区域水资源系统复杂性特征对旱灾风险的驱动效应及其优化配置研究

摘要

哈尔滨市是“中国商品粮基地”黑龙江省省会，在中国粮食安全与社会稳定中具有重要地位。随着城市化进程加快及农业开发强度的增大，近些年来哈尔滨市水资源系统发生明显变化，地表水质恶化、地下水超采、旱涝灾害频发等问题严重阻碍了哈尔滨市平稳发展。针对目前存在的一系列问题，本文运用多种方法对哈尔滨市水文系统进行了深入研究，揭示了哈尔滨市水文系统复杂性变化时空特征，分析了复杂性视角下的哈尔滨市旱灾风险，构建了复杂性视角下的哈尔滨水资源优化配置模型，并运用智能优化算法进行了模型求解。
　　为了改进传统多重分形去趋势波动分析(MF-DFA)中的趋势项拟合过程，将加自适应噪声的完备经验模态分解(CEEMDAN)与小波包变换(WPT)相结合，构建了CEEMDAN-WPT-MFDFA算法对哈尔滨市十二个县区的逐月降水、蒸发及径流复杂性时空特征进行了分析。结果表明，哈尔滨各分区水文系统要素均具有多重分形特性，并且每个区域的多重分形特性不同。西北部的降水复杂性最低，中北部和中部地区的降水复杂性较低;中东部地区降水复杂性较高，中西部的双城市降水复杂性最高。整体来看，东南部地区逐月降水序列复杂性高于西北部地区。除了市区外哈尔滨西北部的蒸发复杂性均很高，中南部和中部地区的蒸发复杂性较高，哈尔滨中北部和东北部地区蒸发复杂性最低，整体来看，东南部地区逐月蒸发序列复杂性低于西北部地区。哈尔滨市各河流测站逐月径流序列复杂性具有较明显的差异。分河流来看，松花江的三个测站逐月径流序列复杂性均较低，并且随着从上游到下游的哈尔滨、通河、依兰三个测站的径流复杂性逐渐降低;牤牛河两个测站之间的径流复杂性差别较大;阿什河、巴兰河、拉林河、蚂蚁河等四条河流的逐月径流复杂性较低;岔林河和西北河的逐月径流复杂性最高。
　　为了检验本文算法稳定性，选取等概率粗粒化LZC算法、模糊熵算法及小波熵算法，通过添加噪声的方式对四种算法稳定性进行对比，结果发现等概率粗粒化LZC算法和模糊熵算法均出现了复杂性测度值相等的情况，说明此二算法没有将水文序列的信息特征完全提取出来。与其他算法相比，CEEMDAN-WPT-MFDFA算法计算的复杂性测度值区间大，分布合理。通过加入白噪声和有色噪声发现，等概率粗粒化LZC算法在两种噪声影响下计算结果均出现了较大偏离，模糊熵和小波熵在白噪声的影响下还能保持稳定，但在有色噪声影响下出现了较大偏离，而本文所用CEEMDAN-WPT-MFDFA算法，在两种噪声下均表现出了很强的鲁棒性。选取地形和人类活动指标对区域内水文系统复杂性影响因子进行了分析。结果表明降雨和蒸发与地形条件的关系比较密切，地形越复杂的山地丘岭地区降水和蒸发的复杂性就越高。与人类活动对比来看，降雨和蒸发复杂性与人类对下垫面的改造关系较大，如耕地及建筑面积等。径流复杂性变化主要与河流测站控制流域面积有关，控制流域面积越大，其径流复杂性基本就越低，控制流域面积越小，其径流复杂性就越大。
　　在复杂性研究的基础上，构建复杂性视角下的旱灾风险BP神经网络评价模型，分析了哈尔滨市旱灾风险。研究发现，哈尔滨市旱灾风险整体来说较为严重，并且呈现逐年上升的趋势;导致哈尔滨市旱灾风险严重的主要因子存在于社会维，高强度的农业开发是导致旱灾风险的主要因素，科技维和经济维的危险性逐年减弱使得哈尔滨市旱灾风险得到一定抑制。整体来说哈尔滨市旱灾风险仍然十分严重，亟待解决的问题还有很多。合理的农业开发，提高用水基础设施建设，加快农村经济发展改革，增加用水、节水科技成果引进，促进用水管理水平是降低旱灾风险的重要举措。
　　最后，本文构建了复杂性视角下的哈尔滨市水资源优化配置模型，并利用蚁群算法进行模型求解。结果表明，在2020年哈尔滨部分地区供水能力无法满足用水需求，其中以哈尔滨市区和木兰县缺水尤为严重;部分地区能够达到供需平衡;只有五常、尚志、双城等地区能够达到水量充足。到2030年哈尔滨供水能力有所上涨，但居民生活及工农业生产需水上涨更快。因此，到2030年哈尔滨市供水压力会更大。
　　研究成果对于实现哈尔滨市水资源系统管理及高效利用提供了理论支撑，为哈尔滨市稳步可持续发展提供了科学保障，同时为其他学者进行城市水文系统研究提供了参考。

目录

声明

摘要

1 绪论

1．1 立题依据

1．2 研究目的与意义

1．3 国内外研究进展

1．3．1 水资源系统复杂性研究

1．3．2 旱灾风险驱动研究

1．3．3 水资源优化配置研究

1．4 研究进展评述

1．5 研究内容与技术路线

1．5．1 研究内容

1．5．2 技术路线

2 哈尔滨市水文要素复杂性分析

2．1 研究区域与数据来源

2．1．1 研究区域

2．1．2 数据来源

2．2 研究方法

2．2．1 CEEMDAN-WPT-MFDFA算法

2．2．2 等概率粗粒化LZC算法

2．2．3 模糊熵算法(FE)

2．2．4 小波熵算法(WE)

2．3 结果与分析

2．3．1 基于CEEMDAN-WPT-MFDFA的区域水文要素复杂性分析

2．3．2 基于等概率粗粒化LZC的区域水文要素复杂性分析

2．3．3 基于模糊熵的区域水文要素复杂性分析

2．3．4 基于小波熵的区域水文要素复杂性分析

2．4 讨论

2．4．1 水文要素复杂性测度方法稳定性对比

2．4．2 区域水文系统复杂性成因分析

2．5 本章小结

3 复杂性视角下的哈尔滨旱灾风险评价

3．1 旱灾风险评价指标体系及分级标准

3．1．1 评价指标体系及分级标准

3．1．2 指标说明

3．2 BP神经网络评价模型及其实现

3．2．1 BP神经网络评价方法

3．2．2 哈尔滨市旱灾危险性评价模型构建

3．3 评价结果与分析

3．4 本章小结

4 复杂性视角下的哈尔滨水资源优化配置

4．1 水资源优化配置模型的构建

4．1．1 目标函数

4．1．2 约束条件

4．1．3 模型参数

4．1．4 模型配置要素划分

4．2 模型优化算法

4．2．1 蚁群优化配置模型设计

4．2．2 蚁群算法的主要参数

4．3 供、需水量预测

4．3．1 供水预测

4．3．2 生活需水预测

4．3．3 农业需水预测

4．3．4 工业需水预测

4．3．5 总需水量

4．4 模型求解及分析

4．4．1 基于蚁群算法的水资源优化配置结果

4．4．2 水资源优化配置结果分析

4．5 本章小结

5 结论与展望

5．1 结论

5．2 展望

致谢

参考文献

攻读硕士学位期间发表的学术论文