朱 琳，楊 侃，曾 鳳 連，華 俊 洪

(1.河海大學(xué) 水文水資源學(xué)院，江蘇 南京 210098； 2.生態(tài)環(huán)境部淮河流域生態(tài)環(huán)境監(jiān)督管理局 生態(tài)環(huán)境監(jiān)測與科學(xué)研究中心，安徽 蚌埠 233000； 3.無錫市惠山區(qū)錢橋街道水利農(nóng)機服務(wù)站，江蘇 無錫 214100)

0 引 言

隨著經(jīng)濟的飛速發(fā)展和人口的逐漸增加，人們對水資源的需求量也日益增大，區(qū)域水資源的供需矛盾已成為制約經(jīng)濟發(fā)展的重要問題[1]。長治盆地供水區(qū)地處山西省的東南部，屬于“山西大水網(wǎng)”建設(shè)的第五橫，對整個水網(wǎng)建設(shè)的連通和區(qū)域水資源的可持續(xù)發(fā)展具有重要作用，由于水資源不合理的開發(fā)利用，供水區(qū)水資源緊缺問題日益顯現(xiàn)，提高可供水量、改善生態(tài)環(huán)境、實現(xiàn)區(qū)域的優(yōu)化協(xié)調(diào)配置成為長治地區(qū)亟待解決的問題[2]。因此，建立以供水和生態(tài)為目標(biāo)的函數(shù)模型，同時考慮引調(diào)水的影響，實行不同來水頻率下水庫群的聯(lián)合調(diào)度，對于長治盆地供水區(qū)制定合理有效的水資源優(yōu)化配置方案具有重要意義。

21世紀(jì)以來，國家對水資源配置模型的研究逐漸成熟并將目光轉(zhuǎn)向模型求解方法的改進(jìn)和創(chuàng)新。王永濤等[3]采用多目標(biāo)規(guī)劃法求解黔中灌區(qū)、貴陽市區(qū)以及安順市區(qū)的水資源優(yōu)化配置方案，從而實現(xiàn)水資源的合理開發(fā)和高效利用；王一杰等[4]建立經(jīng)濟、社會和生態(tài)的多目標(biāo)函數(shù)模型，將NSGA-Ⅲ算法應(yīng)用到安徽省泗縣，實現(xiàn)水資源綜合效益的最大化。近年來，由于計算機和人工智能技術(shù)的迅猛發(fā)展，啟發(fā)式智能算法中的群智能算法憑借原理簡單、高自學(xué)習(xí)和自組織能力、高適用性被廣泛應(yīng)用到優(yōu)化調(diào)度中[5-6]，如粒子群、蟻群、狼群、螢火蟲算法等。2009年，劍橋?qū)W者Yang[7]根據(jù)自然界螢火蟲的閃爍行為提出螢火蟲算法(Firefly algorithms，F(xiàn)A)，該算法由于概念簡單、參數(shù)較少，搜索能力強被應(yīng)用于大部分優(yōu)化領(lǐng)域以及部分工程實踐中[8-9]。隨后在2013年，Yang提出用隨機權(quán)重(其和為1)確定Pareto最優(yōu)前沿，以此構(gòu)建多目標(biāo)螢火蟲算法(Multi-objective firefly algorithm，MOFA)[10]。對于多目標(biāo)優(yōu)化，一種方法是將所有目標(biāo)組合成一個單一目標(biāo)，這樣就可以在不做太多修改的情況下使用單目標(biāo)優(yōu)化算法，如FA可以用這種方法直接解決多目標(biāo)問題，Apostolopoulos等[11]對此進(jìn)行了詳細(xì)的研究；另外一種方法是通過擴展FA生成Pareto最優(yōu)前沿，如Yang提出的多目標(biāo)螢火蟲算法。目前在水資源配置方面較少使用MOFA，因此螢火蟲算法極有希望成為區(qū)域水資源優(yōu)化配置新的解決方案。

水資源配置與國家發(fā)展和社會需求緊密相連，旨在促進(jìn)經(jīng)濟、社會和生態(tài)等相協(xié)調(diào)，以水資源的可持續(xù)利用促進(jìn)社會經(jīng)濟的協(xié)調(diào)發(fā)展。水資源配置方案的綜合評價是實現(xiàn)水資源優(yōu)化配置的堅實保障。水資源配置方案評價的理論與方法都有較廣泛的實踐和研究，區(qū)域的水資源評價，一般涉及評價指標(biāo)體系的建立、評價指標(biāo)的賦權(quán)、評價方法的確定這3個方面[12]。結(jié)合長治供水區(qū)社會、經(jīng)濟及水資源的現(xiàn)狀及預(yù)期規(guī)劃等情況，本文提出了基于供水和生態(tài)目標(biāo)的水庫群多目標(biāo)調(diào)度模型，基于改進(jìn)的多目標(biāo)螢火蟲算法(Improved multi-objective firefly algorithm，IMOFA)求解了不同來水情況的配置方案，并建立了一套經(jīng)濟-社會-生態(tài)三系統(tǒng)評價指標(biāo)體系，以耦合理論構(gòu)建協(xié)調(diào)度評價模型，對長治供水區(qū)的水資源配置方案進(jìn)行協(xié)調(diào)評價。

1 研究區(qū)概況

長治盆地供水區(qū)位于山西省的東南部，供水區(qū)包括2區(qū)7縣1市共10個區(qū)縣，面積達(dá)8 968 km2，地區(qū)生產(chǎn)總值774億元，是山西省農(nóng)業(yè)、能源和化工必不可缺的重要基地。供水區(qū)屬于濁漳河流域，濁漳河流域雖然水資源豐富，但開發(fā)利用率低，污染較嚴(yán)重。根據(jù)“山西大水網(wǎng)”的規(guī)劃，2035年該區(qū)域水資源的可供水量與河道內(nèi)生態(tài)需水量總和可達(dá)9.47億m3，涵蓋地表水5.50億m3，地下水3.67億m3，黃河引調(diào)水0.3億m3。本文選取山西省長治盆地供水區(qū)為研究對象，研究區(qū)概況見圖1，分區(qū)和供水系統(tǒng)網(wǎng)絡(luò)見圖2。該區(qū)域考慮引黃入晉的工程補水，并通過關(guān)河水庫、吳家莊水庫實行聯(lián)合調(diào)度。關(guān)河水庫和吳家莊水庫的基本情況如表1所列。

圖1 研究區(qū)域概況Fig.1 Overview of the study area

圖2 供水系統(tǒng)網(wǎng)絡(luò)示意Fig.2 Network diagram of water supply system

表1 水庫的基本情況

本文選取2006～2016年《長治市統(tǒng)計年鑒》和《山西省水資源公報》中的水文數(shù)據(jù)，以2016年為基準(zhǔn)年，預(yù)測規(guī)劃水平年2035年的豐、平、枯3種典型年(即20%，50%，75%來水頻率下)的需水量作為水資源配置的依據(jù)。

2 水庫群多目標(biāo)調(diào)度模型

2.1 長治供水區(qū)水資源配置模型的建立

長治盆地供水區(qū)屬于“山西大水網(wǎng)”建設(shè)的第五橫，對連通水網(wǎng)建設(shè)和促進(jìn)區(qū)域水資源的可持續(xù)發(fā)展起著重要作用。但由于該地區(qū)處于太行和太岳之間，是北方半干旱高原地區(qū)，特殊的地理位置使得該地區(qū)的水資源“引黃”較少，水資源供給基本依靠本區(qū)域[13]。因此，通過引調(diào)水改善區(qū)域的水資源狀況是一個可行的措施。本文根據(jù)《2016年山西省水資源公報》和引黃工程實際，確定引黃河水量為0.3億m3。

長治地區(qū)也是長治市的經(jīng)濟發(fā)展中心，生產(chǎn)總值占比77.0%，經(jīng)濟的快速發(fā)展帶來的需水問題使得供水日益重要；地區(qū)內(nèi)產(chǎn)業(yè)結(jié)構(gòu)具有高耗水、重污染的特點。在多年的經(jīng)濟發(fā)展中，地區(qū)對水生態(tài)環(huán)境的保護(hù)缺少重視，致使水體價值逐漸喪失，可利用的水資源逐年減少，形成惡性循環(huán)，進(jìn)一步加劇了供需矛盾[13-14]?？梢钥闯?，長治地區(qū)的供水和生態(tài)之間互相影響，但都對實現(xiàn)水資源有效的規(guī)劃與管理起著不可忽視的作用。因此根據(jù)長治供水區(qū)水資源和經(jīng)濟發(fā)展的現(xiàn)狀，選擇從供水和生態(tài)的角度建立區(qū)域缺水量和河道生態(tài)缺水量為目標(biāo)的水庫群多目標(biāo)調(diào)度模型，并應(yīng)用到水資源優(yōu)化配置中。目標(biāo)函數(shù)的建立如下所示，并對水量、水位、下泄流量、水庫蓄量等條件進(jìn)行約束，具體的約束條件參見文獻(xiàn)[15]。

以區(qū)域缺水量最小為第一目標(biāo)函數(shù)：

(1)

式中：f1為總?cè)彼?，萬m3；Na，t為供水區(qū)a在t時段的需水量，萬m3；Sa，t為供水區(qū)a在t時段的供水量，萬m3；T為時段總數(shù)；A為供水區(qū)總數(shù)。

以控制斷面河道生態(tài)缺水量最小為第二目標(biāo)函數(shù)：

(2)

式中：f2為總河道生態(tài)缺水量，萬m3；Qa，t為供水區(qū)a在t時段的適宜河道內(nèi)生態(tài)需水量，一般可以采用最枯月平均流量法計算得到，萬m3；QCa，t是區(qū)間a在t時段的實際河道內(nèi)生態(tài)需水量，萬m3。

2.2 多目標(biāo)螢火蟲算法的改進(jìn)

2.2.1標(biāo)準(zhǔn)的多目標(biāo)螢火蟲算法

(3)

式中：wk=pk/K，其中pk服從U(0，1)的隨機分布，K為均勻分布的數(shù)的個數(shù)，在每次迭代中，權(quán)重wk應(yīng)該隨機選取。

當(dāng)螢火蟲沒有被其他螢火蟲支配時，螢火蟲移動：

(4)

式中：ε為隨機數(shù)，l為迭代次數(shù)，α為步長因子，g*為最佳解決方案。

2.2.2算法的改進(jìn)

MOFA依賴于控制參數(shù)的設(shè)置且容易陷入局部最優(yōu)，針對這些問題，本文利用邏輯自映射函數(shù)產(chǎn)生初始化種群，保證種群多樣性和提高算法的遍歷性，然后引入隨機擾動策略更新螢火蟲位置并使陷入局部最優(yōu)的可能降低，最后利用三點最短路徑策略對檔案集進(jìn)行修剪，保證檔案集的多樣性和提高算法的運行效率，最終達(dá)到優(yōu)化MOFA的目的。

(1) 混沌進(jìn)化?；煦邕M(jìn)化是一種搜索尋優(yōu)的進(jìn)化方法，利用混沌進(jìn)化的特點有利于提高優(yōu)化算法的效率，也能保證種群多樣性。仿真研究的結(jié)果表明，由邏輯自映射生成的混沌序列比用邏輯映射生成的遍歷性好[16]。同時李肇基等的研究也表明基于邏輯自映射的初始化種群優(yōu)于隨機的初始化種群[17]。標(biāo)準(zhǔn)的螢火蟲算法通過隨機的方式生成初始種群難以使種群較好地分布于決策空間中，為了改進(jìn)這種狀況，提出一種邏輯自映射初始化螢火蟲種群，提高算法的遍歷性。通過公式(5) 生成螢火蟲初始種群：

Xi，d=Ld+(Ud-Ld)|Yi，d|

(5)

其中邏輯自映射的公式為

(6)

式中：Y∈[0，1]，映射的定義域不可取0或0.5，i∈(0，1，2，…，n)，d表示D維搜索空間的第d維；Ud為搜索空間第d維的上限，Ld為下限；Yi，d為根據(jù)公式(5) 產(chǎn)生的第i個螢火蟲對應(yīng)的第d維的混沌變量；Xi，d為第i個螢火蟲在搜索空間中第d維的坐標(biāo)。

(2) 隨機擾動策略。萊維飛行是一類非高斯隨機過程，可以用來描述螢火蟲等生物的搜索軌跡，是隨機游走模型中的最佳策略之一。標(biāo)準(zhǔn)螢火蟲算法的隨機步長只取決于最大迭代次數(shù)，且個體螢火蟲之間的步長差距會隨著迭代次數(shù)的增加越來越小，這種狀況不利于求解復(fù)雜的多目標(biāo)問題。為使多目標(biāo)算法陷入局部最優(yōu)的可能性降低，以更好地提高螢火蟲個體局部和全局勘探的能力，根據(jù)萊維飛行提出一種隨機擾動策略，螢火蟲的位置更新公式為

(7)

式中：Γ為標(biāo)準(zhǔn)的Gamma函數(shù)。

(3) 三點最短路徑策略。在多目標(biāo)算法中，外部檔案的容量是有限的，當(dāng)非劣解的數(shù)量超過檔案中允許的最大數(shù)量，就需要合理的檔案刪除和保留機制來修剪檔案，以保證檔案集的多樣性。由于三點路徑法參數(shù)較少且獲得的解群具有更好的多樣性，為了保證檔案集的多樣性并提高算法的運行效率，在多目標(biāo)螢火蟲算法中引入三點最短路徑策略。其表達(dá)式為

(9)

式中：i2為距離i1最近的點；Di1，i2和Di2，i3為兩者之間的距離；Di1為i1點的三點最短路徑值。

用IMOFA算法求解多目標(biāo)水庫調(diào)度模型的算法流程見圖3。

圖3 IMOFA算法流程Fig.3 Flow chart of improving multi-objective firefly algorithm

2.2.3算法的測試與評價

采用世代距離(Generation distance，GD)和空間分布度(Spatial distribution，SP)評價算法的綜合性能，GD值越小，算法的收斂性越好，SP值越小，算法的分布度越好。由于求解的是2個目標(biāo)的水資源配置問題，選擇4個2-目標(biāo)的ZDT系列函數(shù)ZDT1～ZDT4作為基準(zhǔn)測試函數(shù)。每個算法單獨運行10次，算法參數(shù)設(shè)置如下：種群大小為50，外部檔案為100，迭代次數(shù)為300，固定的光吸收系數(shù)為1，相互吸引度為1，固定的步長因子為0.2，測試函數(shù)的結(jié)果對比見表2。

表2 測試函數(shù)的結(jié)果對比

測試結(jié)果顯示：IMOFA算法獲得的4個測試函數(shù)的GD均值相比于MOFA至少提高了2個數(shù)量級，其中ZDT3函數(shù)的GD均值提高了5個數(shù)量級；同時IMOFA算法的SP均值也小于MOFA，特別是ZDT4函數(shù)，改進(jìn)算法的SP均值提高了3個數(shù)量級，說明改進(jìn)算法的分布度更優(yōu)。其中，改進(jìn)算法GD和SP的方差都小于標(biāo)準(zhǔn)算法。綜上所述，通過對選取的4個ZDT系列函數(shù)進(jìn)行測試，改進(jìn)后的多目標(biāo)螢火蟲算法的綜合性能更好。

2.3 水資源配置方案的評價

2.3.1指標(biāo)體系的構(gòu)建

為檢驗水資源配置方案的可行性和合理性，結(jié)合長治供水區(qū)水資源現(xiàn)狀建立經(jīng)濟-社會-生態(tài)三系統(tǒng)耦合協(xié)調(diào)度的評價模型[18]，根據(jù)區(qū)域社會、經(jīng)濟及水資源的現(xiàn)狀及預(yù)期規(guī)劃等情況，劃分長治區(qū)域水資源配置方案三系統(tǒng)的指標(biāo)評價體系，見表3。

表3 經(jīng)濟-社會-生態(tài)三系統(tǒng)指標(biāo)評價體系

2.3.2經(jīng)濟-社會-生態(tài)三系統(tǒng)耦合協(xié)調(diào)模型的建立

利用層次分析法(Analytic hierarchy process，AHP)和熵值法相結(jié)合的組合賦權(quán)方法獲得權(quán)重，按照公式(10) 計算組合權(quán)重[19]，對多級的指標(biāo)體系，遵照同一父指標(biāo)下的各指標(biāo)權(quán)重之和為1的原則。

(10)

式中：W為利用AHP法得到水資源協(xié)調(diào)度評價指標(biāo)的主觀權(quán)重；θ為利用熵值法得到的客觀權(quán)重；λi為一級組合權(quán)重，λi，m為二級組合權(quán)重，i為一級指標(biāo)的個數(shù)，m為同一父指標(biāo)i下二級指標(biāo)的個數(shù)。其中，一級組合權(quán)重指耦合協(xié)調(diào)度的評價模型下三系統(tǒng)的一級指標(biāo)權(quán)重，經(jīng)濟、社會、生態(tài)系統(tǒng)的權(quán)重分別為λ1、λ2、λ3；二級組合權(quán)重指耦合協(xié)調(diào)度的評價模型下的二級評價指標(biāo)權(quán)重，經(jīng)濟系統(tǒng)下的二級評價指標(biāo)權(quán)重為λ1，m(m=1，2，3)，社會系統(tǒng)下的二級評價指標(biāo)權(quán)重為λ2，m(m=1，2)，生態(tài)系統(tǒng)下的二級評價指標(biāo)權(quán)重為λ3，m(m=1，2)。

其中系統(tǒng)各自的綜合評價得分按照公式(11)計算：

(11)

式中：Xi為某系統(tǒng)綜合評級得分，X1、X2和X3分別代表經(jīng)濟、社會、生態(tài)系統(tǒng)的綜合得分，Xi，m為系統(tǒng)下各二級指標(biāo)的得分。

指標(biāo)得分按照公式(12)計算：

(12)

式中：ui，m為某個系統(tǒng)i下的第m個二級指標(biāo)的情況。

由于建立的評價模型為系統(tǒng)耦合協(xié)調(diào)度模型，耦合度計算公式為

(13)

式中：C3∈[0，1]。其中耦合度值與三系統(tǒng)之間的關(guān)聯(lián)性有關(guān)，耦合度的值越小，說明系統(tǒng)之間越不關(guān)聯(lián)。

表4 經(jīng)濟-社會-生態(tài)三系統(tǒng)協(xié)調(diào)度評價標(biāo)準(zhǔn)

3 應(yīng)用實例

3.1 供水與生態(tài)目標(biāo)的關(guān)系分析

采用Matlab編寫，根據(jù)試算結(jié)果進(jìn)行參數(shù)設(shè)置，取種群數(shù)200，迭代次數(shù)200。為分析供水與生態(tài)目標(biāo)之間的關(guān)系，應(yīng)用改進(jìn)的多目標(biāo)螢火蟲算法求解長治供水區(qū)不同情景下的方案集，在不考慮引調(diào)水的情況下，以年實際供水量為橫坐標(biāo)，年河道實際生態(tài)需水量為縱坐標(biāo)繪圖，結(jié)果見圖4。

圖4 不同情景下供水與生態(tài)目標(biāo)的關(guān)系Fig.4 Relationship between water supply and ecological goals under different scenarios

可以看出，豐、平、枯3個典型年時供水與生態(tài)兩個目標(biāo)之間存在著競爭關(guān)系，隨著供水量的增加，即年實際供水量的增加，河道實際生態(tài)需水量逐漸減小。此外，豐水年的河道實際生態(tài)需水量最大，枯水年生態(tài)需水量最小，這是因為河道內(nèi)生態(tài)需水會受河道來水條件的影響，豐水年的來水條件提供的水資源量基本能夠滿足適宜河道內(nèi)的生態(tài)需水量。

3.2 水資源配置方案的結(jié)果與分析

應(yīng)用文獻(xiàn)[20]的多目標(biāo)決策方法，得出2035年引調(diào)水前后不同來水情況下的最優(yōu)決策方案。配置結(jié)果見表5，關(guān)河水庫和吳家莊水庫的聯(lián)合調(diào)度圖見圖5，其中方案一為不考慮引調(diào)水的情況下，應(yīng)用改進(jìn)算法求解，方案二為考慮引調(diào)水的情況。

由配置結(jié)果可知，考慮引調(diào)水后，豐水年和平水年情景下都可以滿足區(qū)域供水和生態(tài)的需求，但在不考慮引調(diào)水的情況下，只有豐水年的配置方案可以滿足地區(qū)的供水需求，在平水年和枯水年均有供水不足以及一定程度河道生態(tài)缺水的情況出現(xiàn)。由表5可知，在平水年，方案二的區(qū)域供水量相比方案一提高了1 100 萬m3，缺水量減小為0，生態(tài)總?cè)彼繙p少了73萬m3；在枯水年，方案二的區(qū)域供水量相比方案一提高了1 725萬m3，生態(tài)總?cè)彼繙p少了102萬m3?？梢缘贸鼋Y(jié)論，引黃入晉的調(diào)水工程在一定程度上解決了長治地區(qū)的缺水問題，基本滿足了該地區(qū)供水和生態(tài)的需求。

表5 IMOFA算法在2035年不同來水情況下的調(diào)度方案

由圖5可知，對于關(guān)河水庫，枯、平水年的水庫水位變化相對明顯，總體呈現(xiàn)水位先降后升的趨勢，豐水年的水庫水位沒有明顯變化；對于吳家莊水庫，豐、平水年的水庫變化基本一致?？傮w而言，不同水庫來水情況下的水位高低的排序是一致的，從高到低分別是豐水年、平水年和枯水年。

圖5 2035年不同情景下水庫群聯(lián)合調(diào)度結(jié)果Fig.5 Results of joint operation of reservoir group under different scenarios in 2035

3.3 水資源優(yōu)化配置方案的耦合協(xié)調(diào)評價

3.3.1系統(tǒng)指標(biāo)權(quán)重計算

應(yīng)用改進(jìn)的多目標(biāo)螢火蟲算法求解得到長治供水區(qū)的配置方案一、二，采用經(jīng)濟-社會-生態(tài)三系統(tǒng)耦合協(xié)調(diào)度的評價模型對水資源優(yōu)化配置方案進(jìn)行評價。利用公式(10) 計算二級指標(biāo)權(quán)重，其中本文認(rèn)為三系統(tǒng)的綜合貢獻(xiàn)值是一致的，因此一級權(quán)重取等值權(quán)重，具體見表6。

表6 經(jīng)濟-社會-生態(tài)三系統(tǒng)指標(biāo)權(quán)重計算值

3.3.2長治供水區(qū)三系統(tǒng)主要指標(biāo)情況

根據(jù)2016年山西省基本情況和水資源優(yōu)化配置方案可知2035年長治供水區(qū)人口、GDP、供水量情況、廢污水情況，其中GDP增長情況根據(jù)山西省“十三五”規(guī)劃及相關(guān)政策文件，2016～2025年GDP增長率為7.1%，2025～2035年GDP增長率則為6%。經(jīng)濟系統(tǒng)的指標(biāo)情況暫時沒有考慮實際供水量對GDP等的影響，主要指標(biāo)情況見表7，社會系統(tǒng)的指標(biāo)情況見表8，生態(tài)系統(tǒng)的指標(biāo)情況見表9。

表7 經(jīng)濟系統(tǒng)指標(biāo)情況

表8 社會系統(tǒng)指標(biāo)情況

表9 生態(tài)系統(tǒng)指標(biāo)情況

3.3.3長治供水區(qū)協(xié)調(diào)度計算

按2.3節(jié)公式(10)～(13)可得不同方案下豐、平、枯情景下長治供水區(qū)的耦合協(xié)調(diào)度，具體數(shù)值見表10。

由表10可知，應(yīng)用IMOFA算法后長治市2035年引調(diào)水前后不同來水情況下的方案一、二均達(dá)到了良好協(xié)調(diào)。在平水年和枯水年，引黃河水使區(qū)域協(xié)調(diào)度分別提升了0.04和0.01?？梢钥闯?，考慮引調(diào)水能夠改善區(qū)域的協(xié)調(diào)度。由豐水年的協(xié)調(diào)度可知，在不需要引調(diào)水的情況下，長治供水區(qū)最終的區(qū)域協(xié)調(diào)度仍沒有達(dá)到優(yōu)質(zhì)協(xié)調(diào)，需要考慮其他措施來進(jìn)一步提高協(xié)調(diào)度。又因為經(jīng)濟系統(tǒng)的得分低于社會和生態(tài)系統(tǒng)，而協(xié)調(diào)度與各個系統(tǒng)的得分情況相關(guān)聯(lián)，可以考慮提高經(jīng)濟系統(tǒng)的得分，即采取促進(jìn)長治供水區(qū)經(jīng)濟發(fā)展、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)的手段進(jìn)一步改善區(qū)域的協(xié)調(diào)度。因此，多方面考慮促進(jìn)長治市經(jīng)濟發(fā)展、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)的手段和引黃河水的措施可使區(qū)域協(xié)調(diào)度有更大的提高。

表10 長治供水區(qū)的耦合協(xié)調(diào)度

4 結(jié) 論

(1) 針對多目標(biāo)螢火蟲算法依賴于控制參數(shù)的設(shè)置和容易陷入局部最優(yōu)等問題，通過邏輯自映射和隨機擾動策略改進(jìn)螢火蟲算法，能夠提高全局搜索能力，避免陷入局部最優(yōu)，最后利用三點最短路徑策略對檔案集進(jìn)行修剪，保證檔案集的多樣性和提高算法的運行效率；算法的測試與評價也表明IMOFA的GD均值更小，算法的綜合性能更好。

(2) 根據(jù)長治供水區(qū)的現(xiàn)狀，構(gòu)建了一個同時考慮缺水量最小和河道生態(tài)缺水量最小的復(fù)雜多目標(biāo)優(yōu)化調(diào)度模型，將改進(jìn)的多目標(biāo)螢火蟲算法應(yīng)用到長治供水區(qū)，得到考慮引調(diào)水前后的水資源優(yōu)化配置方案，建立了一個經(jīng)濟-社會-生態(tài)三系統(tǒng)耦合協(xié)調(diào)模型對供水區(qū)的方案進(jìn)行評價。結(jié)果顯示：引黃河水0.3億m3不僅能緩解供水區(qū)的缺水和生態(tài)問題，還有利于提升區(qū)域的協(xié)調(diào)度。

(3) 本文設(shè)置的水資源配置方案的指標(biāo)情況未考慮不同情景下經(jīng)濟的變化情況，未來有待結(jié)合水量與經(jīng)濟情況進(jìn)行研究以獲得更加準(zhǔn)確的區(qū)域協(xié)調(diào)情況。