基于公平、效益與多目標(biāo)優(yōu)化的河流污染負(fù)荷分配方法研究.pdf

1、污染負(fù)荷分配是總量控制的核心，并且與環(huán)境綜合整治方案的制定、排污布局規(guī)劃以及跨界水污染糾紛的解決等問(wèn)題密切相關(guān)。公平與效益是污染負(fù)荷分配的基本原則，但兩者通常難以取得一致。本文分別從公平、效益和多目標(biāo)優(yōu)化3個(gè)角度出發(fā)，建立多種污染負(fù)荷分配模型，運(yùn)用公平理論與神經(jīng)網(wǎng)絡(luò)、遺傳算法等優(yōu)化技術(shù)以及多目標(biāo)決策方法求解，為污染負(fù)荷分配的優(yōu)化決策提供科學(xué)依據(jù)。論文分為五章：第一章為緒論，對(duì)研究進(jìn)展作了總結(jié)，并分析存在的問(wèn)題；第二章提出了3種基于公平原

2、則的污染負(fù)荷分配方法，以廣州-佛山河網(wǎng)為研究實(shí)例，解決兩市的水環(huán)境污染糾紛問(wèn)題；第三章為基于效益的優(yōu)化分配，分別對(duì)環(huán)境風(fēng)險(xiǎn)容量的優(yōu)化分配、感潮河流環(huán)境容量的計(jì)算以及逐日環(huán)境容量的預(yù)測(cè)等問(wèn)題展開(kāi)研究；第四章為綜合公平與效益的多目標(biāo)分配，設(shè)計(jì)多目標(biāo)規(guī)劃求解方法，建立污染負(fù)荷分配的多目標(biāo)優(yōu)化模型并應(yīng)用于廣州-佛山河網(wǎng)；第五章為全文總結(jié)。 論文的主要研究成果歸納如下： (1)提出了3種基于公平原則的污染負(fù)荷分配方法：公平區(qū)間法、

3、多準(zhǔn)則決策法與群決策法。公平區(qū)間法從公平含義的模糊性出發(fā)，考慮排污者的各種差異，根據(jù)公平區(qū)間確定允許排放量；多準(zhǔn)則決策法針對(duì)公平觀點(diǎn)的多元化特點(diǎn)，允許排污者自由選擇分配準(zhǔn)則，通過(guò)協(xié)調(diào)獲得公平分配方案；群決策法在保障分配過(guò)程公平的基礎(chǔ)上，由排污者集體決策產(chǎn)生最終方案。將公平區(qū)間法與多準(zhǔn)則決策法應(yīng)用于廣州-佛山河網(wǎng)，研究結(jié)果表明，兩種方法的分配結(jié)果有一定差別，但整體上較為接近；污染控制單元根據(jù)其人口數(shù)量、經(jīng)濟(jì)發(fā)展水平以及產(chǎn)業(yè)結(jié)構(gòu)等差異，承擔(dān)

4、不同程度的污染削減責(zé)任。 (2)根據(jù)河流水環(huán)境系統(tǒng)的不確定性特征，建立了多排污口的環(huán)境風(fēng)險(xiǎn)容量?jī)?yōu)化分配模型，分別采用遺傳算法和混合智能算法求解。研究結(jié)果表明，如果環(huán)境風(fēng)險(xiǎn)容量?jī)?yōu)化分配模型耦合的水環(huán)境模擬模型較為簡(jiǎn)單，遺傳算法能夠順利求解；但如果模擬模型結(jié)構(gòu)復(fù)雜并且計(jì)算時(shí)間長(zhǎng)，則需要采用結(jié)合遺傳算法與人工神經(jīng)網(wǎng)絡(luò)的混合智能算法加以求解?；旌现悄芩惴榻鉀Q各類(lèi)復(fù)雜的污染負(fù)荷優(yōu)化問(wèn)題提供了有效工具。 (3)針對(duì)感潮河流水質(zhì)潮汐

5、波動(dòng)以及污染負(fù)荷隨機(jī)變化的特點(diǎn)，建立了潮周期達(dá)標(biāo)率的環(huán)境容量?jī)?yōu)化模型。研究結(jié)果表明，環(huán)境容量隨水質(zhì)達(dá)標(biāo)率要求的提高而降低，各排污口的污染負(fù)荷分布也發(fā)生較大變化，與傳統(tǒng)僅考慮潮平均濃度的線(xiàn)性規(guī)劃模型的計(jì)算結(jié)果相比有著較大差異。對(duì)于感潮河流，根據(jù)潮周期達(dá)標(biāo)率確定環(huán)境容量，水質(zhì)目標(biāo)要求更明確和嚴(yán)謹(jǐn)，對(duì)于加強(qiáng)環(huán)境保護(hù)、提高管理水平也有著現(xiàn)實(shí)意義。 (4)結(jié)合數(shù)值模擬手段與神經(jīng)網(wǎng)絡(luò)，建立日環(huán)境容量預(yù)測(cè)模型，根據(jù)水文條件與環(huán)境背景濃度的變化

6、，確定河流的當(dāng)日環(huán)境容量。計(jì)算結(jié)果表明，訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果與水環(huán)境數(shù)學(xué)模型的計(jì)算結(jié)果十分接近，而且具有速度快和使用方便的優(yōu)點(diǎn)，為環(huán)境容量的迅速預(yù)報(bào)提供了有效手段。 (5)設(shè)計(jì)了2種多目標(biāo)決策方法：交互式混合智能算法(IHIA)與基于保留度的多目標(biāo)進(jìn)化算法(ALTP)。研究結(jié)果表明，如果決策者能夠提供準(zhǔn)確的偏好信息，IHIA利用神經(jīng)網(wǎng)絡(luò)進(jìn)行映射，能夠迅速求得最滿(mǎn)意解；如果決策者僅愿意從若干非劣解中選擇相對(duì)滿(mǎn)意的一個(gè)，則ALT