摘要
Abstract
1 绪论
1.1 立题依据
1.2 国内外研究现状
1.3 研究内容与技术路线
1.3.1 研究内容
1.3.2 技术路线
2 潮河流域水资源概况
2.1 承德市及潮河流域自然条件
2.1.1 地理位置与行政区划
2.1.2 地形地貌
2.1.3 潮河流域概况
2.1.4 流域地质概况与水文地质条件
2.1.5 水系特征
2.1.6 气候
2.1.7 自然资源与自然灾害
2.2 社会经济概况
2.3 水文及水资源
2.4 河流水质与生态环境
2.4.1 地表水质概况
2.4.2 生态环境
3 基于未确知系统的水资源可持续开发利用评价
3.1 未确知逻辑系统
3.1.1 未确知集合的基本概念
3.1.2 未确知测度函数的构造
3.1.3 未确知逻辑系统
3.2 基于未确知系统的水资源可持续开发利用评价
3.2.1 指标分类权重
3.2.2 水资源短缺的分类与识别
3.2.3 水资源短缺类型的模糊识别模型
3.3 本章小结
4 水资源合理利用措施定量评估方法及应用
4.1 前言
4.2 我国流域水资源利用现状及措施
4.2.1 我国流域水资源利用现状及存在的问题
4.2.2 我国流域水资源利用措施
4.3 流域水资源合理利用措施定量化研究方法
4.3.1 流域水资源合理利用的定量化综合模型
4.3.2 水资源可持续开发的系统动力学(SD)模型
4.3.3 流域水资源可持续发展能力评价指标体系
4.4 应用实例—潮河流域水资源可持续开发动态仿真与评估
4.4.1 潮河流域水资源利用的动态仿真模型
4.4.2 策略设计与仿真模拟
4.4.3 仿真结果评估
4.4.4 方案对比分析
4.5 本章小结
5 虚拟水及水银行在水资源开发利用中的理论及应用
5.1 虚拟水
5.1.1 虚拟水量的计算
5.1.2 潮河流域虚拟水量的计算
5.2 水银行
5.2.1 建立中国水银行制度的可行性
5.2.2 潮河流域实施水银行制度的必要性
5.3 本章小结
6 基于支持向量机的水资源可持续利用评价模型
6.1 前言
6.2 支持向量机的基本理论
6.2.1 统计学习理论
6.2.2 支持向量机算法的发展历史和现状
6.2.3 支持向量机基本方法
6.2.4 支持向量机回归模型
6.3 基于支持向量机(SVM)的水资源可持续利用评价
6.3.1 水资源可持续利用评价指标体系的确定
6.3.2 模型样本的生成
6.3.3 基于分类支持向量机(SVC)模型的实现
6.4 本章小结
7 基于蚁群算法的水资源可持续利用评价
7.1 前言
7.2 蚁群算法简介
7.2.1 蚁群算法的基本思想
7.2.2 蚁群算法基本原理
7.2.3 蚁群算法参数的确定
7.2.4 基于蚁群算法的用水效益参数反演方法
7.2.5 反演求解
7.3 不同水源可供水量
7.4 不同用水部门的需水量上下限
7.5 各部门用水优先系数γ和缺水权重系数β的确定
7.6 区域经济和环境协调发展约束
7.7 水资源优化配置结果
7.8 本章小结
8 基于人工鱼群算法的水资源可持续利用评价模型
8.1 前言
8.2 人工鱼群算法
8.2.1 人工鱼群算法简介
8.2.2 人工鱼群算法描述
8.2.3 人工鱼群算法特点
8.3 基于鱼群算法的水资源可持续利用评价模型
8.3.1 评价标准和生成样本
8.3.2 水资源可持续利用评价的参数化多指标组合算子模型
8.3.3 优化目标函数设计及参数优化结果
8.4 本章小结
9 水资源合理配置保障措施
9.1 全面启动现代化水网建设
9.2 改革和完善水资源管理体制
9.3 实现有偿使用水资源使用权的初始分配
9.4 建立合理的水资源补偿合作机制和水价体系
9.4.1 水资源补偿合作机制的建立
9.4.2 水价改革的指导思想
9.4.3 水价改革的基本原则
9.4.4 水价改革的有关措施
9.5 建设节水防污型社会
9.6 完善水资源管理的政策法规体系
9.7 合理配置水资源加大节水力度缓解北京市发展压力
9.8 建立稳定可靠的投入保障机制
9.9 加快现代化水利建设进程
9.10 本章小结
10 结论与建议
参考文献
致谢
附录
攻读博士学位期间发表的论文和科研成果
附表