SWAT modeli kullanarak Tarım Koruma Uygulamalarının Mekansal Çok Amaçlı Optimizasyon ve Evrimsel Algoritma

Aşağıdaki deneyin genel amacı, havza süreç modelini içeren bir simülasyon optimizasyon sistemi ve evrimsel bir algoritma kullanarak bir havzadaki koruma uygulamalarının çok amaçlı optimizasyonu için yöntemi göstermektir. Kapsayıcı soru, bir havzada tarımsal koruma uygulamalarının nasıl tahsis edileceğidir. Böylece su kalitesi hedefleri en düşük maliyetle karşılanır.

Her alanda birden fazla koruma uygulaması mümkündür ve birden fazla su kalitesi hedefi önemli olabilir. Koruma uygulamalarının belirli bir ataması, bir havza süreç modeli ile simüle edilebilir. Optimizasyon hedefine ulaşmak için öncelikle kalibre edilmiş ve doğrulanmış bir havza proses modeli ve koruma uygulamalarının model temsillerini seçin.

İkinci adım olarak, maksimize edilecek çevresel hedefler seçilir ve koruma uygulamalarının maliyetleri elde edilir, bu da çevresel ve maliyet hedefleri boyunca aynı anda optimize etmek isteyen evrimsel algoritma bileşenine izin verir. Daha sonra, çok amaçlı optimizasyon gerçekleştirmek için optimizasyonu kontrol eden parametrelerin seçimi yapılır. Bu iki bileşen, simülasyon ve optimizasyon, genetik I adı verilen bir simülasyon optimizasyon sistemine entegre edilmiştir. Çevresel hedefler ile koruma yatırımlarının maliyeti arasındaki ödünleşimleri ölçen ve istenen çevresel hedeflere veya maliyete dayalı olarak koruma uygulamalarının belirli bir mekansal konfigürasyonunun seçilmesine izin veren, koruma uygulaması yerleşimleri açısından en uygun havza konfigürasyonlarını gösteren swat sonuçları elde edilir.

Bu tekniğin, basit koruma uygulaması senaryo değerlendirmesi veya basitleştirilmiş uygulama temsiline dayalı koruma uygulamaları seçiminin optimizasyonu gibi mevcut yöntemlere göre temel avantajı, fiziksel tabanlı havza süreç modelini esnek ve sezgisel olarak anlaşılabilir bir şekilde optimizasyon kararına entegre etmesidir. Bu yöntem, havza yönetimi ve çevresel ekonomik alanlarda, koruma uygulamalarına kamu yatırımlarının nereye odaklanacağı veya koruma uygulamaları için ters müzayedeler veya bir su kalitesi ticaret programı gibi piyasa temelli politikaların nasıl yapılandırılacağı gibi temel soruların yanıtlanmasına yardımcı olabilir. Noktasal olmayan kaynak kirliliği bağlamında, bir havza modeli hazırlandıktan sonra optimizasyon parametreleri seçilir ve optimizasyonun Genetic Iwo adı verilen bir program tarafından kontrol edilmesi sağlandıktan sonra optimizasyon için girdi verileri seçilir.

Bu prosedüre başlamak için, genetik iwo dot exe'yi açın dosyaya gidin, ardından I SWAT veritabanını açın ve seçin, rakun GA nokta mdb dosyaya gidin, ardından değiştirilecek yolları atamak için yapılandırmayı seçin. Model yürütülebilir dosyaları yürütmeye gidin, ardından alel setini seçin. Bu adım, optimizasyonda kullanılan koruma uygulamalarının kombinasyonlarını belirler.

Bu çalışma için, 23 koruma uygulaması kombinasyonuna sahip olan 14 numaralı alel seti kullanılacaktır. Ardından, SP A iki evrimsel algoritmasını kullanarak çok amaçlı optimizasyon gerçekleştirmek için SP A iki arşiv taban çizgisine duyarlı alt kümesini seçin. İlk olarak, ön ayar altında, optimize edilecek havzayı seçin rakun tıkla uygula, bu ekrandaki kontrol değerlerini doldurmak için ön ayarlar dosyası havza ön ayarları nokta csv girişlerini seçer.

Ardından, çıktı değişkeni altında, optimizasyon için çevresel hedefleri seçin. Seçilen N çıkışı P çıkışı, üç boyutlu bir objektif fonksiyonu tanımlar. Azot çıkışta beş yıl ortalama, fosfor çıkışta beş yıl ortalama ve koruma uygulamalarının toplam maliyeti.

Bu, ilk nüfus büyüklüğünü 60 olarak belirleyen üç boyutlu bir değiş tokuş sınırı yaratacaktır. Bu, her bir alel seçeneğine sahip tohum seçildiğinde aday çözeltilerin ilk sayısını belirler. Alel setinde belirtilen her bir koruma uygulamasının, havzadaki tüm ekili alan hidrolojik müdahale birimlerine tek tip bir uygulamasını temsil eden aday çözümler oluşturulur.

İlk olarak, kalan aday çözümler, alel setinden ekili alan HR'ye rastgele bir koruma uygulamaları atanarak oluşturulur. Her alel seçeneğiyle tohumu seçerken, bu gösterimde 60 olan ilk popülasyon büyüklüğünün en az bir alel setindeki 23 olan alel sayısı kadar büyük olduğundan emin olun. Bu gösterimde, bu örnekteki en iyi duruma getirme çalıştırması için istenen nesil veya yineleme sayısını 125 olarak ayarlayın. Yeni aday çözümler oluşturmak için iki aday çözüm seçildiğinde, çaprazlama olasılığı, farklı yeni çözümlerin oluşturulma olasılığını belirtir.

Bu gösterim için, çaprazlama olasılığı bir olarak ayarlanmıştır. Geçici nüfusun büyüklüğü, oluşturulan yeni aday çözümlerin sayısını belirler. İşlemci kaynakları, bu değer bir tamsayı olduğunda en verimli şekilde kullanılır, bu gösterim için işlemci iş parçacığı sayısının 16 katı seçilir.

Mutasyon olasılığı, HRU'nun başka bir koruma uygulamasına atanmasında rastgele değişiklik olasılığıdır. Alel setinden 0.003 olarak ayarlanmıştır. Bu gösterim için, kullanılan iş parçacığı veya işlemci sayısını (16) seçin.

Bu gösterimde, birin eğri sayısı kalibrasyon faktörü, takas modeli kalibrasyonundan sağlanır. Son olarak, popülasyonu metin dosyasına kaydet'i seçin. Bu seçeneğin işaretlenmesi, hayatta kalan her aday çözümdeki her HRU'nun alel değerlerini içeren bir metin dosyası oluşturur.

Bu, belirtilen sayıda yineleme tamamlandıktan sonra iyileştirme çalıştırmasını yeniden başlatmak için önemlidir. Çalıştırmadan sonra, Pareto verimli çözümlerinin tamamı veya değiş tokuş sınırı bu adımlar izlenerek görselleştirilebilir. Genetik çalıştırın.

Swat'tım, dosyaya gittim, sonra I IWA veritabanını, rakun GA nokta mdb'yi açmak için açtım. Dosya dışa aktarmaya gidin, ardından HRU listesini dışa aktarın, dosyayı rakun aleli olarak kaydedin, HRU dot T XT çalışma haritası, swat dot xe, yürüt'ü seçin ve ardından üç boyutlu değiş tokuş sınırının animasyonunu üretmek için 3D animasyon, kırmızı eksendeki çıkış nitrojen seviyeleri N ile mavi eksendeki çıkış fosfor seviyeleri P'yi koruma uygulamalarının toplam maliyetine karşı çukurlaştırır. Tüm alt havzalarda.

Yeşil eksende çıktı, bir kerede görüntü dosyalarına dönüştürülebilen bir dizi dosyadır. POV ışını programı kullanılarak, görüntüler çerçeve tarayıcı xe çalıştırılarak algoritma ilerlemesini gösteren bir filmde de birleştirilebilir. Sınırdaki her nokta bir havza konfigürasyonunu temsil eder.

Bu, bir peyzaj üzerindeki koruma uygulamalarının özel bir görevidir. Bu konfigürasyonların çoğu, aşağıdaki adımları izleyerek tüm sınır için görülebilir. Çalıştır, haritala, swat, xe, yürüt'ü seçin ve ardından animasyonu eşleyin.

Sol taraftaki kutular, sınırın iki boyutlu izdüşümlerini gösterir ve çizgi çizgileri, seçilen belirli çözümün konumunu gösterir. MAP, koruma uygulamasını öngören baskın algoritmayı gösterir. Efsanenin seçilen koruma uygulamalarını tanımladığı her yerde.

Genellikle ilgi çekici bir soru, belirli bir havza konfigürasyonunu veya belirli bir su kalitesi hedeflerine ulaşan bir bireyi seçmektir. Örneğin, temel yükleme haritasına göre nitrojeni %30 ve fosforu %30 azaltan bir birey. SWAT, belirtilen hedefe minimum Öklid mesafesine sahip bir birey için sınırı aramamıza olanak tanır Belirli havza konfigürasyonlarını veya belirli su kalitesi hedeflerine ulaşan bireyleri seçmek için, harita swat dot exe'yi açın ve yürüt ve ara'yı seçin.

Minimum hedef sıfır girin. Bu örnekte, bu örnekte maksimum hedef 100 ve hedef aralığı 10. Bu örnekte, 30 numaralı taban çizgisinin sonunun yanındaki azaltma yüzdesi alanına taban çizgisinden nitrojende belirli bir azalma yüzdesi girin.

Bu örnekte. Ardından, fosfor taban çizgisinin yanındaki yüzde azalmaya fosfordaki azalma yüzdesini, ayrıca 30'u girin. Bu örnekte, harita swat programı bir açılır ekranda çıktı üretecek, kopyala'yı, metni tıklayacak ve bir elektronik tabloya yapıştıracaktır.

İlkinde üç tablo üretilir, N ve P hedeflerine en yakın bireylerdir, bu da T in'den tmax'a kadar t int ile değişir. Bunun hemen altında, hedef N spesifikasyonuna en yakın tek birey ve ikinci tabloda görünen P spesifikasyonu, P hedefinin takımdan Tmax'a kadar değiştiği ve N'nin son spesifikasyona yakın sabit tutulduğu en yakın bireylerdir. Üçüncü tablo, bireylere takımdan Tmax'a kadar en yakın nihai hedefleri verirken, P, P spesifikasyonunun yakınında sabit tutulur.

Bu durumda, %30'luk bir son azalmaya en yakın kişi, 14.639.660 bitiş değeri ile ID 84 23 idi. İşte koruma uygulamalarının mekansal dağılımını ve bu havza konfigürasyonunun geliştirilmesinden sonraki takas sınırındaki yerini gösteren harita. Bu teknik, havza yönetimi ve çevre ekonomisi alanındaki araştırmacıların, havza çevresel hedeflerine ulaşmanın daha uygun maliyetli yollarını keşfetmelerinin ve piyasa temelli politikaların tasarımını geliştirmelerinin yolunu açtı.