CN106372740B - 一种牧区水土草畜平衡模型的计算方法及*** - Google Patents
一种牧区水土草畜平衡模型的计算方法及*** Download PDFInfo
- Publication number
- CN106372740B CN106372740B CN201610679813.7A CN201610679813A CN106372740B CN 106372740 B CN106372740 B CN 106372740B CN 201610679813 A CN201610679813 A CN 201610679813A CN 106372740 B CN106372740 B CN 106372740B
- Authority
- CN
- China
- Prior art keywords
- water
- formula
- benefit
- livestock
- constraint condition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000002689 soil Substances 0.000 title claims abstract description 33
- 238000004364 calculation method Methods 0.000 title claims abstract description 29
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 128
- 230000008901 benefit Effects 0.000 claims abstract description 96
- 244000144972 livestock Species 0.000 claims abstract description 71
- 238000011161 development Methods 0.000 claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 22
- 241001465754 Metazoa Species 0.000 claims abstract description 19
- 244000025254 Cannabis sativa Species 0.000 claims abstract description 16
- 238000009313 farming Methods 0.000 claims abstract description 7
- 238000004519 manufacturing process Methods 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 80
- 238000003973 irrigation Methods 0.000 claims description 33
- 230000002262 irrigation Effects 0.000 claims description 33
- 241001494479 Pecora Species 0.000 claims description 24
- 239000004459 forage Substances 0.000 claims description 11
- 238000009304 pastoral farming Methods 0.000 claims description 9
- 230000000384 rearing effect Effects 0.000 claims description 9
- KZZWQCKYLNIOBT-UHFFFAOYSA-N 5-amino-2-nitrobenzoic acid Chemical compound NC1=CC=C([N+]([O-])=O)C(C(O)=O)=C1 KZZWQCKYLNIOBT-UHFFFAOYSA-N 0.000 claims description 8
- 235000021050 feed intake Nutrition 0.000 claims description 8
- 239000008235 industrial water Substances 0.000 claims description 8
- 230000003068 static effect Effects 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 7
- 230000009286 beneficial effect Effects 0.000 claims description 6
- 230000015556 catabolic process Effects 0.000 claims description 6
- 238000006731 degradation reaction Methods 0.000 claims description 6
- 108090000623 proteins and genes Proteins 0.000 claims description 6
- 241000209504 Poaceae Species 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 5
- 241000196324 Embryophyta Species 0.000 claims description 4
- 241000196171 Hydrodictyon reticulatum Species 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 239000003651 drinking water Substances 0.000 claims description 4
- 235000020188 drinking water Nutrition 0.000 claims description 4
- 210000004209 hair Anatomy 0.000 claims description 4
- 238000009336 multiple cropping Methods 0.000 claims description 4
- 230000008635 plant growth Effects 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 238000003307 slaughter Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000013178 mathematical model Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 239000003621 irrigation water Substances 0.000 description 4
- 230000035772 mutation Effects 0.000 description 4
- 238000009395 breeding Methods 0.000 description 3
- 230000001488 breeding effect Effects 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 241000255789 Bombyx mori Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000000085 cashmere Anatomy 0.000 description 1
- 210000000349 chromosome Anatomy 0.000 description 1
- 238000009396 hybridization Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/70—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in livestock or poultry
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Mining & Mineral Resources (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Marine Sciences & Fisheries (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
Abstract
本发明公开了一种牧区水土草畜平衡模型的计算方法及***，涉及数学模型计算技术领域。所述方法以水资源、土地资源及草地资源承载力为底线，以经济效益和生态效益综合效益最大为目标，以牧区“水‑土‑草‑畜”之间的全面平衡为准则，合理确定水土资源开发规模、农牧业种植结构、畜牧业生产方式以及适宜的载畜量，实现牧区水、土、草资源可持续利用、生态环境良性发展和社会经济可持续发展。
Description
技术领域
本发明涉及数学模型计算技术领域，特别涉及一种牧区水土草畜平衡模型的计算方法及***。
背景技术
我国牧区干旱少雨、水资源短缺，水土资源不匹配，草畜平衡矛盾突出，草原沙化退化严重，生态环境十分脆弱，超载过牧和农耕经济蚕食是造成草原生态退化的主要人为因素。
目前的牧区平衡计算存在的问题：
(1)以往的研究多是进行水-草-畜平衡计算，对于灌溉人工草地种植的重要影响因素土的考虑不足；
(2)以往研究多以经济效益最大化作为目标进行计算；
(3)以往研究多是以灌溉可利用水量进行约束，灌溉可利用水量为水资源可供水量扣除其他行业用水量之后的定值，在不同的水配置目标及方案灌溉可利用水量应是变化的；
(4)以往的草畜平衡研究仅考虑数量上的平衡，而忽略了天然草地草料与人工优质饲草料之间的质量平衡。
发明内容
本发明实施例提供了一种牧区水土草畜平衡模型的计算方法及***，用以解决现有技术中存在的问题。
一种牧区水土草畜平衡模型的计算方法，所述方法包括：
根据输入的参数以及所述参数之间的第一预设关系确定目标函数，所述目标函数包括综合效益函数和供水水源优先序函数，所述综合效益函数为经济效益和生态效益之和的最大值；
根据所述参数以及所述参数之间的第二预设关系确定约束条件，所述约束条件包括资源承载能力约束条件、供需平衡类约束条件、生活保障类约束条件、公平性约束条件及非负约束条件；
根据牲畜饲养方式，按照人工补饲定额递增的方式由天然放牧到全舍饲的水土草畜平衡设置多组所述参数的值，每组参数的值结合所述目标函数和约束条件构成一个方案，多个所述方案组成方案集；
求解所述方案集，获得每个所述方案的最优解集；
根据不同所述方案计算获得的最优解集，通过多指标综合分析对比，分析区域发展的限制因素，选择一个最有利于区域发展的所述方案作为最佳方案，以所述最佳方案的最优解集作为区域水土草畜发展阈值；
其中，求解所述方案集，获得每个所述方案的最优解集包括：
将每个所述方案的所述目标函数的解对应到[0，1]区间上，获得所有解的编码形式，所述解的编码形式称为个体；
随机生成多个所述个体，对每个所述个体进行合理性检验，保留满足所述约束条件的个体作为初始个体，多个所述初始个体组成初始种群；
计算所述初始种群中每个所述初始个体的适应度；
以所述初始种群中的初始个体作为父代个体，并根据所述父代个体的适应度生成相应的子代个体；
将第一代进化产生的适应度最靠前的n个子代个体的集合作为现有非劣解集保存，以后对于每一代进化所产生的最好的n个子代个体与所述现有非劣解集中的各解逐一进行比较，保留优解替换劣解，获得非劣解集；
当进化次数达到预设进化次数，且迭代次数也达到预设的迭代次数时，保留的经过替换得到的所述非劣解集，作为最优解集。
优选地，当所述迭代次数未达到所述预设的迭代次数时，重新进行下一次迭代，直到所述迭代次数达到所述预设的迭代次数为止。
优选地，根据以下公式确定所述综合效益函数：
fc＝Max(OBE+OBEN)
式中，fc为所述综合效益函数，OBE为所述经济效益，OBEN为所述生态效益；
所述经济效益OBE通过以下公式确定：
OBE＝ANB+INB
式中，ANB为农牧业净效益，INB为非农牧业净效益；
所述农牧业净效益通过以下公式确定：
ANB＝ANBA+ANBL
式中，ANBA为种植业灌溉净效益，ANBL为牲畜饲养净效益；
所述种植业灌溉净效益通过以下公式确定：
式中，ACA(f)为f类种植作物的灌溉面积，P(f)、Y(f)和C(f)分别为f类种植作物的单价、亩均产量和种植成本，WP为水价，WN(f)为f类种植作物的毛灌溉定额；
所述牲畜饲养净效益通过以下公式确定：
式中，LSL为牲畜饲养量，即标准羊单位，P(l)和Y(l)分别为牲畜标准羊单位第1类产品的产量和单价，ω为牲畜出栏率，C为牲畜标准羊单位的成本，WNL为牲畜标准羊单位饮水定额；
所述非农牧业净效益INB以工业用水净效益表示为：
INB＝IAV·ψ·δ
式中，IAV为工业增加值，ψ为工业净值占总产值的比例，δ为工业用水效益分摊系数；
所述生态效益OBEN通过以下公式确定：
式中，ANAk为第k类天然牧场利用面积，OBEND为动态草原生态服务价值，AREA为天然牧场可利用面积，ξ(k)为第k类天然牧场对应采食率下的折算系数；
所述动态草原生态服务价值通过以下公式确定：
OBEND＝l·r·OBENS
式中，l为相对支付意愿，r为天然草原资源稀缺程度，可按照天然草原退化程度取值，取值范围[0，1]，OBENS为静态草原生态服务价值；
所述相对支付意愿l表达式为：
式中，L为所述相对支付意愿l的最大值，表示极富阶段的支付意愿，取值为1，t为时间变量，表示社会经济发展阶段，a、b为常数，取值为1，e为自然对数；
其中，所述时间变量t表达式为：
式中，En为恩格尔系数；
所述静态草原生态服务价值通过以下公式确定：
式中，AREAi为i类天然草原面积，VPAi为i类天然草原天然状态下的草原生态服务价值单价。
优选地，根据以下公式确定所述供水水源优先序函数：
式中，fw为所述供水水源优先序函数，OBW为供水水源优先序数，αi和βj分别为i行业供水权重系数和j水源的供水优先序系数，WSL(i，j，t)为t时段i行业j水源的供水量。
优选地，所述资源承载能力约束条件包括水资源承载能力约束条件、草地资源承载能力约束条件和土地资源承载能力约束条件；
所述水资源承载能力约束条件表达式为：
式中，WSG(t)max为t时段供水工程最大供水能力，WLL(j，t)为t时段j水源的可利用量，WTL(t)为t时段外调水量，WUI为区域用水总量控制指标；
所述草地资源承载能力约束条件表达式为：
LSL·LNk·Tk≤ANAk·NCLk
LSL·ILNl·Tl≤IGAl·CLl
式中，LNk为k类天然牧场羊单位采食定额，Tk为k类天然牧场的饲养天数，NCLk为k类天然牧场的干草产量，ILNl为l类灌溉人工草地羊单位采食定额，Tl为l类灌溉草地的饲养天数，IGAl为l类灌溉草地的面积，CLl为l类灌溉草地的干草产量；
所述土地资源承载能力约束条件表达式为：
式中，ACA为种植作物灌溉面积，FCAm为第m类粮食作物灌溉面积，ECAn为第n类经济作物灌溉面积，AFL为可利用耕地面积，R为复种指数；
所述供需平衡类约束条件包括水资源供需平衡约束条件和饲草料供需平衡约束条件，所述水资源供需平衡约束条件的表达式为：
WRL(i，t)＝EI(i，t)·WN(i，t)
式中，WRL(i，t)为t时段第i类行业的需水量，EI(i，t)为t时段第i类行业的经济指标，WN(i，t)为t时段第i类行业的需水定额；
所述饲草料供需平衡约束条件的表达式为：
LSL·ILNl·Tl＝IGAl·CLl；
所述生活保障类约束条件包括粮食作物最低约束条件和牲畜饲料基本数约束条件。所述粮食作物最低约束条件的表达式为：
式中，FCDm为第m类粮食作物单位面积产量，PGD为人均粮食需求量，POP为人口总数；
所述牲畜饲料基本数约束条件的表达式为：
LSL≥LSLmin
式中，LSLmin为牲畜基础饲养数量；
所述公平性约束条件的表达式为：
EImin(i，t)≤EI(i，t)≤EImax(i，t)
WSLmin(i，j，t)≤WSL(i，j，t)≤WSLmax(i，j，t)
式中，EImin(i，t)为t时段i行业经济指标的最低限，EImax(i，t)为t时段i行业经济指标的最高限，WSLmin(i，j，t)为t时段i行业j水源供水量的最低限，WSLmax(i，j，t)为t时段i行业j水源供水量的最高限。
优选地，通过以下公式确定所述解的编码形式：
x(j)＝a(j)+y(j)[(b(j)-a(j))] (j＝1，2，…，p)
式中，[a(j)，b(j)]为预先设置的第j个优化变量x(j)的初始变化区间，y(j)为x(j)对应到[0，1]上的实数，称其为基因，所述编码形式表示为(y(1)，y(2)，…，y(p))，其中所述优化变量x(j)为每个方案对应的所述目标函数的解。
优选地，通过以下公式确定所述初始个体的适应度：
式中：Rt(i)为所述初始种群中第i个个体对目标函数t的排序序号，Ft(i)为所述初始种群中第i个个体对目标t所得的适应度，F(i)为所述初始种群中第i个个体对全部目标函数的综合适应度，k为(1，2)内的常数，用于加大表现最优的个体适应度，获得更多的参与机会，n为所述目标函数个数，N为所述初始种群中个体的个数。
本发明还提供了一种牧区水土草畜平衡模型的计算***，所述***包括：
目标函数确定模块，用于根据输入的参数以及所述参数之间的第一预设关系确定目标函数，所述目标函数包括综合效益函数和供水水源优先序函数，所述综合效益函数为经济效益和生态效益之和的最大值；
约束条件确定模块，用于根据所述参数以及所述参数之间的第二预设关系确定约束条件，所述约束条件包括资源承载能力约束条件、供需平衡类约束条件、生活保障类约束条件、公平性约束条件及非负约束条件；
方案集设置模块，用于根据牲畜饲养方式，按照人工补饲定额递增的方式由天然放牧到全舍饲的水土草畜平衡设置多组所述参数的值，每组参数的值结合所述目标函数和约束条件构成一个方案，多个所述方案组成方案集；
方案集求解模块，用于求解所述方案集，获得每个方案的最优解集；
最佳方案确定模块，用于根据不同方案计算获得的最优解集，通过多指标综合分析对比，分析区域发展的限制因素，选择一个最有利于区域发展的方案作为最佳方案，以最佳方案的最优解集作为区域水土草畜发展阈值；
其中，所述方案集求解模块包括：
个体编码子模块，用于将每个所述方案的所述目标函数的解对应到[0，1]区间上，获得所有解的编码形式，所述解的编码形式称为个体；
种群生成和初始化子模块，用于随机生成多个所述个体，对每个所述个体进行合理性检验，保留满足所述约束条件的个体作为初始个体，多个所述初始个体组成初始种群；
适应度计算子模块，用于计算所述初始种群中每个所述初始个体的适应度；
子代个体生成子模块，用于以所述初始种群中的初始个体作为父代个体，并根据所述父代个体的适应度生成相应的子代个体；
非劣解集计算子模块，用于将第一代进化产生的适应度最靠前的n个子代个体的集合作为现有非劣解集保存，以后对于每一代进化所产生的最好的n个子代个体与所述现有非劣解集中的各解逐一进行比较，保留优解替换劣解，获得非劣解集；
最优解集计算子模块，用于当进化次数达到预设进化次数时判断迭代次数是否达到预设的迭代次数，若是，保留的经过替换得到的所述非劣解集，作为最优解集；否则重新进行下一次迭代，直到迭代次数达到预设的迭代次数为止；当获得一个方案的最优解集后，重复进化和迭代步骤计算下一个方案的最优解集。
本发明实施例中牧区水土草畜平衡模型的计算方法及***以水资源、土地资源及草地资源承载力为底线，以经济效益和生态效益综合效益最大为目标，以牧区“水-土-草-畜”之间的全面平衡为准则，合理确定水土资源开发规模、农牧业种植结构、畜牧业生产方式以及适宜的载畜量，实现牧区水、土、草资源可持续利用、生态环境良性发展和社会经济可持续发展。
附图说明
为了更清楚地说明本发明发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种牧区水土草畜平衡模型的计算方法的步骤流程图；
图2为图1中求解方案集的步骤流程图；
图3为本发明实施例提供的一种牧区水土草畜平衡模型的计算***的功能模块图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参照图1和图2，本发明实施例提供了一种牧区水土草畜平衡模型的计算方法，该方法包括：
步骤100，根据使用者输入的参数以及参数之间的预设关系确定目标函数，所述目标函数包括综合效益函数和供水水源优先序函数。
所述综合效益函数为经济效益和生态效益之和的最大值，即：
fc＝Max(OBE+OBEN)
式中，fc为所述综合效益函数，OBE为所述经济效益，OBEN为所述生态效益。
所述经济效益OBE通过以下公式确定：
OBE＝ANB+INB
式中，ANB为农牧业净效益，INB为非农牧业净效益。
所述农牧业净效益通过以下公式确定：
ANB＝ANBA+ANBL
式中，ANBA为种植业灌溉净效益，ANBL为牲畜饲养净效益。
所述种植业灌溉净效益通过以下公式确定：
式中，ACA(f)为f类种植作物的灌溉面积，P(f)、Y(f)和C(f)分别为f类种植作物的单价、亩均产量和种植成本，WP为水价，WN(f)为f类种植作物的毛灌溉定额。
所述牲畜饲养净效益通过以下公式确定：
式中，LSL为牲畜饲养量，即标准羊单位，P(l)和Y(l)分别为牲畜标准羊单位第1类产品(羊肉、羊绒、羊皮等)的产量和单价，ω为牲畜出栏率，C为牲畜标准羊单位的成本，WNL为牲畜标准羊单位饮水定额。
所述非农牧业净效益INB以工业用水净效益表示为：
INB＝IAV·ψ·δ
式中，IAV为工业增加值，ψ为工业净值占总产值的比例，δ为工业用水效益分摊系数。
所述生态效益OBEN通过以下公式确定：
式中，ANAk为第k类天然牧场利用面积，OBEND为动态草原生态服务价值，AREA为天然牧场可利用面积，ξ(k)为第k类天然牧场对应采食率下的折算系数。
所述动态草原生态服务价值通过以下公式确定：
OBEND＝l·r·OBENS
式中，l为相对支付意愿，r为天然草原资源稀缺程度，可按照天然草原退化程度取值，取值范围[0，1]，OBENS为静态草原生态服务价值。
所述相对支付意愿l表达式为：
式中，L为所述相对支付意愿l的最大值，表示极富阶段的支付意愿，取值为1，t为时间变量，表示社会经济发展阶段，a、b为常数，取值为1，e为自然对数。
其中，所述时间变量t表达式为：
式中，En为恩格尔系数。
所述静态草原生态服务价值通过以下公式确定：
式中，AREAi为i类天然草原面积，VPAi为i类天然草原天然状态下的草原生态服务价值单价。
所述供水水源优先序函数通过以下公式确定：
式中，fw为所述供水水源优先序函数，OBW为供水水源优先序数，αi和βj分别为i行业供水权重系数和j水源的供水优先序系数，WSL(i，j，t)为t时段i行业j水源的供水量。
步骤110，根据使用者输入的参数以及参数之间的预设关系确定约束条件，所述约束条件包括资源承载能力约束条件、供需平衡类约束条件、生活保障类约束条件、公平性约束条件及非负约束条件。
所述资源承载能力约束条件又包括水资源承载能力约束条件、草地资源承载能力约束条件和土地资源承载能力约束条件。
所述水资源承载能力约束条件表达式为：
式中，WSG(t)max为t时段供水工程最大供水能力，WLL(j，t)为t时段j水源的可利用量，WTL(t)为t时段外调水量，WUI为区域用水总量控制指标。
所述草地资源承载能力约束条件表达式为：
LSL·LNk·Tk≤ANAk·NCLk
LSL·ILNl·Tl≤IGAl·CLl
式中，LNk为k类天然牧场羊单位采食定额，Tk为k类天然牧场的饲养天数，NCLk为k类天然牧场的干草产量，ILNl为l类灌溉人工草地羊单位采食定额，Tl为l类灌溉草地的饲养天数，IGAl为l类灌溉草地的面积，CLl为l类灌溉草地的干草产量。
所述土地资源承载能力约束条件表达式为：
式中，ACA为种植作物灌溉面积，FCAm为第m类粮食作物灌溉面积，ECAn为第n类经济作物灌溉面积，AFL为可利用耕地面积，R为复种指数。
所述供需平衡类约束条件包括水资源供需平衡约束条件和饲草料供需平衡约束条件。所述水资源供需平衡约束条件的表达式为：
WRL(i，t)＝EI(i，t)·WN(i，t)
式中，WRL(i，t)为t时段第i类行业的需水量，EI(i，t)为t时段第i类行业的经济指标，WN(i，t)为t时段第i类行业的需水定额。
所述饲草料供需平衡约束条件的表达式为：
LSL·ILNl·Tl＝IGAl·CLl
所述生活保障类约束条件包括粮食作物最低约束条件和牲畜饲料基本数约束条件。所述粮食作物最低约束条件的表达式为：
式中，FCDm为第m类粮食作物单位面积产量，PGD为人均粮食需求量，POP为人口总数。
所述牲畜饲料基本数约束条件的表达式为：
LSL≥LSLmin
式中，LSLmin为牲畜基础饲养数量。
所述公平性约束条件的表达式为：
EImin(i，t)≤EI(i，t)≤EImax(i，t)
WSLmin(i，j，t)≤WSL(i，j，t)≤WSLmax(i，j，t)
式中，EImin(i，t)为t时段i行业经济指标的最低限，EImax(i，t)为t时段i行业经济指标的最高限，WSLmin(i，j，t)为t时段i行业j水源供水量的最低限，WSLmax(i，j，t)为t时段i行业j水源供水量的最高限。
以上约束条件均为非负约束条件。
步骤120，设置方案集。具体地，根据牲畜饲养方式(天然放牧、暖季放牧冷季补饲、暖季放牧冷季舍饲、暖季补饲冷季舍饲、全舍饲)，按照人工补饲定额递增的方式由天然放牧到全舍饲的水土草畜平衡设置多组参数的值，每组参数测值结合上述的目标函数和约束条件构成一个方案，多个方案组成方案集。
步骤130，方案集求解计算。
具体地，对方案集的求解包括对方案集中每个方案的逐一求解，每个方案的求解计算包括以下子步骤：
子步骤131，个体编码，采用实数编码方法，利用如下线性变换进行编码：
x(j)＝a(j)+y(j)[(b(j)-a(j))] (j＝1，2，…，p)
式中，[a(j)，b(j)]为预先设置的第j个优化变量x(j)，即每个方案对应的目标函数的解，的初始变化区间，y(j)为x(j)对应到[0，1]上的实数，称其为基因。优化问题所有变量对应的基因依次连在一起构成问题解的编码形式(y(1)，y(2)，…，y(p))，称为染色体或个体。经过编码，所有优化变量都统一到[0，1]区间，直接对各优化变量的基因形式进行各种遗传操作。
子步骤132，种群生成和初始化。具体地，按照子步骤131的方法随机生成多个个体，多个随机生成的个体组成群体。为保证种群的可行性，需对群体的合理性进行检验，排除不符合要求的个体，即不满足所述约束条件的个体。如果可行即作为初始个体保留，否则重新生成个体再检验，直到种群个体都可行为止，初始个体即组成初始种群。
子步骤133，计算初始种群中初始个体的适应度。具体地，多目标遗传算法个体适应度的确定原则是使综合表现优良的个体获得较大的适应度，将初始种群所有初始个体对各目标函数进行排序，得到基于目标函数的排序矩阵，按照如下供给计算初始个体适应度：
式中：Rt(i)为种群第i个个体对目标函数t的排序序号，Ft(i)为种群第i个个体对目标t所得的适应度，F(i)为种群第i个个体对全部目标函数的综合适应度，k为(1，2)内的常数，用于加大表现最优的个体适应度，获得更多的参与机会，n为目标函数个数，N为初始种群中个体的个数。
子步骤134，以初始种群中的个体作为父代个体，并根据父代个体产生子代个体。
其中，选择父代个体的方式为选择操作，生成子代个体的方式包括交叉操作和变异操作。
选择操作具体为：取比例选择方式，则第i个父代个体y(j，i)的选择概率ps(i)为
令
则序列{p(i)|i＝1，2，…，n}把[0，1]区间分成n个子区间，这些子区间与n个父代个体一一对应。生成一个随机数u，若u在区间[p(i-1)，p(i)]中，则第i个父代个体y(j，i)被选中。
交叉操作具体为：对于实数编码***，一个基因表示一个优化变量，为保持群体的多样性，根据选择概率随机选择一对父代个体y(j，i1)和y(j，i2)作为双亲，并进行如下随机线性组合，产生一个子代个体y2(j，i)：
式中：u1，u2，u3都是随机数，通过这样的杂交操作，共产生n个子代个体。
变异操作具体为：任意一个父代个体y(j，i)，若其适应度函数值F(i)越小，则其选择概率ps(i)越小，则对该个体进行变异的概率pm(i)也应越大。因此，变异操作是，采用p个随机数以pm(i)＝1-ps(i)的概率来代替个体y(j，i)，从而得到子代个体y3(j，i)，j＝1，2，…，p。
式中，u(j)(j＝1，2，...，p)和um为[0，1]之间的均匀随机数，pm(i)为变异概率。
子步骤135，计算非劣解集。
根据遗传算法中每一代都有大量的可行解，即子代个体产生这一特点，考虑通过可行解之间相互比较淘汰劣解的办法来达到最后对非劣解集的逼近。先将第一代进化产生的最好的，即适应度最靠前的n个可行解作为现有非劣解集保存，以后对于每一代进化所产生的最好的n个可行解与非劣解集中的各解逐一进行比较，保留优解替换劣解，获得非劣解集。
子步骤136，计算最优解集。
当进化次数达到预设进化次数时判断迭代次数是否达到预设的迭代次数，若是，保留的经过替换得到的非劣解集，作为最优解集。否则返回子步骤132，直到迭代次数达到预设的迭代次数为止。当获得一个方案的最优解集后，重复以上子步骤131至子步骤136计算下一个方案的最优解集。
步骤140，根据不同方案计算获得的最优解集，通过综合效益、用水总量、单方水效益、牲畜饲养水平、生态经济协调发展程度等多指标综合分析对比，分析区域发展的限制因素，选择一个最有利于区域发展的方案作为最佳方案，以最佳方案的最优解集作为区域水土草畜发展阈值。所述发展阈值包括天然草原开发利用程度、用水量、单方水效益、土地开发规模、灌溉饲草料地种植规模、牲畜饲养方式、牲畜饲养量等。
基于同一发明构思，本发明实施例提供了一种牧区水土草畜平衡模型的计算***，如图3所示，由于该***解决技术问题的原理和一种牧区水土草畜平衡模型的计算方法相似，因此该***的实施可参照方法的实施，重复之处不再赘述。
目标函数确定模块200，用于根据输入的参数以及所述参数之间的第一预设关系确定目标函数，所述目标函数包括综合效益函数和供水水源优先序函数，所述综合效益函数为经济效益和生态效益之和的最大值；
约束条件确定模块210，用于根据所述参数以及所述参数之间的第二预设关系确定约束条件，所述约束条件包括资源承载能力约束条件、供需平衡类约束条件、生活保障类约束条件、公平性约束条件及非负约束条件；
方案集设置模块220，用于根据牲畜饲养方式，按照人工补饲定额递增的方式由天然放牧到全舍饲的水土草畜平衡设置多组参数，每组参数结合上述的目标函数和约束条件构成一个方案，多个方案组成方案集；
方案集求解模块230，用于求解所述方案集，获得每个方案的最优解集。所述方案集求解模块230包括：
个体编码子模块231，用于将每个方案的目标函数的解对应到[0，1]区间上，获得所有解的编码形式，所述解的编码形式称为个体；
种群生成和初始化子模块232，用于随机生成多个个体，对每个个体进行合理性检验，保留满足约束条件的个体作为初始个体，多个初始个体组成初始种群；
适应度计算子模块233，用于计算所述初始种群中每个所述初始个体的适应度；
子代个体生成子模块234，用于以所述初始种群中的初始个体作为父代个体，并根据所述初始个体的适应度生成相应的子代个体；
非劣解集计算子模块235，用于将第一代进化产生的适应度最靠前的n个可行解作为现有非劣解集保存，以后对于每一代进化所产生的最好的n个可行解与现有非劣解集中的各解逐一进行比较，保留优解替换劣解，获得非劣解集；
最优解集计算子模块236，用于当进化次数达到预设进化次数时判断迭代次数是否达到预设的迭代次数，若是，保留的经过替换得到的非劣解集，作为最优解集。否则重新进行下一次迭代，直到迭代次数达到预设的迭代次数为止。当获得一个方案的最优解集后，重复进化和迭代步骤计算下一个方案的最优解集。
最佳方案确定模块240，用于根据不同方案计算获得的最优解集，通过多指标综合分析对比，分析区域发展的限制因素，选择一个最有利于区域发展的方案作为最佳方案，以最佳方案的最优解集作为区域水土草畜发展阈值。
应当理解，以上一种牧区水土草畜平衡模型的计算***包括的模块仅为根据该***实现的功能进行的逻辑划分，实际应用中，可以进行上述模块的叠加或拆分。并且该实施例提供的一种牧区水土草畜平衡模型的计算***所实现的功能与上述实施例提供的一种牧区水土草畜平衡模型的计算方法一一对应，对于该***所实现的更为详细的处理流程，在上述方法实施例一中已做详细描述，此处不再详细描述。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (5)
1.一种牧区水土草畜平衡模型的计算方法，其特征在于，所述方法包括：
根据输入的参数以及所述参数之间的第一预设关系确定目标函数，所述目标函数包括综合效益函数和供水水源优先序函数，所述综合效益函数为经济效益和生态效益之和的最大值；
根据所述参数以及所述参数之间的第二预设关系确定约束条件，所述约束条件包括资源承载能力约束条件、供需平衡类约束条件、生活保障类约束条件、公平性约束条件及非负约束条件；
根据牲畜饲养方式，按照人工补饲定额递增的方式由天然放牧到全舍饲的水土草畜平衡设置多组所述参数的值，每组参数的值结合所述目标函数和约束条件构成一个方案，多个所述方案组成方案集；
求解所述方案集，获得每个所述方案的最优解集；
根据不同所述方案计算获得的最优解集，通过多指标综合分析对比，分析区域发展的限制因素，选择一个最有利于区域发展的所述方案作为最佳方案，以所述最佳方案的最优解集作为区域水土草畜发展阈值；
其中，求解所述方案集，获得每个所述方案的最优解集包括：
将每个所述方案的所述目标函数的解对应到[0，1]区间上，获得所有解的编码形式，所述解的编码形式称为个体；
随机生成多个所述个体，对每个所述个体进行合理性检验，保留满足所述约束条件的个体作为初始个体，多个所述初始个体组成初始种群；
计算所述初始种群中每个所述初始个体的适应度；
以所述初始种群中的初始个体作为父代个体，并根据所述父代个体的适应度生成相应的子代个体；
将第一代进化产生的适应度最靠前的n个子代个体的集合作为现有非劣解集保存，以后对于每一代进化所产生的最好的n个子代个体与所述现有非劣解集中的各解逐一进行比较，保留优解替换劣解，获得非劣解集；
当进化次数达到预设进化次数，且迭代次数也达到预设的迭代次数时，保留的经过替换得到的所述非劣解集，作为最优解集；
其中，根据以下公式确定所述综合效益函数：
fc＝Max(OBE+OBEN)
式中，fc为所述综合效益函数，OBE为所述经济效益，OBEN为所述生态效益；
所述经济效益OBE通过以下公式确定：
OBE＝ANB+INB
式中，ANB为农牧业净效益，INB为非农牧业净效益；
所述农牧业净效益通过以下公式确定：
ANB＝ANBA+ANBL
式中，ANBA为种植业灌溉净效益，ANBL为牲畜饲养净效益；
所述种植业灌溉净效益通过以下公式确定：
式中，ACA(f)为f类种植作物的灌溉面积，P(f)、Y(f)和C(f)分别为f类种植作物的单价、亩均产量和种植成本，WP为水价，WN(f)为f类种植作物的毛灌溉定额；
所述牲畜饲养净效益通过以下公式确定：
式中，LSL为牲畜饲养量，即标准羊单位，P(l)和Y(l)分别为牲畜标准羊单位第1类产品的产量和单价，ω为牲畜出栏率，C为牲畜标准羊单位的成本，WNL为牲畜标准羊单位饮水定额；
所述非农牧业净效益INB以工业用水净效益表示为：
INB＝IAV·ψ·δ
式中，IAV为工业增加值，ψ为工业净值占总产值的比例，δ为工业用水效益分摊系数；
所述生态效益OBEN通过以下公式确定：
式中，ANAk为第k类天然牧场利用面积，OBEND为动态草原生态服务价值，AREA为天然牧场可利用面积，ξ(k)为第k类天然牧场对应采食率下的折算系数；
所述动态草原生态服务价值通过以下公式确定：
OBEND＝l·r·OBENS
式中，l为相对支付意愿，r为天然草原资源稀缺程度，可按照天然草原退化程度取值，取值范围[0，1]，OBENS为静态草原生态服务价值；
所述相对支付意愿l表达式为：
式中，L为所述相对支付意愿l的最大值，表示极富阶段的支付意愿，取值为1，t为时间变量，表示社会经济发展阶段，a、b为常数，取值为1，e为自然对数；
其中，所述时间变量t表达式为：
式中，En为恩格尔系数；
所述静态草原生态服务价值通过以下公式确定：
式中，AREAi为i类天然草原面积，VPAi为i类天然草原天然状态下的草原生态服务价值单价；
根据以下公式确定所述供水水源优先序函数：
式中，fw为所述供水水源优先序函数，OBW为供水水源优先序数，αi和βj分别为i行业供水权重系数和j水源的供水优先序系数，WSL(i，j，t)为t时段i行业j水源的供水量；
所述资源承载能力约束条件包括水资源承载能力约束条件、草地资源承载能力约束条件和土地资源承载能力约束条件；
所述水资源承载能力约束条件表达式为：
式中，WSG(t)max为t时段供水工程最大供水能力，WLL(j，t)为t时段j水源的可利用量，WTL(t)为t时段外调水量，WUI为区域用水总量控制指标；
所述草地资源承载能力约束条件表达式为：
LSL·LNk·Tk≤ANAk·NCLk
LSL·ILNl·Tl≤IGAl·CLl
式中，LNk为k类天然牧场羊单位采食定额，Tk为k类天然牧场的饲养天数，NCLk为k类天然牧场的干草产量，ILNl为l类灌溉人工草地羊单位采食定额，Tl为l类灌溉草地的饲养天数，IGAl为l类灌溉草地的面积，CLl为l类灌溉草地的干草产量；
所述土地资源承载能力约束条件表达式为：
式中，ACA为种植作物灌溉面积，FCAm为第m类粮食作物灌溉面积，ECAn为第n类经济作物灌溉面积，AFL为可利用耕地面积，R为复种指数；
所述供需平衡类约束条件包括水资源供需平衡约束条件和饲草料供需平衡约束条件，所述水资源供需平衡约束条件的表达式为：
WRL(i，t)＝EI(i，t)·WN(i，t)
式中，WRL(i，t)为t时段第i类行业的需水量，EI(i，t)为t时段第i类行业的经济指标，WN(i，t)为t时段第i类行业的需水定额；
所述饲草料供需平衡约束条件的表达式为：
LSL·ILNl·Tl＝IGAl·CLl；
所述生活保障类约束条件包括粮食作物最低约束条件和牲畜饲料基本数约束条件；所述粮食作物最低约束条件的表达式为：
式中，FCDm为第m类粮食作物单位面积产量，PGD为人均粮食需求量，POP为人口总数；
所述牲畜饲料基本数约束条件的表达式为：
LSL≥LSLmin
式中，LSLmin为牲畜基础饲养数量；
所述公平性约束条件的表达式为：
EImin(i，t)≤EI(i，t)≤EImax(i，t)
WSLmin(i，j，t)≤WSL(i，j，t)≤WSLmax(i，j，t)
式中，EImin(i，t)为t时段i行业经济指标的最低限，EImax(i，t)为t时段i行业经济指标的最高限，WSLmin(i，j，t)为t时段i行业j水源供水量的最低限，WSLmax(i，j，t)为t时段i行业j水源供水量的最高限。
2.如权利要求1所述的方法，其特征在于，当所述迭代次数未达到所述预设的迭代次数时，重新进行下一次迭代，直到所述迭代次数达到所述预设的迭代次数为止。
3.如权利要求1所述的方法，其特征在于，通过以下公式确定所述解的编码形式：
x(j)＝a(j)+y(j)[(b(j)-a(j))] (j＝1，2，…，p)
式中，[a(j)，b(j)]为预先设置的第j个优化变量x(j)的初始变化区间，y(j)为x(j)对应到[0，1]上的实数，称其为基因，所述编码形式表示为(y(1)，y(2)，…，y(p))，其中所述优化变量x(j)为每个方案对应的所述目标函数的解。
4.如权利要求1所述的方法，其特征在于，通过以下公式确定所述初始个体的适应度：
式中：Rt(i)为所述初始种群中第i个个体对目标函数t的排序序号，Ft(i)为所述初始种群中第i个个体对目标t所得的适应度，F(i)为所述初始种群中第i个个体对全部目标函数的综合适应度，k为(1，2)内的常数，用于加大表现最优的个体适应度，获得更多的参与机会，n为所述目标函数个数，N为所述初始种群中个体的个数。
5.一种牧区水土草畜平衡模型的计算***，其特征在于，所述***包括：
目标函数确定模块，用于根据输入的参数以及所述参数之间的第一预设关系确定目标函数，所述目标函数包括综合效益函数和供水水源优先序函数，所述综合效益函数为经济效益和生态效益之和的最大值；
约束条件确定模块，用于根据所述参数以及所述参数之间的第二预设关系确定约束条件，所述约束条件包括资源承载能力约束条件、供需平衡类约束条件、生活保障类约束条件、公平性约束条件及非负约束条件；
方案集设置模块，用于根据牲畜饲养方式，按照人工补饲定额递增的方式由天然放牧到全舍饲的水土草畜平衡设置多组所述参数的值，每组参数的值结合所述目标函数和约束条件构成一个方案，多个所述方案组成方案集；
方案集求解模块，用于求解所述方案集，获得每个方案的最优解集；
最佳方案确定模块，用于根据不同方案计算获得的最优解集，通过多指标综合分析对比，分析区域发展的限制因素，选择一个最有利于区域发展的方案作为最佳方案，以最佳方案的最优解集作为区域水土草畜发展阈值；
其中，所述方案集求解模块包括：
个体编码子模块，用于将每个所述方案的所述目标函数的解对应到[0，1]区间上，获得所有解的编码形式，所述解的编码形式称为个体；
种群生成和初始化子模块，用于随机生成多个所述个体，对每个所述个体进行合理性检验，保留满足所述约束条件的个体作为初始个体，多个所述初始个体组成初始种群；
适应度计算子模块，用于计算所述初始种群中每个所述初始个体的适应度；
子代个体生成子模块，用于以所述初始种群中的初始个体作为父代个体，并根据所述父代个体的适应度生成相应的子代个体；
非劣解集计算子模块，用于将第一代进化产生的适应度最靠前的n个子代个体的集合作为现有非劣解集保存，以后对于每一代进化所产生的最好的n个子代个体与所述现有非劣解集中的各解逐一进行比较，保留优解替换劣解，获得非劣解集；
最优解集计算子模块，用于当进化次数达到预设进化次数时判断迭代次数是否达到预设的迭代次数，若是，保留的经过替换得到的所述非劣解集，作为最优解集；否则重新进行下一次迭代，直到迭代次数达到预设的迭代次数为止；当获得一个方案的最优解集后，重复进化和迭代步骤计算下一个方案的最优解集；
其中，根据以下公式确定所述综合效益函数：
fc＝Max(OBE+OBEN)
式中，fc为所述综合效益函数，OBE为所述经济效益，OBEN为所述生态效益；
所述经济效益OBE通过以下公式确定：
OBE＝ANB+INB
式中，ANB为农牧业净效益，INB为非农牧业净效益；
所述农牧业净效益通过以下公式确定：
ANB＝ANBA+ANBL
式中，ANBA为种植业灌溉净效益，ANBL为牲畜饲养净效益；
所述种植业灌溉净效益通过以下公式确定：
式中，ACA(f)为f类种植作物的灌溉面积，P(f)、Y(f)和C(f)分别为f类种植作物的单价、亩均产量和种植成本，WP为水价，WN(f)为f类种植作物的毛灌溉定额；
所述牲畜饲养净效益通过以下公式确定：
式中，LSL为牲畜饲养量，即标准羊单位，P(l)和Y(l)分别为牲畜标准羊单位第1类产品的产量和单价，ω为牲畜出栏率，C为牲畜标准羊单位的成本，WNL为牲畜标准羊单位饮水定额；
所述非农牧业净效益INB以工业用水净效益表示为：
INB＝IAV·ψ·δ
式中，IAV为工业增加值，ψ为工业净值占总产值的比例，δ为工业用水效益分摊系数；
所述生态效益OBEN通过以下公式确定：
式中，ANAk为第k类天然牧场利用面积，OBEND为动态草原生态服务价值，AREA为天然牧场可利用面积，ξ(k)为第k类天然牧场对应采食率下的折算系数；
所述动态草原生态服务价值通过以下公式确定：
OBEND＝l·r·OBENS
式中，l为相对支付意愿，r为天然草原资源稀缺程度，可按照天然草原退化程度取值，取值范围[0，1]，OBENS为静态草原生态服务价值；
所述相对支付意愿l表达式为：
式中，L为所述相对支付意愿l的最大值，表示极富阶段的支付意愿，取值为1，t为时间变量，表示社会经济发展阶段，a、b为常数，取值为1，e为自然对数；
其中，所述时间变量t表达式为：
式中，En为恩格尔系数；
所述静态草原生态服务价值通过以下公式确定：
式中，AREAi为i类天然草原面积，VPAi为i类天然草原天然状态下的草原生态服务价值单价；
根据以下公式确定所述供水水源优先序函数：
式中，fw为所述供水水源优先序函数，OBW为供水水源优先序数，αi和βj分别为i行业供水权重系数和j水源的供水优先序系数，WSL(i，j，t)为t时段i行业j水源的供水量；
所述资源承载能力约束条件包括水资源承载能力约束条件、草地资源承载能力约束条件和土地资源承载能力约束条件；
所述水资源承载能力约束条件表达式为：
式中，WSG(t)max为t时段供水工程最大供水能力，WLL(j，t)为t时段j水源的可利用量，WTL(t)为t时段外调水量，WUI为区域用水总量控制指标；
所述草地资源承载能力约束条件表达式为：
LSL·LNk·Tk≤ANAk·NCLk
LSL·ILNl·Tl≤IGAl·CLl
式中，LNk为k类天然牧场羊单位采食定额，Tk为k类天然牧场的饲养天数，NCLk为k类天然牧场的干草产量，ILNl为l类灌溉人工草地羊单位采食定额，Tl为l类灌溉草地的饲养天数，IGAl为l类灌溉草地的面积，CLl为l类灌溉草地的干草产量；
所述土地资源承载能力约束条件表达式为：
式中，ACA为种植作物灌溉面积，FCAm为第m类粮食作物灌溉面积，ECAn为第n类经济作物灌溉面积，AFL为可利用耕地面积，R为复种指数；
所述供需平衡类约束条件包括水资源供需平衡约束条件和饲草料供需平衡约束条件，所述水资源供需平衡约束条件的表达式为：
WRL(i，t)＝EI(i，t)·WN(i，t)
式中，WRL(i，t)为t时段第i类行业的需水量，EI(i，t)为t时段第i类行业的经济指标，WN(i，t)为t时段第i类行业的需水定额；
所述饲草料供需平衡约束条件的表达式为：
LSL·ILNl·Tl＝IGAl·CLl；
所述生活保障类约束条件包括粮食作物最低约束条件和牲畜饲料基本数约束条件；所述粮食作物最低约束条件的表达式为：
式中，FCDm为第m类粮食作物单位面积产量，PGD为人均粮食需求量，POP为人口总数；
所述牲畜饲料基本数约束条件的表达式为：
LSL≥LSLmin
式中，LSLmin为牲畜基础饲养数量；
所述公平性约束条件的表达式为：
EImin(i，t)≤EI(i，t)≤EImax(i，t)
WSLmin(i，j，t)≤WSL(i，j，t)≤WSLmax(i，j，t)
式中，EImin(i，t)为t时段i行业经济指标的最低限，EImax(i，t)为t时段i行业经济指标的最高限，WSLmin(i，j，t)为t时段i行业j水源供水量的最低限，WSLmax(i，j，t)为t时段i行业j水源供水量的最高限。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610679813.7A CN106372740B (zh) | 2016-08-12 | 2016-08-12 | 一种牧区水土草畜平衡模型的计算方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610679813.7A CN106372740B (zh) | 2016-08-12 | 2016-08-12 | 一种牧区水土草畜平衡模型的计算方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106372740A CN106372740A (zh) | 2017-02-01 |
| CN106372740B true CN106372740B (zh) | 2021-09-28 |
Family
ID=57878809
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610679813.7A Active CN106372740B (zh) | 2016-08-12 | 2016-08-12 | 一种牧区水土草畜平衡模型的计算方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106372740B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109329201B (zh) * | 2018-09-18 | 2021-11-16 | 甘肃农业大学 | 一种家庭牧户家畜－草地配置技术 |
| CN109479751B (zh) * | 2018-10-19 | 2020-04-28 | 中国农业科学院农业信息研究所 | 一种基于草畜能量平衡的牲畜产量预测方法及*** |
| CN112734224A (zh) * | 2021-01-06 | 2021-04-30 | 中国科学院地理科学与资源研究所 | 一种草食性野生动物造成牧场损失的评估方法 |
| CN112734220A (zh) * | 2021-01-06 | 2021-04-30 | 中国科学院地理科学与资源研究所 | 一种基于草食性野生动物的草畜平衡评估方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101118611A (zh) * | 2007-09-07 | 2008-02-06 | 北京航空航天大学 | 基于遗传算法的业务过程模型资源配置优化方法 |
| CN101290667A (zh) * | 2008-06-10 | 2008-10-22 | 中国科学院东北地理与农业生态研究所 | 一种生态畜牧业的生产调控方法 |
| CN104956871A (zh) * | 2015-06-05 | 2015-10-07 | 水利部牧区水利科学研究所 | 水草畜平衡*** |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9183742B2 (en) * | 2012-10-26 | 2015-11-10 | Xerox Corporation | Methods, systems and processor-readable media for optimizing intelligent transportation system strategies utilizing systematic genetic algorithms |
-
2016
- 2016-08-12 CN CN201610679813.7A patent/CN106372740B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101118611A (zh) * | 2007-09-07 | 2008-02-06 | 北京航空航天大学 | 基于遗传算法的业务过程模型资源配置优化方法 |
| CN101290667A (zh) * | 2008-06-10 | 2008-10-22 | 中国科学院东北地理与农业生态研究所 | 一种生态畜牧业的生产调控方法 |
| CN104956871A (zh) * | 2015-06-05 | 2015-10-07 | 水利部牧区水利科学研究所 | 水草畜平衡*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106372740A (zh) | 2017-02-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106372740B (zh) | 一种牧区水土草畜平衡模型的计算方法及*** | |
| Groot et al. | Multi-objective optimization and design of farming systems | |
| Bosire et al. | Meat and milk production scenarios and the associated land footprint in Kenya | |
| Chetty et al. | Comparison study of swarm intelligence techniques for the annual crop planning problem | |
| JP2008508867A (ja) | 環境的栄養素入力に基づき動物生産を最適化するシステムおよび方法 | |
| US20210089947A1 (en) | Aquaculture Decision Optimization System Using A Learning Engine | |
| BRPI0614482A2 (pt) | sistema e método para otimização da produção animal usando informação do genótipo | |
| Araneda et al. | Optimal harvesting time of farmed aquatic populations with nonlinear size‐heterogeneous growth | |
| Bergstrom | On the evolution of hoarding, risk-taking, and wealth distribution in nonhuman and human populations | |
| Bamiro et al. | Enterprise combination in livestock sector in Southwestern, Nigeria | |
| Kaur et al. | Cost of milk production in Punjab: A pre-requisite for pricing policy | |
| CN115809556A (zh) | 一种饲料配方优化方法、***、装置和存储介质 | |
| Suárez-Puerto et al. | Bioeconomic analysis of the commercial production of Nile tilapia with biofloc and green water technologies | |
| Purnamasari et al. | Management strategies for Indonesian rubber production under yield and price uncertainty: a bioeconomic analysis | |
| Roughsedge et al. | A bio-economic model for the evaluation of breeds and mating systems in beef production enterprises | |
| Hou et al. | Multi-objective scheduling model of green production based on genetic algorithm under agricultural supply side structure | |
| Dimitrova | Trends in the Development of the Structure of the Agricultural Holdings in Bulgaria | |
| Kononova et al. | Trends in technical and technological development of agriculture in Russia | |
| Pérez et al. | Bioeconomic effect from the size selection in red abalone intensive culture Haliotis rufescens as a production strategy | |
| Hu et al. | Coverage path planning of Penaeus vannamei feeding based on global and multiple local areas | |
| Moghadam et al. | Broiler management using fuzzy multi-objective genetic algorithm: A case study | |
| Srinivasa et al. | Optimum cropping pattern for sericulture-dominant farms in southern dry zone of Karnataka | |
| Siddaramappa | Tracing the path to food security in independent India | |
| Bansal et al. | Portfolio Management Issues in the Commercial Seed Industry: A Modeling Framework and Industry Implementation | |
| Absamatov | AGRICULTURAL SECTOR OF UZBEKISTAN: FEATURES, PROBLEMS AND WAYS TO SOLVE THEM. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information |
Inventor after: Li Heping Inventor after: Lu Haiyuan Inventor after: Zheng Hexiang Inventor after: Tong Changfu Inventor after: Wang Jun Inventor after: Li Heping, Lu sailor, Zheng Hexiang, Tong Changfu, Wang junbai, bater, Miao Shu, Yang Yanshan, Cao Xuesong Inventor after: Miao Shu Inventor after: Yang Yanshan Inventor after: Cao Xuesong Inventor before: Li He Ping |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |