CN115860417A - 一种农业水灌溉分配方法、***及一种终端设备 - Google Patents
一种农业水灌溉分配方法、***及一种终端设备 Download PDFInfo
- Publication number
- CN115860417A CN115860417A CN202211669264.7A CN202211669264A CN115860417A CN 115860417 A CN115860417 A CN 115860417A CN 202211669264 A CN202211669264 A CN 202211669264A CN 115860417 A CN115860417 A CN 115860417A
- Authority
- CN
- China
- Prior art keywords
- irrigation
- target area
- water
- optimal
- target
- 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.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种农业水灌溉分配方法、***及一种终端设备,该分配方法,包括以下步骤:获取目标区域数据;将所述获取目标区域数据输入至预设模型中;所述预设模型通过区间参数规划方法、马尔科夫链模型、两阶段随机规划方法以及全无限规划方法构建;输出目标区域农业水灌溉分配结果。该预设模型通过区间参数规划方法、两阶段随机规划方法以及全无限规划方法构建,考虑了区间数、随机分布、函数区间数等不确定信息,解决了***数据存在的不确定性和复杂性,该方法对违反约束的灌溉行为可进行经济追索,实现灌溉***收益最大。规划计算结果可以帮助研究区域调整现有的灌溉计划,确定不确定性条件下农业灌溉的水分配政策。
Description
技术领域
本发明属于水资源管理领域,涉及一种农业水灌溉分配方法、***及一种终端设备。
背景技术
农业水资源是人类赖以生存和发展的基础,也是衡量社会发展水平和人民群众生活质量的重要标准,开展农业水资源科学管理和相关政策的研究,解决各种水资源问题,制定平衡农业经济发展需求与水资源供给之间矛盾的有效机制至关重要。目前,国内外学者在农业水资源环境***的不确定性管理决策方法的研究和应用方面,已经开展了大量的探索和研究工作,但仍存在一定的局限性。例如,缺乏表征农业水资源***复杂性和多重不确定性规划方法的研究与开发,不能有效地在时间上和空间上充分考虑农业水资源***的不确定性因素,从而难以兼顾多方面的需求和利益,给出合理有效的决策方案。此外,在农业水资源***管理应用方面,目前也缺少能有效地反映***动态、多元、时空等特征,体现宏观决策和经济收益/惩罚间复杂响应关系的管理决策方法,这些问题已成为严重制约资源环境***管理研究的重要瓶颈。
发明内容
针对现有技术中存在的问题,本发明提供一种农业水灌溉分配方法、***及一种终端设备,从而有效解决现有技术无法有效地在时间上和空间上充分考虑农业水资源***的不确定性因素,从而难以兼顾多方面的需求和利益,给出合理有效决策方案的技术问题。
本发明是通过以下技术方案来实现:
一种农业水灌溉分配方法,包括以下步骤:
S1:获取目标区域数据,所述目标区域数据包括不同农作物的产量、自然灾害损失量、水库进水量以及目标区域不同农作物灌溉定额及灌溉目标;
S2:将所述获取的目标区域数据输入至预设模型中,获取目标区域在不同灌溉水平下的最优灌溉目标、不同灌溉水平下不同农作物的最优灌溉面积、不同灌溉水平下额外可灌溉面积、违背灌溉计划后的经济惩罚以及不同作物在最优灌溉规划下的获益;
S3:根据违背灌溉计划后的经济惩罚以及不同作物在最优灌溉规划下的获益,给出目标区域内最优灌溉目标以及不同农作物的最优灌溉面积,完成农业水的灌溉分配。
优选的,所述预设模型为:
式中,
f±为预期净***效益;
i为目标区域的分区,i=1;2;3;...;
m为分区序列;
j为目标区域的作物类型,j=1;2;3;...;
n为作物类型序列;
k为目标区域水库来水,k=1;2;...;7;
l为水库来水序列;
Pk为流入概率k;
δ为作物j的价格利率;
优选的,所述预设模型包括第一子模型:
式中:yij为决策变量。
优选的,所述预设模型包括第二子模型:
优选的,所述预设模型的约束条件为水资源可能性约束、经济惩罚约束、水资源流量约束、***技术约束以及***非负约束。
优选的,在将步骤S1获取的目标区域数据输入至预设模型之前,对所述获取的目标区域数据进行预处理,获取满足模型计算的连续统计数据。
优选的,采用内插法或外推法对所述获取的目标区域数据进行预处理。
一种农业水灌溉分配***,包括:
数据输入模块:所述数据输入模块用于输入目标区域不同农作物的产量、自然灾害损失量、水库进水量以及目标区域不同农作物灌溉定额及灌溉目标;
数据运行模块:所述数据运行模块用于将所述获取的目标区域数据输入至预设模型中,获取目标区域在不同灌溉水平下的最优灌溉目标、不同灌溉水平下不同农作物的最优灌溉面积、不同灌溉水平下额外可灌溉面积、违背灌溉计划后的经济惩罚以及不同作物在最优灌溉规划下的获益;
结果输出模块:所述结果输出模块用于根据违背灌溉计划后的经济惩罚以及不同作物在最优灌溉规划下的获益,给出目标区域内最优灌溉目标以及不同农作物的最优灌溉面积,完成农业水的灌溉分配。
一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现上述方法的步骤。
与现有技术相比,本发明具有以下有益的技术效果:
一种农业水灌溉分配方法,通过预设的模型结合目标区域的不同农作物的产量、自然灾害损失量、水库进水量以及目标区域不同农作物灌溉定额及灌溉目标等相关数据,得出目标区域内最优灌溉目标以及不同农作物的最优灌溉面积,完成农业水的灌溉分配。其中,预设的模型通过区间参数规划方法、马尔科夫链模型、两阶段随机规划方法以及全无限规划方法构建,该构建方法综合考虑了区间数、随机分布、函数区间数以及违背约束导致的经济惩罚等不确定信息,即对农业水资源***的组的组分动态变化、水资源利用随机性、水资源分配政策分析以及水资源的有限性等不确定信息进行了考虑,解决了***数据存在的不确定性和复杂性,该方法的计算结果可以有效帮助研究区域调整现有的灌溉计划,兼顾了目标区域内灌溉最优供应量、违背灌溉计划获得的经济惩罚、目标区域在不同灌溉水平下的额外可灌溉面积、目标区域在不同灌溉水平下的最优灌溉目标、不同作物在最优灌溉规划下的农业灌溉的获益等多方面的需求和利益,确定不确定性条件下农业灌溉的水的最优分配政策。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明中一种农业水灌溉分配方法的流程示意图;
图2为本发明中一种农业水灌溉分配***的结构示意图;
图3为本发明中模型运行过程示意图;
图4为某区域水库未来平均月径流转移矩阵分布图;
图5为某区域水库不同流量水平下的可供灌溉的水资源量;
图6为某区域水库不同流量水平下的最优灌溉面积;
图7为不同作物的农业灌溉收益。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明实施例的描述中,需要说明的是,若出现术语“上”、“下”、“水平”、“内”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
此外,若出现术语“水平”,并不表示要求部件绝对水平,而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平,并不是表示该结构一定要完全水平,而是可以稍微倾斜。
在本发明实施例的描述中,还需要说明的是,除非另有明确的规定和限定,若出现术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
下面结合附图对本发明做进一步详细描述:
实施例1
如图1所示,一种农业水灌溉分配方法,包括以下步骤:
S1:获取目标区域数据;具体包括目标区域不同农作物的产量、自然灾害损失量、水库进水量以及目标区域不同农作物灌溉定额及灌溉目标。另外,这些数据在输入至后续的预设模型之前,采用内插法或外推法对所述获取的目标区域数据进行预处理,获取满足模型计算的连续统计数据。内插法又称插值法,外插法亦称外推,是插值法的基本类型之一。核心区别就是:内插法在样本数据的范围内预测,比外插法要准。用回归方程预测范围以外的数值称为外插法,而内插法是对数据范围内的点进行预测。
S2:将获取的水文数据输入预设模型中,获取目标区域在不同灌溉水平下的最优灌溉目标、不同灌溉水平下不同农作物的最优灌溉面积、不同灌溉水平下额外可灌溉面积、违背灌溉计划后的经济惩罚以及不同作物在最优灌溉规划下的获益;
本发明中对目标***进行调查,按照实际情况确定模型的方法、模型的目标函数和约束。本发明目标函数包括:灌溉区采取科学方法进行灌溉后的获益与未获灌溉造成的经济损失之差。
其中,预设模型通过区间参数规划方法、马尔科夫链模型、两阶段随机规划方法以及全无限规划方法构建而成。区间参数规划(IPP)和全无限规划(FIP)技术为有效解决复杂性的潜在方法,将其引入两阶段随机规划模型(TSP),构成非精确全无限两阶段随机规划(IFTSP)模型,即预设模型,该非精确全无限两阶段随机规划将不确定性表示为清晰区间、概率分布和函数区间纳入了优化框架,即考虑了区间数、随机分布、函数区间数等不确定信息。
该预设模型的约束条件包括内部约束和外部约束,内部约束指必须满足方程解的条件,外部约束主要是为了使模型尽可能反映实际情况而进行的约束,根据实际条件对其进行扩充,本模型内部约束为***技术约束以及***非负约束,外部约束为水资源可能性约束、经济惩罚约束和水资源流量约束。
具体的,预设模型的主模型约束为:
***技术约束:
i=1,2,...,m;j=1,2,...,n;k=1,2,...,l
i为目标区域的分区,i=1;2;3;...;
m为分区序列;
j为目标区域的作物类型,j=1;2;3...;
n为作物类型序列;
k为目标区域水库来水,k=1;2;3...;;
l为水库来水序列;
yij为决策变量;当时,当/>接近于下界时(即,当yij=0),则获得较高的利益,然而当没有达到满足的要求时,可能要支付更高的罚款;相反,当/>达到上限时(即,当yij=1),收益会降低,但同时,违反承诺目标的风险也会降低,因此罚款也会降低。
水资源可能性约束:
经济惩罚约束:
式中,
δ为作物j的价格利率。
水资源流量约束:
***非负约束:
主模型可以转化为两个确定性子模型。因为目标是最小化***成本,所以根据水库流入量未达到地表水灌溉目标的区域最小化相对的子模型中和/>对应的主模型可以处理为两个子模型,两个子模型可以表示为f+和f-。其中,对于f+子模型的约束有:
***技术约束:
i=1,2,...,m;j=1,2,...,n;k=1,2,...,l
水资源可能性约束:
经济惩罚约束:
水资源流量约束:
***非负约束:
当水库流入量未达到地表水灌溉目标的区域很大时,yij为决策变量,更改为yiopt,所以对于f-子模型约束有:
***技术约束:
i=1,2,...,m;j=1,2,...,n;k=1,2,...,l
水资源可能性约束:
经济惩罚约束:
水资源流量约束:
***非负约束:
因此,基于上述约束条件预设模型的建立过程具体为:
根据当地农业统计资料首先预测出地表水资源量,如
根据国家水文情报预报规范(GB/T 22482-2008)中长期定景预报的相关标准,将本案例中对应的相对误差划分为:七个连续区间值,对应分别为不同的径流水平(枯水、平水与丰水等),本研究中采用非常低、低、低-中、中、中-高、高、非常高来代表不同的径流量水平,后计算不同状态间的转移概率:
式中,Pij代表从t-1时刻状态i转移到t时刻状态j的概率。Nij是观测数据系列中X(t)时刻处于状态t-1转移到下一时刻X(t+1)处于状态j的次数;Ni是t时刻处于状态i的总数。不同相对误差间的一步转移概率矩阵如下所示:
若***初始状态概率向量为S(0)=(S1 (0),S2 (0),S3 (0),…Sn (0))各元素表示***处于各种状态下的概率。假设***经A步后处于j状态,依据切普曼-科尔莫戈罗夫(Chapman-Kolmogorov)方程***处于j状态下的概率为
S(k+1)=S(0)·P(k+1)
在选定合适的预测起始时刻后,基于得到的转移概率矩阵,可计算未来一段时间内地表径流量处于各种状态下的概率分布,进而可以求得对应的可利用地表水量。
根据上述过程构建的预设模型具体为:
式中,
f±为预期净***效益(103元人民币);
i为目标区域的分区,i=1;2;3;...;
m为分区序列;
j为目标区域的作物类型,j=1;2;3...;
n为作物类型序列;
k为目标区域水库来水,k=1;2;...;7;
l为水库来水序列;
Pk为流入概率k;由于某区域水库的入库流量具有随机性,因此将其划分为若干个离散区间,并采用马尔科夫链来近似随机入库流量值。本发明的实施例中划分为七个水库流入,并将这七个水库流入分别定义为非常低、低、低-中、中、中-高、高和非常高。对于每一流入,可以达到一个表示可用于灌溉的水资源数量的区间数。
δ为作物j的价格利率,即作物j从数据来源的时间到建立本分配方法之间时间周期上的价格利率变化。
和
式中:yij为决策变量;当时,当/>接近于下界时(即,当yij=0),则获得较高的利益,然而当没有达到满足的要求时,可能要支付更高的罚款;相反,当达到上限时(即,当yij=1),收益会降低,但同时,违反承诺目标的风险也会降低,因此罚款也会降低。
S3:根据违背灌溉计划后的经济惩罚以及不同作物在最优灌溉规划下的获益,给出目标区域内最优灌溉目标以及不同农作物的最优灌溉面积,完成农业水的灌溉分配。
其中,目标区域在不同灌溉水平下的最优灌溉目标指的是不同入库水位下小麦作物的最佳农田灌溉面积。
针对不同的灌溉水平,进行如下定义:不同水库进水水位下的可用灌溉水资源中,由于目标区域的水库的来水是随机的,且变化很大,因此将其划分为七个离散区间,并采用马尔科夫链来近似随机来水值。因此,给出了七个水库流入量,分别命名为非常低、低、低-中、中、中-高、高和非常高。对于每个流入量,可以获得表示灌溉可用水资源量的区间数,这七个不同的流入量为不同的灌溉水平。
最优灌溉规划指的是在不同灌溉水平下,考虑农业灌溉效益和***失效风险之间存在着权衡小,得出的最佳农业灌溉面积。
本发明公开了一种水资源管理领域的农业水灌溉***规划方法。目前在中国,农业用水面临着日益严峻的挑战,如水资源短缺,水资源分配和使用效率低,因此,有效和高效农业灌溉管理在中国具有十分重要的意义。本方法选取漳卫南运河流域为实例验证区域,综合考虑了区间数、随机分布、函数区间数等不确定信息,结合区间线性规划方法、两阶段随机规划方法、全无限规划方法,对违反约束的灌溉行为进行经济追索,实现灌溉***收益最大。规划计算结果可以帮助研究区域调整现有的灌溉计划,确定不确定性条件下农业灌溉的水分配政策。
如图2所示,本发明还公开一种农业水灌溉分配***,包括
数据输入模块101:所述数据输入模块用于输入目标区域数据;所述目标区域数据包括目标区域不同农作物的产量、自然灾害损失量、水库进水量以及目标区域不同农作物灌溉定额及灌溉目标;
数据运行模块102:所述数据运行模块用于将所述获取的目标区域数据输入至预设模型中,获取目标区域在不同灌溉水平下的最优灌溉目标、不同灌溉水平下不同农作物的最优灌溉面积、不同灌溉水平下额外可灌溉面积、违背灌溉计划后的经济惩罚以及不同作物在最优灌溉规划下的获益;
结果输出模块103:所述结果输出模块用于根据违背灌溉计划后的经济惩罚以及不同作物在最优灌溉规划下的获益,给出目标区域内最优灌溉目标以及不同农作物的最优灌溉面积,完成农业水的灌溉分配。
本发明一实施例提供的终端设备的示意图。该实施例的终端设备包括:处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序。所述处理器执行所述计算机程序时实现上述各个方法实施例中的步骤。或者,所述处理器执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能。
所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器、存储器。
所述处理器可以是中央处理单元(CentralProcessingUnit,CPU),还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor,DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit,ASIC)、现成可编程门阵列(Field-ProgrammableGateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述终端设备的各种功能。
所述终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
实施例2
通过实验室计算模拟,将本发明的方法与普通线性方法做了对比,对比分析如下:
1、不确定性处理
本发明方法结合两阶段随机规划方法、区间线性规划方法、全无限规划方法,可以处理区间数、函数区间数、随机分布等不确定信息,解决了数据***存在的大量不确定性和复杂性信息。传统的线性方法带入的是单一、确定的值,得到的是单一、确定的解,其不确定性无法量化,给政策分析和终端决策带来了困难。此外,本发明方法还可以对***进行动态分析,对违背行为做经济追索。见图3为模型运行示意图。
2、确定某区域水库不同流量水平下的可供灌溉的水资源量
科学合理的农业水资源管理是农业水资源安全、可靠、经济运行的前提。本发明方法以过去、现在的数据基础,通过***优化方法评价某区域运河流域过去的农业水资源分配,并预测未来的水资源最优分配方案,得到某区域水库不同流量水平下的可供灌溉的水资源量,如图4与图5所示,为根据以往平均径流数据预测出的未来平均径流,后根据预测平均径流得出某区域水库不同流量水平下的可供灌溉的水资源量。相比而言,普通的线性规划无法解决经济追索问题,亦无法进行***动态分析,给决策者带来了极大困难。
3、不同流量水平下的最优灌溉面积
一般来说,高***违背水平将导致***收益的增加,同时,***收益增加对应增加的***风险,比如,较低的***可靠性和低满意度水平。如图6所示,某区域水库不同流量水平下的最优灌溉面积表明:预先制定的承诺灌溉面积会导致不同的经济值和目标违背风险。在水资源短缺的情况下,应首先降低农业用水,但是要保证最低用量。某区域水库不同的水资源量水平带有不确定信息,这将导致农业灌溉模式的差异。由图可见,随着某区域水库供水水平的增加,最优灌溉面积有着稳定的增长。
4、不同作物的农业灌溉收益
根据各项参数的多重不确定性,***收益值是一个区间数,是规划期内***成本的两个极端值。一般来说,高***收益将对应一个低中端需求、低经济发展水平及低人口增长。然而,这样的情况务必导致较高的、违背***约束的风险水平。此外,选择收益对应的下限意味着决策者对估计***收益及终端用户的需求的态度非常保守,可以保证***低风险及水资源供应的高可靠性。这表明,***水资源管理与可靠性水平之间存在权衡。如图7所示,为不同作物的农业灌溉收益。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种农业水灌溉分配方法,其特征在于,包括以下步骤:
S1:获取目标区域数据,所述目标区域数据包括不同农作物的产量、自然灾害损失量、水库进水量以及目标区域不同农作物灌溉定额及灌溉目标;
S2:将所述获取的目标区域数据输入至预设模型中,获取目标区域在不同灌溉水平下的最优灌溉目标、不同灌溉水平下不同农作物的最优灌溉面积、不同灌溉水平下额外可灌溉面积、违背灌溉计划后的经济惩罚以及不同作物在最优灌溉规划下的获益;
S3:根据违背灌溉计划后的经济惩罚以及不同作物在最优灌溉规划下的获益,给出目标区域内最优灌溉目标以及不同农作物的最优灌溉面积,完成农业水的灌溉分配。
2.根据权利要求1所述的一种农业水灌溉分配方法,其特征在于,所述预设模型为:
式中,
f±为预期净***效益;
i为目标区域的分区,i=1;2;3;...;
m为分区序列;
j为目标区域的作物类型,j=1;2;3;...;
n为作物类型序列;
k为目标区域水库来水,k=1;2;...;7;
l为水库来水序列;
Pk为流入概率k;
δ为作物j的价格利率。
5.根据权利要求1所述的一种农业水灌溉分配方法,其特征在于,所述预设模型的约束条件为水资源可能性约束、经济惩罚约束、水资源流量约束、***技术约束以及***非负约束。
6.根据权利要求1所述的一种农业水灌溉分配方法,其特征在于,在将步骤S1获取的目标区域数据输入至预设模型之前,对所述获取的目标区域数据进行预处理,获取满足模型计算的连续统计数据。
7.根据权利要求6所述的一种农业水灌溉分配方法,其特征在于,采用内插法或外推法对所述获取的目标区域数据进行预处理。
8.一种农业水灌溉分配***,其特征在于,包括:
数据输入模块:所述数据输入模块用于输入目标区域不同农作物的产量、自然灾害损失量、水库进水量以及目标区域不同农作物灌溉定额及灌溉目标;
数据运行模块:所述数据运行模块用于将所述获取的目标区域数据输入至预设模型中,获取目标区域在不同灌溉水平下的最优灌溉目标、不同灌溉水平下不同农作物的最优灌溉面积、不同灌溉水平下额外可灌溉面积、违背灌溉计划后的经济惩罚以及不同作物在最优灌溉规划下的获益;
结果输出模块:所述结果输出模块用于根据违背灌溉计划后的经济惩罚以及不同作物在最优灌溉规划下的获益,给出目标区域内最优灌溉目标以及不同农作物的最优灌溉面积,完成农业水的灌溉分配。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1~7任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1~7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211669264.7A CN115860417A (zh) | 2022-12-24 | 2022-12-24 | 一种农业水灌溉分配方法、***及一种终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211669264.7A CN115860417A (zh) | 2022-12-24 | 2022-12-24 | 一种农业水灌溉分配方法、***及一种终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115860417A true CN115860417A (zh) | 2023-03-28 |
Family
ID=85654489
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211669264.7A Pending CN115860417A (zh) | 2022-12-24 | 2022-12-24 | 一种农业水灌溉分配方法、***及一种终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115860417A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116664340A (zh) * | 2023-07-25 | 2023-08-29 | 长江信达软件技术(武汉)有限责任公司 | 一种适用于干旱地区的灌域级水量调度方法 |
-
2022
- 2022-12-24 CN CN202211669264.7A patent/CN115860417A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116664340A (zh) * | 2023-07-25 | 2023-08-29 | 长江信达软件技术(武汉)有限责任公司 | 一种适用于干旱地区的灌域级水量调度方法 |
CN116664340B (zh) * | 2023-07-25 | 2023-12-12 | 长江信达软件技术(武汉)有限责任公司 | 一种适用于干旱地区的灌域级水量调度方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200372588A1 (en) | Methods and systems for machine-learning for prediction of grid carbon emissions | |
Yaseen et al. | A hybrid bat–swarm algorithm for optimizing dam and reservoir operation | |
Zhang et al. | Wind speed forecasting based on quantile regression minimal gated memory network and kernel density estimation | |
Huang et al. | Combination of multiple data-driven models for long-term monthly runoff predictions based on Bayesian model averaging | |
Giuliani et al. | Assessing the value of cooperation and information exchange in large water resources systems by agent‐based optimization | |
Luo et al. | Adaption to Climate Change through Water Trading under Uncertainty- An Inexact Two-Stage Nonlinear Programming Approach | |
Garg | Reliability, availability and maintainability analysis of industrial systems using PSO and fuzzy methodology | |
Guo et al. | Multi-objective optimization of the proposed multi-reservoir operating policy using improved NSPSO | |
Ehteram et al. | Reducing irrigation deficiencies based optimizing model for multi-reservoir systems utilizing spider monkey algorithm | |
CN107066365A (zh) | 一种***异常的监测方法及装置 | |
Khorshidi et al. | A multi-objective risk-based game theoretic approach to reservoir operation policy in potential future drought condition | |
Sherafatpour et al. | Agricultural water allocation by integration of hydro-economic modeling with Bayesian networks and random forest approaches | |
CN105809349A (zh) | 一种考虑来水相关性梯级水电站群的调度方法 | |
Mohammad Ashrafi | Two-stage metaheuristic mixed integer nonlinear programming approach to extract optimum hedging rules for multireservoir systems | |
CN115860417A (zh) | 一种农业水灌溉分配方法、***及一种终端设备 | |
CN110264007A (zh) | 股票交易控制方法及装置 | |
Li et al. | Daily streamflow forecasting based on flow pattern recognition | |
CN110797872A (zh) | 用户侧储能容量配置方法、装置、设备及存储介质 | |
Mansouri et al. | An improved MOPSO algorithm for multi-objective optimization of reservoir operation under climate change | |
Li et al. | Inexact multistage stochastic quadratic programming method for planning water resources systems under uncertainty | |
Yang et al. | Multi-objective operation-decision-making-risk propagation analysis for cascade reservoirs affected by future streamflow process variations | |
Wang et al. | Multi-reservoir system operation theory and practice | |
CN117396886A (zh) | 用于时间序列预测的时空图神经网络 | |
CN114649820A (zh) | 一种风光储场站多环节容量分配方法及*** | |
Grové | Stochastic efficiency optimisation analysis of alternative agricultural water use strategies in Vaalharts over the long-and short-run |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |