基于模型优化的农业排水设计：正交设计、极差分析与代理辅助进化优化的比较研究

《Frontiers in Sustainable Food Systems》：Model-based optimization of agricultural drainage design: comparing orthogonal design, range analysis, and surrogate-assisted evolutionary optimization

　　

人工排水对农业生产至关重要，但现有设计方法难以适应气候变化以及不断演变的政策与经济约束。本研究提出了一种基于模型的优化框架，综合运用正交设计（orthogonal design）、极差分析（range analysis）、数值模拟（numerical simulation）与经济成本评估。为对简化方法进行基准检验，研究人员构建了基于16组正交处理训练的高斯过程（Gaussian Process, GP）代理模型，并耦合NSGA-II多目标进化优化算法（NSGA-II multi-objective evolutionary optimization），在连续空间中搜索Pareto最优设计。该框架以中国东部地区为案例进行了验证。正交设计将所需模拟次数从64次减少至16次，削减幅度达75%。识别出的最优设计方案（12 m间距、140 cm埋深、3 cm地表粗糙度）通过连续空间NSGA-II搜索得到进一步印证，其中Pareto前沿拐点经模型验证的地下水位深度为86.82 cm，而正交设计最优方案为87.93 cm。GP代理模型预测与数值模型结果吻合良好（平均绝对误差4.5 cm，相对误差4.4%）。全局敏感性分析（global sensitivity analysis）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性优化方法，能够在显著降低模拟工作量的同时有效识别最优排水设计方案，从而弥合了优化理论与实际排水工程之间的鸿沟。

论文解读文章

一、研究背景与问题提出

随着全球人口增长对粮食和纤维需求的持续上升，农业生产力保障日益重要。在湿润地区，人工排水系统被广泛用于排除土壤剖面中的多余水分，为作物创造适宜的土壤水分条件，并为机械作业提供足够的通行能力。然而，传统排水系统设计方法面临多重挑战：其一，防洪排涝标准可能因人为和自然因素而变化，例如中国政府近年来实施了更严格的农田管理规划，采用更为保守的排涝标准以保障干旱期粮食生产；其二，气候变化导致极端天气事件风险增加，排水系统设计必须纳入灵活性以适应不同标准；其三，排水系统设计必须兼顾经济可行性，但涉及大量变量组合，使得最优方案识别极为困难。尽管已有学者利用正交试验设计等系统优化方法解决类似问题，但将排水效率、经济成本与多种设计变量系统整合的综合性框架仍相对缺乏。因此，研究人员提出假设：采用系统性优化方法可以有效识别最优排水设计方案。

二、研究内容与核心结论

本研究提出了一种综合性框架，将多种因素纳入排水系统设计，包括不同的排水标准、除水效率和经济效益。该框架利用正交试验设计和极差分析识别最优排水系统设计，并结合实地调查、数值模拟和系统优化方法。以中国东部黄海农场为案例，研究人员验证了正交分析在识别最优排水设计中的有效性，并通过敏感性分析验证了方法的合理性及各变量的显著性。研究结果表明，该方法能显著减少排水系统设计所需的时间和精力，有助于推进系统工程优化理论与应用的发展。

三、主要关键技术方法

研究人员采用了以下几项核心技术方法：

1. 1.
   正交试验设计（orthogonal design）：构建三因素四水平的L16(43)正交表，将64种可能组合缩减为16个代表性处理，减少75%的模拟工作量。
2. 2.
   DRAINMOD数值模拟：利用该模型评估各候选排水系统在目标暴雨后3天的地下水位深度（water table depth, WTD），模型经实测数据验证，平均绝对误差（MAE）为3.05%，决定系数R2为0.91。
3. 3.
   极差分析（range analysis）：通过比较各因素不同水平下响应值的极差，识别最显著变量和最优组合。
4. 4.
   经济成本评估：基于当地工程咨询和管道安装公司提供的经济参数，包括管道成本、滤料成本、土方开挖成本和土地平整成本，建立单位面积安装成本函数。
5. 5.
   全局敏感性分析（global sensitivity analysis）：采用基于方差的Sobol方法，计算一阶效应指数（first-order effect index, S?）和总阶效应指数（total-order index, S_Ti），评估各输入变量对优化结果的影响程度。
6. 6.
   高斯过程代理模型（Gaussian Process surrogate model）与NSGA-II多目标进化优化：利用16组正交处理训练GP模型预测WTD，与解析成本函数构成双目标，采用NSGA-II算法（种群规模120，200代，交叉概率0.85，变异概率0.2）在连续空间中搜索Pareto前沿。
   样本数据来源为黄海农场（32°14′N, 120°06′E），土壤物理参数基于2017年土壤调查，气象数据取自邻近气象站（站号58251）1967至2015年逐日资料。

四、研究结果

4.1 目标暴雨事件的选择

根据Pearson III型分布拟合的年最大降水量频率曲线，研究人员确定5%频率（20年一遇）对应的目标暴雨降水量为208.8 mm。从观测数据中选取了三个代表性暴雨事件：1976年7月15日（205 mm）、1984年8月31日（242.8 mm）和2001年8月1日（230.1 mm），分别代表不同季节和前期土壤湿度条件。按照中国国家标准“设计暴雨后3天内”的定义，研究人员以暴雨开始后约96小时（即暴雨后第3天）的模拟WTD作为排水效率指标，并将三个事件的WTD平均值作为各处理的代表性排水性能。

4.2 不同处理的排水效率与安装费用

16个处理的WTD介于0至94.97 cm之间，平均66.60 cm；安装成本介于0.65至2.37 /m2之间，平均1.37/m2。随着排水强度增加（间距更窄、埋深更大、地表粗糙度更低），排水系统在防涝方面的效率更高，但安装成本也更高。例如，排水间距从16 m降至4 m时，平均WTD从41.9 cm增至89.3 cm；埋深从70 cm增至140 cm时，平均WTD从44.7 cm增至89.5 cm；地表粗糙度从7 cm降至1 cm时，平均WTD从47.3 cm增至82.4 cm。安装成本方面，间距从4 m增至16 m时成本从2.30 /m2降至0.90/m2；埋深从70 cm增至140 cm仅使平均成本增加7.2%；土地平整成本随地表粗糙度增加而增加。在k?=0.195 $/cm、k?=14的权重系数下，16个处理的综合效率值介于?1.32至17.73之间，平均6.19。

4.3 基于极差分析的最优系统设计识别

极差分析结果显示，排水间距的极差最大（44.76），其次为埋深（29.54），地表粗糙度最小（7.83），表明排水间距是排水系统设计中最关键的因素。通过选取各因素综合成本最低的水平，研究人员确定最优设计为A3B4C2，即12 m间距、140 cm埋深、3 cm地表粗糙度。

4.4 最优系统的验证

对A3B4C2设计重新进行数值模拟和经济分析，预测WTD为87.93 cm，安装成本为1.13 $/m2，综合成本为?1.32，低于所有其他处理，确认为目标函数的全局最优解。对比处理T5（8 m间距、70 cm埋深、S_m=3 cm），其综合效率值为6.51，预测WTD为64.14 cm，不满足80 cm的3天恢复标准，进一步验证了A3B4C2设计的优越性。

4.5 代理模型与多目标优化验证

GP代理模型经留一交叉验证（leave-one-out cross-validation）评估预测精度。NSGA-II优化生成的Pareto前沿拐点处设计经数值模型验证的WTD为86.82 cm，与正交设计最优方案的87.93 cm高度接近，两者差异仅为1.11 cm。GP代理模型预测与数值模型结果的平均绝对误差为4.5 cm（相对误差4.4%），表明代理模型具有良好预测能力。

4.6 全局敏感性分析

基于方差的全局敏感性分析表明，排水效率权重k?对优化结果的影响最大，一阶效应指数为67%，远高于其他变量。这一结果验证了优化框架的结构合理性，即排水效率在综合目标函数中占据主导地位，同时也说明在排水系统设计中应优先关注排水效率的权重设定。

五、讨论与结论

本研究通过系统性优化方法，成功将正交设计、极差分析、数值模拟和经济评估整合为统一的排水系统设计框架。正交设计将模拟次数从64次削减至16次，减少75%的计算负担，同时极差分析有效识别了最优设计。GP代理模型与NSGA-II的联合使用进一步验证了正交设计结果的可靠性，两者识别的最优设计在WTD上仅相差约1 cm，且GP预测与数值模型误差控制在4.5 cm以内。全局敏感性分析确认排水效率权重是最关键的影响因素。该研究证明了从正交设计到代理辅助进化算法的系统性优化方法能够有效识别最优排水设计，同时显著降低模拟工作量，为优化理论与实际排水工程之间搭建了桥梁。研究结论表明，所提出的框架具有广泛的适用性，可为不同地区、不同标准下的农业排水系统设计提供科学依据，在气候变化背景下具有重要的工程应用价值。