地下水污染監測網的多目標最佳化模型

《地下水污染監測網的多目標最佳化模型》是依託南京大學，由吳劍鋒擔任項目負責人的面上項目。

基本介紹

• 中文名：地下水污染監測網的多目標最佳化模型
• 項目類別：面上項目
• 項目負責人：吳劍鋒
• 依託單位：南京大學

項目摘要

地下水污染監測網的最佳化設計是一個多目標規劃問題。然而，在以往國內外有關污染監測網最佳化設計的實際操作過程中，多個監測目標常被簡化為不同形式的單一目標函式來求解，由此得到單一目標的唯一解往往直接作為最終的決策方案，這種設計者取代決策者的狀況實際上有違現代管理的基本原則。地下水污染監測網設計的多目標最佳化可真正反映多種監測目標之間相互影響、相互依賴的內在關係，並可為決策者提供一系列可供權衡的方案。國外有關這方面的研究起步不久，而我國在這方面的研究卻近乎空白。本項目通過模擬-最佳化耦合模型研究不同條件下地下水污染監測網設計的多目標決策，即在保證監測精度最高和監測費用最小等多個目標實現的條件下，為決策者提供一系列可供選擇的監測方案。該研究既可豐富我國地下水污染監測網的設計研究內容，又能在實際套用中為決策者提供多組可供選擇的地下水污染監測方案。研究成果將在我國地下水污染監測網的最佳化設計套用中發揮重要作用。

結題摘要

地下水污染監測網設計的多目標最佳化可真正反映多種監測目標之間相互影響、相互依賴的內在關係，並可為決策者提供一系列可供權衡的方案。隨著計算技術的發展，多目標進化算法已經成為解決多目標地下水監測設計問題最常用的方法。與基於梯度的方法相比，基於啟發式搜尋技術的多目標進化算法對多目標最佳化問題沒有過多限制（如目標函式連續、可導等），而且容易實現計算程式的並行化，只需要花費較少的時間就能為決策者找到一組可行選擇的監測方案。本項目通過模擬-最佳化耦合模型研究不同條件下地下水污染監測網設計的多目標決策，即在保證監測精度最高和監測費用最小等多個目標實現的條件下，為決策者提供一系列可供選擇的監測方案。建立了能夠全面地評估地下水中污染物質量和不同空間矩隨時間變化的地質統計模型，並在污染物監測網的模擬-最佳化設計模型中實現了運移模型與地質統計模型的完全耦合。同時建立了能夠反映運移模型中參數隨機變化的污染物運移模型和監測網多目標最佳化設計模型，提出了求解地下水多目標最佳化模型的多目標進化算法。這些算法包括改進的小生境Pareto遺傳算法、基於小生境的禁忌搜尋算法、隨機多目標和諧搜尋算法、隨機小生境Pareto排序遺傳算法、以及基於小生境技術的混合禁忌搜尋遺傳算法等多種算法。建立的地下水污染監測網多目標設計模型包括最小化監測費用、污染物質量評估誤差、污染羽一階矩評估誤差和二階矩評估誤差等4個目標函式，以充分揭示減少地下水污染監測費用與提高污染監測精度之間的權衡關係。算例研究表明，採用進化算法求解監測網的多目標模型，能真實地反映各個目標函式間的權衡關係，並且不用考慮傳統方法中懲罰因子的影響。與單目標最佳化模型相比，多目標最佳化模型可在較短的時間內得到最佳化問題的一系列Pareto權衡解，以利於相應條件下決策者選擇最為經濟有效的地下水污染監測方案。本項研究成果可在我國地下水污染監測網的最佳化設計套用中發揮重要作用。