关键词：城市发展；水资源；保护
引言：在城市化水平日益提高的进程中，城市中的人口密度越来越大，建筑等基础设施增加，使水文水资源出现明显变化，继而产生一系列水文水资源方面的问题，最终导致城市产生温室和热岛效应。
1.城市水文与其主要特征分析
研究在城市化发展中产生的各类水文效应，是一门全新的科学，也就是城市水文学。它是城市建设过程中与改善居民日常生活中提供水文依据重要学科，还可称之为都市水文学，属于水文学重要分支，它的内容有:①在城市化发展中产生的水文效应;②城市化发展对水文过程造成的影响;③城市水文气象实时观测;④城市的供水和排水;⑤城市范围内的水环境;⑥防洪排涝;⑦水资源状况;⑧水文模型与预测和水利工程建设及发展。可见，这是一门具有综合性的复杂学科，无论是对城市建设与发展，还是环境保护都具有重要现实意义。
2.城市水资源保护开发优化管理
对水资源有限的不断加剧的冲突，包括相对缺乏新的和较便宜的资源，是城市供水系统的一个普遍挑战。因此，有效的决策是一个复杂的问题，因为大多数这些问题需要用不确定性的多个目标和几个约束来建模。解决这些问题有两种主要方法。首先，基于梯度的方法（非随机搜索）是常见的经典方法。数学（分析，数值和优化）模型用于许多学科，包括水资源规划，工程和管理。这些模型可以从简单的黑盒模型到复杂的分布式物理模型。最近，现代优化方法（MOM）的开发和使用在数学建模领域变得流行。本文概述了基于过去30年来发展的进化搜索的MOM。这些方法在从金融到工程的实践中有广泛的应用，本文主要关注水资源规划，工程和管理领域的应用。广泛的应用包括但不限于防洪和减灾，水库运行，灌溉，洪水路线，河流训练，流速，降雨径流过程，泥沙输送，地下水管理，水质，水电，分散和含水层。本文简要介绍了每种算法的理论背景及其应用，并讨论了其优缺点和缺点。广泛的应用包括但不限于防洪和减灾，水库运行，灌溉，洪水路线，河流训练，流速，降雨径流过程，泥沙输送，地下水管理，水质，水电，分散和含水层。本文简要介绍了每种算法的理论背景及其应用，并讨论了其优缺点和缺点。广泛的应用包括但不限于防洪和减灾，水库运行，灌溉，洪水路线，河流训练，流速，降雨径流过程，泥沙输送，地下水管理，水质，水电，分散和含水层。
城市头部系统通常以确保从水中逃逸或灾难性水资源短缺的风险非常低的方式进行规划和运营。案例研究表明帕累托最优解对非常干旱的恢复期非常敏感。虽然这似乎是不言而喻的，但文献在很大程度上忽略了这个问题，并反复公布了以历史记录或短随机记录为条件的最优解。在需要高水平的干旱安全的情况下，应该避免使用这种解决方案，并且应该避免产生这种解决方案的方法。我们的方法明确涉及干旱安全。它确定了近乎最优的解决方案，这些解决方案受到限制，因此系统在严重干旱中不会“干涸”，预期返回周期达到特定值。
期刊文章分类查询,尽在期刊图书馆
在许多情况下，控制头部系统的操作规则以系统基础结构为条件。因此，在优化研究中，要添加新系统基础设施或修改现有基础设施，关键操作规则与基础设施选项一起优化，这一点至关重要。虽然这可能会大大增加决策空间的尺寸，但是获得显着劣质解决方案的风险并不值得。类似地，强加“软”约束，例如案例研究中的环境流量约束，存在缺少潜在好解的风险。在系统性能敏感的约束的情况下，它们作为多目标优化框架内的目标的重构可以实现更彻底和计算上有效的权衡评估，这是使用传统灵敏度分析难以实现的结果。随着进化多目标优化算法和现成的并行计算技术的出现，以一种产生与管理者实际相关的结果的方式优化城市头部系统变得切实可行。我们已经证明，如果不妥善处理城市头部系统的重要特征，就会产生严重受损的所谓帕累托最优解。我们强烈主张，涉及城市头条系统的优化研究能够充分解决我们所确定的缺点。重要的是要为“正确”的问题找到“好”的解决方案。这项研究通过解决可识别的短缺问题，为实现这一目标做出了重要贡献。然而，在实践中，规划者必须处理情景不确定性，其中必须对模型结构和外部因素（如系统强制以及政治和社会约束）进行假设。对于这些情景，可能存在相当大且难以量化的不确定性。
对于传统的LCA方法，生成的结果仅以定量方式表示相关产品和/或服务的环境影响。它们可用于研究和开发（R＆D），以提前指导新兴技术减少环境负担，提供环境指导以及技术准备的技术和经济指标。在成熟技术方面，可采用这些方法进行反映，并比较不同产品和服务的环境影响。在此职位上，LCA可以主动识别环境机会，不仅可以用于任何新技术/设施的重大投资，还可以用于产品/服务提供的运营安排。然而，至少存在三个使LCA无效的关键挑战：①环境排放数据库依赖于主要来自成熟行业的历史数据。数据库可能会出现相关参数和因素的动态变化。因此，各种不确定性与任何LCA结果相关。当结果用于评估环境影响时，这可能导致差异；②LCA的现行做法和研究未充分强调了为关键管理提供信息并支持LCA后决策的重要性。缺乏可将决策支持方法与LCA结果联系起来的方法，进一步增强其适用能力；③现有方法很难用于解释具有高度不确定性的LCA结果，这些不确定性可转移到后续决策过程。这些挑战导致高度不确定性，导致LCA和结果不切实际[1]，并可能误导后续决策替代产生。此外，除了环境影响最小化之外，还需要综合分析多个目标，包括经济考虑因素。除LCA提供的评估结果外，还需要维持复杂的权衡分析。因此，需要通过决策和不确定性分析方法来加强LCA；这样可以利用技术，产品和服务的综合影响来帮助从系统的角度确定最小化环境影响的所需机会。具体而言，LCA的复杂性和不确定性包括LCI（生命周期清单）数据，环境影响，水资源管理者的模糊判断以及水文循环的随机变化。这些不确定性的定量如下：a.可通过蒙特卡罗方法分析的环境排放数据库的不确定性；b.可表示为可能性分布的技术，产品和服务的环境影响；c.与人类有关的只能用没有已知分布的间隔表示的参数。此外，与决策过程相关的各种不确定条件也可以表示为具有未知分布信息的不精确数字。需要在规划过程和LCA后决策中有效地考虑这种不确定的条件[2]。
结论：
简而言之，经过对城市水资源与水环境优化管理，城市的水资源才能在科学的管理下向着更加环保、安全的方向发展。
参考文献：
[1]万昔超.基于云模型的宣城市水资源承载力及水资源配置研究[D].合肥：合肥工业大学，2017.
[2]辜健慧.南昌市城市水资源可持续发展问题研究[D].南昌：南昌大学，2018
论文作者:林晓红
论文发表刊物:《工程管理前沿》2020年第2期
论文发表时间:2020/4/22
标签：水资源论文; 环境论文; 城市论文; 不确定性论文; 水文论文; 方法论文; 系统论文; 《工程管理前沿》2020年第2期论文;