应用TSO-SVM模型分析区域水-土-能源-粮食耦合系统风险

摘要

针对区域水-土-能源-粮食（Water-Land-Energy-Food,WLEF）耦合系统风险定量评估方法精度不足问题，构建一种基于金枪鱼群优化算法改进的支持向量机模型（TSO-SVM），将其应用于2001—2020年哈尔滨地区WLEF耦合系统风险测度分析。结果表明：哈尔滨地区WLEF耦合系统风险时序变化呈先持续下降后渐趋平稳的特征，空间变化呈中西部高、西南部与东北部低的分布格局。依据TSO-SVM内置的权重系数计算得出，有效灌溉面积占比、城市化率、城镇居民人均纯收入、单位GDP能耗、人均粮食产量、万元工业增加值用水量、单位面积化肥施用量为WLEF耦合系统风险特征的关键驱动因子。与传统支持向量机模型（SVM）和基于粒子群算法改进的支持向量机模型（PSO-SVM）相比，研究提出的TSO-SVM模型均方误差分别降低76.47%和33.33%、平均绝对误差分别降低30.65%和8.51%，平均绝对百分比误差分别降低37.04%和15.00%、决定系数分别降低1.19%和0.35%、合理性系数与稳定性系数也均为最高，综合说明TSO-SVM模型在评估精度、拟合性能、合理性、稳定性等方面均更具优势。

关键词

金枪鱼群优化算法 / 支持向量机模型 / 水-土-能源-粮食耦合系统 / 风险测度

基金资助

国家自然科学基金项目（52309012,52179008,51579044,41071053）;国家自然科学基金联合基金项目（U20A20318）; 国家杰出青年科学基金项目（51825901）; 清华大学水圈科学与水利工程全国重点实验室开放基金项目（sklhse-2023-A-04）; 水利部水圈科学重点实验室基金项目（mklhs-2023-03）