西藏地区地热水资源开发和利用能力评估

2020-03-03 05:06尹宜胜杨成业于国庆蔡久凯
河南科技 2020年34期
关键词:西藏地区矩阵神经网络

尹宜胜 杨成业 于国庆 蔡久凯

摘 要:西藏地区拥有得天独厚的地热资源,所以对地热资源的开发和利用就显得尤为重要。本文对影响西藏地区地热资源的开发和利用能力的因素进行综合评价,在掌握区域地质的各种资料后,提出影响地热开发利用的因素,并对其进行筛选,从而确定评价指标体系,利用层次分析法确定影响因素的权重,结合MATLAB软件创建BP神经网络,以评估一个地区地热可持续开发和利用的能力,从而判断西藏某地区地热资源的开发利用潜力。

关键词:西藏地区;地热资源;可持续开发利用;神经网络;层次分析法

中图分类号:TK529文献标识码:A文章编号:1003-5168(2020)34-0156-03

Assessment on the Development and Utilization Capacity

of Geothermal Water Resources in Tibet

YIN Yisheng YANG Chengye YU Guoqing CAI Jiukai

(College of Engineering, Tibet University,Lhasa Tibet 850000)

Abstract: Tibet has unique geothermal resources, so the development and utilization of geothermal resources is particularly important. This paper made a comprehensive evaluation on the factors affecting the development and utilization of geothermal resources in Tibet. After mastering all kinds of data of regional geology, the factors influencing geothermal development and utilization were put forward and screened, so as to determine the evaluation index system. At the same time, AHP was used to determine the weight of influencing factors. Finally, combined with MATLAB software, BP neural network was created to evaluate the sustainable development and utilization ability of geothermal resources in a region, and then to judge the potential of geothermal resources development and utilization in a certain region of Tibet.

Keywords: The Tibet region;geothermal resources;sustainable development and utilization;Neural network;the analytic hierarchy process

1 西藏地质构造

为了探明西藏地热活动的规律,有必要对青藏高原的构造背景做一定的研究。经查阅各种地质、物探、化探、遥感等资料后,由若干构造带“焊接”的青藏高原,在印度洋扩张超碰撞效应、冈瓦纳大陆分解北移、南亚大陆与欧亚大陆相撞、雅江缝合带发育等过程进行后,断裂构造十分发育,而这对岩浆向上侵位喷出、水热体的对流循环起着通道作用,促进了水热区的形成。对所有资料进行整合后,整理出了西藏構造和地热分布图。

2 地热水可持续开发利用能力影响因素及指标体系

西藏虽然有着得天独厚的地热资源,但对其的开发仍面临诸多问题。本文通过对西藏地区进行实地考察、资料收集,将影响地热水开发的因素归纳为技术条件、环境效应、地面沉降、开采潜力、水温、地热资源管理6个方面。实际上,影响地热水开发的因素还有很多,如地热利用率、人为因素、构造程度、平均水压下降速率等,但由于西藏地区地广人稀、因素的模糊性等,本文舍弃了这些影响较小且难以准确确定的因素,以简化问题分析的过程。

2.1 指标体系的建立

根据上述对影响因素的分析,建立地热水可持续开发利用能力评价指标体系,如图1所示。

2.2 指标权重的确定

在上述指标体系的基础上,采用层次分析法来分析各个评价指标所占的权重。在层次分析法的实际应用中,按照1—9标度来构造下一层因素相对上一层因素的相对重要性判断矩阵。

2.2.1 判断矩阵的构造。研究者根据上述指标构造的判断矩阵具体如表1和表2所示。

2.2.2 判断矩阵的求解。运用MATLAB软件,求解矩阵的最大特征值及其对应的特征向量,然后进行归一化处理并进行一致性检验,记作:

[CI=λmax-nn-1]                                            (1)

由式(1)可知,当[n]增加时,判断误差就会增加。因此,在判断一致性时应考虑到[n]的影响,使用随机性一致性比值,记作:其中Ri取值如表3所示:

[Cr=CiRi]                                                (2)

通过上述公式可计算出:矩阵1西藏地区地热水可持续开发能力评价指标A的[λmax=6.148 6],[Cr]=0.024 0<0.1。

[特征向量=0.661 4920.455 5820.150 5720.089 1960.558 3680.111 674]                                (3)

[归一化=0.326 40.224 80.074 30.044 00.275 50.055 1]                                  (4)

矩阵2环境效应B2的[λmax=5.186 6],[Cr]=0.041 7<0.1。

[特征向量=0.380 2680.062 5890.213 8540.363 1640.820 888]                              (5)

[归一化=0.206 60.034 00.116 20.197 30.445 9]                                (6)

由上可知,矩阵1和矩阵2的[Cr]<0.1,排序的结果具有一致性,即权重的分析具有可靠性。

2.3 评价指标的量化

本文将评价指标分为强、中、弱3个等级,对应的得分分别为0~33、34~66、67~100,由专家根据获取的地、化、物、遥等级料进行分析,根据上述得出的各个指标的权重对地下热储层进行评分。本文西藏地区地热数据共采集8组,由于人工神经网络的输出范围为[0,1],所以要对原始数据进行归一化处理,处理后的数据见表4。

3 神经网络评价模型的建立及模型的验证

3.1 BP神经网络结构的建立

通过上述指标的处理分析,经查阅资料反复结合西藏地区的实际,建立如图2所示神经网络构造。模型将影响地热可持续开发利用能力的6个因素作为输入层;根据神经网络的隐含层节点的经验公式得出,该模型隐含层的节点数为4比较合适;将最终得出的评价结果作为输出层,结果中将地热开发利用的等级分为3级,输出结果中(1,0,0)代表开发潜力高、(0,1,0)代表开发潜力中、(0,0,1)代表开发潜力低。最后,利用MATLAB中的BP神经网络工具箱构建一个输入层、隐含层和输出层节点数为(6,4,3)的BP神经网络模型用来进行分析、训练和检验。

3.2 模型的训练和检验

本文使用LOGSIG函数作为隐含层激活函数,使用TRAINSCG作为训练函数,分别以训练样本的实际参数输入、输出参数作为网络的输入值和输出值,然后利用MATLAB工具箱进行训练,当训练次数为401次时,达到要求的精度0.001,图3为训练结果的曲线。

在上述训练结束后,要对模型的可靠性进行检验,在此用实测的3个样本的数据与输出的数据进行对比。输出结果如表5所示,在此分析中,输出结果与实际的地热开发利用能力相统一,则建立的BP网络模型可行。

4 结语

本文在全面收集西藏地区地热资料的基础上,初步分析了地热资源分布与构造、断裂的关系,进一步深化了对西藏地热资源的认识,为进一步开发利用地热资源奠定了基础。同时,利用层次分析法,确定出有可能影响西藏地热开发利用的因素,并计算出各个因素的权重。最后,在BP神经网络模型建立后成功评价出西藏某个地区地热开发利用的潜力大小。

参考文献:

[1]黄健,张钢.深度卷积神经网络的目标检测算法综述[J].计算机工程与应用,2020(17):12-23.

[2]罗莉.BP神经网络数字识别的Matlab實现[J].电子技术与软件工程,2019(20):174-175.

[3]王亚维,王中美,王益伟,等.基于GRA-AHP模型的岩溶地下水水质评价[J].水力发电,2019(8):1-3,62.

[4]李录娟.亚洲地热图编制及地热潜力评估[D].长春:吉林大学,2011:3.

[5]刘清志,贾峰,范延磊.基于AHP的黄河三角洲地热资源开发投资决策研究[J].农业工程技术(新能源产业),2010(12):19-21.

[6]张娟娟.基于AHP和BP神经网络的地热水可持续开发能力评价[D].焦作:河南理工大学,2009:5.

猜你喜欢
西藏地区矩阵神经网络
基于人工智能LSTM循环神经网络的学习成绩预测
西藏地区云地闪电时空分布特征分析
基于图像处理与卷积神经网络的零件识别
西藏交通运输与经济发展关系研究
基于自适应神经网络的电网稳定性预测
多项式理论在矩阵求逆中的应用
三次样条和二次删除相辅助的WASD神经网络与日本人口预测
矩阵
矩阵
矩阵