概率分布进行蒙特卡罗模拟试验，先将这些风险信息的概率分布映射到一个实数区 间，如[0，1]或[0,99]，再利用随机数发生器产生这一均匀分布的伪随机数，若该随机数落 在某一输入变量（即风险因素信息量）发生概率所对应的区间内，则认为该输入变量所对 应的事件发生了。如此反复，对各试验结果进行统计，得到水环境的各种风险特征指标值， 再对其作出定性分析，以初步提出水环境风险评价指标体系。
[0064] 本方法采用基于加速遗传算法的模糊层次分析法筛选水环境风险评价指标体系。 首先从数据库获取水文专家对两两指标间评价重要性的比较，给出相应数据，建立模糊互 补判断矩阵Pj=(Pjkl)，其中，〇 彡Pjkl< 1，Pjkl+Pjlk= 1(j= 1，2, ? ??，m;k，1 = 1，2, ? ? ?， nj)，m是从数据库获取水文专家的数量，&是初选风险指标的个数，pM表示第j个专家认 为指标k优于指标1的程度：当pM> 0. 5时，表示第j个专家认为指标k比指标1重要， 且Pjkl越大表示指标k比指标1越重要，反之亦然。若P」不具有满意的一致性，则需要修 正。设Pj的修正判断矩阵为Qj=(qjkl)，Qj的各指标权重记为{wjk|j= 1，2, . ..，m;k= 1,2,? ? ?，nj}〇
[0069] 式中，ClC(nj)为一致性指标系数；d为非负参数，根据专家经验可从[0,0? 5]内选 取；其余符号同前。当CIC(rg小于某一临界值（一般为0. 2)时，可认为匕具有满意的一 致性，据此计算的各要素的排序权值％k是可以接受的；否则就需要提高参数d或修改原判 断矩阵&，直到具有满意的一致性为止。其中使公式（8)最小的％为L的最优模糊一致性 判断矩阵，权重wjk和修正判断矩阵Q」的上三角元素为优化变量，对专家j的n」阶模糊互补 判断矩阵&共有r^(n，l)/2个独立的优化变量。模拟生物优胜劣汰规则与群体内部染色 体信息交换机制的加速遗传算法是一种通用的全局优化方法，利用它来求解公式（8)的问 题较为简便和有效，具体求解过程，包括下述步骤：
[0070] 第1步，随机产生p(p多300)组m维单位投影方向向量a(即生成父代群体），按 公式（2)分别计算得到p组投影特征值向量z;
[0071] 第2步，依据z分别计算\(a)和dd (a)，进而根据公式（6)计算得到p个投影指 标Qq (a);
[0072] 第3步，以Qq(a)进行适应度评价，Qq(a)值越大则个体适应度越高，并通过遗传算 法规则中的选择、交叉和变异操作分别生成第1子代、第2子代和第3子代群体，得到相应 的新的投影方向向量；
[0073] 第4步，分别计算第1子代、第2子代和第3子代投影方向向量所对应的Qq(a)，并 按从大到小的顺序进行排序，根据QQ(a)值越大越优的原则，选择前p组作为新的投影方向 向量（若不足P组则通过随机生成的方法补足P组），回到第1步；
[0074] 第5步，当前后两代投影指标QQ(a)的差值满足给定要求时停止计算，输出最优投 影方向向量和聚类结果。
[0075] 第6步，在受正交设计法的启发后提出用第一、第二次进化迭代所产生的优秀个 体的参数变化空间作为模型参数新的变化空间来加速循环。如此循环，优秀个体的变化空 间逐步收缩，与最优点的距离越来越近，直到达到预定加速循环次数或最优个体的优化准 则值小于某一设定值，再结束整个算法的运行。
[0076] 为了提高指标筛选的可靠性，从数据库获取凡组水文专家独立地建立\个模糊互 补判断矩阵P,.，用AGA-FAHP解得N。组评价指标的权重，其中：
[0077]
[0078] t=-i
[0079] 选取评价指标中权重的均值最大、标准差相对较小的Nj个指标，组成最终的水环 境风险评价指标体系{xjk |j= 1，2, . ..，m;k= 1，2, . . .，Nj}。
[0080] 其次，选择预测子模型：
[0081] 目前，能够用于预测的模型有很多，必须根据研宄流域的具体情况来选择合适的 预测子模型。以太湖流域为例，于是选择太湖流域模型来预测水量、水质、水生态等指标的 发展态势。太湖流域模型包含数据库系统、方案管理系统、模型系统等三方面内容。其中数 据库系统的主要任务是设计合理有效的数据库库表结构，收集整理资料并实现基本资料的 数据库管理；方案管理系统是将模型库与地理信息系统、数据库技术等最新信息处理技术 集成为一体化操作平台；模型系统则由河网水量模型、废水负荷模型、河网水质模型、太湖 湖流模型、太湖湖区水质模型以及流域降雨径流等子模型组成。其中，①降雨径流模型，主 要任务是模拟太湖流域各类下垫面的降雨径流关系及净雨的汇流过程，计算太湖流域水资 源量，模拟流域农业用水过程，为河网水量模型和废水负荷模型提供边界条件。②河网水量 模型，主要任务是根据降雨径流模型提供的成果及废水负荷模型所提供的面和点的废水排 放量，河网水质模型模拟成果（耦合计算），再加上流域内引、排水工程的作用，模拟河网中 的水流运动，计算各断面的水位、流量。③废水负荷模型，主要任务是模拟流域内产生的废 水量、排放位置、空间分布及污染物的排放过程。点污染源的废水量、排放位置及污染物质 含量，根据实测资料给定；面污染源的废水量、过程及空间分布，建立模型模拟计算。④河网 水质模型，主要任务是根据水量模型提供的各断面水位和流量，再将废水中的污染物含量 化成干物质量，作为源项加入水质模型，模拟各河段的各时段平均水质指标。⑤太湖湖流模 型，主要任务是模拟各种风向、风速情况下的太湖湖流流场，考虑到流速的垂线分布，采用 准三维模型。⑥太湖湖区水质模型，主要任务是模拟太湖湖区一般水质指标，主要解决河网 水质模型中太湖水的水质边界条件。六个模型相互嵌套、有机耦合。其预测的具体过程是： 首先根据流域地形特征、河网水系、水质特点和流域治理总体布局等多种因素，把太湖流域 平原河网划分为15个水利分区，由河道特性概化流域的河道断面，并在流域下垫面分类的 基础上进行信息数字化，将太湖流域河网概化与太湖流域GIS信息归一化处理；其次，把水 量作为研宄对象，利用圣维南方程组，采用Preissmann四点线性隐式差分格式，以迭代法 求解河网水量。把水质作为研宄对象，以一般污染物质对流扩散方程为基础，选取长江、杭 州湾的潮位过程和整个流域面上的气象资料作为边界条件，假定一月份的数据资料（包括 化学需氧量（COD&)、五日生化需氧量（BOD5)、氨氮、总磷（TP)、总氮（TN)、溶解氧（DO)、叶绿 素a(chl-a)、高锰酸钾盐指数、水温、PH值等水质指标）为初始浓度，以15分钟为计算时 段、微段为计算空间步长，根据各断面各种水质组分浓度的计算结果，输出每天每条概化河 道的各种水质组分的平均浓度，而后从二月初至十二月底统计资料并取其平均值以得到各 分区水质评价时的年平均水质浓度。把水生态作为研宄对象，因为有些数据资料无法获取， 所以此次暂定用"天然水的自净能力"来描述，通常是以位于比污染源稍高或稍低处水体的 研宄段上化学需氧量和生化需氧量的大小来确定的。其计算公式为：
[0082]
[0083] 式中，CC为研宄段水体的自净作用的能力；为比污染源处较高或较低的生物 化学需氧量（或化学需氧量）表示的被氧化的物质的量，mg/L。
[0084] 然后，建立评价子模型：
[0085] 投影寻踪是一种处理多因素复杂问题的统计方法，它将高维数据向低维空间投 影，通过分析低维空间的投影特性来研宄高维数据特征。针对投影寻踪模型中的唯一参数 一一密度窗宽的取值还主要是依靠经验或试算来确定，缺乏理论依据的问题，本方法引入 动态聚类思想来构建投影指标以建立评价子模型。若第i个样本第j个指标为4(i= 1， 2,. . .，n;j= 1，2,. . .，m;n为样本个数，m为指标个数），则建立评价子模型的具体步骤如 下：
[0086] (1)数据无量纲化。由于各评价指标的量纲不尽相同，为了消除量纲效应，在建模 之前对各指标数据进行无量纲化处理，无量纲化公式为：
[0087]
[0088] 式中：#为第i个样本的第j个评价指标值，i= 1，2, ? ? ?，n，j= 1，2, ? ??，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。
[0089] (2)线性投影。所谓投影实质上就是从不同的角度去观察数据，寻找能够最大程度 地反映数据特征和最能充分挖掘数据信息的最佳观察角度即最优投影方向，可以将高维数 据信息通过投影方法转化到低维空间，不但形象直观而且便于运用常规方法对高维数据分 析处理。本方法选用线性投影，即将高维数据投影到一维线性空间进行研宄，设a为m维单 位投影方向向量，其分量为a,，a2,. . .，~，则的一维投影特征值z,_可描述为：
[0090]
[0091] z=(Zpz2，…，Zi，? ? ?，zn)为投影特征值集合。
[0092] (3)构造投影指标。这是建立评价子模型的关键，是高维数据向低维空间投影遵循 的规则，是寻找最优投影方向的依据。本方法依据动态聚类思想来构造投影指标：
[0093] 首先，设s(Zi，zk)为任意两投影特征值间的绝对值距离，s(Zi，zk) = |z「zk|，（k =l，2，...，n);将待聚类样本分为N(2彡N<n)类，用0h(h= 1