一种基于广义熵理论的水环境风险管理动态智能综合分析方法

摘要

本发明公开了一种基于广义熵理论的水环境风险管理动态智能综合分析方法。本方法利用水利科学、智能科学、信息科学与风险理论等集成的途径，从整体结构和组成部分出发，对水环境风险管理中水量、水质、水生态等风险因素进行探讨，提出利用广义分布函数及其广义熵理论统一描述、物理解析系统中各种不确定性信息，构建基于遗传算法、模糊层次分析、投影寻踪的水环境风险管理广义熵动态智能综合分析方法。采用本方法对水环境风险进行分析得到的模拟与实测预警结果相符，准确率较高，这说明本方法能够在一定程度上合理地利用指标对水环境风险进行管理，可以应用于水环境评估方面的研究，对于水环境的科学预警具有重要意义。

主权项

一种基于广义熵理论的水环境风险管理动态智能综合分析方法，其特征在于，包括如下步骤：步骤A，建立筛选子模型：首先，应用广义熵理论建立水环境风险评价指标体系，再从数据库直接获取水文专家对所述水环境风险评价指标体系中两两评价指标间重要性的判断，构建模糊互补判断矩阵，计算所述互补判断矩阵的评价指标权重；然后选取评价指标权重中均值最大的M_j个评价指标，再从所述M_j个评价指标中选取标准差最小的N_j个评价指标，组成最终的水环境风险评价指标体系；步骤B，建立预测子模型：首先根据研究区域来选择预测子模型，然后针对研究区域，应用预测子模型模拟计算水环境风险评价指标值；步骤C，建立评价子模型：根据步骤A建立的水环境风险评价指标体系，将步骤B得出的各评价指标的时空立体数据进行无量纲化处理，无量纲化公式为：$x_{ij}=(x_{ij}^0-x_{j\min }^0)/(x_{jmax}^0-x_{j\min }^0)---\left(1\right)$式中：为第i个样本的第j个评价指标值，i＝1，2，...，n，j＝a，2，...，m；n为样本个数，m为评价指标个数；和分别为第j个评价指标的样本最大值和最小值；设a为m维单位投影方向向量，其分量为a₁，a₂，...，a_m，则x_ij的一维投影特征值z_i描述为：$z_i=\underset{j=1}{\overset{m}{\Sigma }}{a}_j{x}_{ij},(i=1,2,\mathrm{...},n)---\left(2\right)$z＝(z₁，z₂，...，z_i，...，z_n)为投影特征值集合；构造投影指标：设s(z_i，z_k)＝|z_i‑z_k|，(k＝1，2，...，n)为任意两投影特征值间的绝对值距离；将待聚类样本z_i分为N(2≤N＜n)类，用Θ_h(h＝1，2，...，N)表示第h类样本投影特征值集合，即：Θ_h＝{z_i|d(A_h‑z_i)≤d(A_t‑z_i)}，(t＝1，2，...，N，t≠h)   (3)式中：d(A_h‑z_i)＝|z_i‑A_h|，d(A_t‑z_i)＝|z_i‑A_t|，A_h和A_t分别为第h类和第t类的初始聚核；类同样本的邻近程度用类同聚集度d_d(a)表示为：$d_d\left(a\right)=\underset{h=1}{\overset{N}{\Sigma }}{d}_h\left(a\right)---\left(4\right)$式中：$d_h\left(a\right)=\underset{z_i,z_k\in {\Theta }_h}{\Sigma }s(z_i,z_k),$样本间的离散程度用类异分散度表示为：$s_s\left(a\right)=\underset{z_i,z_k\in Z}{\Sigma }s(z_i,z_k)---\left(5\right)$最后，根据动态聚类构建的投影指标表示为：Q_Q(a)＝s_s(a)‑d_d(a)   (6)采用加速遗传算法对目标函数公式(6)优化求解，得到最优投影方向向量；步骤D，将步骤C得到的最优投影方向向量代入各年评价指标数据中得到水环境风险评价的投影特征值；步骤E，建立预警子模型：当步骤D中计算出的水环境风险评价的投影特征值高于2时，水环境系统处于预警状态，系统开始报警；运用对比判断法划分警度，所述运用对比判断法划分警度的具体方法为：假设E最优值是M_b，最劣值是为M_a，则隶属度公式是：$R_x=\left\{\begin{array}{cc}1& E\le M_b\\ (E-M_a)/(M_b-M_a)& M_b<E<M_a\\ 0& E\ge M_a\end{array}\right.---\left(7\right)$式中：R_x是预警对象的隶属度，预警对象的警限对应的隶属度设为0.80，根据隶属度将警度划分为：轻警区间是R_x∈[0.60，0.80)；中警区间是R_x∈[0.40，0.60)；重警区间是R_x∈[0.20，0.40)；巨警区间是R_x∈[0，0.20)。