Model-based optimization of agricultural drainage design: comparing orthogonal design, range analysis, and surrogate-assisted evolutionary optimization

方法

正交设计、极差分析、数值模拟、高斯过程代理模型与NSGA-II多目标优化。

发现

正交设计减少75%模拟，最优设计经连续空间搜索验证，排水效率权重影响最大。

机会点

可探索代理模型与进化算法在多变气候和政策约束下的动态排水设计优化。

人工排水对农业生产至关重要，但当前的设计方法难以纳入变化的气候条件以及不断演变的政策和经济约束。我们提出了一种基于模型的优化框架，采用正交设计、极差分析、数值模拟和经济成本评估。为对简化方法进行基准测试，我们实现了一种高斯过程代理模型（基于16个正交处理训练）与NSGA-II多目标进化优化相结合的方法，以在连续空间中搜索帕累托最优设计。该框架通过中国东部的一个案例研究进行了评估。正交设计将所需模拟次数减少了75%（从64次降至16次）。所确定的最优方案（间距12 m、埋深140 cm、地表粗糙度3 cm）通过连续空间NSGA-II搜索得到了验证，其中帕累托前沿拐点实现了模型验证的地下水位埋深86.82 cm，而正交最优方案为87.93 cm。高斯过程代理模型预测与数值模型吻合良好（平均绝对误差4.5 cm，4.4%）。全局敏感性分析表明，排水效率权重（67%）是最具影响力的因素。从正交设计到代理辅助进化算法的系统优化方法，能够有效识别最优排水设计，同时大幅减少模拟工作量，弥合了优化理论与实际排水工程之间的差距。