本发明涉及污水企业评估技术领域，具体涉及一种基于多指标评价算法的污水企业水污染来源评估方法。
背景技术：
水是不可替代的一种资源，是社会发展和经济发展重要的物质基础，是人民生活的重要保障，是社会可持续发展的重要支持之一。随着我国经济的飞速发展，城镇建设和工业生产不断扩大，用水量剧增，污水排放量也急剧增加。许多水体遭到工业污水、生活污水的污染，水污染成为我国刻不容缓的环境问题。
水环境质量评价是对某一水环境区域进行环境要素分析，对其做出定量评述。通过环境质量评价，弄清区域环境质量变化发展的规律，为区域环境系统的污染控制规划及制定区域环境系统工程方案提供依据。
美国是世界上第一个把环境评价以法律形式肯定的国家，纵观环境评价的发展，1965年美国L.A.Zadeh教授著名的《模糊集合》一文的发表，标志着模糊数学的诞生并很快发展起来。由于水环境中存在大量不确定性因素，水质级别、分类标准都是一些模糊概念，因此模糊数学在水质综合评价中得到广泛应用。
水环境质量评价首先要搞清楚污水的来源，污水的来源结果的可靠程度一方面取决于监测数据的准确性，另一方面依赖于科学的评价方法，包括技术的选择。当前阶段已有由单目标向多目标，由单环境要素向多环境要素，由单纯的自然环境系统向自然环境与社会环境的综合系统，由静态分析向动态分析发展的趋势。
对污水企业水污料来源的动态综合评估，是水环境治理和建设的主要任务之一，是对于进一步指导和改善水环境具有很重要的现实意义，因此评价模型的建立需要有两个方面的注意事项：
(1)指标的选取能够综合的反映评价的对象；
(2)整个评价过程的主客观结合，使得评价结果具有可信度。
为了客观地反映行业的污水来源构成，需要从被调查对象中筛选出真正具有代表性的用户，即典型用户。对于典型用户的选取，首先，应按照行业分类，根据实践经验在每个行业中选取若干个能够反映该行业生产特征的用户进行调查，这是依据专家经验的典型用户初选。其次，在初选被调查用户的基础上，现有技术是通过模糊C均值聚类FCM法，把实际并不典型的用户除去，然后进行行业特性的综合。但该方法需要对平滑因子和初始中心矩阵进行选择，且评价的指标过于单一，无法准确的反应实际的情况。
技术实现要素：
为了解决现有技术中尚无针对污水来源系统进行综合评价的缺陷，本发明提供一种基于多指标评价算法的污水企业水污染来源评估方法，具体包括如下步骤：
1)建立污水企业水污染来源因素体系，水污染来源因素体系中所有具体指标构成因素集X＝{x1,x2,…,xm}，其中m表示因素的个数；
2)建立污水企业水污染来源评价体系，水污染来源评价体系中所有具体指标构成评价集Y＝{y1,y2,…,yn}，其中n表示评价的个数；
3)采用模糊变换的方法对污水企业水污染来源数据进行模糊评价，得到单因素评价矩阵：
4)使用模糊评价矩阵对数据进行初选：
定义因素权重分配A＝(a1,a2,…,am)，其中ai≥0且得到模糊评价矩阵为
其中，模糊评价矩阵B中的各元素按照最大隶属原则选取：bi＝max{min(ai,r1i),…,min(am,rmi)}；根据评价集Y选择典型对象，得到初选对象集合U＝{u1,u2,…,up}；
5)利用模糊聚类分析法对初选对象集合进行分类，筛选典型对象。
步骤1)中，污水企业水污染来源因素包括经济、就业、预测和环境；步骤2)中，污水企业水污染来源评价包括重要、较重要、较不重要和不重要。
步骤5)中，模糊聚类分析法具体包括如下步骤：
51)使用初选对象集合的污水来源百分比，建立污水来源企业的论域：
其中k为污染物种类的个数，p为初选对象的个数；
52)对数据进行正规化处理，得到标准化矩阵：
正规化处理采用如下公式：
其中u′kmax、u′kmin是u′1k，u′2k…，u′pk中的最大值和最小值。
53)建立模糊相似矩阵：
54)选取合适的截集λ，对初选对象进行分类，得到优选的典型对象。选取不同的取截集λ时，会产生不同的典型用户组，通常指标取值差异越大，越能反映被评价企业的差距。
污水来源建模是当前水务系统分析中亟需解决的问题之一。在进行系统分析和预测计算时，采用不同的来源模型将会得到与实际情况不一致的结果。因此通过为评价指标中的定性指标建立评语集以实现对评价指标的量化，并确立隶属度函数以实现对定性指标的评价就可以很好地进行评估和预测计算。同时，通过对同用户的聚类分析，和归纳出本行业特性参数，可以最终确定污水来源参数，这也是建模的重要前提。
由以上技术方案可知，本发明通过模糊评价算法对污水来源企业进行综合评估，充分考虑了指标选取的全面性、独立性以及可操作性原则，评价结果满足主客观一致性原则，评价结果对最终的水环境治理和改善建设具有一定指导意义。
本发明相较于传统方法，不仅使指标得到了简化，而且也使得各个因素的权重分配在利用大量历史数据情况下，更加合理，其评价结果区分度明显，结果更加符合实际，也使评价指标更加切实有效的反映评价结果。
附图说明
图1为本发明的方法流程图。
具体实施方式
下面结合附图1对本发明的一种优选实施方式作详细的说明。
在评估之前需要使用统计综合法建模，其中污水来源建模思路：
a)在全网范围内，对所划分的每一类行业用户选取若干较有代表性的用户进行调查，确定其用污水来源构成状况及各类污水的容量比；
b)根据每类污水来源的平均特性确定每一业用户的行业综合特性；
c)确定污水来源的行业组成及其容量比例，出所需的综合污水来源模型。
下面以某市环保部门对该市污水企业进行水污染来源评估为例，进行说明。
步骤一：得到污水企业历史采样数据
通过对该市污水企业进行调查统计，获取污水企业的排污特性数据。经调查统计排名，优选出能代表排污的典型用户。首先初选9个用户，如表1所示。
表1污水企业调查表
从表1中可以看出：待评估对象9个企业，每个企业的参数＝{固体污染物，需氧污染物，营养性污染物，酸碱污染物，有毒污染物，油类污染物，生物污染物}，数值表示污水来源所占比例。用户污水来源统计结果见表2
表2污水来源容量百分比统计表
步骤二：进行模糊评价聚类
在环保部门调查的同时结合水务、经济发展专家对用户综合评价。设置因素集X＝{经济、就业、预测、环境}，评价集Y＝{重要、较重要、较不重要、不重要}。专家对用户的各因素进行评价，各因素的权重分配为A＝(0.3，0.1，0.5，0.1)。如针对用户企业1对预测的影响，40％的专家认为该用户重要，35％的专家认为比较重要，25％的专家认为比较不重要。企业的综合评价如表3所示。
表3企业综合评价表
建立单因素评价矩阵，在模糊运算下得到综合评价：
矩阵为：
结果表明该用户重要程度为0.4，比较重要程度为0.35，比较不重要程度为0.25，不重要程度为0.1，按最大隶属原则可见该企业重要，可以作为典型用户备选。同理得到其他8企业的综合评价矩阵为：
B2＝(0.25，0.3，0.35，0.1)，B3＝(0.2，0.2，0.4，0.2)，
B4＝(0.5，0.3，0.1，0.1)，B5＝(0.25，0.25，0.35，0.15)，
B6＝(0.45，0.1，0.15，0.3)，B7＝(0.35，0.3，0.25，0.1)，
B8＝(0.35，0.25，0.3，0.1)，B9＝(0.3，0.35，0.2，0.1)
由此可见企业1、企业4、企业6、企业7、企业8、企业9可以作为典型用户备选。
再利用模糊聚类对{企业1，企业4，企业6，企业7，企业8，企业9}进行分类，筛选典型用户，具体方法为：
用所得的调查数据建立6个初选企业的污水来源百分比，从而建立污水来源企业的论域U′
正规化处理采用如下公式：
对数据进行正规化处理，得到标准化矩阵：
建立模糊相似矩阵：
若取截集λ＝0.256，则rij≥0.256的企业i、j为一类，即企业{1，4，6，7，8，9}为一大类，此时实际没有进行分类；若取截集λ＝0.421，则rij≥0.421的企业i、j为一类，此时企业{1，4，6，7，8}为一类，{9}为一类，则包含元素多的一类即可作为典型用户组。
步骤三：使用现有技术FCM法进行评价
1)用户隶属矩阵D
按照前述思想运用FCM法对典型用户聚类分析，即可确定隶属矩阵D和聚类中心P。确定分类数c＝2，m＝2，由公式公式计算得到典型用户隶属矩阵D：
式中：T为设备属于聚类点的类属度。
2)中心矩阵P
矩阵D是一个模糊分类矩阵，每一行表示一个典型用户属于某一类的隶属度，每一列表示在一类中不用该类的隶属度。根据这个分类矩阵，按照模糊集合中的最大隶属原则即可确定每个典型用户的归属类别，企业{1，4，5，6，7，8}为一类，{2，3，9}为一类。根据包含元素最多的原则，把企业{1，4，5，6，7，8}作为精选典型用户类矩阵P表示聚类的中心矩阵，每一行表示一个聚类中心，每一列表示在这类中污水来源所占比例，所得中心矩阵P：
步骤四：对聚类结果进行分析
FCM法将待聚类用户由隶属函数提取出来作为行业的典型代表，作为统计综合法污水来源建模的基础具有描述用户共性的特点。由FCM法的中心矩阵可知，第一类最主要污水来源是固体污染物和生物污染物，第二类最主要是固体污染物和油类污染物。从聚类结果看企业5是可以看作典型用户的，但是，该算法依赖于初始聚类中心选取的同时事先必须确定聚类的个数，对于参数m，又称为平滑因子，控制着模糊类间的分享程度，要实现模糊聚类就必须选定合适的m，本算法中是m＝2的特例，最佳的m取值目前尚缺乏理论指导。由此可见，该方法强烈依赖初始化数据的好坏，因而有很强的随机性，降低了算法的准确度。
本发明基于模糊综合评价的聚类分析是在征求专家意见的基础上通过考量污水来源分析对预测的影响以及企业对社会的综合效应来选择典型用户。首先，通过模糊综合评价初选出可以作为典型用户的候选企业。其次，通过基于等价关系的聚类分析，选取合适的截集，把聚类结果分为两类，包含元素最多的一类为精选典型用户，因为该类反映了行业大多用户的共性，即主要污水来源是固体污染物和生物污染物，同时在综合评价系统中重要性程度较高。
基于模糊评价的聚类不仅改观了生硬的算法，而且结合了专家的合理决策，还能得到优选的聚类，因此，在研究污水来源建模的聚类分析时，基于模糊分析的综合评价聚类方法具有推广价值。
以上所述实施方式仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案作出的各种变形和改进，均应落入本发明的权利要求书确定的保护范围内。