第五章 节水技术的适宜性评价模型建立及实现
区域节水技术的适宜性的评价是一个复杂的大系统，节水技术适宜性涉及到技术对地区的可行性、节水主体对技术的认可性、技术在地区运行的可持续性等多方面的因素，他们又相互影响构成相当复杂的非线性体系。目前虽然对复杂多因素评价的研究方法较多，但对于权重的确定大多方法通过主观确定法和客观确定法来确定的，而这两类常用方法又有各自局限性：主观赋值法依赖于专家的学科知识、科研经验，受人为因素干扰较大；客观赋值法具有模糊随机性，从而导致其结果解释性不强，存在一定的缺陷（路晓颖 2011）。研究表明，投影寻踪模型有效避免了人为因素对指标权重确定的影响，它是一种基于统计思想进行构建的评价模型，其评价结果相对客观。本章将投影寻踪模型和加速遗传算法相耦合应用于节水技术适宜性评价的研究中，利用加速遗传计算方法的全局收敛特点来求解投影寻踪数学模型，找出最佳的投影方向，进而进行聚类分析。
通过这样流程建立基于实码加速遗传算法的投影寻踪评价模型（Real Coding BasedAccelerating Genetic Algorithm-Projection Pursuit Evaluation Model），简称RAG-PPE模型。
5.1 节水技术的适应性评价模型的建立。
5.1.1 模型的选择。
20世纪70 年代，投影寻踪方法（PP法）首次被用于对多元数据的处理研究中。PP法能够实现高维观测数据的科学处理，特别结局非正态分布、非线性关系的高维数据问题时相对其他方法具有明显优势（周林 2007;Shun-JiuWang 2008）。投影寻踪方法经过三十多年的发展后，目前已经广泛地应用于众多领域。它是一种降维技术，其核心思路为将高维数据进行投影降维，并在低维空间上寻求最优投影值，用以研究原数据的具体特征（M. Daszykowski 2004）。PP方法的特点可归纳为以下几点：
（1）能够克服高维数据的维数灾害，能够在低维空间上分析高维数据。
（2）能够绕过对数据内部结构和特征影响甚微的变量干扰（杨树果 2010）。
（3）能够解决非线性优化、多元线性回归等问题。
5.1.2 模型的构造。
（1）深入剖析系统基础上，找出研究总目标，划定方案所涵盖区域、需应用的措施和决策、达到目标的原则和影响因素等，广泛地收集信息。
（2）根据方案及各个节水技术下的各个指标值建立样本评价指标集。
（3）把样本指标集向某一单位长度向量投影，依据投影值的散步特征要求建立投影指标函数。
（4）采取实数编码的加速遗传计算方法通过求解指标函数最大化近似得到最佳投影的具体方向。
（5）利用最佳投影的方向得出样本投影值，并进行排序。
5.1.3 模型的建立。
（1）技术指标集向a进行投影所得投影值
（3）投影目标函数优化：
高维数据的特征通过相应投影方向来体现，而那个最大程度表观高维数据存在的某类数据结构的为最佳指投影方向（金菊良 2002）。每个决策单元指标值样本集确定后，投影指标函数仅仅受投影方向的影响。而最佳指标投影方向可以采用指标函数的最大化来计算，即：
5.2 节水技术适应性评价模型的求解。
5.2.1 指标的量化。
在节水技术的适宜性评价指标中，同时包含定量和定性两种。本研究对于各定量指标以水利统计年报、水利管理年报等为依据并给出其具体的计算公式，而对于定性指标则采用问卷调查方法进行定量。在研究区域内以发放调研问卷并进行半结构式访谈的方式，对农户、基层农业、水利技术人员及灌区管理人员针对各定性指标的现状进行调查，将对每个指标的评估设定成"一级：好、二级：较好、三级：一般、四级：较差、五级：
差"来衡量，采用公式对每个指标的现状调查数据进行量化。
指标量化：
Nf MfMfMfMfM5112233445?+?+?+?+?
（5-4）式中：M1~M5分别代表相应的量化指标等级，M1=10,M2=8,M3=6,M4=4,M5=2与之对应的量化指标依次为一到五的等级；f1~f5:相应频率等级的样本数；N :样本总数5.2.2 技术评价指标样本集的归一化处理。
评价指标值的数量级不同，因此需要消除每个指标值的量纲、使得每个指标值的相应变化范围一致，使每个指标在同一层次中具有可比性，具体处理为：
5.2.3 利用实数编码加速遗传算法（RAGA）来求解投影目标函数。
对于这种复杂的非线性关系的优化问题，传统的方法几乎失效。实码加速遗传算法AGAR为适用性强的可全局进行优化的方法，对于这种问题，则体现出其优越性。
遗传算法的基本思路为将一簇系统随机产生的可行解看成父代群体，将体现适应度的目标函数衡量这些个体对于环境的适应能力标尺，从中找到适应环境解，然后交叉生成下一子代个体、再经遗传变异，经过优胜劣汰过程，生成更能够适应此环境的新一代，以此循环进化迭代，使得新生个体的环境适应能力越来越强，达到收敛最后找出解决问题的最优解（王顺久 2007）。然而，标准遗传方法的寻优有效性会随着变量的初始化区间变大而变差，从而全局收敛性不能得到保证，致使容易出现在未到达甚至距离全局最优很远的点，SGA就停止寻优的情况。为此，在SGA基础上，实码加速遗传算法取前两次进化迭代生成的优秀新一代个体变量的变化范围当做初始变化区间，再一次运行算法，性的加速进化，有效缩短了优秀个体的区间，并越来越靠近最优点。最终最优个体的目标函数求解值不超过预先设定值或加速进化满足预先预定次数时，全算法加速运行完毕，然后把当前群体中存在的最佳个体确定成算法的结果（刘学军 2009）。
本研究将利用实数编码的加速遗传计算方法（RAGA）求解投影的优化准则函数得出最佳投影方向{ a （ j）| i = 1~p}代入公式（1），得出各节水技术适宜性评价值。根据其大小对节水技术适宜性情况实现分析、排序。针对灌区实际，对各节水技术适宜性进行合理的评价。
5.3 RAG-PPE 模型建模流程及 MATLAB 实现。
本研究采用实数编码加速遗传算法来解决投影寻踪模型的多维投影问题进而进行节水技术适宜性评价。根据运用遗传算法进行全局寻优来确定最佳投影方向和模型参数，将投影寻踪方法的实现过程与实数编码加速遗传算法的实现过程进行有效结合，采用 MATLAB（R2010a） 进行编制程序，完成 RAGA-PPE 评价模型的实现。其具体的建模流程如图5-1.其中需要注意的是：算法的寻优性能会受到参数群体规模和优秀个体数目的影响，根据已有研究的建议，其常用的组合方式为（300,20）、（400,25）、（500,30）。本研究选取参数群体规模数为400,优秀个体的数量为25.
5.4 本章小结。
本章主要介绍了节水技术适宜性评价所采用的加速遗传计算方法与投影寻踪数学模型模型的原理及 MALAB 中的实现过程。
