（水利水电工程专业论文）基于internet的旱涝灾情评估系统的应用研究.pdf

摘要 频繁发生的旱涝灾害给河北省造成了巨大的经济损失，因此，进行早涝灾情评估领域 的科学研究，及时地制订减灾救灾方案，是很有必要的。而系统理论的成熟和信息技术的 迅猛发展为基于i n t e m e t 的旱涝灾情评估系统的实现提供了理论和技术上的支持。 本文在分析比较了几种洪涝灾情评估模型的基础上，提出了一种新的洪涝灾情评估模 型模糊综合关联度模型，该模型选用了合理的隶属函数。为检验洪涝灾情等级标准的 合理性笔者利用逻辑斯谛曲线和遗传算法对其加以验证，并且在模型的级别判定上，做 了适当的处理。实例验证说明该模型是简单可行的。同时笔者利用水量平衡方程和人工 神经网络建立了新的灾前产量预测模型，并依据预测产量和实际产量的减产幅度，分别建 立了旱灾灾前评估和旱灾灾后评估模型。最后用实例对模型进行了验证证明该模型预测 精度较高、评估比较合理。 为了便于决策者及时、快速地进行决策，本文开发了基于b s 模式的网上决策应用系 统，利用各种a s p 语言和h t m l 编写了旱涝灾情评估、用户管理页面，并利用a s p a d o 技术实现了w e b 服务器与数据库间的互访。在论文中，笔者对基于a s p 开发的旱涝灾情评 估应用系统的安全问题进行了探讨。同时，本系统充分利用m a d a b 的w e b 技术实现了w e b 服务器和m a r l a b 服务器间的互连，解决了人工神经网络在服务器端难以实施的问题，最终 使旱涝灾情评估在网上得以实施。 关键词：i n t e r n e t ：旱涝评估：模糊综合关联度：人工神经网络：a s p ：m a t l a b 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研 究成果据我所知，除了文中特别加以标注和致谢的地方乡 ：论文中不包含其他 人已经发表或撰写过的研究成果，也不包含为获得i 9 龅奎兰一或其他教 育机构的学位或证书而使用过的材料与我一同工作的同志对术研究所做的任何 贡献均已在论文中作了明确的说明并表示谢意 学位论文作者签名：王焉苟 签字日期：j o 。婶r 月心日 学位论文版权使用授权书 本学位论文作者完全了解i 虱! g 篮髫菇关保留、使用学位论文的规定， 有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和 借阅本人授权i j a 竺堕些盟可以将学位论文的全部或部分内容编入有关数据 库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文柞蔷签名：王尚、芳 导师签名如令 签字日期：，口。肄r 月l r 日 签字日期：2 码年，月，日 墨置型竺型塑呈堂壅熊竖堕墨垫蝗窒里堡塞一 1 文献综述 河北省地处攀风脆弱带，全省多年平均降雨量5 4 0 9 r m t 8 0 左右黎中于汛期a 由 于降雨的年内分配不均，笨际变化犬，既有相当于东南亚地区的暴雨强度，又有相当于 串东遗嚣魏干旱。因瑟这燕一个洪涝耱缝，承旱灾害鞭繁发生静建区“隼涝灾蒜是鸯 然灾害中损失相当严重的灾害类型，据文献【1 】统计，河北省1 9 4 9 1 9 9 0 年以来，洪灾 共减产靛食5 5 7 2 亿k g 涝灾减产1 3 6 4 6 亿k g ，旱灾减产4 3 6 i o 亿k g 。壹接绘阚托 省的农簸造成了蕊大的经济损失。戳此为了程灾害发擞后更好媳制订防灾减灾方纂，进 行洪涝灾情评估和农业旱灾灾情评估方面的研究具有骥大的意义。 长精璐来，瓣子种静灏嚣洪涝灾僚译络辩农盈旱灾灾情谭 寿投其稆痰的藏灾霹策研 究，始终处于落麟状态以往人们只是主观蜮评价旱涝灾害损失。没有统一的标准，因 此攫难客观、实鼯她反映囊实耩况。垂予早涝灾害豹洚瑟蛙及灾持信算谖差或失误，造 成减灾举措不当酌事铡并不鲜觅，避而影响灾后的饿鬟襁经验慧结工作m 针对此蒋况， 许多学者分别对j ! i i 涝灾情评估和农业旱灾灾情评估进行了研究，在不同的理论基础上， 建立7 苓嚣的浃涝灾蕊穗农韭旱灾灾 骞继溅摸墼。 1 ) 洪涝灾情评估系统研究现状 洪涝灾攘详估疆禄萼模鍪 磷究 由予灾情是棒种自然环境与社套经济等多种因素嫁合作用的结果，霸此目翦还没有 统一羲洪涝灾壤攒蟾毒。辘洪灾援失寐疆，骞麴提爨了入毪惩亡鞠经济矮失双嚣予耩准， 也有人提出还要考虑倒塌房屋、受灾面积等指标。马窳晋等“根据我国自然灾害情况提 出了”灾度”和 灾镄率”的概念，即绝对经济攒失和相对经济损失婀壤念。同对针对备单 璜指标静灾情评镳缀勇不籀容静获陷李棒泳“撵出了物元分祈灾德评话模型，予庆东 将灾度的矩形域划分法转化为圆域划分法，许多文献将摸期综裔评判“”、灰色关联 发”、摸糊综合谬徐法”弓l 入洪涝灾攘谬镳横罄串。垒麴嶷“等建立了镶攀鹅遗传榜经 两络模夔，其调练样本根掘现有的簿级标准麓桃生成，健只考露了不同指标同一羹缀的 情况，所选样本缺乏代表性。随着系统论的引入，许多学者认为单从灾魔一个角度评估 客然灾害系统燕苓全嚣豹魏一鹚深入轿究洪承太系统爨定性、定量懿综台纂藏方法。 倍息技术谯洪涝灾情评估中的应用 最泛十凡年，信息技零的应用融遍布浃涝灾情评信中静禳多方面，如金菊良等沁1 利用遗传算法研究洪水灾情等级模型，利用该模型通过研制软件兢可以为人们提供方便 趣工具避镗溅费灾攘等缓熊分辑。弼瓣魏鸿“捌、剃搜缸1 ”臻擞7 趱：较篆麓熬z 嚣。 麓者计葬机网络发展速度的加快及谯水利部门的应用推广，由水利部信息中心开发建设 ”“，长江防汛办公蜜配合建斑的为防汛服务的综合信息服务系统。采用先进的计算机技 零、霹终援零彝数据瘴技零，在傈诞基本应震静藏建下，整系统这露一定瓣先避承平。 此外，为了配合水利部信息系统规划”3 ，由海娄建立了舫汛局域网系统。防汛信息系统 塑! ! 查些查兰堕主兰垒兰些望苎 主要由防洪调度、实时雨情、气象云图、工情查询、灾情信息等五大模块组寰：该曼箩 具有较好的安全性、防病毒功能。由于网络的存在，使防汛信息更加简便、快捷、准确， 减少了许多琐烦的手续和不必要的人为误差，为海委领导和防汛部门做出正确的决策提 供了可靠的信息保证。 2 ) 旱灾灾情评估系统研究现状 旱灾评估指标与模型研究 同洪涝灾情评估样，旱灾评估受多种因素的影响，也没有统一的指标库，而且要 考虑降水量、不同的作物需水量、蒸发量等，因此要比洪涝灾情评估复杂的多。在实际 应用中，所建立的旱灾评估模型也各不相同。有依据降雨量“”建立的旱灾评估模型。有 依据农田水分平衡原理，建立的动态评估模型“1 “。有的在分析了土壤有效供水量与作 物需水量关系的基础上，利用干旱指标及作物敏感系数建立了作物全生育期旱情评价 模型。魏瑞江等“依据农业气象、遥感及相应的干旱判定指标，对河北省的夏季干旱 发生程度进行了评价。卞传恂等、刘海隆等1 以土壤缺水量为指标建立了干早评估 模型。张伟东等“1 采用调查、实验、模型相结合的方法，建立了区域农业干旱模型，并 将其用于区域农业干旱评价。林海滨等嘲、王平等啊1 依据系统论的观点，考虑了影响自 然灾害的因素，试图找出农业干旱机理，从而对农业干旱程度进行评价。此外，基于不 同的作物，詹志明等、薛晓萍等采用统计等数学方法，对气象产量与气候因子进行 统计分析，从而依据两者之间的内在关系相应地建立评估模型朱景武等、王石立等 “1 利用作物产量与相对蒸散量间的相互关系，掇据水分亏缺引起的减产程度，对自然状 态下旱作物受旱灾情进行了估测鉴于早灾评估受多种指标因素的影响。谢应齐“在关 于干旱指标的研究一文中分析了至今还没有可被普遍接受的干旱定义的原因，说明了制 订干旱指标应考虑的几个原则。 信息技术在旱灾评估中的应用 在所有发生的自然灾害中，给人类造成重大损失的不仅仅是洪涝灾害，旱灾也是重 要的致灾因子之。张树誉等研制了陕西省干旱信息管理决策系统，提出并开发了一 套结合农业气象和遥感技术，从干旱资料的搜集、管理到评价分析及用极轨气象卫星作 动态检测并与评价结果相互印证的一套方法，分析了陕西省干旱的成因和灾害规律，通 过已建成的省级农口信息网进行实时服务。此外，由毕云等研制的内蒙古地区干旱预 警系统，以能及时发现灾险、采取措施补救为目的，已形成一套完整的利用易获得的实 时常规气象资料对干旱进行实时滚动监铡预警的理论和实现方法，可对早灾进行及时评 估，在实际的应用中，对指导抗旱具有重要的意义。近年来，由孙鹏程等m ，设计的山东 省抗旱信息管理系统，充分利用先进的g i s 开发平台和灵活方便的v b 等开发工具，能 够在i n t e r n e t i n t r n e t 上运行系统完成后，要求应能及时、准确地收集全省抗旱信 息站点的抗旱信息；建立和管理抗旱信息数据库；分析受旱程度，统计受旱面积：预测 旱灾趋势，提出减灾方案，为决策部门提供依据；统计旱灾损失，评估抗旱效益。由武 晓波等。“、申广荣”等利用遥感、g i s 技术，综合使用了遥膊数据、气象资料等，选用 2 篓置! ! 丝曼璺蝗呈堂壅缝塑笪墨簦竣堡! 型 作物缺尔指数模整对旱情进行了逶辩篮溅，莽酝褥了缀好的蕊藏效果。 综台上述洪涝灾情评估和农业早灾灾情评估系统的诸多方法，其中稃在的问蹶有以 下梵点： 1 ) 系统建模巾夺在的脚题 模型中指标间的不相容性。由于旱涝灾害系统是个复杂的大系统，影响洪涝灾 情评访的因素多种多样，聪此，各指标的灾缎间往往存在不搬窖性，从瓤闯接 影响评判结果的耩确度。 灾情级别的不确定性及隶属函数的选择。在洪涝灾情洋估中，链往没有统一的 翠涝灾俦措标瘁。而在应糟灰色瑶谂爱模糊趣论等系统理论避符评倍对，对于 隶属函数的选择不尽相同，因此，往往所得的评判绪果也相熬根大 模型类捌的选择漠涝灾穗评债串，模墼采掰的指标举目，依据的理论誉目， 建立的模型将不间。虽然这些洪涝灾情评估摸型均具有一定的理论依据，但在 实际应瘸孛，选掰不鞫弱谬健模型，糍会褥毂不冠雏谔粼缝果磊在旱灾谖珐 研究中，由于堍送不同、作物不同所采用的指标不同，评估方法也不尽相同， 具有区域性、片面性的缺陷，而且有的方法太宏观了，影响评估精度，肖的方 法骧度露蹇些，毽是摇搽难爨褥翻，译德攘踅不实壤。 2 ) 髂息技术孛存在的阉题 网络技术的安垒性和数据库设计的含理性。计算机网络技术的实现，虽在实 践中得到广泛的成用，但其中也存簌着缀大的弊端， # 法人员犍往利用操作系 统、w e b 服务器酝囊及程謦编写、数糖痒设诗t 静藁澜，对w e b 雅点茏箕燕数 据库进行攻击，从而导致系统瘫痪。 诗冀橇技术实瑗鹩霹戆瞧、瓣学馁。峦予系统耩络蜜藏过程串辩要连接数据 库及使用人工神经网络，而服务器端难以对数据进行长时间地训练，因此，如 何实现输入输出萸嚣与爱蠢人工种缎弼络程弗阕豹数掇黄递，选姆是瀑怒瓣要 研究的内容 本文经分辑耨辑究了支述事涝灾情译估系统串翡静静滴惩菇，在对简所允诲范滏 内，将着力进行洪涝灾情评估和农业毕灾灾情评估建模方面的研究和网嫩功能的具体实 施，以便于在灾傍发生蜃，利用培患技术对摹游灾馕避粒台理谬结，及对捌订疆灾、救 灾方案t 醛哥艟的减少旱涝灾害所造成的经济籁失 3 翌! ! 查些查堂堡主兰堡兰些笙兰 2 引言 旱涝灾害评估系统由于受到天、地、气等多种复杂因素的影响，且多种因素间相互 关联，目前尚没有统一的早涝灾情指标库，并且用传统的方法建立的模型精度不高t 实 践证明传统的方法己难以胜任这一复杂系统中的多因子的综合分析。而且，在当代各 门学科相互交叉、渗透、融合的过程中，由定性到定量揭示事物间本质联系的系统定量 化研究已成为当前科学发展的一大趋势反映到早涝灾害评估中更是如此。因此建立合 理实用的早涝灾情评估模型是十分必要的。当前的时代是信息化的时代，信息技术己成 为当今社会经济发展的关键技术之一。随着信息技术的飞速发展，信息技术在旱涝灾害 评估中的应用不断普及，人们越来越认识到要提高旱涝灾害评估的精度及效率，有效地 进行防灾减灾和旱涝灾害评估管理，就必须借助于关键技术信息技术。因此为了 研制先进有效的洪涝灾情评估和农业旱灾灾情估测系统，在灾情发生时方便及时快捷地 传递数据资料及相关信息，便于决策者更快地制订减灾、救灾方案，降低旱涝灾害造成 的经济损失，网络技术和计算计技术的应用也是必要的。 旱涝灾情评估系统具有高维性、复杂性等特征，因此旱涝灾情评估过程中存在着模 糊性及不确定性。鉴于系统理论的成熟及广泛应用，利用灰色系统理论、模糊理论等系 统理论进行建模具有一定的优势。从众多的参考文献看来，旱涝灾情评估模型本质上是 一种函数映射关系，即反映了各种灾情指标与评定级别之间的一种函数映射关系。人工 神经网络o 具有良好的非线性品质，灵话而有效的学习方式，对非线性系统具有很强的 模拟能力“。因此可利用神经网络模拟函数关系的优越性在选择、分析得到合理的 指标后怯据水量平衡原理，把人工神经网络用于建立函数映射关系来作为旱涝灾害评 估模型是可行的。如实践证明，随着信息技术的飞速发展及网络技术和计算机技术在水 利上的成功应用，的确给社会增加了不少的经济效益。因此把其应用于早涝灾害评估的 决策中也必将会带来更多的经济效益。 3 洪涝灾情评估模型 洪涝灾情评估是指在已经获取某些灾情评估指标值的基础上通过所建立的灾情评 估模型对因洪涝灾害造成的破坏程度进行评价。灾情评估的结果既是减灾决策的依据， 同州对救灾和援灾决策也具有重要的意义。 由于洪涝灾害的灾情是由各种自然环境与社会经济等多种因索综合作用的结果因 此到目前为止，国内# l - t 尚无统一的洪涝灾情评估指标体系和对各指标的定量化等级标 准许多学者均在不同的理论基础上建立了不同的洪涝灾情评估模型，都具有一定的 理论依据但在实际应用中t 选用不同的评估模型，将会得出不同的评判结果针对这 种情况t 本文拟在分析以下几种常用模型的基础上，试图建立一种更合理、科学的模型 作为洪涝灾情的评估模型。 4 墨王望! ! 竺壁盟呈递壅堡竖堡墨堕塑壁旦塑墨一 3 1几种常用洪涝灾情评估模型的比较与分析 对于洪涝灾情指标的选择，本文在参考众多文献的基础上，采用农田受灾面积x l ( 主 要指农作物受灾面积( 包括农作物成灾面积和农作物绝收面积) 和毁坏耕地面积) ，受灾 人口x 2 ( 因洪水而受灾的人口) ，倒塌房间x 3 ( 包括损害房屋及倒塌房屋) ，直接经济损 失x 4 ( 由洪涝造成的直接经济损失) 作为洪涝灾情等级的指标，从而以其指标值反映洪涝 灾情程度。 指标确定后，对上述几种模型进行了分析，认为李柞泳在文献 3 】中提出的物元分 析灾情评估模型计算类似于模糊综合评判模型中隶属函数的关联函数，依据关联函数的 值来进行评判。这种方法虽然有一定的实用性，但在其权重的确定上，如要对一样本进 行评估，则前提必须是要有一组包括此样本的样本，然后对这一组样本进行统计制订出 洪涝灾情等级标准。由此可以看出此计算方法比较麻烦，且在只有个样本的情况下， 无法进行计算。而多因子超球域模型的建立，虽也能解决这些实际的评判问题，但因为 其不同级别的指标间有不相容的区域，所以把此模型也排除在外由金菊良等建立的简 单的遗传神经网络模型，其训练样本根据现有的等级标准随机生成，但只考虑了不同指 标同一量级的情况，所选样本缺乏代表性，且每次计算前均要对样本进行归一化才可使 用，计算过程较麻烦。而在文献【7 中提出的灰色关联度模型，因为其隶属函数对某个 指标的所有级别均可应用，在隶属函数改变的情况下，其结果必将改变，由此看来模型 的评判结果往往具有不稳定性。而模糊综合评判法，是在众多领域均采用的方法，这种 方法可以很好地反映各灾情指标对各灾级的隶属程度，但其算子及隶属函数的确定方法 不同，其结果必然不同。在洪灾灾情评估中理应考虑所有因素的影响，因此建议用加 权平均算子( ，国) ，但采用此算子会使大隶属函数值产生的影响被忽略，从而使评判 结果存在着一定的误差。而在文献 8 中对其进行了改进，且算法简单，此算法引进了 关联度的概念，使评判结果有了一定的改进，但此模型同模糊综合评判法相比，虽加大 了大隶属函数值的影响，但有时会适得其反，过大的加大了大隶属函数值的影响，从而 使模型产生了一定的误差。 因此，本文拟在模糊综合评价法的基础上，对模型进行一定的改进，建立了如下的 种简单且实用的模型模糊综合关联度模型，并从理论上给予适当的证明，具体建 模过程如下。 3 2 模糊综合关联度模型 3 2 1 各单项灾情指标的灾情等级标准的确定 洪涝灾情评估中，各单项灾情指标的灾情等级标准的确定互不相同。但对模型的评 估结果却有很大的影响因此，本文在分析大量数据的基础上，采用农田受灾面积x l ， 受灾人口x 2 ，倒塌房间x 3 ，直接经济损失“作为洪涝灾情等级的指标，并拟采用表3 1 作为模糊综合关联度模型的洪涝灾情等级标准。 塑韭奎些奎翌堡主兰燕兰些丝苎一 表3 1 溟涝灾情等级标嘏 x lf 1 旷h 舻) 受灾人口x 2 i 0 0 0 入， 倒塌房间x 3 1 0 0 0 ( 1 0 间) 壹接经漭接失 1 0 0 0 x 4 ( 1 旷万元) 由表3 i 霹疆看出。各摆豁与灾缀乏羯至单谖递增关系，撵梅毽超过蘩一范鑫辩 就判定为最简灾级，巍指标值低于另一藕围时就判定为最低灾级，肖指标值介于两者志 阗时为中等灾级，这是一种两边有疆定耩圈，孛嬲段变化的单调递壤关系，掰这种关蘸 恰伶可爨尾邋辑薪谛麴绞( l o 稚8 t i cc u r v e ) 帮l o g 模型来箍述。 y o ) 糕n ( i + e 。p o d 卜+ 7 撕) + + “p o ) ( 3 一1 ) 式中，i = l ，2 一，1 ( 浃涝灾情共发生次数) 。j = z ，2 ，_ ( 横型中共育的指标个数) 。i 。j 分别为洪涝灾情发生次数和灾愤指标个数。n 为最赢灾级，y ( i ) 为灾情等级模型钓计舞 蓬，为不超过k 翡芷实数，p j 为模型参数，x ( j ，i ) 为第i 次洪羡灾情鹃第j 个指标德。 鉴于l o g 模型具有描述各指标与灾缀之闻单调递增关系的特点，因此可以用来检黢 表3 1 串洪涝灾攮等缀搪准是黉台理。嚣把l o g 模壁的弹笋蛞果与攥期综会荚联度摸爨 的详翔结栗进行圮较，如合理则采用此浃涝灾情等级标准俸为模颧综台关联皮模型的j ! l l 涝灾情等级标准，如不合理，则需要反复调整，如此反复调整可增加洪涝灾情等级定缀 振接豹金理拣。由公式3 - l 霉叛看出，l o g 模型袋参覆予嚣线性嚣纯鞫瑟，薅攘攘生貔 进化过程中优胜劣汰机理的遗传算法在求解此类闯题方面具有其它方法无可比拟的优 势，因此本文采用遗传算法来对t 瞄模烈进行求静 i ) 遗传算法的内部机理”“ 逡黄算法( g e n e t i c a l g o r i t h m 楚称g a ) 是盘簧鏊h o l l a n d , j 教授删挺爨的类蓿舔 生物界自然选择和自然遗传机制的随机化搜索方法，其主鬻特点是群体搜索娥略和群体 中个体之阅的信息交按，是种求解超隧盼高效、通用、鲁警性强的磐 拴髑搜索方竣 “。其主要求解步骤如下：首先要对解黼题避行编码( 禳稼生物遗传的本餍基因 链) ，并且确定适当的避应度函数( 衡量个体优秀虞的标准) ，然后从任一初始群体出发。 逶过照搬选择( 幢嚣体中优秀翡个髂骞受多懿撬会悖蛩下一谯) 、交戈 0 0 0 1 ) ( 3 - 3 ) 式中，f i ) 为第i 个父代个体豹嚣标薮数藿，f i ) 为第i 今父代个搏豹遁座度落数 值，) - ( ，) 、y ( j ) 分另吐为第j 次洪涝灾情等级的模型计算德和实际值，j 2 1 n ( n 为 洪涝灾壤共发生的次数) e d ) 选撵操作根据5 之代个体适斑度值在当前群体中随机选择可为亲本的个体，适 成度馕大魏父代个律被逡中的帆率大( 体现了运尔文的“优胜劣汰”的思想) ，直 接作为新一代子代个体h l ( j ，i ) ；适应度比例法是鬻用的一种方法，按下式确定每 个个体被选巾的概率如公式( 洲) 所示： g g ( o = f ( o f p p o ) - - - z p s ( k ) i = l ( 3 5 ) 公式3 5 ) 中垮戴p p ( i ) 耙【0 ，i 】区阃分成p o p s j z e 个子区 间：【0 p p ( 1 ) 】，【p p ( i ) ，p p ( 2 ) 】， ( p p ( p o p s i z e - 1 ) ，p p ( p o p s i z e ) 1 。然麝生戒随机 数r a n d l ，若r a n d l 在区阉( p p ( i i ，。p p ( 1 ，】中，则第i 个父代个体被选申，i ( j i = 舳( j ，i ) - e ) 交必操作根据公式( 3 - 4 ) 的选择概率随机选择一对父代个体u l ( j ，i i ) 和 # l 瓴i 2 ) ，褥选中弱个蒋裱撼交叉率叠 控锎交叉操俸被使掰翡额度，影嫡g 矗的全 局搜索能力) 随机线性组合，生成新一代个体u 2 ( j 。i l ) 和u 2 ( j ，i 2 ) ： ju 2 ( j ，1 ) 2p l u l ( j ，n ) + ( 1 一p 2 ) u l ( j 渤搀 p c r 0 8 s( 3 6 ) l u 2 ( l i 2 ) = p 2 u l ( j ，f 1 ) + ( 1 一p 1 ) u l ( j , ，2 ) p c r o s s 为规定的交叉概率。p l ，p 2 ，“为随机数 f ) 变辩操作以一定的变异概率控制变异频度，生成新代个体u 3 ( j 。i ) 。 8 燕兰堡! 艘璺塑黑煎壅堡壁壁墨蓬塑壁照堕茎 f “3 ( j 。i ) = p 3 “3 矗f ) = u 2 ( j ，f ) p ，) m u t a t i o n p 。p m u l a t i o n p m u t a t i o n 为撬定豹交叉壤率，p 3 ，斑势蘧辊数 ( 3 - 7 ) g ) 演化造代由步d ) f ) 键劐新豹子代个体，然螽从步骤c ) 开始。进入下步姻 演亿过稳，重新对父代个体进行评价、逡择、交叉和变异如不满足要求女反笈 送代，赢至最伉解为止。 根据上述步骤其体用遗传算法( g e l l e t i ca l g o r i t h m 豌稼g a ) 优化g 摸型的诗算结累 觅下袭3 2 ，表3 3 。 表3 2 洪涝灾情等级的经验值釉l o g 模型计冀值对地绉鬃 i6 26 3 i ，87 21 0 1 1 7 6 2 7 69 73 2我1 o l ，2 0 0 320 6 27 96 91 0 1 2 1 5 42 33 + 0 2 。50 7l 。01 1 4 9 52294 9 o9 01 o 1 2 4 5 6 】3 62 897 8 44 j 520 7 5 0 7 鹞6鹳1醇7硝。? 2 02 。0 5 0 8 7 9 39 3 7鹋43 3 42 o 1 7 2 1 96 4 0 1 8 ，l6 4 。96 1 32 0 1 譬2 1 09 49 7 3 6 7 74 9 , 6 2 。01 8 3 l l l? 8 4 0 1 0 0 0s 05 1 4 0 3 03 0 0 7 1 22 0 8 e 2 2 6 ，0粕0 02 5 3 0 3 03 ，躐 1 31 9 0 04 2 4 0 7 7 507 3 0 03 039 9 8 1 45 辨03 1 6 0 6 9 4 。0站9 03 0 3 。9 鹞 1 53 8 8 0 1 9 0 01 6 3 04 7 8 0 3 03 3 2 9 1 61 3 2 5 01 2 6 0 0 1 2 4 0 01 1 9 5 0 4 04 0 0 0 1 7 1 4 2 0 0| 1 7 0 。0t 0 3 5 。0 1 2 7 5 04 04 0 0 0 1 81 3 1 5 0 1 2 3 501 0 4 5 ，01 1 2 5 0 4 04 0 0 0 】9 1 3 8 5 01 2 4 0 1 4 7 0 , 01 4 1 5 0 4 + 04 0 0 0 2 0 1 2 4 5 01 2 9 501 0 5 0 0 1 1 2 0 04 0 4 0 0 0 2j 1 0 01 0 0 1 001 0 0 i s1 2 2 2 2 2 1 0 0 ol 0 l 镪01 0 0 e 2 52 1 5 9 2 3 1 0 0 0 , 0 i 0 0 0 0 1 0 0 0 0 。1 0 0 0 ，, 。0 3 。s 3 9 9 9 一 9 塑! ! 查些查兰堡主兰焦兰些望兰一 表3 3g a 优化的l o g 模型参数 一 最佳目标函数值 o 9 3 0 0 0 o 0 0 5 2 0 一o 0 0 6 0 一o 0 0 4 5 一o 0 0 5 6 1 ：竺! ! 本文利用文献【3 的数据，把l o g 模型计算值( 即能反映各指标与灾级之间单调递增 关系) 同下述的模糊综合关联度模型的计算值进行比较，结果见图3 2 。由计算结果比较 可以看出，此洪涝灾情等级标准是合理的。 1591 3 1 72 12 52 93 33 74 1 4 5 样本个数 图3 2l o g 模型值与模糊综合关联度值比较图 3 2 2 模糊综合关联度模型 1 ) 各单项灾情指标的灾情等级标准的确定 依据3 2 1 中所述制订各单项灾情指标的灾情等级标准。 2 ) 灾害损失指标体系的转换 为避免某项数值的人为因素变化( 物价调整) 而造成灾情缺乏可比性，一般先将各指 标进行处理。处理后x l = x l 5 ；x 2 = x 2 2 ；x 3 = x 3 2 0 ；x 4 = x 4 。而且为便于计算，通常把 处理后的指标依据公式( 3 - 8 ) 作如下转变： g ，2 u - 1 ) + ( 墨一铀v ) 一n )x 而s ( 3 - 8 ) g ，= 珊；葺吼。”；，= l ，2 ，( 册一1 ) ；f = l ，2 ，疗 式中，n 是因素个数，m 是灾情级别数，g 。是灾情指标转换值，a 。指第i 个因素属于第i 灾级的上限值。 1 0 4 5 3 5 2 5 1 5 o 3 2 l o 蒹鞲錾联 基于如t 雠俄的旱涝灾情评估系统的应月! 重堕 3 ) 灾害等级隶属函数的确定 由于不同的灾害等级隶属函数对模型的评判结果将产生不同的影响，因此，确定 合理的隶属函数是必要的。本文使用模糊综合关联度法并利用文献 3 j 的数据，分别采用 公式( 3 9 ) 的隶属函数及文献【4 的隶属函数进行了计算，比较结果见下图3 3 。因为采用 文献 4 的隶属函数，某指标所在灾级及相邻灾级隶属值大多不为零，而采用公式( 3 9 ) 中的隶属函数，除所在灾级的隶属值不为零外，其余大多为零，因此当有重灾级的指标 存在( 如图3 3 中的第1 5 、3 6 个样本数据) ，用本模型隶属函数大多判定为重灾，能如 实的反映该指标隶属灾级，而用文献 4 】的隶属函数因相邻灾级大多不为零，经累加后， 有可能偏重其它灾级。由图中可以看出，采用公式( 3 9 ) 中的隶属函数计算比较合理。 4 3 5 3 碾2 5 蓬 z 拭1 5 l o 5 0 1591 31 72 1 2 52 93 33 74 1 4 5 样本个数 ，、f 0 心( 函卜 l 一蜀 f 0 。( 毋) ：j 2 一占 f o f0 c ( 毋) = 3 一毋 【0 图3 3 不同的隶属函数比较值图 g i 1 0 g 1 g f 2 1 g 2 0 g 。 1 g 。3 2 g ， 3 0 g 2 ( 3 - 9 ) 翌! ! 查些查塑圭茎丝兰些堕兰 g f 3 2 s g l 3 0 g j ，( 聒) 4 一? ) 中阃隐层6 ，= f ( n e t ；) 正 f 式( 4 8 ) 中，西为所有与隐层的神经元相连的输出层神经冗协的威传误差- 值的修正公式为： 峨= 嘞一矗= 吩碱q 计算过理如下： 1 ) 构造瓣络箍耗结构，设甏合理的嘲缀参数( 懿) 。 2 ) 网络权值及阈值初始化，即在( - 0 5 t0 5 ) 区间内聪机生成韧始权值 3 ) 确定训练爆豹学习撵本 ： 辩卜该垒育期豹最大腾发量m ) ； 公式4 - l o ) 中磐组残顼确定方法如下； 墨王墅! 唑塑呈堂壅堕堡笪墨竺塑壁旦堕壅一 1 ) i 以冬小麦为例，把其分成六个生育阶段，建表4 1 。 表4 1 冬小麦各生育阶段i 9 ：2 9 1 1 ：2 0 1 1 ：2 l 一3 ：1 5 3 ：1 6 4 ：1 0 4 ：1 l 一5 ：5 5 ：6 5 ：2 05 ：2 l 6 ：1 1 2 ) p 有效降雨量的关键是求得该地区的降雨有效利用系数。本文采用联合国粮农组织 专家公认的、摄为理想的可能蒸发蒸腾降水比率为基础的印度法。该法是计算作物生 长季节期间一组天数内可能蒸发蒸腾量与总降水量之百分比，通过每组天数计算出月 平均值，从月平均值得出接个生育期的总平均值，从而得出各个生育期的降雨有效利 用率。 3 ) w w 。由灌溉实验资料获得，为保证样本的全面性，即在各个生育阶段要求出现的轻 早、中旱、重旱、特旱等情况，对作物适当进行灌溉。一般受早下限指标( 均占田间 持水率) ，正常为6 0 ，轻旱为5 0 ，中旱为4 s ，重旱为4 0 ，特早为3 嘶。 4 ) w o i 按水量平衡原理，土壤水消耗量取各生育阶段初的土壤实际含水量与各生育阶段 末的土壤实际含水量之差额 w 。= 0 1 h i y ( p 一o l i )( 4 一1 1 ) 式中h 该生育阶段计划湿润层深度( c m ) ； y 该生育阶段土壤容重( g 3 ) ； pm 该生育阶段初的土壤含水率( ) ： pi r 该生育阶段末的土壤含水率( ) 。 各生育阶段计划湿润层深度为：拔节期为4 0 q ，抽穗期为6 0 0 - , ；灌浆期为g o 。 5 ) 地下水补给根系层水量反映为地下水位的下降，采用地下水的累计降幅h 具 体计算按以下公式： 2 u h “一1 2 ) 式中u 本地区土壤给水度 6 ) 飓 因本地区干旱较重，在此认为几乎没有深层渗漏，水分全被作物消耗掉。 7 ) & 。 1 7 翌! ! 查些查兰堡主兰望兰些堡奎一 地面径流对作物是无效水量，因本地区年径流系数很小，且产流又集中在汛期为 数不多的几场较大的降水过程中，因此大多数情况下此项为0 。 8 ) e t - 目高，我国广泛采用的最大腾发量e t m 计算方法是联合国粮农组织推荐精度最高的 彭曼法： e t 。= l ( c e t o ( 4 1 3 ) 式中 e t r 一以彭曼法算得的参照作物蒸散量； k 作物系数。 4 2 3 旱灾灾前产量预测a n n 法 设有作物各生育阶段亏水系数序列x ( x ( 1 ) ，x ( 2 ) ，x ( i ) ，x ( k ) ) 和产量序列 y ( y ( 1 ) y ( 2 ) 。，y ( i ) ，y ( k ) ) ，用其分别代表b p - a n n 网络的输入向量和实际输出向 量，从而构成网络训练用的k 组学习样本( x ，y ) ，其中 输入向量x ( i ) = ( 5 m 酗，面) 实际输出向量y ( i ) = ( y l i ，y ，y 。) 计算输出向量0 ( i ) = ( 0 m0 2 i r “) 则旱灾灾前产量预测的a n n 网络模型可表示为： 0 ( i ) = 矗n n x ( i ) + f 4 其中，矗n n ( ) 是人工神经网络实现的非线性映射，e i 代表预测误差。 因此，第i + 1 个样本的预测输出向量为 o ( i + 1 ) = e o ( i + 1 ) j x ( i + 1 ) 】= e 最n n o ( i + 1 ) + 钳l i x ( i + 1 ) = 最n n x ( i + 1 ) ( 4 1 4 ) ( 4 - 1 5 ) ( 4 - 1 6 ) ( 4 - 1 7 ) ( 4 - 1 8 ) 按前述的b p 算法，通过样本系列i x ( i ) ，y ( i ) ，i = l 。2 。k ( 样本数量) 训练人 工神经网络，不断调整网络连接权值，自学习样本序列的内部演变规律在达到精度要 求后，按式( 4 1 8 ) 进行预测。 4 2 4 旱灾灾前产量预测算例 1 ) 试验设计 为便于非充分灌溉条件下的早灾灾前产量减产程度的估测，减少旱灾损失，本试验 在保定望都实验站进行，采用冬小麦产量与生育阶段亏水系数的神经网络模型，试验需 要测定充分供水及不同亏永条件下的冬小麦产量和各生育阶段的亏水系数。并以此进行 试验处理设计。试验采用坑测法。试验测坑共2 9 个，均为薄壁钢板，并设有防雨棚， 测坑面积3 3 3 m 2 m ，合计为0 0 1 亩。 基于i n t e r n e t 的旱涝灾情评估系统的应用研究 本试验将冬小麦的关键生育期划分为拔节前期、拔节后期、抽穗期、灌浆期、成熟 期。根据农作实践经验，冬小麦的拔节前期、成熟期一般不易受旱。因此，拔节前期、 成熟期按丰产要求进行灌溉管理，其余每个阶段分别按正常灌溉、轻旱、中早、重早、 特早3 个或4 个水平，共1 0 个处理，3 次重复。各处理以土壤含水率下限为处理指标， 受旱下限指标( 均为占田间持水率的百分率) 为：正常为6 0 ，轻旱为5 0 ，中旱为4 5 重旱为4 0 ，特旱为3 0 。各生育阶段的计划湿润层深度为：拔节期为4 0 c m ，抽穗期为 6 0 c m 。灌浆期为8 0 c m 。 2 ) 旱灾灾前产量预测的具体运算 由公式( 4 1 0 ) 依据上述各项指标的确定方法，以冬小麦为侧，求得冬小麦全生育期 的作物耗水量及各项指标值见表4 2 ：各生育阶段的亏水系数及产量值见表4 3 。 表4 2 冬小麦全生育期的作物耗水量及各项指标值 本水定额雨量消耗量渗漏 水补径藏发量期作物 号次( h )( 柚)( 肌) 量给量f - _ ) 耗水量 墼 ( _ )( )( _ )( _ ) 表4 3 冬小麦各生育阶段耗水量、亏水系数及产量值 起止9 ：2 可：2 1 盯面1 面r 瓦f 百函硒i 日期一 1 。i 芸竺! 尝j ! ! ! 一! 墨 ! ：! ! ! ! ! ! ：! ! 天数5 31 1 52 62 6 。矿西i i r 发量5 8 2 35 5 0 25 3 1 67 5 2 8 4 9 3 l2 0 3 8 4 2 ( n ， t4 0 1 发量4 9 7 l4 9 ，4 2 。2 6 9 4 3 l的。9 7 8 1 0 l4 0 0 7 ( _ ) i垦兰!_ 1 9 翌! ! 奎些盔堂堡主兰垡兰些堕! l 一表4 3 冬小麦各生育阶段耗水量、亏水系数及产量值( 续) 发量5 8 2 3 5 5 0 25 3 1 6 7 5 2 84 9 3 1 9 3 23 8 42 ( m ) 实测腾 24 3 4 发量6 6 1 9 5 8 4 9 5 6 2 61 0 4 48 3 7 08 8 5 44 4 7 8 f _ - ) 系数 一一 最大腾 发量6 3 5 5 5 1 9 66 0 6 l9 2 4 7 7 2 船7 9 ，1 54 1 0 7 实测腾 3 91 5 3 发量2 8 3 3 3 0 9 24 2 9 i3 6 9 92 5 2 82 i 9 41 8 6 4 ( - ) 亏水0 5 30 5 9 0 7 10 4 00 3 50 2 80 、4 5 系数 由表4 2 可以看出亏水系数能够反映公式( 4 - 1 0 ) 中的各项指标，且亏水系数与产量 间存在着一定的函数关系，而b p 神经网络具有逼近有界闭子集上任意非线性映射的能 力，可以很好地表述这种函数关系困此，在样本比较完备( 1 i p 训练样本中考虑了在各 生育阶段发生各种干旱情况的所有样本) 的情况下，用神经网络对样本加以训练并建立 模型，通过此模型，在已知各生育阶段亏水系数的情况下，可以对产量进行预测b p 神经网络的具体使用方法可参照上述方法在此。以6 个生育阶段的亏水系数作为输入 节点，对应的产量为输出节点。用表4 3 的数据作为训练样本，结果见图4 2 。用b p 神经网络训练3 0 0 0 0 次后，网络全局误差为0 0 0 0 2 4 1 。 | 皿 堂 删 l 样本个数 图4 2 河北保定望都站产量预测神经用络模型 薹王望! 竺坚塑呈堂壅堕塑焦墨笪堕堡旦里苎l 一 此外，为验证模型的可靠性，本文用上一年的十个随机样本( 单位为k g 亩) 进行验 证，并计算了样本相对误差和，结果见表4 4 ，通过验证，可见用b p 神经网络建立灾前 产量预测模型是完全可以的。 表4 4 神经网络模型的样本验证值与网络预测值对比表 网络预测值 ! ! ! ! ! ! ! ! ! ! 墼! 塑! ! ! ! ! ! ! 垫! ! ! ! 塑 4 2 03 9 82 4 63 0 6 3 3 23 2 02 1 02 9 02 4 82 7 8 样本验证值 样本相对误差和= 媸旦塑等；摹基掣q 3 0 。 4 3 旱灾评估模型 干旱最直接的后果是造成农作物减产或绝产，因此，本文通过农作物的减产幅度”1 来评估旱灾灾情程度，而灾前评估和灾后评估分别是依据神经网络预测产量和实际产 量，比较预测产量或实际产量与农作物水量充分条件下产量的减产幅度，从而据表4 5 判断出旱灾灾情程度。 表4 5 旱灾标准及减产幅度 在分析影响产量的众多因素后，利用神经网络建立了灾前产量预测模型，经检验此 模型是可行的，并且同那些参数多变的模型相比较，精度要高丽通过农作物预测产量 的减产程度来对旱灾灾情程度进行灾前评估，从根本上反映了作物减产与农业旱灾之间 的关系此外，由于模型样本的不完备性，有可能会使模型精度降低，因此。模型使用 时，要尽量搜集代表性较强的样本。 5 旱涝灾情评估系统的设计”。“1 与实施 5 1 旱涝灾情评估系统的设计 早涝灾情评估应用系统的主要功能是当用户输入适当的指标后，可以利用所建模型 进行洪涝灾情评估及旱灾灾前产量预测、灾前评估、灾后评估，从而以利于决策者更好 地进行决策。该系统的基本功能结构如图所示： 2 1 遐! ! 查些奎鲎堡主兰照竺些兰羔一 圈5 1 应朋系统功能结构圈 当访问该站点的用户登录成功以后，系统显承该站点的首页。落主要包括”用户中 心”、”涝灾决策”、”旱灾决策”、”体阚驿站”、”聊天室”激个功能模块，用户 可敬透过这溉个功能横块方便缝访阊弱蛞点的任健一处僚糕下覆瑟这盖个功能模块的 设计思想： 蒡l 声率心 该模块悬方便系统管理员静理用户储息的地方，为了系统的安象起见，系统管理员 露数壤据实鼯攘况为臻户努裁鼗予舍理鹃援聚。巍簧产送入辑螭封，系缝会擞据菸麴蠢 的权限，决定其是否可以进入晕涝灾情谱估网页和对早涝指标数据艨进行修改。用户中 心其有”用户盛录”、”用户捷册”、”用户资料擎改”、”密码繁改”、”用户注镝 一等功能模块。透过避尼个模块系统管穗赛可班辩藤户倍意数据库避行搽诈，飘褥实瑶 对用户信息进行删除、添加、修改的一系列功能。 涝灾决策 涝灾决策模块是_ i 行洪涝灾灾情评估的地方，进入该页筒，用户可以按照界面的要 求壤写套静攒标，壤旗赛嚣揍况，获囊壤髯，完孥螽撂发送接镪，痿溪浜涝灾祷浮佶臻 果页面，从其中可以澍出此种情况所隶属的灾情缎别。 旱灾凌策 该模块悬用户进行早灾灾情决策的地方，拥有”旱灾灾前产量预测”、”旱灾灾前 评估”、”旱灾灾后评估”、”数据库修泼”四个模块。睾灾灾懿产量预测”攘块慰 在用户输入炎面按要球输入指括后，通过w e b 暇务器及m a t l a b 服务器传递数据到 i d a t l a b ，经计算后，将输出结果输出到旱灾灾前产繁预测结果页面。”旱灾灾前评估” 2 2 墨王墅! 型塑呈望壅堕堂笪至竺塑壅星堡翌 是在用户计算出灾前产量后，依据产量的减产幅度评定出灾前的灾情级别”旱灾灾后 评估”是依据灾后产量的减产幅度计算出灾后的旱灾灾情级别a “数据库修改”是系统 管理员对旱灾灾情指标库进行数据管理的地方它拥有”插入”、”查询”、”修改”、 ”删除”四个功能模块，通过这四个功能模块系统管理员可以很方便的对旱灾灾情指标 库进行管理。 体闲驿站及聊天室 点取这两个模块可以进入”休闲驿站”和”聊天室”页面，”体闲驿站”包含了一 些科普知识及动画欣赏，”聊天室”具有聊天的功能。当用户在别的地方测览累了，可 以进入此页面，消遣和放松一下。 5 2 旱涝灾情评估系统的实施 在系统的设计阶段，从技术上确立了系统中各分系统的解决途径而在系统的实施 阶段，主要任务就是按照系统设计阶段所确立的方法进行网络施工，开发各分系统，实 现整个网络的系统集成在系统实施前进行了系统的软件配置，其配置如下：本系统的 操作系统采用w i n d o w sn ts e r v e r4 0 ，它支持包括1 p i p 、n e t b e u i 等在内的多种协 议标准w e b 服务器软件选用m i c r o s o f t 公司的i i s 4 0 作为w