xiàn)較差所導(dǎo)致。針對(duì)制約云南省水資源承載力水平提升的經(jīng)濟(jì)社會(huì)系統(tǒng)指標(biāo)和生態(tài)系統(tǒng)指標(biāo)，“十三五”期間，通過(guò)以下措施方法，云南省水資源承載力還有進(jìn)一步提升的空間：一是加強(qiáng)工業(yè)、農(nóng)業(yè)節(jié)水改造力度，提高用水效率；二是加大水環(huán)境治理投入，改善水環(huán)境質(zhì)量；三是興建水源工程，提高供水保證率。但由于受水資源系統(tǒng)隨機(jī)變化以及人口增長(zhǎng)、經(jīng)濟(jì)規(guī)模擴(kuò)大、水源工程建設(shè)條件等因素的制約，云南省水資源承載力提升的空間十分有限。

5 結(jié) 論

(1)遵行可量化、可操作、指標(biāo)可獲取等原則，從水資源系統(tǒng)、經(jīng)濟(jì)社會(huì)系統(tǒng)、生態(tài)系統(tǒng)3個(gè)方面選取14個(gè)指標(biāo)構(gòu)建水資源承載力評(píng)價(jià)指標(biāo)體系和分級(jí)標(biāo)準(zhǔn)，并在指標(biāo)分級(jí)標(biāo)準(zhǔn)閾值間隨機(jī)生成樣本用于構(gòu)建多準(zhǔn)則目標(biāo)函數(shù)。指標(biāo)體系、分級(jí)標(biāo)準(zhǔn)及樣本生成方法對(duì)于相關(guān)評(píng)價(jià)及研究具有一定的參考意義。

(2)利用SFLA尋優(yōu)最大熵投影尋蹤(MEPP)技術(shù)最佳投影方向，提出SFLA-MEPP水資源承載力評(píng)價(jià)模型，并構(gòu)建BBO-MEPP、HS-MEPP和PSO-MEPP水資源承載力評(píng)價(jià)模型作對(duì)比，以云南省2006—2015年水資源承載力評(píng)價(jià)為例進(jìn)行實(shí)例研究。結(jié)果顯示:SFLA-MEPP模型對(duì)云南省2006—2007年、2011—2012年水資源承載力評(píng)價(jià)為“基本可承載”，其他年份評(píng)價(jià)為“可承載”;SFLA-MEPP模型對(duì)云南省水資源承載力評(píng)價(jià)結(jié)果與BBO-MEPP模型相同，但在排序上存在差異；與HS-MEPP和PSO-MEPP模型在評(píng)價(jià)結(jié)果及排序上均存在差異。驗(yàn)證表明，將SFLA-MEPP模型應(yīng)用于水資源承載力評(píng)價(jià)是可行和有效的。

(3)SFLA優(yōu)化多準(zhǔn)則目標(biāo)函數(shù)所獲得的最優(yōu)值、最劣值、平均值和標(biāo)準(zhǔn)差均優(yōu)于BBO、HS和PSO算法，驗(yàn)證了SFLA具有較高的求解精度。從實(shí)例驗(yàn)證來(lái)看，對(duì)于MEPP技術(shù)，決定水資源承載力評(píng)價(jià)精度的關(guān)鍵因素是智能算法的極值尋優(yōu)能力。

(4)從實(shí)例分析來(lái)看，云南省近10 a水資源承載力隨時(shí)間呈提升趨勢(shì)，但提升趨勢(shì)不顯著。通過(guò)實(shí)施工、農(nóng)業(yè)節(jié)水改造，水環(huán)境整治，水源興建等工程，云南省水資源承載力可以進(jìn)一步得到提升，但受水資源系統(tǒng)隨機(jī)不確定性變化、經(jīng)濟(jì)社會(huì)規(guī)模增長(zhǎng)等因素的制約，云南省水資源承載力提升的空間十分有限。

參考文獻(xiàn)：

[1] 任 黎,楊金艷,相欣奕.江蘇沿海地區(qū)水資源承載力研究——以鹽城市為例[J].水利經(jīng)濟(jì),2015,33(5): 1-3.

[2] 雷艷嬌,葛 強(qiáng). 云南省地市(州)水資源承載力模糊綜合評(píng)判[J].人民珠江, 2016, 37(4): 21-24.

[3] 童紀(jì)新,顧 希.基于主成分分析的南京市水資源承載力研究[J].水資源與水工程學(xué)報(bào),2015,26(1):122-125.

[4] 宋楨楨, 顧銀魯.基于AHP法對(duì)寧夏水資源承載力的評(píng)價(jià)[J]. 哈爾濱師范大學(xué)自然科學(xué)學(xué)報(bào), 2015,31(1):60-62.

[5] 陳南祥,陳可飛. 基于物元分析法的水資源承載力評(píng)價(jià)方法研究[J].人民黃河, 2010, 32(8): 71-72,75.

[6] 何慧爽.基于集對(duì)分析的中原經(jīng)濟(jì)區(qū)水資源承載力評(píng)價(jià)[J]. 人民黃河, 2014, 36(6): 75-77.

[7] 郭曉英,陳興偉,陳 瑩,等.基于粗糙集和BP 神經(jīng)網(wǎng)絡(luò)組合法的水資源承載力動(dòng)態(tài)變化分析[J].南水北調(diào)與水利科技, 2015,13(2):236-240.

[8] 王淑娟.基于投影尋蹤模型和加速遺傳算法的石羊河流域水資源承載力綜合評(píng)價(jià)[J].地下水,2009,31(6):82-84.

[9] 吳雪梅,塔西甫拉提·特依拜,買(mǎi)買(mǎi)提·沙吾提,等.基于PSO-PPE模型的和田水資源承載力評(píng)價(jià)研究[J].干旱地區(qū)農(nóng)業(yè)研究,2014,32(2):228-233.

[10] 張 明,王貴作,張寅熙.水文相似流域最大熵優(yōu)選模型研究[J].水利水電技術(shù),2012,43(2):14-16,21.

[11] 周念清,楊 碩,朱 勍.承載指數(shù)與模糊識(shí)別評(píng)價(jià)許昌市水資源承載力[J].水資源保護(hù),2014,30(6):31-34.

[12] 吳永斌.基于可拓理論的區(qū)域水資源承載力評(píng)價(jià)[J].水資源與水工程學(xué)報(bào),2012,23(5):162-165.

[13] 姜秋香,董 鶴,付 強(qiáng),等. 基于SD 模型的城市水資源承載力動(dòng)態(tài)仿真——以佳木斯市為例[J].南水北調(diào)與水利科技,2015,13(5):827-831.

[14] 黃健元,金廣宇,于彥博.投影尋蹤模型在行蓄洪區(qū)運(yùn)用風(fēng)險(xiǎn)評(píng)價(jià)中的應(yīng)用[J].水利經(jīng)濟(jì),2016,34(5):60-63.

[15] 崔東文.雞群優(yōu)化算法-投影尋蹤洪旱災(zāi)害評(píng)估模型[J].水利水電科技進(jìn)展,2016，36(2):16-23.

[16] 雷夢(mèng)婷. SFLA-PP模型在區(qū)域水資源利用效率綜合評(píng)價(jià)中的應(yīng)用[J]. 長(zhǎng)江科學(xué)院院報(bào), 2017, 34(11): 27-32.

[17] 張桂珠,胥 楓,趙 芳,等.一種具有領(lǐng)導(dǎo)機(jī)制的混合蛙跳優(yōu)化算法[J].計(jì)算機(jī)應(yīng)用研究,2014,31(7):1984-1988.

[18] 王安龍,何建華,張 越,等. 基于偽差分?jǐn)_動(dòng)的混合蛙跳算法研究[J].計(jì)算機(jī)應(yīng)用研究,2014,31(9):2681-2684.

[19] 趙鵬軍,邵澤軍.一種新的改進(jìn)的混合蛙跳算法[J].計(jì)算機(jī)工程與應(yīng)用,2012,48(8):48-50.