基于SD模型的水资源调度系统优化研究
城市水资源承载力的系统动力学(SD)模型研究浅析

城市水资源承载力的系统动力学(SD)模型研究浅析摘要:城市水资源承载力研究作为城市可持续发展和水资源安全研究中的一项基础课题,引起了各界的广泛关注,并成为当前水资源研究的重、热点问题。
本文简析水资源承载力系统内影响水资源承载力的各要素间的关系,建立城市水资源承载力的系统动力学(SD)模型研究。
关键词:城市水资源承载力;系统动力学(SD)模型1前言城市水资源承载力是涉及社会经济系统、水资源系统和生态环境系统的一个衡量指标。
探讨城市水资源承载力,对于城市可持续发展规划具有十分重要的指导意义。
我国水资源承载力研究始于20世纪80年代中后期,经典研究成果有施雅风等对新疆乌鲁木齐河流域的水资源承载力的量化分析计算;1993年许有鹏等明确提出水资源承载力的概念和评价模型[1];1996年河海大学左东启等提出的指标体系[2];2003年吴九红等建立城市水资源承载力的系统动力学(SD)模型[3];2006年夏军等提出城市化地区水资源承载力概念[4];2009年赵军凯等对开封市未来预测年份水资源承载力进行评价[1];2014年杨雪梅提出水资源-城市化复合系统耦合度计算模型,构建了耦合度评价指标体系和各项评价因子分级标准[5]。
2模型设计与推算系统动力学是一种以理论为基础,以计算机技术为手段,研究社会经济系统的定量方法。
水资源承载力系统是集自然、经济、社会于一体的庞大复杂系统,影响系统的内、外部因素较多,且影响因素联系紧密。
基于水资源承载力系统的特点,可用系统动力学方法模拟其数值解,并用因果反馈回路简明地反映各因素间的联系。
2.1系统的反馈回路根据系统的特点及建模目的,主要分析反馈回路为:(1)行业投资反馈回路:国民收入增加→社会总产值增加→行业投资增加→行业需水增加→水资源缺口增加→行业产值减少→社会总产值减少→国民收入减少;(2)水利投资反馈回路:国民收入增加→水利投资增加→可供水量增加→水资源缺口减少→社会总产值增加→国民收入增加;(3)环境投资反馈回路:国民收入增加→环境投资增加→废水治理投资增加→可供水量增加→水资源缺口减少→社会总产值增加→国民收入增加;(4)工业科技投入反馈回路:国民收入增加→工业科技投入增加→工业用水重复利用率增加→万元产值耗水减少→水资源缺口减少→工业产值增加→社会总产值增加→国民收入增加;(5)生活用水反馈回路:国民收入增加→人均耗水增加→生活用水增加→水资源缺口增加→水资源可承载人口减少→社会总产值减少→国民收入减少(6)农业用水反馈回路:国民收入增加→水利投资增加→农业供水增加→水资源缺口减少→农业产值增加→社会总产值增加→国民收入增加(7)行业需水反馈回路:国民收入增加→行业产值增加→行业需水增加→水资源缺口增加→行业产值减少→国民收入减少。
水资源智能调度模型研究及其应用

水资源智能调度模型研究及其应用随着人们对环境保护的意识不断提高,水资源的合理利用日益成为人们关注的焦点。
在人口增长和经济发展的背景下,水的需求量不断增加,同时水资源的供给却受到各种因素的影响,如气候变化、自然灾害等,这就需要我们进行更加有效的水资源管理。
水资源智能调度模型是一种基于数学模型和计算机技术的智能化决策方法,它可以实现对水资源的全面管理与调度。
该模型可以对水资源在输送、储存、分配等方面进行优化和控制,实现水资源的合理利用和节约。
目前,水资源智能调度模型已经在许多国家和地区得到了广泛的应用。
水资源智能调度模型的核心是建立合适的数学模型。
首先,需要获取水资源的相关数据,包括水文、水量和水质等方面的数据,以便对水的供需状况有全面的了解。
其次,需要建立数学模型,以描述水资源的动态变化过程。
这些模型可以采用各种方法建立,如时序模型、概率模型、神经网络模型等。
在建立了合适的数学模型之后,就可以利用计算机技术进行模拟和预测。
通过对模型的输入变量进行调整和优化,可以得到最佳的水资源调度方案。
模型可以帮助管理者快速对水资源进行分析、评估和决策,并及时进行调整,以达到最优的结果。
水资源智能调度模型不仅能够帮助我们更好地管理水资源,还可以为水的环保和生态建设提供支持。
例如,在洪涝灾害中,模型可以及时预警并调整水资源的分配,有效地减轻灾害的影响。
在城市绿化和农业灌溉等方面,模型可以根据不同的需求进行合理的水资源分配,使得水的利用率更高,且能够减少水污染和水资源浪费。
水资源智能调度模型虽然有着许多优点,但其应用也存在一些挑战和难点。
首先,数据的获取和处理是一个不容忽视的问题。
只有准确的数据才能保证模型的精确度和可靠性。
其次,模型的建立和运行也需要一定的技术和专业知识。
未经过深入的研究和测试就直接应用可能导致模型不稳定或失效。
最后,水资源的管理和调度还需要政策和法规的支持,以保持稳定和公正。
总之,水资源智能调度模型是一个非常值得研究和应用的领域。
城市供水系统水源优化调度模型研究

城市供水系统水源优化调度模型研究城市供水系统是城市建设的重要组成部分,保障城市居民的生活用水需求。
然而,随着城市化进程的加速,城市供水系统面临着越来越大的挑战。
其中,供水水源的差异造成的供水周期不平衡问题,成为了城市污染防治的重点之一。
因此,如何优化城市供水系统的水源,成为了当下城市水务系统的重要研究内容。
为此,在现有研究的基础上,研究人员开始深入探讨城市供水系统水源优化调度模型,以提高城市水资源的利用效率和保障城市供水的社会经济效益。
下面,将从当前研究进展、模型框架、优化原理以及应用场景四个方面,全面介绍城市供水系统水源优化调度模型的研究现状。
一、当前研究进展城市供水系统水源优化调度模型的研究可以追溯到上世纪70年代。
早期的研究主要采用了数学规划方法,以线性规划、整数规划、动态规划为主要手段,进行系统建模和决策分析。
然而,这些方法存在着计算复杂度高、模型建立难度大、难以应对实际复杂情况等问题。
随着计算机技术的不断发展,城市供水系统水源优化调度模型得到了进一步完善和优化。
研究人员开始采用基于智能算法的模型,如基于模糊集理论的模糊优化模型、基于粒子群算法的水资源优化调度模型等。
这些模型具有计算速度快、适应性强、容错率高等优点,能够更好地满足城市水务系统的实际需要。
二、模型框架城市供水系统水源优化调度模型主要由三部分组成:数据收集与处理、模型建立、方案优化决策。
其中,数据收集与处理阶段是模型建立的基础,主要包括历史数据采集、数据预处理和统计分析等。
模型建立阶段是模型设计的核心,主要采用系统分析、机理分析等方法,建立模型的数学表达式、条件约束等。
方案优化决策阶段是根据模型输出结果,制定出相应的优化方案,以提高供水系统的高效性。
三、优化原理城市供水系统水源优化调度模型的优化原理可以概括为三个方面:定量评价、充分利用和灵活配置。
其中,定量评价主要是通过建立数学模型,对城市供水系统的供水周期、供水量、供水质量等要素进行科学分析和评价。
基于SD模型水资源承载力研究

基于SD模型水资源承载力计算的理论研究——以青海共和盆地水资源承载力研究为例雷学东陈丽华余新晓王薇(北京林业大学,北京 100083)12摘要:本文从水资源承载力计算的研究现状入手,引出了规划方法和系统动力学方法相结合进行定性分析,而主要采用系统动力学仿真模型(SDMWRCCB,简称SD模型)进行定量计算的复合研究方法。
在对该方法建模思路以及对共和盆地水资源环境系统构成分析的基础上,最后建立了共和盆地水资源承载力模型;该模型的建立为进一步进行共和盆地水资源承载力的定量研究提供了必要的手段。
关键字:水资源承载力系统动力学方法共和盆地SD模型水资源承载能力计算的方法主要包括规划方法和系统动力学方法。
规划方法的优点是模型的描述更符合实际,模型的精度更高,缺点是对资料的质量要求高,计算分析的工作量大;而系统动力学方法的优点是模型简单灵活,计算量相对小,但模型的精度不高,模型的描述不一定完全符合实际。
由于水资源承载力研究涉及因数众多,又具有多目标、动态性和极限性等特点,两种研究方法有各有优劣;因此,为了更客观、准确地进行水资源承载力研究,在这次共和盆地水资源承载力研究中,我们采取规划方法和系统动力学方法相结合进行定性分析,而主要采用系统动力学仿真模型(SDMWRCCB,简称SD模型)进行定量计算的复合研究方法。
1、系统分析方法的选取和建模思路从水资源承载能力的内涵可以看出,水资源承载能力研究将面对着包括社会、经济、资源和生态环境在内的纷繁复杂的大系统,这个系统内既有自然因素的影响,又有经济、社会、文化等社会因素的作用。
为此,本模型将在可持续发展理论指导下,立足于资源可能性,以系统工程方法为依据,着重从水资源的可能性出发,研究水资源对区域经济的支持作用,回答水资源支持下的区域经济合理发展规模及在一定生活条件下的合理人口载量。
系统动力学(System Dynamics,简称SD)是美国麻省理工学院Jay.W.Forrester教授于1956年创立的。
水资源优化调度模型及算法研究

水资源优化调度模型及算法研究一、绪论随着人口的不断增加和经济的不断发展,水资源的供需矛盾日益凸显。
为有效保障水资源的合理利用和管理,研究水资源优化调度模型及算法迫在眉睫。
本文旨在探讨水资源优化调度模型及算法的研究进展。
二、水资源优化调度模型1. 基于线性规划的水资源优化调度模型线性规划是一种常见的数学方法,可以用于优化许多实际问题,包括水资源优化调度。
该方法的优点在于能够快速得到一个最优解。
线性规划模型的数学形式如下:$$ Max \quad cx $$$$ s.t. \quad Ax \leq b $$其中,x是优化变量,c和A是常数矩阵,b是常数向量。
这个模型的含义是在满足约束条件Ax≤b的情况下,使目标函数cx最大化。
2. 基于动态规划的水资源优化调度模型括水资源优化调度。
该方法的优点在于可以考虑到历史时刻的决策对未来的影响。
动态规划模型的数学形式如下:$$ Max \quad \sum_{t=1}^{T}f_t(x_t,u_t) $$$$ s.t. \quad x_{t+1}=g_t(x_t,u_t) $$其中,x是状态变量,u是决策变量,f是收益函数,g是状态转移函数。
这个模型的含义是在满足状态转移方程x_{t+1}=g_t(x_t,u_t)的情况下,使收益函数f最大化。
3. 基于遗传算法的水资源优化调度模型遗传算法是一种常见的优化方法,可以用于许多实际问题,包括水资源优化调度。
该方法的优点在于可以在多个解空间中搜索最优解。
遗传算法模型的数学形式如下:$$ f(x_i),\quad 1 \leq i \leq N $$其中,x是优化变量,f是目标函数,N是种群数量。
这个模型的含义是在种群中搜索最优解x。
三、水资源优化调度算法1. 基于模拟退火的水资源优化调度算法括水资源优化调度。
该方法的优点在于可以在温度下降的过程中逐渐减小搜索范围。
模拟退火算法的数学形式如下:$$ f(x_i),\quad 1 \leq i \leq N $$其中,x是优化变量,f是目标函数,N是样本数量。
基于SD模型在水资源供需平衡分析中的应用

基于SD模型在水资源供需平衡分析中的应用
姜明伟
【期刊名称】《水科学与工程技术》
【年(卷),期】2016(000)004
【摘要】介绍了细河流域水资源状况,根据SD模型,采用4种方案对细河流域水平年供用水量需平衡进行了计算分析。
【总页数】3页(P11-12,13)
【作者】姜明伟
【作者单位】辽宁省铁岭水文局,辽宁铁岭 112000
【正文语种】中文
【中图分类】TV213
【相关文献】
1.基于熵权法的模糊集对分析模型在辽阳市r水资源脆弱性评价中的应用 [J], 张旭
2.基于投影寻踪模型的镶黄旗水资源承载力评价及其在水源调配中的应用 [J], 赵义平;于向前;刘伟;刘迪;汪馨竹;王明新
3.基于SD模型的山东省水资源供需平衡分析 [J], 张诗倩;赖锋;秦欢欢
4.基于SD模型的乌鲁木齐市水资源二次供需平衡分析 [J], 姚菁静
5.基于最小偏差的组合权重模型在水资源应急管理能力评价中的应用 [J], 郭亮因版权原因,仅展示原文概要,查看原文内容请购买。
水库调度与管理系统的优化模型研究

水库调度与管理系统的优化模型研究优化水库调度与管理系统是水利工程领域的一个重要课题,研究如何合理、高效地调度水库的水量供应,对于提高水资源利用效率、保障社会经济发展具有重要意义。
本文将对水库调度与管理系统的优化模型进行研究,探讨如何通过优化模型来提高水利工程的运行效率。
首先,水库调度与管理系统的优化模型需要考虑水文条件、水库水情、水需求等多种因素。
在建立模型时,需要收集和分析历史水文资料,预测未来的水文情况,同时还需对水库的运行特点进行深入研究。
通过对水文和水库特点的全面分析,可以建立合理的数学模型,为水库调度提供科学依据。
其次,水库调度与管理系统的优化模型需要考虑多个约束条件。
水库的调度过程中,会受到水库容量限制、洪水调度要求、环境水量保护等多个约束条件的制约。
在建立优化模型时,需要将这些约束条件纳入考虑,确保调度方案的合理性和可行性。
同时,还需权衡不同的约束条件之间的矛盾与冲突,以及水库调度的长期经济效益和社会效益之间的平衡。
第三,水库调度与管理系统的优化模型可以采用多种方法进行求解。
常见的方法包括线性规划、整数规划、动态规划、遗传算法等。
线性规划方法可以较为简单地处理水库调度问题,但对于复杂的系统可能不够灵活;整数规划方法能够处理调度问题的整数约束条件,但对于大规模系统的计算复杂度较高。
动态规划方法可以较为准确地求解动态水库调度问题,但对于长期调度问题计算量也较大。
遗传算法是一种模拟生物进化过程的优化方法,适用于求解复杂的非线性和多目标优化问题。
最后,水库调度与管理系统的优化模型需要考虑系统的可行性和鲁棒性。
在建立优化模型时,应该考虑到各种不确定性因素的影响,例如水文预测的误差、水需求变化的不确定性等。
同时还需进行模型的灵敏度分析,评估不同因素对调度方案的影响程度,以及系统在不同条件下的鲁棒性。
通过建立可行性和鲁棒性分析,可以提高水库调度与管理系统的可靠性和稳定性。
综上所述,水库调度与管理系统的优化模型研究是一项复杂而充满挑战的任务。
一种基于sd-mop模型下的水资源优化方法

一种基于sd-mop模型下的水资源优化方法SDMOP(Selective Decentralized Management of Water Resources)模型是一种水资源管理的决策支持系统,由多个子模型组成,用于模拟水资源系统的各个方面,包括水文、水资源分配、水质、生态、经济等。
在该模型的基础上,可以采用以下优化方法:
1. 基于SDMOP模型的多目标规划优化方法:通过对SDMOP模型进行多目标优化,可以在满足水资源供需平衡的前提下,最大化水资源的经济效益、保护水环境的质量、优化水资源的分配等多个方面的目标。
2. 基于SDMOP模型的灰色模糊综合评价法优化方法:将SDMOP模型中的各个子模型中的不确定性和模糊性考虑进来,采用灰色模糊综合评价法进行水资源系统的综合评价,从而指导决策者对水资源系统进行优化调控。
3. 基于SDMOP模型的机器学习优化方法:通过采用机器学习算法,对SDMOP 模型进行训练和优化,从而构建出一个更为准确和高效的水资源管理模型,实现优化水资源管理决策的自动化和智能化。
以上几种方法都可以在SDMOP模型下进行实现,从而实现对水资源系统的优化管理,并取得更好的效果。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
基于SD模型的水资源调度系统优化研究——以渭河流域关中地区为例1王武科1,李同升1,徐冬平2,张洁11西北大学城市与资源学系, 西安(710127)2西安理工大学水利水电学院,西安(710048)E-mail: wwkgood@摘要:流域水资源调度系统是一个具有复杂结构的开放巨系统,具有高阶次、多变量、多回路和强非线性的反馈结构,系统行为往往具有反直观的特性。
运用系统动力学理论与方法建立流域水资源调度系统模型较传统的数学模型更能充分刻画系统的非线性结构和动态特征。
本文以渭河流域关中地区为例,在深入分析系统内外因素及其反馈关系的基础上,运用系统动力学(SD)构建渭河流域关中地区水资源调度系统模型,以模型为基础,建立了渭河流域水资源调度的五种方案,即规划调度方案、经济优先发展方案、生态保护调度方案、需水量调度方案和缺水量动态调度方案,并采用Vensim PLE软件进行系统仿真,获取2020年末五种调度方案的仿真结果。
从经济效益、社会效益和生态效益三方面出发选取六组评价指标对各方案的仿真结果进行灰色系统综合评价,结果显示:缺水量动态调度方案是渭河流域关中地区水资源调度的最佳方案(R=0.589),进而提出对现有水资源规划调度方案的优化措施。
关键词:水资源调度系统,系统动力学(SD),调度方案,渭河流域中图分类号:F1271.引言渭河流域中下游地区是我国北方资源型缺水地区,人均357.5m3,仅为陕内省人均水资源的25.5%和全国的13.2%,但渭河流域中下游却是陕西省经济发展的核心地带,这里人口和城市密集,各类开发区和工业园区高度集中,经济发展水平较高。
它既是西部大开发的桥头堡,也是实现陕西省经济跨越式发展的主要依托区域[1]。
随着国家级关中高新技术产业带、关中星火产业带和关中城镇群的建设,该地区社会经济增长呈现出强劲的发展势头,水资源供需矛盾日趋紧张,水资源供给难以支撑流域社会经济的高速增长,愈来愈成为制约地区可持续发展的瓶颈[2,3]。
同时,该地区水资源时空分布严重不均。
空间上,位于渭河门户的宝鸡地区水资源较为丰富,水质良好,可满足其社会经济发展的需要;位于陕西省渭河中段的西安、咸阳地区是流域经济发展的核心,是陕西省经济发展的重中之重,但其水资源的数量和质量完全不能满足其社会经济发展的需要,这已经成为制约该地区社会、经济发展的主要因素之一;渭河下游的渭南、铜川地区经过其上游地区的层层盘剥和水质污染,水资源同样难以满足社会经济发展的需要。
时间上,在自然—人工二元模式的作用下,渭河流域的河川径流出现了减少的趋势,而社会经济发展和生态建设又对水资源的需求持续增长[4]。
因此如何科学有效地协调水资源在时空上的调配,使约束资源最大限度的发挥其经济、社会和生态效益,解决渭河流域水资源与社会经济系统的时空协同问题成为该流域可持续发展的关键。
系统动力学(System Dynamic SD)是美国麻省理工学院Jay W. Forrester于1956年创立的[5]。
借助SD模型既可以进行时间上的动态分析,又可以进行部门间的协调,它能对系统内部、系统内外因素的互相关系予以明确的认识,对系统内所隐含的反馈回路予以清晰的体现。
SD模型通过设定系统各种控制因素,以观测输入的控制因素变化时系统的行为和发展,从而能对系统进行动态仿真实验[6-8]。
本研究以系统动力学为依据,对影响渭河流域水资源1本课题得到高等学校博士学科点专项科研基金(项目编号:20060697004)的资助。
调度系统的因素及其重要性进行甄别,深入分析各因素间的反馈关系,进而构建渭河流域关中地区水资源调度系统和水资源—社会经济耦合系统模型,设定系统各种控制因素,根据子系统分水量确定标准的不同,通过改变输入变量,模拟不同分水调度方案下系统的动态行为,并对仿真结果进行对比分析和综合评价,以图为有效解决水资源与社会经济系统时空协调问题提供依据。
2.渭河流域关中地区水资源调度系统的SD模型2.2 系统边界确定考虑行政边界的完整性和政策的可实施性,将渭河流域中下游5市1区确定为系统的边界(图1),为了分析水资源分配与社会经济发展之间的时空协同问题,再将系统划分成宝鸡子系统、西咸子系统、渭南子系统和铜川子系统。
2.2 调度系统总体反馈结构借鉴国内外已有研究成果[4,6,9-12],深入分析流域水—社会经济系统的因果反馈回路,结合渭河流域的实际,绘制水资源调度系统总的反馈结构(图2)。
将流域水资源划分为可调度水资源(包括河道取水量和区外调水量)和不可调度水资源(包括自产水量和循环利用水量),从水资源供需两方面,以缺水量对供需两方面的反馈影响耦合整个调度系统。
流域总的调水量在不同调水方案下流向各子系统区域,通过系统内部复杂的反馈回路对各子系统经济、社会和生态产生差异化的影响。
图1 渭河流域关中地区系统边界Fig.1 Systematic boundary of the Guanzhong area in the Weihe River Basin图2 渭河流域水资源调度系统总体反馈结构Fig.2 The feedback structure of the water resources system in Weihe River Basin2.3 调度系统的流程图反馈结构图从宏观方面清晰地描述了水资源调度系统的总体脉络,但它没有发映出系统内部的基本组成及其变量的性质[11]。
按照上述水资源调度系统总体发馈结构,绘制渭河流域关中地区水资源调度系统因果反馈流图(图3)和各子系统内部水—社会经济因果关系流图(图4)。
图3 渭河流域关中地区水资源调度系统因果反馈流图Fig.3 The flow chart of the water resources dispatch system of the Guanzhong area in the Weihe River Basin西咸城市人口增长图4 子系统水—社会经济因果关系流图(以西咸子系统为例)Fig.4 The flow chart of water system and socio-economic system(taking Xi’an-Xianyang subsystem as an example)2.4 数据来源及参变量的确定系统变量是系统运行的基础支撑,而变量之间的关系一般应用数学函数形式表达。
有时由于数据不足或函数关系复杂,因而,实际上很难对各变量之间的关系用严格的数学函数关系加以量化。
因此必须采用简化、近似、概括等方法进行处理[13,14],以确定变量间的数学关系(定量关系)。
本研究采用了灰色系统预测、趋势外推法及依据调查与统计数据估测参数,并进行一些必要的检验,将复杂的函数关系加以简化,来确定模型中的参数值。
模型中用到的数据主要来源于历年陕西省统计年鉴,变量初始值以2003年为基准年,基准年以前的数据为模型检验数据,基准年以后的变量值利用灰色模型预测GM(1,1)、几何平均值法、加权平均值法、趋势外推等方法确定,部分变量值参考有关规划和研究成果确定1),主要变量指标见表1。
表1 各水平年社会经济发展指标Table 1 Socio-economic development parameter in different years2.5 渭河流域关中地区水资源调度系统的模型检验采用Vensim PLE软件,将渭河流域关中地区水资源调度系统SD模型各种指标、参数1)指陕西省人民政府2004年编制的《以高新技术产业为先导实现关中跨越式发展规划》、陕西省水利厅2002年编制的《水资源开发利用规划》、陕西省水利厅2002年编制的《农业节水灌溉规划》、宋进喜的研究成果《渭河生态环境需水量研究》、岳乐平等2005编制的《渭河流域综合治理战略研究报告》、陕西省渭河流域综合治理规划编制组2002编制的《陕西渭河流域综合治理规划》代入仿真系统,首先利用Vensim PLE软件提供的真实性检验(reality check)方法,对所建立的水调度系统模型正确性进行检验,检验结果完全满足要求。
最后,根据各子区域历年调水量和变量值运行模型,得出1998-2003年各个变量时间序列数据并与历史数据比较,进一步对所建立的模型的正确性进行检验,误差均在6%以内。
检验的结果表明是合理的,能够反映渭河流域水资源调度系统的实际特征,因而可以用来预测未来各种调水方案实施后的动态发展过程。
3.调度方案的仿真模拟水资源调度模型建立的最终目的是对现有规划调度方案做出评价,并在此基础上探寻最佳的水资源分配方案,使渭河流域稀缺的水资源充分发挥效益。
根据子系统分水系数确定标准的不同,建立以下五种调度方案:A.规划调度方案。
该方案中,子系统的各年期分水量按照规划值确定;B.经济优先发展调度方案。
以子系统的工业总产值在关中地区的比重确定分水系数,目的是水资源分配能最大化的促进工业生产;C.生态保护调度方案。
调水量首先满足子系统生态环境用水,在此基础上,再按子系统的生态环境需水比例调配;D.需水量调度方案。
该方案中分水系数以子系统的需水量所占比例确定;E.缺水量动态调度方案。
以子系统的缺水量动态的分配流域总的可调度水资源是此方案的特点。
考虑到子系统在需水和供水方面的差异,如果严格按照上述分水方案调度,可能导致某些时段不缺水的子系统(如近期渭河门户的宝鸡地区)调配到多余的水,而缺水的地区未调配到足够的水资源,导致水资源的使用效益下降。
为了规避此种缺陷,将有限的水资源在各种方案中充分使用,建立三组约束条件:(1)如果子系统缺水量=0,则子系统分水量为0;(2)如果子系统缺水量>0,但缺水量<子系统分水量,则令子系统分水量=缺水量;(3)如果子系统缺水量>0,且缺水量>子系统分水量,则以子系统分水量分水。
约束条件在Vensim PLE 软件中通过嵌套的IF THEN ELSE( {cond} , {ontrue} , {onfalse} )函数来实现。
另外为避免出现同时方程(simultaneous equations),模型中各方案子系统的分水系数均由模拟上一年相关变量的运行值确定,在软件中通过DELAY1I( {in} , {dtime} , {init} )函数来实现。
将5个方案不同的分水系数值分别赋予模型中,在上述约束条件下,经仿真模拟,得到各方案2020年末的水资源调度系统主要变量的数值(表2)。
可见,在不同的调度方案下,各指标的运行结果差异较大。
由表2可知,经济优先发展方案工业总产值大,经济效益较高;生态保护方案耗水量小,环境用水量大,生态效益好,其他方案也各有优缺点,如何评价和选择最优调度方案?笔者将通过灰色系统综合评价的方法确定。