基于案例推理的水资源调配方案决策研究Word格式.docx
- 文档编号:8654853
- 上传时间:2023-05-12
- 格式:DOCX
- 页数:20
- 大小:211.30KB
基于案例推理的水资源调配方案决策研究Word格式.docx
《基于案例推理的水资源调配方案决策研究Word格式.docx》由会员分享,可在线阅读,更多相关《基于案例推理的水资源调配方案决策研究Word格式.docx(20页珍藏版)》请在冰点文库上搜索。
案例和问题的模糊化描述。
设案例库中有
个案例
,其特征属性集为
,用
表示案例
的
个特征因素
对应的隶属度,则案例库中案例
,对应的特征向量集为:
(1)
待求决策问题T的特征向量集为:
(2)
由于采用相似度来衡量问题与案例的相似程度,因此,相似模式的选择和计算至关重要。
定义:
设
,若映射N:
,满足条件:
(a):
;
(b)
(c)
(d)若
,则
。
其中,
为模糊集
的相似度,N被定义为协
上的相似度函数。
对相似匹配计算来说,不论采用哪一种具体的相似度计算模式,都应该满足定义1。
测度相似度的一般形式为勒贝格积分形式,即
(3)
集合
的相似度可以用下式表示:
(4)
可以证明式(7-4)满足定义1中,(a)-(d)条件,可作为判断相似程度的公式。
由于在案例推理决策中,各属性要素对案例匹配中影响各不相同,因此在相似程度判断中考虑其贡献权重。
设特征属性
的影响权重为
,满足:
(5)
可将式修改,构造含有权重的相似度计算如下式:
(6)
同样可以证明上式满足相似度的定义条件。
特征因素的影响权重的计算。
影响权重用来衡量各特征因素的相对重要性,通常在不同的决策环境下,同一特征因素对决策输出会有不同的影响。
4.决策案例的构造与检索
采用K-D树的检索机制,每一层通过检测不同的属性值以决定选择分枝的方向,整合以上两种案例的检索方法,在同一时间提高了搜索速度和精度。
当一个新的案例出现后,首先应用多维K-D决策树获取若干相似于问题案例的旧案例,然后应用最近相邻法在这些获取的旧案例中找到最匹配的案例。
使用K-D树的主要优势是能够将两个不同类型的知识域整合在一起,形成一个新的问题解决方案。
系统从若干初始解出发,在控制参数作用下由当前状态的邻域中产生出若干候选解,并在多策略相似性检索模块作用下,在当前解和候选解中确定新的当前状态,伴随着控制参数的调节,重复执行直至满足算法终止准则,结束搜索过程并通过可视化接口输出优化结果,给出解决方案。
由于水文特征的区域分异和综合规律,导致水资源调配案例具有显性或隐性呈现出一定的时间和空间分布模式[156],因此可为决策提供类比借鉴。
用于根据案例库中的方案记录以及模型优化、专家决策方案记录进行分类和选择,案例推理选取水文条件、流域供需情势等作为推理要素。
水资源调配推理系统集成了四个主要的活动:
(1)决策案例库构建;
(2)决策指标筛选;
(3)搜索、匹配、精选;
(4)优化及存储。
在决策阶段制定流域水资源调配的方案目标包括经济目标、社会目标以及生态环境目标;
根据流域降雨及主要水文站来水资料,将水文要素划分为不同水文年份。
枯水年份,流域降水量,河道内来水偏少,农业灌溉需水量偏大,地区间供需矛盾突出,需要调用水库存水量,重点解决水资源在不同地区、河段、用水部门间的调配以及协调河道外消耗性用水与河道内生态环境水量的分配比例,既要保障河流健康低限水量需求,又不使河道外经济社会发展遭受严重破坏。
因此,在枯水年度水量调配方案决策要解决水量区间优化分配问题、效率与公平问题、经济发展与环境保护问题,在这些方面案例库中存在相关案例已提供了优化的配置模式。
平水年来水量与多年平均接近,但地区分布各不相同,主要解决水资源区间、河段、部门的分配和优化问题,也存在经济社会和生态环境用水竞争。
丰水年份,降雨量和河道来水均多于多年平均,农业需水量相对减少,水资源调配的重点在于解决水量储存、利用、调节以及水量下泄和生态改善的矛盾,均衡调配决策。
根据以往黄河水资源调配方案以及模型优化、专家决策的衍生方案形成案例推理的方案库。
系统案例中包含案例号、水文年份、水资源调配情况以及水文、经济社会、生态环境等方面的信息。
“案例号”和“水文年份”可用于案例检索,水文信息、经济社会和生态环境则可用于案例匹配。
“水资源调配情况”由水资源在各地区、河段以及不同用水部门间分配以及河道内、河道外水量调配等信息构成,代表了在一定降雨、来水条件下流域水资源分配结果。
与一般的案例推理比较,水资源调配案例的推理需要结合案例间所反映的时空关系和规则。
由于水资源调配案例呈现特定的空间分布,即具有固定的空间分布模式、时间分布模式和潜在的区域分布规律。
因此水资源调配案例的推理模型也随着案例间反映出的时空模式的不同而采用具体的方式。
5.案例推理步骤
基于CBR的流域水资源调配决策支持系统,根据流域降雨、来水等水文信息将,决策者通过检索、匹配选择合适的水资源调配方案,也可以修改案例产生“优化方案”。
系统中的信息流如图2所示,运行该系统分六个步骤:
第一步,水文关系探测。
具体的水文年份关系探测方法如下,引入水文关系指示系数
,指示系数可按照子区划分为
个级别。
给定的水资源调配案例组,按照给定的综合表达模型有:
系统根据一般水文信息通过归纳法分类并获取以往调配案例以及模型优化、专家决策方案。
所有归类的案例都有相似的水文情势和供需情况,可以用于搜索和匹配。
图2基于案例推理的水资源调配决策信息流程
第二步,水资源调配案例推理。
对水资源调配决策方案的
个属性项
表达,首先是进行相似性计算,系统使用式(4)~(6)模糊推理相似度计算“潜在以往案例”的相似度,计算水资源调配方案水资源信息与潜在案例的特定信息之间的相似度,求解“潜在案例”。
第三步,选择“精确”案例。
系统首先按降序排列精确潜在案例的相似度,也可以根据相似性系数大小,选取相似性较大的部分案例进行求解“精确案例”。
如果某个案例被选中,这个案例将被保留;
如果决策者不满意这些案例,则系统将启动案例修改过程。
第四步,修改所选案例。
对精确潜在案例进行修改产生新案例,新案例的求解是对相似案例结果的综合。
第五步,确定“合适的”案例。
首先按降序排列“适合的潜在案例”的相似度,然后根据相似度确定所需要的“合适案例”。
如果某个案例被选中,这个案例将被保留;
否则,需要修正决策搜索指标要求以产生更适合的方案,以上
(1)-(5)步将被重复。
第六步,存储“选中的”案例。
系统存储在(4)或(5)中选中的案例。
经过以上六个步骤,‘潜在的’案例被归纳检索出来,通过相似度确定‘精确案例’并经过评价满意后成为‘合适的’案例,并更新水资源调配案例库。
6.基于案例推理的黄河水量调配实例
黄河流域水资源调配决策系统在接收到年水文预报后,对各水文信息进行分析,对来水年份辨识归类。
KD树检索系统混合使用归纳法和最相邻法用于案例的检索匹配,寻求最优决策方案。
在选择水资源调配方案过程中,首先是检查以往水量调度、优化方案的案例库系统的水文情势、水资源供需状况等决策边界条件。
在图3中显示了系统的搜索路径树,搜索树
设计为具有包含关系的5个层次的信息:
全流域、花园口以上、三门峡以上、河口镇以上、兰州以上,分别代表水资源调配的主要决策区间。
系统采用归纳法搜索,逐层递进,沿着决策树越过校验点的路径,取各包含关系的交集,最终定位与决策方案各个区间水文要素均相同的‘潜在案例组’。
在决策树的末端,会有一组潜在的案例被识别出来。
图3黄河流域水资源调配案例K-D树路径结构
根据黄河流域的现状特征结合所选出的5项水文要素,经专家调查分析,选择流域水资源决策指标包括:
降雨量、径流量、水库库存水量、土壤墒情以及需水分布。
系统搜索后,应用最相邻法计算这些案例与决策方案的相似度,选择相似度最接近的一个方案作为‘精确方案’。
列表如表1。
表1案例分析主要搜索指标及其相似度计算
特征指标
权重%
决策年份预测值Y*
案例值Yi
贴近度Nij
降雨量(mm)
16.17
470.30
499.00
71.30
径流量(亿m3)
46.16
483.21
491.94
91.27
库存水量(亿m3)
15.80
60.50
56.25
85.83
土壤墒情(%)
5.69
38.0
33.0
83.33
需水分布
575.90
517.40
88.50
表7-1中潜在案例组水文特征与决策年的特征之间的相似度被计算,在计算完所有精确案例的相似度后,根据降序排列相似度,带有最高相似度的案例被检索输出。
按照最临近搜索原则,决策者优先选择相似度最大的案例1999,相似度为86.27,成为‘精确案例’。
精确案例利用黄河流域已建大型水库采用梯级水库联合优化调度,充分发挥干流梯级水库的调蓄作用,蓄丰补枯,在减少枯水年份河道内外缺水、减小洪水下泄、保证生态环境需水量。
花园口汛期水量、利津断面全年下泄水量基本达到低限水量和流量要求。
方案调配入海水量为202.68亿m3,达到了黄河低限入海水量需求。
流域水资源得到合理的分配,居民生活全面得到满足,工业缺水率仅为2.9%,维持了区域粮食安全(人均粮食产量为433kg);
区域经济实现协调发展。
流域水资源调配分配结果见表4。
表3精确案例黄河主要断面下泄表
站名
控制流量(m3/s)
控制水量(亿m3)
河口镇
花园口
利津
华县
河津
低限需求
250
150
100
285
20
197
180
200
53.6
5.7
调节下泄
272.3
156.7
99.9
288.3
21.2
202.3
188.9
202.6
57.4
6.1
表5-4黄河流域水资源调配结果表单位:
亿m3
省区
需水量
供水量
缺水量
生活
工业
农业
环境
流域外
合计
地表
地下
青海
1.3
4.6
18.5
0.1
24.5
3.3
21.8
0.7
2.1
2.8
四川
0.0
0.2
甘肃
5.1
15.5
33.5
0.3
2.0
56.4
43.8
5.7
49.5
0.5
6.3
6.9
宁夏
1.7
6.4
71.9
0.4
80.4
59.2
8.8
68.0
11.8
12.3
内蒙古
2.9
12.1
86.3
2.4
103.7
67.4
20.3
87.7
0.6
15.4
16.0
陕西
8.7
22.0
54.5
85.9
43.5
28.4
13.6
14.1
山西
6.0
40.9
59.3
35.4
21.1
56.5
2.5
河南
12.5
38.4
20.7
76.9
52.1
73.9
3.0
3.1
山东
6.7
14.5
60.0
83.7
11.6
79.0
4.7
津冀
5.0
4.9
黄河流域
33.1
91.9
358.6
575.9
392.5
120.9
513.4
59.5
62.6
7.结语
研究针对水文过程的周期性相似特征,引入水文要素相似度作为案例推理检索的指标,建立了基于案例推理的流域水资源调配法案决策模型,通过模糊推理技术,水文要素的检索与匹配,再现案例决策,实现了流域水资源的优化调配。
参考文献:
(1)李锋刚.基于案例推理的优化型智能决策技术的研究[J].淮北煤炭师范学院学报,27
(2)2006:
58-61
(2)GYeh.Waterresourcesystemsmodels:
theirroleinplanning[J].JournalofWaterResourcePlanningandManagement,1992,118(3),215-223.
(3)A.HoltandG.L.Benwell,Applyingcase-basedreasoningtechniquesinGIS[J].INT.J.Geographicalinformationscience,1999.13
(1):
9-25.
(4)E.K.Burke,B.Maccarthy,S.Petrovic,R.Qu.Structuredcasesincase-basedreasoning-re-usingandadaptingcasesfortime-tablingproblems[J].knowledge-basedSystems.2000,13.159-165.
(5)姜丽红,刘豹.案例推理在智能化预测支持系统中的应用研究[J].决策与决策支持系统,1996(4):
63-69
(6)姜丽红.智能化预测支持系统(IFSS)的理论与方法的研究[D].天津大学博士论文,1996.
(7)林杰,霍佳震,薛华成.基于模糊推理的案例支持系统[J].系统工程.2005,18(3):
49-53.
(8)杜云艳,周成虎,邵全琴等.案例推理的地学应用背景和方法[J].地球信息科学.2002,18(3):
98-104.
(9)Helton,T.ThehottestnewAItechnology-case-basedreasoning[J].Thespangrobinsonreportonartificialintelligence,1991.7(8):
157-164.
(10)杨瑾,尤建新,蔡依平.基于案例推理的供应商选择决策支持系统研究[J].计算机工程与应用.2006,3(6):
17-28.
(11)赵卫东,李旗号,盛昭瀚.基于案例推理的决策问题求解研究[J].管理科学学报,2000,22(6):
25-37.
Studyoncase-basedreasoningforwaterresourcesdispatching
PengShaoming
Abstract:
Accordingtotheperiodicityandanalogicalcharacterofhydrologyelement,weintroducethemethodofcase-basedreasoningintothewaterresourcesdispatching.Thepaperembedfuzzyreasoningtechnologyintothecase-basedreasoningandsetanalogicaldegreehydrologyelementasthesearchingtargetandestablishwaterresourcesdispatchingmodel,throughthematchofhydrologyelement,thewaterresourcesdispatchingisreproduced.TheYellowRiverwaterresourcesdispatchingisstudiedasanexampletoexhibittheestablishmentofoptimizingmodelandcaseDatabase.Andcasesearchingtechnologyusedinwaterresourcesdispatching,theinclinationofdecision-makerisachieved.Throughthecase-basedreasoningthelocalizationanddeficiencyoftraditionalmethodinthesolvingofnonlinearproblem,andprovideanewmethodtowaterresourcesdispatching.
Keywords:
waterresourcedispatching,case-basedreasoning,analogicaldegree,searching,matching,K-Dtree
1.thetechnologyofcase-basedreasoning
ThetechnologyofCase-BasedReasoningisoneofthemostreasoningmethodsofartificialintelligence,thebasictheoryofwhichisthroughacceptanceofknowledgefrompastcaseandusingitinthedecision-makingofnewcase,accordingtotheclueofpastcaseandfiltrationtheinformationtoguidethereasoningofnewcase.ThemeritofCBRisthatitcanmakereasonabledecisionmakingwithoutanevidentmathematicalmodelanditcanavoidbottlenecksintheacquisitionofknowledge,Easytomaintain,fasterreasoning.Atthesametime,incrementallearningofthecasesothatthecoverageofthedatabasesystemwiththeuseofgraduallyincreasing,moreandmoretodeterminetheeffect,caneffectivelyresolvethetraditionalmethodofreasoninginherentinmanyoftheproblems.
Inthecomplexsystemofwaterresources,anumberofhydrologicalphenomenonissimilartotheshoworsimilarrelationship,itissimilartothetechnologyusedtoanalyzetheexistenceofnaturalandsocialsciencesinformationhiddeni
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 案例 推理 水资源 调配 方案 决策 研究