基於bp網絡和基尼係數定權重的用水數據離散化方法
2023-10-04 08:18:34 5
基於bp網絡和基尼係數定權重的用水數據離散化方法
【專利摘要】本發明公開了一種基於BP網絡和基尼係數定權重的用水數據離散化方法，包括：獲得基本計算單元；獲得基本計算單元和行政單元空間要素數據集；對生活用水、工業用水和農業用水採用定額法補充，對生態環境用水量採用相關因子分攤法進行補充；對生態環境用水量計算公式中的權重係數採用基尼係數法確定；經過模擬計算得到基本計算單元上離散預測結果；進行結果修正；按基本計算單元的水資源分區屬性逐級匯總得到相應的用水數據。本發明提出的基於BP網絡和基尼係數定權重的用水數據離散化方法，可獲得全國各級水資源分區經濟社會及用水數據，有助於水資源綜合管理。
【專利說明】基於BP網絡和基尼係數定權重的用水數據離散化方法
【技術領域】
[0001]本發明涉及水利科學【技術領域】，特別是指一種基於BP網絡和基尼係數定權重的用水數據離散化方法。
【背景技術】
[0002]經濟社會用水數據主要按行政單元統計而來，而其邊界與水資源區邊界不重合，導致水資源區用水數據的獲得十分困難。現有的經濟社會用水數據還存在共享困難、統計困難與統計數據多樣等問題。利用計算機技術獲得水資源區經濟社會用水數據，對於完善水資源數據基礎以支撐水資源行政區域與流域統一管理和減小人力普查投入十分重要。
[0003]用水是指為了某種經濟或社會目的，使用水資源某種屬性的行為，是通過水資源開發，用水主體運用和使用已開發水資源的方式與方法的總稱。經濟社會用水指採用取水、輸水工程措施，從河流、湖泊、水庫和地下水層將水引至用水地區，滿足城鄉生產和生活需要的水量，包括生活用水、工業用水、農業用水和生態環境用水四項。
[0004]水資源區是根據水資源的自然、社會和經濟屬性，按照開發、利用、治理、配置、節約、保護要求，將流域水系劃分而得來。水資源分區主要包括水資源一級區、水資源二級區和水資源三級區。根據全國水資源分區標準，水資源一級區主要包括我國境內的10個大型流域，將各個水資源一級區細分為水資源二級區，各二級區再細分為水資源三級區。由於水資源區與行政區邊界不重疊，導致一個縣級行政區被多個水資源三級區分割。目前，按各級水資源分區統計的用水數據十分匱乏。
[0005]綜上所述，提出一種可靠的經濟社會用水數據統計方法，以獲得各水資源區上用水數據的分布情況是急待解決的問題。
【發明內容】
[0006]有鑑於此，本發明的目的在於提出一種基於BP網絡和基尼係數定權重的用水數據離散化方法，以獲得各水資源區上用水數據的分布情況，從而獲得全國各級水資源分區經濟社會及用水數據，有助於水資源綜合管理。
[0007]基於上述目的本發明提供的基於BP網絡和基尼係數定權重的用水數據離散化方法，包括:
[0008]將縣級行政區與水資源三級區矢量圖進行疊加嵌套，獲得每個縣級行政單元所屬不同水資源三級區部分的基本空間單元，作為基本計算單元；
[0009]將各類土地利用數據和DEM數據統計到各基本計算單元和行政單元空間上，獲得基本計算單元和行政單元空間要素數據集；
[0010]根據各級行政單元經濟社會用水數據，對縣級行政單元生活用水、工業用水和農業用水採用定額法補充，對生態環境用水量採用相關因子分攤法進行補充；
[0011]對生態環境用水量採用相關因子分攤法進行補充得到的計算公式中的權重係數採用基尼係數法確定；[0012]基於BP人工神經網絡模型，利用數據指標間相關關係，經過模擬計算得到基本計算單元上離散預測值，從而將縣級行政單元經濟社會用水數據展布到基本計算單元上；
[0013]以各基本計算單元預測值作為權重由所屬縣級行政單元總值向下分攤進行結果修正；
[0014]將修正後的經濟社會和用水數據值，按基本計算單元的水資源分區屬性逐級匯總得到相應的用水數據。
[0015]在一些實施方式中，所述將縣級行政區與水資源三級區矢量圖進行疊加嵌套，獲得每個縣級行政單元所屬不同水資源三級區部分的基本空間單元，作為基本計算單元的步驟包括:
[0016]採用地理信息系統軟體Arc GIS，對縣級行政區與水資源三級區矢量圖進行疊加嵌套，獲得每個縣級行政單元所屬不同水資源三級區部分的基本空間單元，作為基本計算單元；
[0017]將小於所在縣級行政區面積10%的基本計算單元向鄰近面積最大的基本計算單元合併。
[0018]在一些實施方式中，所述將各類土地利用數據和DEM數據統計到各基本計算單元和行政單元空間上，獲得基本計算單元和行政單元空間要素數據集的步驟包括:
[0019]利用獲得基本計算單元矢量圖和包括各類土地利用數據和DEM數據的空間數據，基於Arc GIS區域統計(Zonal Statistics)模塊,將各類土地利用數據和DEM數據統計到各基本計算單元上；
[0020]利用行政區單元矢量圖統計獲得各級行政單元各類土地利用和DEM數據；
[0021]獲得基本計算單元和行政單元空間要素數據集，用於空間離散化分析。
[0022]在一些實施方式中，所述基於BP人工神經網絡模型，利用數據指標間相關關係，經過模擬計算得到基本計算單元上離散預測值，從而將縣級行政單元經濟社會用水數據展布到基本計算單元上的步驟包括:
[0023]根據人工神經網絡理論，構建經濟社會用水數據空間離散化BP人工神經網絡三層網絡拓撲結構；數據空間離散化神經網絡包括輸入層、隱含層和輸出層三層；
[0024]影響指標數據作為自變量進入輸入層，同時影響指標向量維數決定了輸入層節點的個數m，輸出層節點數n，即為模擬的因變量的結果；隱含層的輸出函數為Sigmoid變換函數，輸入和輸出函數為線性函數；
[0025]正向傳播過程中，輸入信息從輸入層經隱含層逐層處理，每一層節點的狀態只影響下一層節點的狀態；如果在輸出層不能得到期望的輸出，則轉入反向傳播，將誤差信號沿原來的連接通路返回，通過修改各層節點的權值，使誤差最小；
[0026]將任意2/3的數據樣本進行訓練學習，模擬因變量與其相關的自變量間複雜的非線性關係；
[0027]將另外1/3的樣本作為驗證數據，以驗證訓練學習效果；
[0028]分別計算訓練學習階段和驗證階段模擬結果與實測樣本間的相關係數Rl2和R22，當兩者均大於常數α (0〈α〈I)時認為訓練效果合格，取α =0.7?0.8 ;
[0029]以驗證合格的神經網絡預測模型，輸入基本計算單元上與因變量相關的自變量指標數據，經過模擬計算得到基本計算單元上離散預測結果。[0030]在一些實施方式中，所述以各基本計算單元預測值作為權重由所屬縣級行政單元總值向下分攤進行結果修正的步驟包括:
[0031]採用計算公式
【權利要求】
1.一種基於BP網絡和基尼係數定權重的用水數據離散化方法，其特徵在於，包括: 將縣級行政區與水資源三級區矢量圖進行疊加嵌套，獲得每個縣級行政單元所屬不同水資源三級區部分的基本空間單元，作為基本計算單元； 將各類土地利用數據和DEM數據統計到各基本計算單元和行政單元空間上，獲得基本計算單元和行政單元空間要素數據集； 根據各級行政單元經濟社會用水數據，對縣級行政單元生活用水、工業用水和農業用水採用定額法補充，對生態環境用水量採用相關因子分攤法進行補充； 對生態環境用水量採用相關因子分攤法進行補充得到的計算公式中的權重係數採用基尼係數法確定； 基於BP人工神經網絡模型，利用數據指標間相關關係，經過模擬計算得到基本計算單元上離散預測值，從而將縣級行政單元經濟社會用水數據展布到基本計算單元上； 以各基本計算單元預測值作為權重由所屬縣級行政單元總值向下分攤進行結果修正； 將修正後的經濟社會和用水數據值，按基本計算單元的水資源分區屬性逐級匯總得到相應的用水數據。
2.根據權利要求1所述的方法，其特徵在於，所述將縣級行政區與水資源三級區矢量圖進行疊加嵌套，獲得每個縣級行政單元所屬不同水資源三級區部分的基本空間單元，作為基本計算單元的步驟包括:採用地理信息系統軟體Arc GIS，對縣級行政區與水資源三級區矢量圖進行疊加嵌套，獲得每個縣級行政單元所屬不同水資源三級區部分的基本空間單元，作為基本計算單元；將小於所在縣級行政區面積10%的基本計算單元向鄰近面積最大的基本計算單元合併。
3.根據權利要求1所述的方法，其特徵在於，所述將各類土地利用數據和DEM數據統計到各基本計算單元和行政單元空間上，獲得基本計算單元和行政單元空間要素數據集的步驟包括: 利用獲得基本計算單元矢量圖和包括各類土地利用數據和DEM數據的空間數據，基於Arc GIS區域統計(Zonal Statistics)模塊，將各類土地利用數據和DEM數據統計到各基本計算單元上； 利用行政區單元矢量圖統計獲得各級行政單元各類土地利用和DEM數據； 獲得基本計算單元和行政單元空間要素數據集，用於空間離散化分析。
4.根據權利要求1所述的方法，其特徵在於，所述基於BP人工神經網絡模型，利用數據指標間相關關係，經過模擬計算得到基本計算單元上離散預測值，從而將縣級行政單元經濟社會用水數據展布到基本計算單元上的步驟包括: 根據人工神經網絡理論，構建經濟社會用水數據空間離散化BP人工神經網絡三層網絡拓撲結構；數據空間離散化神經網絡包括輸入層、隱含層和輸出層三層； 影響指標數據作為自變量進入輸入層，同時影響指標向量維數決定了輸入層節點的個數m，輸出層節點數n，即為模擬 的因變量的結果；隱含層的輸出函數為Sigmoid變換函數，輸入和輸出函數為線性函數； 正向傳播過程中，輸入信息從輸入層經隱含層逐層處理，每一層節點的狀態只影響下一層節點的狀態；如果在輸出層不能得到期望的輸出，則轉入反向傳播，將誤差信號沿原來的連接通路返回，通過修改各層節點的權值，使誤差最小； 將任意2/3的數據樣本進行訓練學習，模擬因變量與其相關的自變量間複雜的非線性關係; 將另外1/3的樣本作為驗證數據，以驗證訓練學習效果； 分別計算訓練學習階段和驗證階段模擬結果與實測樣本間的相關係數Rl2和R22，當兩者均大於常數α (0〈α〈I)時認為訓練效果合格，取α =0.7~0.8 ; 以驗證合格的神經網絡預測模型，輸入基本計算單元上與因變量相關的自變量指標數據，經過模擬計算得到基本計算單元上離散預測結果。
5.根據權利要求1所述的方法，其特徵在於，所述以各基本計算單元預測值作為權重由所屬縣級行政單元總值向下分攤進行結果修正的步驟包括: 採用計算公式=
6.根據權利要求1所述的方法，其特徵在於，所述將修正後的經濟社會和用水數據值，按基本計算單元的水資源分區屬性逐級匯總得到相應的用水數據的步驟包括:
採用計算公式
7.根據權利要求1至6任意一項所述的方法，其特徵在於，所述對生態環境用水量採用相關因子分攤法進行補充的步驟包括: 生態環境用水需求的影響因素包括林地、草地、水域、城鎮用地、GDP和非農業人口，各級行政單元生態環境用水量計算公式為
8.根據權利要求7所述的方法，其特徵在於，所述對生態環境用水量採用相關因子分攤法進行補充得到的計算公式中的權重係數採用基尼係數法確定的步驟包括: 對各指標樣本數據進行歸一化處理，計算公式為
9.根據權利要求8所述的方法，其特徵在於，所述對生態環境用水量採用相關因子分攤法進行補充得到的計算公式中的權重係數採用基尼係數法確定的步驟還包括: 在補充後數據的基礎上，以下級行政單元值作為權重由上級行政單元總值逐級向下分攤進行數據補充，計算公式為
10.根據權利要求9所述的方法，其特徵在於，所述對縣級行政單元生活用水、工業用水和農業用水採用定額法補充的步驟包括: 對縣級行政單元生活用水量的補充: 假設上一級行政區單元生活用水綜合定額與其下一級行政單元生活用水綜合定額相同,並滿足計算公式
【文檔編號】G06F19/00GK103886220SQ201410140946
【公開日】2014年6月25日 申請日期:2014年4月10日 優先權日:2014年4月10日
【發明者】許新宜, 楊中文, 魚京善, 王紅瑞, 孫文超, 陳華鑫, 賓零陵 申請人:北京師範大學