基于不确定性优化模型的农业水管理决策支持

第卷第期农业水土工程研究专题课程论文V ol. Supp. . 2015年11月Paper of agricultural water and soil engineering research subject Nov.2015 1

基于不确定性优化模型的农业水管理决策支持

（1.中国农业大学水利与土木工程学院，北京，100083）

摘要：水资源的合理配置对于社会经济的发展具有重要意义。由于我们生活的自然以及社会经济中存在不确定性，因此在进行农业水管理决策时，把这种不确定性考虑进优化决策中更有利于决策者做出合理的决策。本文按照使用不确定性优化决策在农业水管理中的具体步骤，以模拟模型、不确定优化理论两个模块为核心，对研究现状、研究热点、发展的趋势以及存在的问题等进行了阐述。

关键词：模拟模型；优化模型；不确定性

中图分类号：S16 文献标志码：A 文章编号：

0引言

水资源是人类生存和社会经济发展的物质基础，是不可替代的重要自然资源和战略性经济资源。但是随着社会经济的发展，人口和用水量的剧增，有限的水资源已经不能满足人们日益增长的用水需求，水资源矛盾日益突出。近年来的水资源开发利用方式导致了许多生态环境问题，又进一步加剧了水资源短缺问题，这些和都严重制约着社会、经济、生态的可持续发展。因此，对水资源进行合理开发利用，实行水资源优化配置，是实现社会可持续发展的重要前提，对实现和谐社会及社会经济的持续、健康发展具有极其重要的意义。

解决水资源的优化配置问题，通常是根据遇到的实际情况与预期目标建立起优化模型，通过得到满足约束条件的目标函数来为决策者提供决策依据，从而实现水资源的最优化配置。然而由于优化配置是针对未来时空的配置，为了优化结果更可靠，常常需要一些模拟模型来为优化模型提供输入数据。同时，由于社会经济环境的复杂性和我们技术条件的限制，我们常常不能得到精确的数据，也就是出现了不确定性。为了充分利用数据信息，我们把不确定性加入到优化模型中，经过风险分析，从而得出合理的决策建议。

下面将选择模拟模型中的需水模拟模型来介绍，并介绍几种常用不确定优化方法。

1需水预测模型

作物的需水预测是农业水资源优化配置的前提和基础之一。但目前在解决数学模型中需要输入有预期的预测精度的数据时还是会遇到困难。例如，当大量的用水者的用水需求作为优化模型的输入时，预测精度太低时优化结果可能会出现偏差。此外，不确定性也存在于水的需求中，水需求受到一些影响因子和系统组成的影响（即人类活动，社会发展，可持续性要求以及政策法规），这不仅在不确定性因子间相互作用过程中使得问题更为复杂，也使得决策者在进行水资源分配过程中的风险增加。所以，准确的预测水资源的需求对制定有效的水资源系统相关规划很重要。

1.1需水预测国内外研究进展

国外最早如英国的Gistau[1]和Leonid[2]等学者建立模式识别模型进行短期用水量预测，对生活用水和工业用水分别预测，应用于马德里等城市，取得较好的效果。澳大利亚的Zhou等[3]建立了时间序列预测方法用于Melbourne 的日用水量预测，并取得了很好的效果。1990年，Mays[4]将水价、人口、居民人均收入、年降雨量等作为相关因子，建立了中长期用水量与相关因子间的对数和半对数回归模型，该模型在美国Texas州中长期用水量预测中，获得了满意的效果。Alvisi等[5] (2014)提出一种结合水需求时间序列的空间聚焦程序，这种程序可以在用户动态需求的基础上预测需水。

近年来，我国许多学者对需水预测技术进行了深入研究。2001年钟平安等[6]综合了趋势法、分块预测法、相关法、分行业重复利用率提高法等方法的优点，导出了包含以上诸方法的综合预测通用公式。该公式具有结构简单、通用性强的特点，从理论上揭示了常用预测方法的内在联系，尤其便于编制计算机通用软件，为大区域水资源规划与管理中涉及多部门、多行业复杂组成的工业系统的需水量预测提供了一个有效的方法。2003年张雅君等[7]从多元线性回归分析的特点出发，探讨北京城市生活需水量的影响因素，并对选定的影响因素进行回归分析，确定了最终的预测方程，并应用预测方程对北京市2010年城市生活需水量进行了预测。吕谋等[8]建立了城市用水量预测实用动态模型。2014年曾雪婷等[9]使用支持向量回归的方法，使用收获量、价格、种植面积等作为输入向量，建立了开孔河流域小麦棉花、玉米等作物的预测模型，得出了很好的结果。

1.2需水预测方法的分类

2 农业水土工程研究专题课程论文2015年

由于用水系统的复杂性，无法建立一个确定模型对它进行描述，所以绝大多数需水量预测方法都是建立在对历史数据的统计分析基础上，不同的只是数据处理方式及应用特点。根据对数据处理方式的不同，需水量预测方法主要可以分为:时间序列法、结构分析法和系统方法。根据预测模型对未来的描述能力，即预测周期的长短，需水量预测方法可以分为单周期预测方法和多周期预测方法。此处提及的周期可理解为时、日、月、年等时间单位。如以过去的历史数据预测未来一个单位时间的需水量，可视为单周期预测;预测未来二个以上单位时间的需水量，可视为多周期预测。一般来说，各种预测方法的预测误差都会随着预测周期的增加而增加，然而，误差增长速度和抗随机因素的能力有很大差别[10]。

时间序列分析法由于其所用数据单一(只是用水量的历史数据)，而最近的数据则包含了极其重要的预测信息，所以它的预测周期不宜太多。灰色预测方法实质上是一个指数模型，当需水量发生零增长或负增长时，系统误差严重，而且预测周期越多误差越严重。人工神经网络方法需要数据动态的训练系统，近期数据对系统影响很大，预测周期也不宜太多。

上述三种方法均属单周期预测方法。而结构分析法和系统动力学方法是分析用水系统、收集多种用水数据后建立起来的，在用水系统未发生很大变化的条件下，可以得到较多周期的预测值，属多周期预测方法。值得一提的是，按周期对预测方法的分类应与以前人们常用的长、短期分类区分开来，严格讲，“长期、短期预测方法”的提法在概念上是不准确的。长、短期分类是针对预测的分类，而不是针对预测方法的分类，通常情况下，根据需水量预测目的、预测对象的特点，可将其分为长期预测和短期预测。短期预测一般是为用水系统实施优化控制而进行的日预测和时预测，这种预测对预测要求精确度高、预测速度快;长期预测一般是指以水资源规划为目的的年预测，它要求预测周期长、考虑因素多[11]。

1.3几种需水预测方法简介

1.3.1ARMA方法

ARMA 方法集时间序列模型之大成，是对自回归模型和移动平均模型的综合，它将预测对象随时间变化形成的序列先加工成一个白噪声序列进行处理，所以它可对任何一个用水过程进行模拟，对时预测、日预测和年预测均有效，且预测速度快(用计算机动态建模预测)，能得到较高的预测精度。但是该方法与其他时间序列方法一样，具有预测周期短、所用数据单一的缺点，只能给出下一周期需水量的预测值，且无法剖析形成这一值的原因及合理的误差估计，所以它更适用于优化控制的短期预测。此外，该方法还存在着明显的滞后性，即最近一期实际数据发生异常变化时，由于模型的平滑作用，预测数据无法立即对之作出反应，使得在预测一些异常值时造成较大误差，甚至失真。

1.3.2回归分析法

该预测方法是通过回归分析，寻找预测对象与影响因素之间的因果关系，建立回归模型进行预测，而且在系统发生较大变化时，也可以根据相应变化因素修正预测值，同时对预测值的误差也有一个大体的把握，因此适用于长期预测。而对于短期预测，由于用水量数据波动性很大、影响因素复杂，且影响因素未来值的准确预测困难，故不宜采用。该方法是通过自变量(影响因素)来预测响应变量(预测对象)的，所以自变量的选取及自变量预测值的准确性是至关重要的。针对我国基础数据短缺、预测及决策体系不完善的现状，

1.3.3指标分析法

指标分析法是通过对用水系统历史数据的综合分析，制定出各种用水定额，然后根据用水定额和长期服务人口(或工业产值等)计算出远期的需水量。该方法与回归分析有很多相似之处，在一定意义上它等效于以服务人口为自变量的一元回归，用水定额相当于回归系数。所不同的是，回归分析具有针对性，而用水定额具有通用性，与回归分析相比，它的工作量要小得多，但是由于用水定额的通用性，在对特殊城市或地区进行需水量预测时会造成很大的误差。

1.3.4灰色预测方法

灰色预测方法是一种不严格的系统方法，它抛开了系统结构分析的环节，直接通过对原始数据的累加生成寻找系统的整体规律，构建指数增长模型。该方法能根据原始数据的不同特点，构造出不同的预测模型，例如:应用于增长速度有变化的灰指数模型，应用于处理有季节变化数据或噪声数据的灰色拓扑模型，以及能包含多个用水量影响因素的G(1，N)模型，所以该方法的预测范围很广，对长、短期预测均可，且所需数据量不大，在数据缺乏时十分有效[12]。

1.3.5人工神经网络方法

人工神经网络是一种由大量简单的人工神经元广泛连接而成的，用以模仿人脑神经网络的复杂网络系统。它在给定大量输入/输出信号的基础上，建立系统的非线性输入/输出模型，对数据进行并行处理，被学术界称为无模型，而不像传统方法(从概念模型到数学模型)的建模过程。实质上它是把大量的数据交给按一定结构形式和激励函数构建的人工神经网络进行学习，然后在给出未来的一个输入的情况下，由计算机根据以往“经验”判断应有的输出。该方法实际上是对系统的一种黑箱模拟，更适于短期预测和动态预报短期负荷值以及动态训练系统，在这方面不乏成功的实例。而对于长期需水量预测，目前还未见有人进行研究。而且即使能得到较高

第期张帆：基于不确定性优化模型的农业水管理决策支持 3

的预测精度，由于其“黑箱操作”对制定用水政策、提高水的利用率方面并无帮助，因此，该方法不宜用于长期预测[13]。

1.3.6系统动力学方法

系统动力学方法把所研究的对象看作是具有复杂反馈结构的、随时间变化的动态系统，通过系统分析绘制出表示系统结构和动态特征的系统流图，然后把各变量之间的关系定量化，建立系统的结构方程式，以便运用计算机语言进行仿真试验，从而预测系统未来。该方法应用效果的好坏与预测者的专业知识、实践经验、系统分析建模能力密切相关。通过系统分析、系统模型的建立，可以对系统进行白化，再经过计算机动态模拟，可以找出系统的一些隐藏规律。所以，该方法不仅能预测出远期预测对象，还能找出系统的影响因素及作用关系，有利于系统优化。不过，系统分析过程复杂，工作量极大，且对分析人员能力要求较高，所以不适用于短期需水量预测。而对长期需水量预测，其优势是十分明显的[14]。

1.3.7支持向量回归方法

支持向量回归（SVR）是一种可以处理样本少、非线性、高维度和存在局部最小值这些特点问题的预测方法。SVR技术意在减少参数回归的主要不利条件，其遵守用结构风险最小化在泛化错误的上界里寻找最小值的原则，而不是最小化训练错误。这种方法区别于之前几种使用经验风险最小化的预测模型，在预测中避免了预测者对预测结果的主观上的影响。并且SVR对小样本、高维度的状况下的预测比较准确。但是，SVR对于长期预测的精度仍然不够好。

1.4关于需水预测模型的小结

各种需水量预测方法都有其自身的优点及不足，而需水量预测就是结合预测的目的、特点，结合用水量变化规律，合理地选择一种或几种预测方法，或者在已有的一些模型上做一些改进，尽可能的保证我们的预测精度，使我们在进行优化配水时的结果合理。

2水资源不确定性优化理论与方法

水资源规划系统是一个充满着不确定因素和复杂信息的系统，其内部子系统的复杂关系和不确定信息给水资源的规划与决策带来了极大的风险和困难。在完成水资源系统规划时，不得不引入更多的动量指标：水资源来源多元化、用水主体及分配水模式的多样性、影响因子的不确定性、以及水资源规划及相关政策的动态性等都将影响水资源的规划与配置。传统的方法是运用数学期望的概念将这些不确定性因素对目标函数的影响平均化，这不仅不符合实际情况，更存在很多的缺陷，使得水资源系统决策不能准确地体现实际情况，决策风险也很大[15]；同时，简化或省略处理水资源系统中的不确定性与复杂性问题会导致系统规划决策失误，并带来一系列的决策安全风险问题及经济损失。因此，综合考虑并有效处理水资源配置中的不确定性和复杂性信息非常必要。

2.1不确定优化理论国内外研究进展

国外在不确定优化理论及实践方面已有大量研究，主要采用随机、模糊和区间规划技术与线性规划、动态规划、整数规划和多目标规划等传统的数学规划相结合来处理水资源规划系统中的不确定性问题。然而，由于现实规划问题极为复杂，传统规划技术难以解决这些复杂性，因此，国外学者不断扩展传统不确定性规划理论。素的联合优化问题，并且越来越多地考虑水资源系统中的随机因素。

1992年，Afzal等[16]针对巴基斯坦的某个地区的灌溉系统建立了线性规划模型，对不同水质的水量使用问题进行优化。1995年，Watkins等[17]介绍了一种伴随风险和不确定性的可持续水资源规划模型框架，建立了有代表性的水资源联合调度模型。同年，Fleming等[18]建立的地下水水质水量管理模型，建模中考虑了水质运移的滞后作用，并采用水力梯度作为约束来控制污染扩散，目标仍然是经济效益最大，决策变量为地下水开采量；Lall[19]建立的地表水地下水联合运用系统的多目标管理模型，模型中将地表水地下水的处理费用纳入管理目标；Musharrafieh等[20]建立的灌溉系统水资源管理模型，该模型以土壤控制断面水势变幅最小为目标，控制灌溉水的盐份不致淋至地下水，采用模拟优化技术确定灌水定额。1996年，McKinney等[21]开发了一个基于多目标优化和水量平衡原理的Aral Sea流域水优化分配模型，包括3个子目标：流入到Aral Sea的水量最大（考虑生态目标），需水满足程度最大（考虑社会经济目标），缺水时均衡分配（考虑公平分配）。1997年，Wong等[22]提出支持地表水、地下水联合运用的多目标多阶段优化管理的原理和方法，在需水预测中考虑了当地地表水、地下水、外调水等多种水源的联合运用，并考虑了地下水恶化的防治措施，体现了水资源利用和水资源保护之间关系。同年，Percia等[23]以经济效益最大为目标，建立了以色列南部Eilat地区的污水、地表水、地下水等多种水源的管理模型，模型中考虑了不同用水部门对水质的不同要求。1999年，Kumar等[24]建立了污水排放模糊优化模型，提出流域水质管理经济上和技术上可行的方案。2010年，Guo等[25]将两阶段随机和模糊、无边界不确定性相结合用于水资源管理，以解决模型约束中表示为函数区间数的不确定性问题。

国内不确定性规划方法在主要被应用于水资源管

4 农业水土工程研究专题课程论文2015年

理、水资源系统规划等领域，其主要针对水质评价、水资源配置、水环境容量计算、风险评价等问题作了较为深入的理论分析和应用研究。如：黄昉等[26]（2002）运用多维增量动态规划方法规划了宁波多水源多用户大型水资源系统；邵景力等[27]（2003）建立了不确定条件下包头市地下水—地表水联合调度模型；马伟芳等[28]（2004）运用多目标模糊线性规划方法对天津市农田灌溉和种植模式进行了优化配置；李茉等[29]（2013）建立了基于分式规划的种植结构多目标不确定性优化模型；付银环等[30]（2014）针对灌区水资源系统中存在的不确定性的问题，运用区间两阶段随机规划的方法，在考虑地表水和地下水联合调度的基础上，建立了灌区的水资源优化配置模型；程居富等[31]（2014）基于双区间理论建立了作物灌溉制度优化模型来优化作物的灌溉水量。

到目前为止，不确定性规划技术大致可以分为三类：随机、模糊和区间数学规划。但几种数学规划各有利弊，通过有机结合模糊、随机和区间数学规划方法，发挥了各方法的优势，规避了各个方法单独运行的缺点，解决了一系列复杂的系统规划问题。

2.2三种不确定性规划方法

下面简要介绍这三类不确定性规划方法。

2.2.1随机数学规划

随机数学规划（Stochastic Mathematical Programming）主要用来处理含有随机信息或随机因素的数学规划来解决水资源规划与管理中的不确定性问题。水资源规划体系中，随机性指的是某一事件发生的概率，如在时间维度上降雨大小发生的概率、发生洪水的概率。其将不确定性和风险表现为一定的概率或概率函数，联合其它因素来规划水资源系统[32]。主要包括机会约束规划方法、两阶段随机数学规划方法等。

2.1.1.1机会约束规划

机会约束规划（Chance Constrained Programming）是由Charnes和Cooper于1959年提出的，它是一种针对约束条件中含有随机变量，并且必须在观测到随机变量的实现之前做出决策，在一定的概率意义下达到最优的理论[33]。在给定的置信度下满足约束的情况，当模型约束条件中不确定变量的概率分布已知时，用该方法求解，不仅不必满足所有的约束条件，只需满足给出的概率要求即可，并能获得最大的经济效益，而且也能充分体现系统承担的一定系统约束被违背风险的大小。通常，机会约束规划方法可以体现在约束条件的左手边，也可以体现在约束条件的右手边，而且可以被分为两种：单个概率约束和联合概率约束。在单个约束条件中，单个约束条件的概率水平会多于总的概率条件，而在联合概率约束中，单个约束的概率等于总的概率，并且所有的不确定约束条件被满足在一个概率水平上，可以有效控制优化过程中的系统风险。

2.1.1.2两阶段随机规划

两阶段随机数学规划（Two-stage Stochastic programming）的基本思想是追索的概念，其能在随机事件发生后（随机事件表现为可能性分布），对第一阶段的配置决策采取弥补和纠正，以降低决策风险和获取最佳妥协方案。它可以分析与决策相关的预设情景，并且可以处理系统中存在的随机不确定性。该方法不仅可以解决模型中通过概率分布形式给出的随机性，还可以在不确定性条件下，通过第二阶段决策变量值检验约束越界风险的大小，以反应不确定性参数与经济惩罚间的复杂关系；更重要的是进行与经济惩罚相关的情景分析，即如果第一决策阶段（事件发生前）制定的决策被违反，在第二决策阶段（事件发生后）将有相应的惩罚被追加，依此对政策进行纠正，减少不确定信息带来的决策失误和损失[34]。

2.2.1模糊数学规划

模糊数学规划（Fuzzy Mathematical Programming）是将数学作为不确定性分析方法的一种，其利用模糊集的理论来处理优化模型中的模糊不确定性问题，由于其关注不确定参数可能性的大小，且不需要大量数据，因而在水资源与环境领域得到了广泛应用。另外，水资源系统中还存在一种关系上的模糊性，我们称为模糊可展性，即对于约束不能明确的情况下，我们需要使用模糊数学的方法，转化为对偶问题来解决[35]。

2.2.3区间数学规划

区间数学规划（Interval Mathematical Programming）主要是用来处理系统分析中的区间不确定性问题，即可获得的不确定信息只是其变化范围，从而引入区间参数进行表征：其将不确定性界定到一个区间范围内，仅知道其上下界而不知道其分布特征，在此范围内对水资源系统进行规划[15]。在实际操作中，需要运用区间的方法，即给出一个最大的限度和一个最小的限度，从而使决策值也得出一个上限与下限。通过引入区间参数表征系统的不确定性，将不确定因素表示成区间数，这样就可以将不确定性写入到目标函数和约束条件中，这对于处理不确定因素是十分有效的，并采用线性规划处理系统的区间不确定性问题，可以将不确定因素直接整合到优化过程和解决方案中，同时减少计算量，避免了更多的复杂中间模型的产生[36]。

2.3关于不确定优化模型的小结

由于条件所限，我们能够得到的参数和关系可能具有比上述三类更复杂的特征，我们尽可能的利用数据中的信息，这就要求我们要继续发展我们的不确定性算法。另外，由于各个参数可能存在不同的不确定性特征，双重甚至是多重的不确定性的研究的亟待开发研究。

第期张帆：基于不确定性优化模型的农业水管理决策支持 5

3总结

尽管国内外对水资源系统及相关规划方面做了大量的研究工作，但是，农业水管理时还需要得到更充足的作物需水的信息，并且水资源规划系统也是一个错综复杂的巨型系统，其牵涉到各子系统及相关的互动机制。因此，为了提高水资源系统决策的科学性、准确性和前瞻性，减少决策的盲目性和片面性，亟须提供精度更高的模拟模型，并且深入认识和辨识水资源系统的复杂性、开发不确定理论与方法，并将之结合到水资源系统的规划中来，从而科学、系统、有效的规划农业用水。

[参考文献]

[1]Gistau, R, G. Dem and Forecasting in Water Supply Systems[J].

Computational Mechanics Publications, 1993, (1): 56-64

[2]Leonid, S, Mordechai, F. Forecasting Hourly Water Dem and of

Pattern Approach[J]. Water Supply, 2003, 4(5): 168-172

[3]Zhou, S, L, McMahon, T, A, Walton, A. Forecasting daily urban

water dem and: a case study of Melbourne[J]. Hydrology, 2000, (236): 153-164

[4]Mays, LW. Water Dem and Forecasting[J]. Hydro system

Engineer ing and Management, 1992, (5): 24-32

[5]Alvisi, S, Ansaloni, N, Franchini, M. A procedure for spatial

aggregation of synthetic water demand time series[J]. Procedia Eng, 2014, (70): 51-60

[6]钟平安, 陈筱云, 陈凯. 工业需水量综合预测方法[J] . 河

海大学学报: 自然科学版, 2001, 29( 4 ) : 67- 71. [7]张雅君, 刘全胜, 冯萃敏. 多元线性回归分析在北京城市

生活需水量预测中的应用[J]. 给水排水, 2003, 29( 4) : 26 - 28.

[8]吕谋, 赵洪滨, 李红卫, 等. 时用水量预测的实用组合动

态建模方法[ J] . 中国给水排水, 1998, 14 ( 1) : 9- 11.

[9]X, T, Zeng, Y, P, Li. Two-stage credibility-constrained

programming with Hurwicz criterion(TCP-CH) for planning water resources management[J]. Engineering Applications of Artificial Intelligence, 2014, (35): 164-175

[10]易丹辉.统计预测———方法与应用[M] .北京:中国人民大

学出版社, 1990

[11]聂相田等.水资源可持续利用管理不确定性分析方法及应用

[M] .郑州:黄河水利出版社,1999 .

[12]朱宝璋.关于灰色系统基本方法的研究和评论[J] .系统工程

理论与实践,1994 ,14(4):52-60 .

[13]李杰星等.基于模糊神经网络的城市供水系统负荷预测[J] .

给水排水,1999 ,25(3):15 -18 .

[14]王其藩.系统动力学[ M] .北京:清华大学出版社,1988. [15]曾雪婷, 李永平. 不确定性规划在水资源管理中的运用与

优势[J]. 水利发展研究, 2013, (7): 97-99.

[16]Afzal J，Noble D H，Weatherhead E K.Optimization model for

alternative use of differentquality irrigation waters.Journal of Irrigation and Drainage Engineering,1992,118(2):218-228. [17]Watkins D W，McKinney D C.Robust optimization for

incorporating risk and uncertainty in sustainable water resources planning.IAHS Publications-Series of Proceedings and Reports-Intern Assoc Hydrological Sciences,1995,231:225-232.

[18]Fleming R A，Adams R M，Kim C S.Regulating groundwater

pollution: Effects of geophysical response assumptions on economic efficiency. Water Resources Research, 1995, 31(4): 1069-1076

[19]Lall U.Yield model for screening surface-and ground-water

development.Journal of Water Resources Planning and Management,1995,121(1):9-22

[20]Musharrafieh G R，Peralta R C，Dudley L M，et al. Optimizing

irrigation management for pollution control and sustainable crop yield.Water Resources Research,1995,31(4):1077-1086. [21]McKinney D C，Cai X. Multiobjective optimization model for

water allocation in the Aral Sea basin: Conference Paper, American Institute of Hydrology-CIS, 1996[C]. Citeseer, [22]Wong H S，Sun N，Y eh W W. Optimization of conjunctive use

of surface water and groundwater with water quality constraints: Aesthetics in the Constructed Environment, 1997[C]. ASCE. [23]Percia C，Oron G，Mehrez A.Optimal operation of regional

system with diverse water quality sources.Journal of Water Resources Planning and Management,1997,123(2):105-115. [24]Kumar A，Minocha V K，Sasikumar K，et al. Fuzzy optimization

model for water quality management of a river system.Journal of Water Resources Planning and Management, 1999,125(3): 179-180.

[25]Guo, P, Huang, G, H, Zhu, H. Two-stage programming approach

for water resources management under randomness and fuzziness[J]. Environmental Modeling&Software, 2010, 25(12): 1573-1581.

[26]黄昉, 徐文斌, 郑建青. 多水源多用户大型水资源系统优化

模型[J]. 水利学报, 2002, 03: 91-96.

[27]邵景力, 崔亚莉, 李慈君. 包头市地下水-地表水联合调度多

目标管理模型[J]. 资源科学, 2003, 25(4): 49-55.

[28]马伟芳, 赵新华, 王洪云. 再生水与天然水资源农田灌溉的

模糊优化配置[J]. 农业环境科学学报, 2000, 4: 770-773. [29]李茉, 郭萍, 杨献献. 基于分式规划的种植结构多目标不确

定性模型研究[J]. 节水灌溉, 2013, (9): 79-81.

[30]付银环, 郭萍, 方世奇, 李茉. 基于两阶段随机规划方法的

灌区水资源优化配置[J]. 农业工程学报, 2014, (5：7): 3-81.

[31]程居富, 郭萍, 李茉. 双区间规划在单一作物水资源优化配

6 农业水土工程研究专题课程论文2015年

置中的应用[J]. 节水灌溉, 2014, (12): 48-53.

[32]Miller, B, L, and, Wager, H, M. Chance constrained

programming with joint costraints[J]. Operation Research, 1965, 13(6): 930-945.

[33]Li, P, Arellano, G, H, and, Wozny, G. Chance constrained

programming approach to process optimization under uncertainty[J]. Computers&Chemical, 2008, 32(2): 25-45 [34]LuoB, Li, J, B, Huang, G, H, and, Li, H, L. A simulation-based

interval two-stage algorithm for long-term hydrothermal scheduling of multireservoir systems[J]. Science of th Total

Environment, 2006, (361): 38-56.

[35]Pickens, J, B, and, Hof, J, G. Fuzzy goal programming in

forestry:an application with special solution problems[J]. Fuzzy Sets and Systems, 1991, (39): 239-246.

[36]Huang, G, H. IPWN:An interval parameter water quality

management model[J]. Engineering Optimization, 1996, 26(2): 79-103.

Decision Support for Agricultural water management based on

Uncertainty Optimization Model

Fan, Zhang1

(1. College of water resource & civil engineering, China Agricultural University, Beijing 100083)

Abstract: The reasonable allocation of water resources is of great significance to the development of social economy. Because of the uncertainty in nature life and social economy, it is more advantageous for the decision makers to make reasonable decisions while we make the decision of agricultural water management. This paper will follow the specific steps of the use of uncertainty optimization decision-making in agricultural water management to exponent simulate the model and the optimization theory.

key words: Simulation model; optimization model; uncertainties

决策支持系统解决实施方案

决策支持系统解决方案

————————————————————————————————作者：————————————————————————————————日期：

目录 1 工程背景和依据 (2) 1.1 项目背景 (2) 1.2 编制的依据 (3) 2 决策支持建设现状 (4) 2.1 建设基础 (4) 2.2 需求分析 (4) 3 指导思想、建设原则 (6) 3.1 指导思想 (6) 3.2 建设原则 (6) 4 总体目标 (7) 4.1 总体目标 (7) 5 总体框架和体系 (8) 5.1 总体框架 (8) 5.2 技术路线 (9) 6 主要任务 (11) 6.1 完善信息基础设施 (11) 6.2 建立信息资源中心 (11) 6.3 搭建应用支撑平台 (11) 6.4 建立决策支持应用 (12) 6.5 完善相关支撑体系 (13) 7 重点工程 (15)

7.1 市领导辅助决策支持系统 (15) 7.1.1 市级领导应用 (15) 7.1.2 办公厅及部门应用 (15) 7.2 市领导空间决策支持系统 (16) 7.3 市领导智能决策支持系统 (17) 7.4 市领导多媒体协同办公系统 (18) 7.5 决策分析政务数据交换平台 (19) 7.6 领导决策综合数据库 (20) 8 保障措施 (22) 8.1 加强组织体系建设 (22) 8.2 完善相关政策和制度 (22) 8.3 加强资金保障 (23) 8.4 加强项目培训和咨询 (23) 8.5 强化标准规范建设 (23) 9 计划安排及投资类别 (24) 9.1 总体安排 (24) 9.1.1 工程一期 (24) 9.1.2 工程二期 (24) 9.2 投资类别 (25)

基于区间的不确定性优化理论与算法博士论文

附件2 论文中英文摘要格式 作者姓名：姜潮 论文题目：基于区间的不确定性优化理论与算法 作者简介：姜潮，男，1978年9月出生，2004年6月师从湖南大学长江学者特聘教授韩旭老师，于2008年12月获博士学位。 中文摘要 不确定性广泛存在于工程实际问题中，不确定性优化理论和算法的研究对于产品或系统的可靠性设计具有重要意义。随机规划和模糊规划是两类传统的不确定性优化方法，它们需要大量的不确定性信息以构造变量的精确概率分布或模糊隶属度函数。然而，对于很多工程问题，获得足够的不确定性信息往往显得非常困难或成本过高，这便使得两类方法在适用性上具有一定的局限性。区间数优化是一类相对较新的不确定性优化方法，它利用区间描述变量的不确定性，只需要通过较少的信息获得变量的上下界，故在不确定性建模方面体现了很好的方便性和经济性。区间数优化方法的研究近年来开始逐渐受到国内外的重视，有望在未来成为继随机规划和模糊规划之后的第三大不确定性优化方法，并且在工程领域展现了比后两者更强的应用潜力。然而目前区间数优化的研究尚处于初步阶段，特别是非线性区间数优化的研究还刚刚起步，在数学转换模型的建立、两层嵌套优化问题的求解等方面尚存在一系列的技术难点需要解决。 为此，本文将针对非线性区间数优化展开系统的研究，力求在其数学规划理论本身及实用性算法方面做出一些卓有成效的尝试和探索。数学规划理论方面的工作是提出两种非线性区间数优化的转换模型，实现了不确定性优化问题向确定性优化问题的转换，此部分工作是整篇论文的基础；实用性算法方面的工作主要是将目前工程优化领域中的一些求解工具有机引入非线性区间数优化，一定程度上解决因两层嵌套优化造成的低效问题，从而构造出多种具一定工程实用性的高效非线性区间数优化算法。基于此思路，本论文开展和完成了如下研究工作： (1)针对一般的不确定性优化问题，从数学规划理论层面提出了两种非线性区间数优化的数学转换模型，即区间序关系转换模型和区间可能度转换模型。给出了一种改进的区间可能度构造方法，将不确定不等式约束转换为确定性约束；给出了不确定等式约束的处理方法，最终将之转换为两个确定性约束。两种转换模型采用了上述相同的不确定约束的处理方法，但在不确定目标函数的处理上有所不同，即分别基于区间序关系和区间可能度将不确定目标函数转换为确定性目标函数。通过转换模型，得到一确定性的两层嵌套优化问题。最后，提出一种基于遗传算法的两层嵌套优化方法来求解转换后的确定性优化问题。 (2)给出多网络和单网络两种混合优化算法求解转换后的两层嵌套优化问题，从而构造出两种高效的非线性区间数优化算法。多网络混合优化算法中，通过多个人工神经网络模型建立设计向量与目标函数区间或约束区间之间的映射关系，并且采用遗传算法作为优化求解器；单网络混合优化算法中，只通过单个人工神经网络模型建立设计变量和不确定变量与相应的目标函数值和约束值之间的映射关系，并且采用遗传算法作为内、外层优化求解器。利用混合优化算法对转换后的确定性优化问题进行求解时，不再使用原耗时的真实模型，而

决策支持系统国内外研究现状

决策支持系统国内外研究现状 摘要：决策支持系统国内外研究现状决策支持系统DSS(DeeisionS即portSystem)是信息系统研究的最新发展阶段。它是运用可供利用的、合适的计算机技术，针对半结构化和非结构化问题，通过人机互换方式帮助和改善管理决策制定的有效性的系统。卫生装备是保证部队平时和战时顺利完成卫勤保障任务的物质基础和重要条件。作为军队后勤战略体系中的重要组成部分，卫生装备发展战略是对未来一个时期军队卫生装备发展的整体谋划，包括对未来一定时期卫生装备整体保障效能的基本取向，对卫生装备发展在高层次、大系统、全方位等方面的综合筹划。它必须适应不同的卫勤保障模式，并随着军事战略和保障要求的变革而发生内在的客观变化，与战场环境及战争样式同步发展。它决定了一个国家在未来一段时期内，军队卫生装备发展的方向和基本要求，其决策是否得当将直接影响到卫勤力量的组成和作用的发挥，直接关系到装备研究成果和平战时卫勤保障的水平。 关键词：卫生装备；决策支持系统； 整个卫生装备发展过程大致可以分为图中两个阶段: 卫生装备发展战略制定阶段和卫 生装备发展战略实施与管理阶段。前一阶段是重点，决定了卫生装备体系建设的方向，后一阶段是在前一阶段的指导下按步骤完成的。在环境评价的基础上，确定可能的威胁来源与威胁程度，从而确定我军可能担负的卫勤保障任务，并进行一系列比较研究，发现我军卫生装备体系的不足之处，从而提出一系列需求方案，再根据合适的方法对各种方案中提出的发展对象进行效能评估研究，将评估结果作为卫生装备发展战略决策的依据。因此，卫生装备发展战略研究的重点就是体现在如何制定战略上。在卫生装备研究方面，决策支持系统已用于卫生装备选型与编配等方面的研究。但在卫生装备发展方向与重点研究中，尚没有较系统的辅助研究手段，大部分发展研究工作都是研究人员根据实际经验和成功的案例进行，已经不能满足卫生装备科学发展的需要。因此巫需建立一个系统、实用的卫生装备发展决策平台，供从事卫勤保障与卫生装备决策的机关和研究人员使用，同时也为全军野战卫生装备论证中心提供决策平台。 国内外研究现状：决策支持系统国内外研究现状决策支持系统DSS(DeeisionS即portSystem)是信息系统研究的最新发展阶段。它是运用可供利用的、合适的计算机技术，针对半结构化和非结构化问题，通过人机互换方式帮助和改善管理决策制定的有效性的系统。目前，DSS 己成为系统工程与计算机应用领域中的重要研究课题。通过国内外相关专家、学者的不断探索和研究，DSS在国内外学术界的理论研究和国民经济的实际应用中得到了 迅猛发展，在军事应用领域也有广阔的发展前景，世界各国都在竞相开发军事应用中的DSS。 国外民用代表性的DSS (1)GeodataAnalysisandnisply System(GADs)这是由IBM研究开发的一个地理 数据分析与显示系统，其作用是用计算机来构造和演示地图，它被用于辅助设计警察的巡逻线路、规划城市发展、安排学校的辖区范围等。 (2)water ware 江河流域综合规划决策支持系统。作为EuxekaEU487计划的最终成果，在墨西哥莱尔玛流域进行应用，以建立水量和水质的平衡，用这种方法可以产生一个取代历史流量资料的稳定流态，用来确定应改进哪些地方的废水处理设施以获取最大的利益。它采用了完全开放式的、模块化的体系，根据集合程度的不同，具有不同的层次和结构。系统包括如下基本结构:a、主菜单程序，用以协调各项独立的任务;b、地理信息系统(GIS)，

案例企业销售决策支持系统

案例企业销售决策支持系 统 This manuscript was revised by the office on December 22, 2012

[案例 4] 企业销售决策支持系统 在市场经济体制下，销售管理已成为企业最为重要的经营活动之一。企业销售是企业经营的起点，也是实现企业效益的焦点。销售活动不仅与企业内各部门有密切关系，还与外界有着广泛的交往。销售活动涉及的许多问题具有相当的不确定性，这些问题的决策是半结构化或非结构化的。因此用于支持企业销售决策的DSS是一种较典型的专用DSS，本节将以中国纺织大学宋福根教授主持开发的一个企业销售决策支持系统 (ESDSS)为案例，介绍实际DSS的构造及其具体的应用，以便直观地帮助我们学习和认识DSS。1、ESDSS的功能 研制ESDSS是为处在竞争日趋激烈的环境中的企业提供一种分析销售因素关系及其变化规律，抉择最优或满意营销策略的科学手段。ESDSS的功能有销售预测和销售决策两大类，另外还有若干辅助功能，见图1。 图1 EDSS的功能结构 销售预测是销售决策的前期工作，预测结果是决策的依据。ESDSS的销售预测功能比较齐全，既有宏观的，也有微观的。销售决策是销售管理的核心，贯穿于销售管理的各个方面和全过程。ESDSS的销售决策功能是一些常用的，也是较为重要的功能。 2、ESDSS的结构与组成 ESDSS的结构设计采用数据库、模型库、方案库 "三库一体"，以"方案驱动"运 行，以数据库管理模式进行模型管理的设计思想。ESDSS在结构上是新颖的三角式的三库系统，其特色是提出了方案库的概念和方案驱动的构思并予以实现。系统的逻辑结构见图2。 ESDSS的数据库存储各种从MIS中析取的销售预测与销售决策依据数据、公用的数据字典与数据表字典，以及运行过程中使用的临时表等。 模型库中的单元模型用程序方式储存，以两级模型字典描述和管理。单元模型的组合根据它们的依赖关系，通过建立临时空间来实现，模型的运行通过指南式的人机逐步对话触发。较特别的是各种销售预测与销售决策的方法也存储于模型库中。销售预测与销售决策所采用的方法与模型分别列于表1与表2。

历届诺贝尔经济学奖得主及其主要贡献

历届诺贝尔经济学奖得主及其主要贡献（1969—2015） 诺贝尔经济学奖的由来 诺贝尔经济学奖(The Prize in Economic Sciences)，是由瑞典银行在1968年，为纪念诺贝尔而增设的并非诺贝尔遗嘱中提到的五大奖励领域之一，全称为“纪念阿尔弗雷德-诺贝尔瑞典银行经济学奖(The Bank of Sweden Prize in Economic Sciences in Memory of Alfred Nobel)”，通常称为诺贝尔经济学奖(Nobel economics prize)，也称瑞典银行经济学奖。 1969年(瑞典银行的300周年庆典)第一次颁奖，由挪威人弗里希和荷兰人扬-廷贝亨共同获得，美国经济学家萨缪尔森、弗里德曼等人均获得过此奖。 2015年诺贝尔经济学奖将于斯德哥尔摩时间10月12日13时(北京时间12日19时)举行。 经济学奖并非根据阿尔弗雷德-诺贝尔的遗嘱所设立的，但在评选步骤、授奖仪式方面，与诺贝尔奖相似。奖项由瑞典皇家科学院每年颁发一次，遵循对人类利益做出最大贡献的原则给奖。 诺贝尔经济学奖可以颁发给单个人，也可以最多由三人分享，其主要目的是表彰获奖者在宏观经济学、微观经济学、新的经济分析方法等领域所作的贡献。今年的诺贝尔经济学奖奖金仍为1000万瑞典克朗(约合140万美元)。 “诺贝尔经济学奖”历届获奖者名单 从1969年至2015年诺贝尔经济学奖已经颁发了47次，获奖者人数达76人，其中包括美国著名的经济学家萨缪尔森、弗里德曼。 1969年 拉格纳·弗里希(RAGNAR FRISCH)挪威人 简·丁伯根(JAN TINBERGEN)荷兰人 主要贡献：他们发展了动态模型来分析经济进程。前者是经济计量学的奠基人，后者经济计量学模式建造者之父。 1970年 保罗·安·萨默尔森(PAUL A SAMUELSON )美国人 主要贡献：他发展了数理和动态经济理论，将经济科学提高到新的水平。他的研究涉及经济学的全部领域。 1971年 西蒙·库兹列茨(SIMON KUZNETS )美国人 主要贡献：在研究人口发展趋势及人口结构对经济增长和收入分配关系方面做出了巨大贡献。 1972年 约翰·希克斯(JOHN R. HICKS)英国人 肯尼斯·约瑟夫·阿罗(KENNETH J. ARROW)美国人 主要贡献：他们深入研究了经济均衡理论和福利理论。 1973年 华西里·列昂惕夫(W ASSIL Y LEONTIEF)苏联人 主要贡献：发展了投入产出方法，该方法在许多重要的经济问题中得到运用。 1974年 弗·冯·哈耶克(FRIEDRICH AUGUST VON HAYEK)澳大利亚人

不确定优化

使目标函数的概率期望达到最优的模型称为期望值模型即E —模型。 max ..,0Eh x s t Ax b x ′=≥ (1) 相对于E —模型而言，P —模型是使目标函数值不小于某一指定值0u 的概率达到极大值。 (){} 0max ..,0 P h x u s t Ax b x ω′≥=≥ (2) 2.1.2、约束条件中含有随机变量的随机规划 在随机变量出现在约束函数里的模型中，依据随机变量处理方式的不同大致形成随机规划三大类问题：分布问题、机会约束规划问题及带补偿二阶段(多阶段)问题。 分布问题是采用等待观察到随机变量的实现以后再做决策的方式来处理随机变量。考虑如下线性规划问题： max ..,0,0 h x s t Ax b x Dx d x ′=≥=≥ (3) 其中，()12,,,m b b b b ′=L ，()12,,,n h h h h ′=L ，()12,,,n x x x x ′=L ，A 为m n ×的矩阵，D 为1m n ×矩阵，d 为1m 维向量。假设,,A b h ′的元素,,ij j i a b h ，1,2,,i m =L ，1,2,,j n =L 都可以是随机的，且他们均定义在某一概率空间(),,F P ?上，D ，d 则为非随机的矩阵和向量。 在观察到这些随机变量的实现()()(),,ij j i a b h ωωω，1,2,,i m =L ，1,2,,j n =L 之后，得到一个确定性的线性规划问题： ()()()()() ()()() 111111111max ..,0 n n n n m mn n m h x h x a x a x b s t a x a x b Dx d x ωωωωωωωω++++=++==≥L L M L (4) 设式(4)的最优解为()* x ω，最优值为()z ω。 对应不同的样本点ω，式(4)各项系数的值不同，从而得到不同的()* x ω和()z ω。决策者在观察到随机变量的实现之前需要知道：这些随机变量的各种可能值，()z ω可能的取值及取某值的概率即()z ω的概率分布。这种求()z ω的概率分布的问题称为分布问题。 机会约束规划主要是针对约束条件中含有随机变量，且必须在观测到随机变量的实现之

农业决策支持系统

1、决策支持系统与管理信息系统的关系 DSS是从MIS的基础上发展起来的，都是以数据库系统为基础，都需要进行数据处理，也都能在不同程度上为用户提供辅助决策信息。 DSS与MIS具有以下不同： ①MIS是面向中层管理人员，为管理服务的系统。DSS是面向高层人员，为辅助决策服务的系统。②MIS按事务功能(生产，销售，人事)综合多个事务处理的EDP。DSS是通过模型计算辅助决策。③MIS是以数据库系统为基础，以数据驱动的系统。DSS是以模型库系统为基础，以模型驱动的系统④MIS分析着重于系统的总体信息的需求，输出报表模式是固定的。DSS分析着重于决策者的需求，输出数据的模式是复杂的。⑤MIS系统追求的是效率，即快速查询和产生报表；DSS追求的是有效性，即决策的正确性。 ⑥MIS支持的是结构化决策。DSS支持的是半结构化决策。 2、决策支持系统与专家系统的关系 （1）专家系统（ES）的基本原理与方法用于DSS，即构成了智能型DSS。 专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。 （2）包括推理机、知识库、知识获取子系统等；DSS的交互式人机接口、友好的对话系统、启发知识的模型库及数据库等。 3、半结构化、结构化概念 如果确定目标、设计方案、评价方法都能用确定的算法或决策规则来确定问题，设计各种解答方式，并从中选择最佳的一个方案——结构化 一个或两个阶段无法清晰的描述，其余的阶段则具有良好的结构，能够对它清晰而准确的描述———半结构化4、决策支持系统的概念 决策支持系统(decision support system ，简称dss)是辅助决策者通过数据、模型和知识，以人机交互方式进行半结构化或非结构化决策的计算机应用系统。 5、决策支持系统的特点 ①面向决策者②主要帮助管理人员完成半结构化的决策问题③强调支持的概念④模型和用户共同驱动⑤强调交互的处理方式 1 什么是科学决策 是决策者依靠科学理论、科学方法、科学程序、科学手段所进行的决策工作 2 科学决策的特点的是什么 ①重视智囊团（专业人员）在决策中的参谋咨询作用—智囊团的定性分析作用 ②有科学的决策体系和运作机制—科学的决策体系是一个完整的系统 ③遵循科学的决策过程—正确的决策必须按照决策程序办事④运用现代科学技术和科学方法—数学模型的定量分析作用 3 西蒙（Simon）决策的四阶段 ——情报——设计——抉择——实施 4 决策问题的要素有哪些 决策的人、决策的目标、决策的方案、后果集、信息集5 决策支持概念 决策支持是指计算机来达到以下目的： 帮助决策者在非结构化任务中作出决策 支持而不是代替决策者的判断能力 改进决策的效能而不是它的效率 6 简述科学决策的过程 详细步骤①提出问题②确认目标③价值准则④拟定方案 ⑤分析评估⑥选择方案⑦实验验证⑧普遍实施 1 DSS的基本部件 ①人机接口（对话系统）②数据库③模型库 ④知识库⑤方法库 2 画出DSS的结构图并简述每部分的作用 3 新一代的DSS，其人机界面应当满足的要求 (1)交互为决策者提供进一步理解决策问题的过程。 由于决策问题的复杂性，决策者开始时往往不能全面深入地了解问题的每一个侧面。 因此，DSS决策支持的出发点，应该是在人机界面的支持下，通过试探性的和启发性的问题求解方法，帮助决策者逐步加深和调整对问题结构的认识。 DSS应该能够通过人机交互向决策者展示问题的各个侧面，使决策者对问题的认识逐渐深入化、具体化、清晰化，交互作用应该是一个启发用户思维的过程。 (2)交互给决策者一种“身临其境”的感受。要使决策者感觉到自己在操作计算机，而且借助于计算机系统提供的一些信息进行决策，而绝不是计算机代替决策者作出决策。 (3)交互提供DSS适应新的决策问题及环境的手段。通过人机交互，决策者应该能够构造新的决策问题，增加新的模型及与模型有关的概念、数据和知识。 DSS应该能够根据用户操作过的记录，适当调整自己的界面系统。 (4)交互应该为决策者提供控制的权力。 决策者能够根据个人的风格、偏好等作出决策。 (5)交互接口的有效性直接影响DSS的有效性。即要求人机界面要十分友好。 4 演绎推理、归纳推理、逻辑推理的概念 演绎推理：他是由普遍性前提推出特殊型结论和推理。演绎推理有三段论、假言推理和选言推理等形式。 归纳推理：由特殊的前提推出普遍性结论的推理。（特殊到一般） 逻辑推理（确定性推理）：所处理的事实与结论之间存在着确定的因果关系，事实也是确定的。 1.数据库系统的概念、特点及功能 数据库系统是由数据库管理系统、数据库、用户和计算机组成的具有高度组织的整体。数据库系统的特点（1）

决策支持系统在企业中的应用

决策支持系统在企业中的应用 20 - 20 学年第学期 姓名： 班级： 学号：---- 授课教师：实验教师： 决策支持系统在企业中的应用

摘要：随着时代的发展，决策支持系统作为新兴的一种信息技术，能够为企业决策者提供各种各样的决策方案在绝大程度上减轻了其工作量，提高了决策的质量，在企业中有着毋庸置疑的重要地位。本文从决策支持系统的发展现状、系统的概念、应用的特点及其在企业中实行的便利性和重要性经行了全方位的阐述。 关键词：决策支持系统决策者数据数据仓库 1 引言 在当今社会，高速有效的信息对一个企业的发展与决策有着无比重大的意义与价值。企业信息化管理是在企业管理的各个环节应用现代化的信息技术，来加快企业管理息的传递、加工和处理的速度，使这些信息资源得到高效的利用，及时地为企业管理高层提供决策的依据，能够切实有效地促进企业管理水平的提高。但是实际上，企业信息化建设是一个宏伟的系统工程，有着非常重大的意义与影响。 一个企业在其信息化建设中要着重突出管理决策信息系统的主体地位，企业管理的核心是“决策”。随着信息技术的全面发展，使用先进的科技技术从而消除了许多信息流通的阻碍。也使企业面临了比以往任何时候都更为复杂的生存环境。竞争的压力对企业制定决策的速度与质量都有更高要求。仅凭自身以往的经验来进行的决策已远远不能适应现代企业管理的需求，合理地利用计算机来辅助企业的决策，实施科学的决策是非常必要的。 2 我国企业信息化发展现状 充分利用信息技术来实施以信息化带动工业化的发展战略，是企业提高其核心竞争力，从而与国际化接轨的重要途径。我国的企业信息化建设是从七十年代初开始起步，到了八十年代中期打下的基础，在九十年代中后期才开始迅速发展。目前，我国企业信息化建设已经取得了非常大的效果。但是，与国际的先进发展水平仍有很大的差距，还存在着非常多的问题。下面对这些问题进行一些简要分析。根据在企业中的调查，随着其体制的改革与市场化压力的逐渐增大，大多数的企业已经能够深切地体会到了信息的重要性，从而对信息化技术发展能够促进企业发展达成了共识。为了实行以信息化带动工业化的发展战略实现生产力跨越式发展的过程，企业的管理者充分意识到信息技

如何用不确定性解决模型问题

如何用不确定性解决模型问题 随着深度神经网络功能越来越强大，它们的结构也越来越复杂。这些复杂结构也带来了新的问题，即模型的可解释性。 想创建稳定、不易受对抗样本攻击的模型，可解释性是很重要的。另外，为新的研究领域设计模型也是一项富有挑战的工作，如果能了解模型在做什么，可以对这一过程有所帮助。过去几年，为了对模型的可解释性加以研究，研究者们提出了多种方法，包括： LIME：通过局部线性近似值计算解释模型的预测 Activation Maximization：一种能了解那种输入模式可以生成最大的模型回应的方法 特征可视化 在低维解释空间中嵌入一个DNN图层 从认知心理学中借鉴方法 不确定性估计法——本文关注的重点 在我们开始研究如何用不确定性解决模型问题、解释模型之前，首先让我们了解一下为什么不确定性如此重要。 你为什么应该关注不确定性？ 一个重要的例子就是高风险的应用，假设你正在创建一个模型，可以帮助医生判断病人的严重程度。在这种情况下，我们不应该仅仅关心模型的精确度，更要关注模型对其预测结果有多大程度的肯定。如果不确定性太高，医生需要谨慎决策。 自动驾驶汽车是另外一个有趣的例子。如果模型不确定是否有行人在马路上，我们可以利用这一信息让车子减速，或者发出警报让驾驶员手动操作。 不确定性还可以在缺乏数据样本的情况下帮助我们。如果模型不是在与样本相似的数据上训练的，它可能无法输出想要的结果。谷歌照片曾经将黑种人错误地认成了大猩猩，就是由于这个原因，种类单一的训练集可能导致令人尴尬的结果。 不确定性的最大用途，也是本文的主要目的，就是为模型排除错误。首先，让我们了解一下不确定性都有哪几种不同类型。

决策支持系统的功能及应用简单案例分析

决策支持系统的功能及应用 酒店13-1班 黄小娇 201305002866 决策支持系统是指将数据、管理模型和用户友好的软件集成在一起的、能够支持中高层和中层管理人员进行结构化和半结构化决策的信息系统。其目的在于提高决策的效能，而不是效率。 随着电子商务系统的发展以及信息化程度的不断提高，在采购决策支持方面不断吸纳新的信息处理技术、提高决策的科学性和规范性，成为提高企业办事效率、促进经济发展的关键所在。在现实生活中见到的如原材料供应商选择、合理库存量分析、物品运输最佳路径选择都是决策支持系统的具体运用。 在企业生产过程中，原材料采购是第一步，在整个生产过程中起着至关重要的作用，因此供应商的选择是材料采购成败的关键。企业与供应商建立的是长期合作关系，优质的供应商可以保证企业生产的正常运行，还可以避免出现缺货、材料劣质、配送滞后等问题，为企业减少不必要的损失。 企业在制定采购需求后，经过分析确定采购标准，然后寻找商家进行洽谈，洽谈的内容或者说影响供应商选择的方面主要有：原材料、商家提供的配送服务、商家的信誉度等。 供应商选择决策支持系统就是将决策支持系统技术运用到企业

对供应商的选择当中，从而能有效地对采购方进行辅助决策，提 高决策的效率和准确性。 这个系统包括原材料市场调查、配送服务评析、信誉度调查三个模块。通过原材料市场调查模块，企业管理者可以方便的了解到所需的原材料的市场现状，材料的性能，包括质量、价格、性价比等；通过配送服务评析可以对供应商的物流能力做出评判，运输量、运输能力、运输距离都应该纳入考虑范围，最后得出有利于自己的决策；通过信誉度调查，可以知道商家的信誉度，信誉度越高，口碑越好，就越适合进行合作，一个可靠的商家是可以进行长期合作的保证。 这个系统可以对供应商的相关数据进行科学分析，研究公司需求与市场供给的数量关系，运用对比分析方法揭示事物之间的关系及均衡性；根据供应商的生产经营情况和竞争情况对其可选性进行量化评测和科学分类，最终权衡利弊，得出最佳方案。 由此可知，决策信息系统有一下基本功能：1、管理并随时提供与决策问题有关的组织内部信息，如订单需求，库存状况等。2、收集、管理并提供一决策问题有关的组织外部信息，如市场行情、科技信息等。3、收集管理并提供各项决策方案执行情况的反馈信息，如订单合同执行进程、供应计划运行情况等。4、能灵活的对数据进行加工、汇总、分析、预测，得出所需逇综合信息和预测信息。5、具有良好的数据通信功能，保证及时收集数据并将加工结果传送给使用者。 决策支持系统还具有一定的特点，第一，它可以进行集中式决策

统计模型的“不确定性”问题与倾向值方法

统计模型的“不确定性”问题与倾向值方法 统计模型的“不确定性”问题与倾向值方法统计模型的“不确定性”问题与倾向值方法胡安宁摘要：量化社会学研究往往基于特定的统计模型展开。近十几年来日益流行的倾向值方法也不例外，其在实施过程中需要同时拟合估计倾向值得分的“倾向值模型”与估计因果关系的“结果模型”。然而，无论是其模型形式还是系数估计，统计模型本身都具有不可忽视的“不确定性”问题。本研究在倾向值分析方法的框架下，系统梳理和阐释了模型形式不确定性与模型系数不确定性 的内涵及其处理方法。通过分析“蒙特卡洛模拟”数据与经验调查数据，本文展示了在使用倾向值方法进行因果估计的过程中，研究者如何通过“贝叶斯平均法”进行多个备选倾向值模型的选择，以及如何通过联合估计解决倾向值模型与估计模型中的系数不确定性问题。本文的研究也表明，在考虑倾向值估计过程的不确定性之后，结果模型中对于因果关系的估计呈现更小的置信区间和更高的统计效率。关键词：模型形式不确定性模型系数不确定性贝叶斯平均倾向值方法统计效率实质上，所有的模型都是错的，只是一些有用而已。(Essentially，all models are wrong，but some are useful.) ——乔治·鲍克斯(George E. P. Box)，诺尔曼·德雷珀(Norman R. Draper) 一、导言大量的社会学量化研究是

基于特定的统计模型展开的(Raftery，2001)。通过这些统 计模型，研究者能够确认变量之间的概率关系，并依据统计推论(statistical inference)的基本原则将此关系由随机样本 推广至研究总体。这一量化研究范式随着近十几年来各种因果推论模型(causal model)的开发与推广，展现出越来越强 的影响力(Morgan，2014)。在这些因果推论模型中，“倾向值方法”(propensity score method)因其方便、易操作得到国内外很多社会学研究者的青睐(Rosenbaum and Rubin，1983；Rubin，1997；胡安宁，2012；Imbens and Rubin, 2015)。从本质上讲，基于统计模型估计出的变量间关系代表的是一种概率关系而非决定性关系，对于这一点，目前社会学量化研究还没有给予足够的重视。在诠释量化模型结果的时候，很多学者倾向于采用一种“决定论”(deterministic)式的态度。比如，对于线性模型E(Y)=βX，一般会将其诠释为：X变动一个单位会带来Y的期望值E(Y)变动β个单位。这种诠释 虽不错误，却片面的关注点估计(point estimate)结果，忽视了系数β本身也是存在变异(variation)的情况。换句话说，β的“不确定性”(uncertainties)没有被考虑到。1. 例如，当用样本收入均值估算总体收入均值时，我们无法知道总体收入均值的具体值，而只能估算出其可能取值的区间。这一区间的大小和我们希望达到的统计效率(efficiency)有关。2. 一 般而言，所有的备选模型构成了一个模型空间(model space)。

投资项目评价中的不确定性分析方法的应用[论文+开题+综述]

开题报告 金融学 投资项目评价中不确定性分析方法的应用 一、选题的背景与意义： 经济社会的发展使得投资日益成为十分重要的经济活动。对于投资项目的相关各方，投资项目评价与决策的正确与否至关重要。在项目评价过程中，需要面对许多不确定性因素，需要解决的问题都是未来的问题，而在未来所要考虑的因素会随着时间的推移、地点的转换以及条件的变更而不断发生变化。另外这种评估往往是在资料、手段不完善的情况下进行，用于计算投资项目经济指标的各项基础数据多来自预计和估算，因此项目评估和项目实际会存在偏差，在此基础上的投资决策也具有明显的风险。 不确定性分析正是针对诸多不确定性因素的项目评价方法，专门讨论未来诸多不确定性因素的变化对投资项目所产生的影响，以便预测投资项目需要承担的风险，为投资决策提供依据。因此，不确定性分析方法在投资项目评估，特别是在投资项目的可行性分析方面具有十分重要的意义。 不同的不确定性分析方法都有不同的假设前提，以及不同的分析角度、技术手段和适用范围，对各种不确定性分析方法的具体评价程序、优点局限和适用范围的探究，能够帮助投资项目评价方法的选择提供正确的指导，这也是该论文的重要实践意义所在。 二、研究的基本内容与拟解决的主要问题： 第一：论文基本内容和拟解决的主要问题 本文主要内容是分析探究投资项目评价中不确定性分析方法的应用。首先深入探讨在投资项目评价中各种不确定性分析方法的内容和各自主要过程，并对各种方法进行对比分析，讨论各种方法的不同适用条件，然后通过具体投资项目案例的计算，验证前文的基本结论。以此得出对不同项目条件下如何选择相应不确定性分析方法的建议。 第二：论文基本提纲 1、选题背景

企业智能综合决策支持系统方案设计

企业智能综合决策支持系统方案设计 厦门巨龙软件工程有限公司王三明硕士 2003-1-22 投稿 一般来讲，企业管理中的决策基本上可以分为两种：即结构化决策和非结构化决策。结构化决策涉及到的变量较少，只要采用专门的公式来处理相关信息，就能够得到准确的答案。通过计算机语言来编制相应的程序，就可以在计算机上面处理这些信息。结构化决策完全可以用计算机来代替。 在非结构化决策中，可能提供出很多正确的解决方案，但是没有精确的计算公式能够计算出哪个解决方案是最优。也没有规则和标准能够衡量那种方案是最佳解决方案。在没有决策支持系统作基础的情况下是难以迅速而有效地进行决策的。 因此，企业智能综合决策支持系统（InterigentDecisionSupportSystem，IDSS）应有高度的灵活性和良好的交互性，适用于非结构化决策的支。 一、智能综合决策支持系统IDSS方案设计 企业决策支持系统应以支持经营决策为主要目的，故IDSS应支持： ◆企业外部环境研究分析决策支持； ◆企业内部条件分析决策支持； ◆经营决策，其中包括产品决策、销售决策与财务决策等。 1.企业外部环境研究决策支持 为了支持外部环境调查分析，IDSS系统中应提供以下一些主要因素的检索机制: §国家有关经济政策和法规，尤其是金融、财务、税收、外贸进出口方面的政策和法规； §国际国内相关行业的市场行情及产量、价格等；产品市场分析；主要原、燃、材料供应情况及价格等等。 2.企业内部条件分析决策支持 IDSS应支持：产品分析、市场分析、资金利润分析、盈亏分析等。 市场分析决策模块 包括市场开拓决策、销售策略决策等。 ◆市场分析模块应提供： §市场面分布分析 §市场产品竞争分析 §价格变动对需求影响程度分析 §开辟新市场分析 为此，IDSS应提供市场潜力模型，以便支持管理者考虑提高产品竞争能力，占领未实现市场，开辟未开发市场 ◆销售决策支持 IDSS应包括： §预测模型（可用于销售量预测、价格预测等）

不确定性

2.1结构分析中的不确定性 不确定性是指事件出现或发生的结果是不能准确确定的，事先不能给出一个明确的结论。事件的不确定性需要采用不确定性理论描述，有时还需通过经验进行分析和判断。结构可靠性理论正是因为结构建造和使用中存在着诸多不确定性而产生和发展的。如果在设计前能够准确预测结构的极限承载能力和作用荷载的大小，则可将结构设计为使用期内不会发生破坏，但这是不现实的。根据不确定性性质和特点，不确定性有多种分类方法。如按不确定性产生的原因和条件分为随机性、模糊性和知识的不完善性，按主观和客观性分为主观不确定性和客观不确定性等。下面的分析是按照不确定性产生的原因和条件划分的。 2.1.1随机性随机性是指事件发生条件的不充分性，不能确定最后出现的结果。例如在混凝土结构设计中，混凝土的强度等级是设计者根据设计要求确定的，但当结构建造完成后，对混凝土强度进行实际检测得到的结果与设计者在图样上指定的值往往并不一致。这其中有多方面的原因，包括选材、配合比设计、制作、运输、浇注、振捣及养护等，其中的每一环节对混凝土强度都有影响，具体是哪一个环节使混凝土的实际强度与设计强度产生了偏差，是不易确定的，即确定产生偏差的条件不充分。需要说明的是，因为事件发生的条件不充分而不能确定最后结果，并不是说事件发生的结果是完全不可控制的，而是将其控制在一定范围内，即在概率的意义上是可以控制的。在结构可靠性理论中，随机性又可分为物理不确定性、统计不确定性和模型不确定性。 (1)物理不确定性在结构设计中，承认存在随机不确定性，就是承认与设计有关的变量存在变异性，如荷载的变异性、材料强度的变异性等。在一定的环境和条件下，这些变量的不确定性是由其内在因素和外在条件共同决定的，称为物理不确定性，属于事物本质上的不确定性。在有些情况下，当与制作过程有关时，物理不确定性可通过提高技术水平或质量控制水平来降低。如混凝土的变异性可通过严格配制程序、准确控制拌和料称重、细心拌和等手段而减小。但控制过分严格会提高构件制作的费用，降低生产效率。所以降低物理不确定性有时是与一定的经济条件相关的。而有些情况下物理不确定性不能人为降低，如风荷载、雪荷载等。

《计量经济学》谢识予分章练习题

计量经济学分章练习题 第一章习题 一、判断题 1. 投入产出模型和数学规划模型都是计量经济模型。（X ） 2. 弗里希因创立了计量经济学从而获得了诺贝尔经济学奖。（V ） 3. 丁伯根因创立了建立了第1个计量经济学应用模型从而获得了诺贝尔经济学奖。（V ） 4. 格兰杰因在协整理论上的贡献而获得了诺贝尔经济学奖。（V ） 5. 赫克曼因在选择性样本理论上的贡献而获得了诺贝尔经济学奖。（V ） 二、名词解释 1 ?计量经济学，经济学的一个分支学科，是对经济问题进行定量实证研究的技术、方法和相关 理论。 2. 计量经济学模型，是一个或一组方程表示的经济变量关系以及相关条件或假设，是经济问题 相关方面之间数量联系和制约关系的基本描述。 3?计量经济检验，由计量经济学理论决定的，目的在于检验模型的计量经济学性质。通常最主 要的检验准则有随机误差项的序列相关检验和异方差性检验，解释变量的多重共线性检验等。 4?截面数据，指在同一个时点上，对不同观测单位观测得到的多个数据构成的数据集。 5?面板数据，是由对许多个体组成的同一个横截面，在不同时点的观测数据构成的数据。 三、单项选择题 1. 把反映某一单位特征的同一指标的数据，按一定的时间顺序和时间间隔排列起来，这样的数 据称为（B ） A.横截面数据C.面板数据 B.时间序列数据D.原始数据 2.同一时间、不同单位按同一统计指标排列的观测数据称为（ C ） A.原始数据 B .时间序列数据 C?截面数据 D .面板数据 3.不同时间、不同单位按同一统计指标排列的观测数据称为（ D A.原始数据 B .时间序列数据 C?截面数据 D .面板数据 4.对计量经济模型进行的结构分析不包括（D ） A.乘数分析 B .弹性分析 C.比较静态分析 D .随机分析 5.一个普通家庭的每月所消费的水费和电费是（ B ） A.因果关系 B .相关关系 C?恒等关系 D .不相关关系 6.中国的居民消费和GDP^( C )

案例企业销售决策支持系统

案例企业销售决策支持 系统 Company number：【0089WT-8898YT-W8CCB-BUUT-202108】

[案例 4] 企业销售决策支持系统 在市场经济体制下，销售管理已成为企业最为重要的经营活动之一。企业销售是企业经营的起点，也是实现企业效益的焦点。销售活动不仅与企业内各部门有密切关系，还与外界有着广泛的交往。销售活动涉及的许多问题具有相当的不确定性，这些问题的决策是半结构化或非结构化的。因此用于支持企业销售决策的DSS是一种较典型的专用DSS，本节将以中国纺织大学宋福根教授主持开发的一个企业销售决策支持系统(ESDSS)为案例，介绍实际DSS的构造及其具体的应用，以便直观地帮助我们学习和认识DSS。 1、ESDSS的功能 研制ESDSS是为处在竞争日趋激烈的环境中的企业提供一种分析销售因素关系及其变化规律，抉择最优或满意营销策略的科学手段。ESDSS的功能有销售预测和销售决策两大类，另外还有若干辅助功能，见图1。 图1 EDSS的功能结构 销售预测是销售决策的前期工作，预测结果是决策的依据。ESDSS的销售预测功能比较齐全，既有宏观的，也有微观的。销售决策是销售管理的核心，贯穿于销售管理的各个方面和全过程。ESDSS的销售决策功能是一些常用的，也是较为重要的功能。 2、ESDSS的结构与组成 ESDSS的结构设计采用数据库、模型库、方案库 "三库一体"，以"方案驱动"运行，以数据库管理模式进行模型管理的设计思想。ESDSS在结构上是新颖的三角式的三库系统，其特色是提出了方案库的概念和方案驱动的构思并予以实现。系统的逻辑结构见图2。

考虑不确定性的结构动力学模型修正方法研究

考虑不确定性的结构动力学模型修正方法研究模型修正技术在提高仿真模型预测精度方面发挥着重要作用。传统的模型修正技术均是在确定性基础上展开的,然而在实际工程问题当中,不确定性因素是 普遍存在的。 在综合考虑各种不确定性的基础上,对模型展开不确定性修正所得到的结果将对结构设计更加具有指导意义。本文考虑了模型修正问题中常见的参数不确定性及模型形式不确定性,对复杂模型的修正方法做出以下相关研究:1.以非对称 H型梁结构为研究对象,研究了基于摄动法的随机和区间不确定性修正方法在复 杂模型中的应用。 提出了一种适用于复杂模型的不确定性修正框架,并取得了较好的修正效果。研究表明,基于摄动法的随机和区间不确定性修正方法都可用于复杂结构动力学问题;基于摄动法的修正精度依赖于大量的试验样本,而区间分析法则更加适用 于小样本的情形。 2.基于门式框架螺栓连接结构,考虑由于模型简化而引起的模型形式不确定性,同时考虑了模态试验测量数据的不确定性,提出了基于模型偏差的不确定性 修正方法。该方法以参数偏差来处理模型形式的不确定性。 研究表明,基于模型偏差的不确定性修正方法可以减小模型形式不确定性, 修正后的模型与模态试验测量数据吻合度较高。3.将分数阶微分项引入到多自由度系统振动方程中,实现对系统中模型形式不确定性的量化,并以有阻尼的二自 由度弹簧振子为对象进行修正研究。 文中选取分数阶微分项的系数与阶数为待修正系数,对系统的频响函数进行修正,并取得了良好的修正结果。此修正方法能有效地将模型参数与模型形式不

确定性进行分离并可以减小模型形式不确定性,因而具有重要的研究价值与应用前景。 4.基于C/SiC复合材料加筋壁板,对热结构的不确定性修正问题进行研究。考虑到基于摄动法的不确定性模型修正方法对多场的热结构不确定性修正问题收敛性较差,本文提出一种基于神经网络参数识别的不确定性修正方法,此方法可以避免灵敏度求解。 研究表明,基于神经网络的不确定性模型修正方法可以用于C/SiC复合材料加筋壁板热结构动力学的多场问题中。

农业智能决策系统开发实验指导-2

农业智能决策系统开发实验指导 实验教学总学时：36 实验教学总体目的和要求：通过实验教学，进一步加深对知识库与推理机、数据仓库、遗传算法、决策树、神经网络、遗传算法等有关概念和技术的理解和认识；熟悉和掌握有关决策支持技术和方法的使用；初步具备运用所学知识、方法和工具开发试验性农业决策支持系统的能力。 要求学生每次实验前做好预习和准备工作，包括提前熟悉实验内容，编写好应用程序。上机实验时要对程序进行认真调试，直至可以运行并获得正确的实验结果为止。同时要经过对实验过程的认真思考，提升对课程内容和知识的认识。每个实验（1-6）提交实验报告一份，期末提交课程设计报告一份（实验7）。实验重点：知识库的构建与使用；ID3算法构建决策树；遗传算法优化求解；农业决策支持系统开发 实验难点：神经网络专家系统设计；数据仓库的构建与使用；聚类分析方法应用；农业决策支持系统开发 实验一知识库的构建与使用（4学时） 一、实验目的：通过实验教学，加深对知识库及推理过程的理解与认识，了解知识库构建与使用的基本方法。深入理解基于规则的知识表示方法和机内实现方式，以及推理的实现过程。掌握知识库及推理程序的设计技术。能根据实际问题，使用VF构建知识库，完成推理机编码。 二、实验器材与环境：计算机、Windows操作系统、SQL Server 200X。 三、实验内容：自行选择一个专家系统应用问题，构建一个不少于10条知识（产生式规则）的知识库，使用SQL Server构建机内演绎推理知识库，编制推理机程序，用于实现专家系统应用问题的求解。 例：有如下规则集： K1：A∨B∨C→G R2：D∧E→A R3：F→B R4：H∨P→C R5：Q→E 已知事实D、Q、F、P为YES，H为NO，请用逆向推理求证目标G。 四、实验原理：关系数据库的构建与编程方法、逆向推理方式求解方法 五、实验步骤 1、建立实际问题的产生式规则集； 2、使用SQL Server完成机内演绎推理知识库的构建； 3、使用SQL Server语言编写推理程序； 4、调试推理程序，改进设计； 5、运行推理程序，实现问题求解； 6、分析实验过程和结果，写出实验报告。 六、实验要求：详细记录实验过程中出现的问题、解决方法以及实验结果，并对实验结果进行细致分析，