水資源空間優化配置（簡體書）

《水資源空間優化配置》針對水資源空間優化配置涉及到大量的數據、多目標多約束的模型、大范圍大系統的優化求解、多種可選擇的配置方案等問題，以河南省鎮平縣為例，在需水現狀評估和需水預測的基礎上，構建了水資源空間優化配置模型，利用蟻群算法、遙感和地理信息系統耦合的方法對模型進行求解，提出了水資源空間優化配置方案，并驗證了該方法對解決水資源優化配置問題的可行性和有效性。

侯景偉，地圖學與地理信息系統專業博士，寧夏大學資源環境學院副教授。主要研究方向為GIS開發與應用、“3S”技術在水資源中的應用。已發表學術論文20余篇(其中SCI5篇，EI1篇)。

孫九林，有突出貢獻專家、中國工程院院士。現任中國科學院地理科學與資源研究所學術委員會副主任、研究員、博士生導師。出版專13部，發表論文80余篇。

1 水資源空間優化配置概述
1．1 引言
1．1．1 水資源供需矛盾日益嚴重
1．1．2 水資源配置與空間優化
1．1．3 水資源空間優化配置研究的意義
1．2 本書的研究目標與意義
1．3 本書的體系結構

2 水資源空間優化配置的理論基礎
2．1 水資源需求預測的理論基礎
2．1．1 需水預測方法
2．1．2 預測模型參數優化
2．1．3 需水預測的主要問題和發展趨勢
2．2 水資源優化配置的理論基礎
2．2．1 基于水量的優化配置階段
2．2．2 基于水質-水量聯合的優化配置階段
2．2．3 基于空間的水資源優化配置階段
2．2．4 GIS在水資源優化中的應用
2．2．5 水資源優化配置的主要問題和發展趨勢
2．3 蟻群算法的理論基礎
2．3．1 離散域蟻群算法
2．3．2 連續域蟻群算法
2．3．3 蟻群聚類算法
2．3．4 多目標蟻群算法
2．3．5 蟻群算法的主要問題和發展趨勢
2．4 研究主要解決的問題

3 水資源空間優化配置的方法論基礎
3．1 研究區概況
3．1．1 基本概況
3．1．2 水資源概況
3．1．3 數據采集與處理
3．2 研究總體思路
3．3 關鍵技術與方法
3．3．1 多目標水資源優化配置模型構建
3．3．2 參數優化提取
3．3．3 蟻群算法的改進
3．3．4 水資源優化配置方案評價
3．4 技術路線
3．4．1 基礎資料的收集
3．4．2 數據管理與處理
3．4．3 空間分析和數據建模
3．4．4 數據顯示和輔助決策

4 水資源需求現狀評估
4．1 水資源需求量的組成、特點與評估
4．1．1 水資源需求量的組成結構
4．1．2 水資源需求量的特點
4．1．3 水資源需求量的評估
4．2 基于蟻群聚類算法的水資源需求評估
4．3 蟻群算法在GIS中的實現
4．4 水資源需求量求解
4．4．1 水資源需求類型提取
4．4．2 林地與草地的進一步分類
4．4．3 像元上人畜數量和工業總產值的確定
4．4．4 建筑用地中居民地的確定
4．4．5 水體中非水體信息的處理
4．4．6 水資源需求量的計算
4．5 結果驗證與評估
4．5．1 蟻群聚類算法與其他方法的比較
4．5．2 聚類結果的F-measure評價
4．6 小結

5 水資源需求預測分析
5．1 PP需水預測模型
5．1．1 投影尋蹤模型構建
5．1．2 需水預測驅動因素分析
5．1．3 基于投影尋蹤的需水預測模型
5．2 基于ACA的模型參數優化
5．2．1 參數優化目標函數的建立
5．2．2 參數優化的蟻群算法設計
5．2．3 參數優化ACA的實現步驟
5．3 實例仿真
5．3．1 案例區水資源現狀
5．3．2 驅動因子確定和缺失數據處理
5．3．3 年需水量預測
5．3．4 ACA有效性驗證
5．3．5 鎮平縣水資源供需平衡與缺水分析
5．4 小結

6 水資源優化配置模型分析
6．1 水資源優化配置
6．1．1 水資源優化配置原則
6．1．2 水資源優化配置分類
6．1．3 水資源優化配置基本模式
6．2 多目標優化問題
6．2．1 多目標優化問題定義
6．2．2 多目標函數處理方法
6．2．3 約束條件處理方法
6．3 多目標優化問題分類
6．3．1 依據發展歷史分類
6．3．2 依據決策方式分類
6．3．3 依據選擇機制分類
6．4 基于多目標的水資源優化配置模型構建
6．4．1 建模總體思路
6．4．2 目標函數構建
6．4．3 約束條件構建
6．4．4 模型特點與功能
6．5 小結

7 水資源優化配置模型求解
7．1 PACA相關定義和求解思路
7．1．1 Pareto相關定義
7．1．2 Pareto蟻群算法相關定義
7．1．3 基于PACA的模型求解思路
7．2 PACA策略設計
7．2．1 禁忌表調整
7．2．2 偽隨機并行搜索
7．2．3 信息素局部動態更新
7．2．4 全局信息素動態更新
7．2．5 近鄰域選擇
7．2．6 權值低通濾波器
7．2．7 Pareto解集過濾器
7．2．8 Pareto優解集的分布性
7．3 PACA的多目標尋優過程
7．4 PAcA參數對算法性能影響的實驗分析
7．4．1 初始參數的確定
7．4．2 螞蟻數目對算法性能的影響
7．4．3 啟發因子對算法性能的影響
7．4．4 期望啟發因子對算法性能的影響
7．4．5 信息素揮發因子對算法性能的影響
7．4．6 信息素強度對算法性能的影響
7．5 水資源優化配置評估
7．5．1 間距評估
7．5．2 大散布范圍評估
7．5．3 優劣度評判指數
7．5．4 水資源優化配置系統熵
7．6 實例仿真
7．6．1 參數設置與模型求解
7．6．2 重構方案分析
7．6．3 配置結果分析
7．6．4 PACA效能驗證
7．6．5 對策與建議
7．7 小結

8 水資源空間優化配置的研究展望
8．1 水資源空間優化配置的工作流程
8．2 水資源空間優化配置的方法論體系
8．2．1 蟻群算法的改進
8．2．2 模型構建
8．2．3 水資源需求現狀評估
8．2．4 水資源需求預測
8．2．5 水資源空間優化配置模型求解
8．3 水資源空間優化配置是水資源配置理論的拓展和深化
8．3．1 通過RS、GIS與ACA的耦合方法來解決水資源優化配置問題
8．3．2 對Pareto蟻群算法的改進
8．3．3 水資源空間優化配置模型的構建和求解
8．4 不足與展望

圖索引
表索引
參考文獻
附錄
附錄A 基于ArcGIs Engine的離散域蟻群算法代碼
附錄B 確定水資源需求類型的蟻群聚類算法主要代碼
附錄C 需水預測模型參數優化的連續域蟻群算法主要代碼
附錄D 求解水資源優化配置模型的Pareto蟻群算法主要代碼
后記