集对分析法在湖泊水质富营养化评价中的应用

在集对分析原理的基础上,结合水质富营养化评价特点,提出了基于5元联系度的集对分析方法.将集对分析理论中的3元联系度拓展到5元联系度,综合考虑事物的确定和不确定因素,在对水质富营养化进行综合评价时,分别把水质富营养化的分类等级和水样质量指标作为集对,求得与各个水样的联系度,实现对水样水质的等级评价和水样质量排序.研究结果表明:该方法简便、通用,计算结果较为客观和稳定,可为水质富营养化综合评价提供新的有效方法.     

基于优化集对分析模型的水质综合评价方法

针对标准集对分析存在同异反评语细化问题,对传统模型进行改进。在水质权重确定过程中,因单一采用主观确权法或客观确权法均存在缺陷,提出综合确定权值的思路。选用改进后的AHP法主观确权和熵权系数法客观确权,然后依据最小鉴别信息原理进行综合确权,提高了权重确定的科学性。将新方法运用在大伙房水库水质评价中,将评价结果与基于模糊评价法、BP神经网络法的评价结果进行比较。结果表明新方法能更贴近实际,反映水质特征,具有良好的应用前景。     

基于集对分析多元模糊法的湖泊水质评价

针对湖泊水质评价中存在模糊性的特征,应用集对分析多元模糊法建立湖泊水质评价模型,并对西湖和青海湖的水质进行评价,西湖和青海湖的水质分别为Ⅴ类和Ⅲ类。应用实例表明该模型严谨、简洁方便、有效可行,能较好地应用于生产实际。     

组合权重模糊联系度模型在水质评价中的应用

针对水质评价指标存在的不确定性和水质评价标准存在的模糊性,基于集对分析理论与模糊层次分析法构建了模糊联系度水质评价模型。首先计算各评价指标值的分级联系度,对样本指标值做初步分类;再计算各评价样本与水质标准之间的综合联系度;最后通过置信度准则评判评价样本的水质级别。为突出不同评价指标的贡献率,将熵值赋权法和超标加权法引入该模型,并通过理想点法进行权重的合成,实现了多种赋权方法优势的融合。将模型应用于闽江渔业水域的水质评价,结果表明基于组合权重的模糊联系度水质评价结果更贴近实际情况,评价结果合理可信。     

基于集对分析的水资源承载力动态评价——以四川省为例

针对传统评价方法只能得到宏观评价结果的不足,研究构建了五元联系数模型,用于四川省水资源承载力动态评价与分析。分析结果表明:①五元联系数与偏联系数既能宏观评价区域水资源承载力,又能发掘其微观变化趋势,评价结果准确合理。②从宏观上来说,四川省水资源承载力在评价时间段均处于基本平衡状态,能够支撑四川省目前的社会经济规模。③从微观上来说,四川省水资源承载力联系度在整体上呈上升的趋势,在2009,2011年和2015年3个时间点出现了小幅波动。④各子系统的承载能力排序为水资源社会经济生态环境。根据评价与分析结果,确定了四川省今后改善水资源承载能力的措施和方向,亦即将以控制污染物排放和提高用水效率两个方面为主,以满足新时代下可持续发展和生态文明建设的要求。     

基于熵权的集对分析模型在水质综合评价中的应用

针对水质评价中各评价指标的不确定性,将集对分析理论应用于水质综合评价中。先通过计算评价样本与评价指标之间的联系度对样本做初步分类,再对样本做进一步的同一、差异、对立的集对分析以判断评价样本的等级。在确定各评价指标的权重时,将信息论中的熵值理论引入该模型,运用信息熵所反映实测数据的效用值计算各评价指标的权重,使权重的分配具有一定的理论依据。最后运用蒙特卡罗法构造算例,讨论了实测过程中的随机观测误差对评价结果的影响。经实例分析,通过与综合评判法、属性识别法和模糊物元法的比较表明,基于熵权的集对分析模型的评价结果合理、客观。     

基于集对分析的生态系统健康评价

以广州市大金钟水库2008年11月至2009年3月间的实测数据为基础,选取了16个评价指标,采用层次分析法和熵权法结合的组合赋权法确定各指标权重,通过建立五元联系数集对分析模型,计算出大金钟水库各月的样本联系数,分析其生态系统健康状况变化。结果表明:水库各理化指标评价结果与地表水环境质量标准评定结果一致;水库生物结构指标评价结果与实际情况相符;水库整体上状况良好,健康状态由"亚健康"向"健康"逐步改善。与模糊综合评价法、欧式距离法评价结果相比较,集对分析模型评价结果更准确、合理,更适合水库生态系统等复杂系统的健康评价。     

基于集对分析的城市可持续发展评价

基于集对原理提出了集对分析的城市可持续发展评价方法,并应用于郑州、西安、上海3市的可持续发展评价。结果表明:郑州市(基本可持续发展)在资源和社会可持续性方面较弱,需要重视资源利用和加强基础设施建设;西安市(弱可持续发展)在经济发展过程中,需注重对教育、科技、环境和社会发展的投资,保证其协调发展;上海市(强可持续发展)环境状况得到了明显改善,各子系统发展趋于协调,但资源利用率有待进一步提高。把集对分析的可持续发展评价结果与模糊分析法和灰色分析的结果进行了对比,结果表明:集对评价法的评价等级分辨度更高、评价结果更可靠,且在局部评价与整体评价上具有很好的一致性。     

基于五元减法集对势的山东省旱情动态评价

为深入剖析和充分挖掘评价样本与评价等级之间的关系信息,进行区域旱情动态评价,以山东省1972—2003年历史资料作为评价样本,选取水库蓄水量距平百分率、地下水埋深、土壤含水率和降水量距平百分率4个旱情评价指标,采用基于加速遗传算法的模糊层次分析方法确定评价指标权重,通过计算评价样本的指标数联系数、指标值联系数并用最小相...     

基于TFN-SPA的河流水质评价模型

运用三角模糊数与集对分析耦合的方法构建河流水质评价模型,结合评价指标的主观权重和客观权重,利用最小相对熵原理确定评价指标的组合权重,同时兼顾专家的主观经验和数据本身携带的客观属性,以区间形式给出在不同截集水平下的评价样本等级区间,评价结果较为合理、可靠,更符合实际情况。     

基于集对分析的长湖水环境质量评价

为了掌握长湖的水环境质量状况,以集对分析理论为基础,结合水环境质量评价的实际问题,通过建立水质样本与各级水环境质量标准之间的联系度表达式来构造集对分析模型.依据水质监测点水质指标的实测值与各级标准界限值的大小关系确定差异度系数,进而计算得到联系度,据此进行水环境质量等级的判定.结果表明:长湖的水环境质量状况基本为Ⅲ～Ⅳ级;集对分析法可作为水体水环境质量评价的方法.     

基于集对分析联系数的合肥市水资源承载力评价

为科学指导合肥市水资源综合规划与管理,在综合分析水资源承载力与水资源-社会经济-生态环境系统相互关系的基础上,从支撑力、压力、调控力子系统选取13项指标,建立合肥市水资源承载力评价指标体系,运用集对分析联系数评价模型对合肥市2011-2016年水资源承载力进行综合评价。结果表明:合肥市2011-2015年水资源承载力评价等级为3级,2016年为2级,整体形势严峻,承载能力较差,但已有所改善,发展趋势良好;运用减法集对势理论,确定指标人均水资源量、产水模数、植被覆盖率、人口密度、水资源开发利用率、生态用水率是导致合肥市水资源承载力不足的主要因素。     

基于集对分析和可变模糊集的区域抗旱能力评价模型

建立区域抗旱能力评价指标体系和评价标准,用基于加速遗传算法的模糊层次分析法筛选指标、确定各指标和子系统的权重,将集对分析(SPA)与可变模糊集(VFS)的相对隶属度函数结合构建了基于集对分析-可变模糊集耦合评价法的区域抗旱能力评价(SPA-VFS)模型,并将SPA-VFS模型应用于合肥市抗旱能力评价。结果表明,合肥市抗旱能力的评价等级为3级,抗旱能力一般;SPA-VFS与属性数学的置信度准则评判方法具有一致性和互补性,两者联合应用可保障评价结果的可靠性。指出应进一步提高合肥市的抗旱组织管理水平,推广节水技术,控制人口增长,增强市民抗旱意识,以进一步提高合肥市抗旱能力。     

基于相关系数定权的集对分析法在湖泊富营养化评价中的应用

为有效处理浮游植物型湖泊富营养化评价中各评价指标、评价级别以及各级别对应的水质标准浓度的不确定性,将集对分析理论运用于湖泊富营养化的水质评价中。在确定各指标权重时,将统计学中的相关关系理论引入该模型,通过计算各评价指标与叶绿素的相关关系来计算各水质评价指标在富营养化评价中所占权重,建立了基于相关系数定权的集对分析模型。最后通过国内5个湖泊的水质实测数据,将该模型与模糊评价方法,灰色评价方法进行比较验证,说明该模型简单实用、评价结果合理。     

细化的SPA法在湖泊水质综合 评价中的应用

针对集对分析同异反评语细化问题,将联系度进行扩展,深入挖掘联系度与样本所属级别具 有同一度的关系,进而建立水质评价五级评判模型。选取5项主要影响因子对都阳湖10个主要断面 的水质进行评价,通过与模糊综合评价法的评价结果对比。结果表明本模型评判效果较好,应用方 便,具有较好的应用价值。     

基于SPA-BP的河流水质评价模型

将集对分析法(SPA)和BP神经网络结合起来建立基于SPA-BP的河流水质评价模型,直接由样本联系度矩阵得出评价结果,并给出评价样本与评价标准之间的各级隶属度值。模型应用表明,该模型评价河流水质具有客观性和实用性,评价结果较为直观、可靠。     

基于组合赋权的湖泊健康评价物元分析模型

湖泊生态系统的健康是人与自然和谐相处及可持续发展理念的重要体现。通过建立湖泊健康评价物元分析模型,并改进其指标权重的计算,以离差平方和准则将层次分析法、熵值法及主成分分析法3种赋权方法取得的权重结合得到最优组合赋权,应用到某地5个湖泊进行湖泊健康评价。根据当地湖泊具体情况,选取12个详细指标建立评价体系与评价标准,通过模型计算得出结果显示5个湖泊中4个湖泊评价结果为优,一个评价结果为良,湖泊总体健康状况良好。因此该模型用于湖泊健康评价是非常有效的。