模型构 筑过程简单，结果正确合理，具有较强的逻辑优越性和地区适应性，为水环境风险管理研宄 开辟了新途径。
[0126] 本方法以广义熵理论推求风险因素信息量与状态概率，将投影寻踪聚类原理和动 态综合评价方法有机结合，充分发挥了投影寻踪处理高维数据的突出优势，完全利用了数 据自身特性来聚类分析样本，避免了依据专家知识确定指标权重对区划结果的人为影响， 全面把握了水环境风险的时空分布规律。从建立角度来看，它先利用筛选子模型给出水环 境风险评价指标体系，再结合地区的实际情况，选择不同的预测子模型估算各风险指标未 来发展趋势，而后运用投影寻踪聚类原理和动态综合评价方法建立评价子模型，然后以对 比判断法进行水环境评估与预警研宄，几个子模型环环相扣，相辅相成，缺一不可。从应用 角度来看，模型以某一时刻为评估时间点，定性定量预估未来某一时段区域发生水环境风 险的可能性及其相应等级，综合分析地区所处的水环境风险发展趋势并进行风险区划，且 模型会随着历史数据的增加和扩展，不断地吸入时空尺度上的新信息来覆盖旧信息，以动 态展现水环境风险评估与预警的整个过程。本文应用在太湖流域平原河网地区，经过模型 训练和精度检测，表明模型操作简便、稳定性好、客观性强、分类结果明确、成果接近实际。 可将模型继续试用于探讨水环境评估与预警方面的工作，并据此制定水资源开发利用的调 控措施和应急预案，为水体污染及其防治问题的研宄开辟了新途径，为环境水文与水生态 保护问题的研宄提供新思路。
[0127] 以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人 员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应 视为本发明的保护范围。
【主权项】
1. 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％个评 价指标，再从所述％个评价指标中选取标准差最小的^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： 首先根据研宄区域来选择预测子模型，然后针对研宄区域，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：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，其分量为叫，a2, . . .，am，则Xij的一维投影特征值z淑 述为：Z=(Zpz2, . . .，Zi，. . .，zn)为投影特征值集合； 构造投影指标：设s(Zi，zk) = |zi-zk|，（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Zi分为N(2<N<n)类，用0h(h= 1，2, ...，N)表示第h类样 本投影特征值集合，即： @h={zi|d(Ah-Zi) ^d(At-Zi)},(t= 1,2, . . . ,N,t^h) (3) 式中icKAh-Zi) = |z「Ah|，(KAt-Zi) = |z「At|，Ah和At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dd(a)表示为：样本间的离散程度用类异分散度表示为：最后，根据动态聚类构建的投影指标表示为： QQ(a) =ss(a)-dd(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Mb，最劣值是为Ma，则隶属度公式是：式中：RX是预警对象的隶属度，预警对象的警限对应的隶属度设为〇. 80,根据隶属度将 警度划分为：轻警区间是Rxe[0.60,0.80);中警区间是Rxg[0.40,0.60);重警区间是 RXG[0.20,0.40);巨警区间是RXG[0,0.20)。2. 根据权利要求1所述的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，所述步骤A中，建立所述模糊互补判断矩阵为Pj=(pjkl)，其中 0 彡pjkl< 1，pjkl+pjlk= 1(j= 1，2, ? ??，m;k，1 = 1，2, ? ? ?，n」），m是从数据库获取水文专 家的数量，1是初选风险评价指标的个数，pM表示第j个专家认为指标k优于指标1的程 度：当pjkl> 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；P#表示第j个专家认为指标1优于指标k的程度：当p0. 5时，表示第 j个专家认为指标1比指标k重要，且pjlk越大表示指标1比指标k越重要； 利用基于加速遗传算法的模糊层次分析法计算所述模糊互补判断矩阵的评价指标权 重，当其一致性指标系数CIC(np小于预设临界值A时，则认为匕具有满意的一致性，否则 就提高非负参数d或修改所述模糊互补判断矩阵IV所述&的修正判断矩阵为1=(qjkl)， Qj的各指标权重记为{wjk |j= 1，2, . ..，m;k= 1，2, . . .，rij}，重新计算矩阵的指标权重， 直到ClC(nj) <A，其中：s.t.l-qjlk=qjklG[pjkl-d，pjkl+d]门[0,1](k= 1，2，? ? ?，rij-l;1 =k+1，? ? ?，rij) (9) qjkk= 0? 5(k= 1，2, ? ??，nj) (10)式中，所述非负参数d的取值范围为[0,0.5] 修正判断矩阵L的元素值； 选取评价指标中权重的均值最大的％个评价指标，再从所述^个评价指标中选取标准 差最小的的Nj个评价指标，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} 〇3. 根据权利要求2所述的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：从数据库获取Ne组水文专家独立地建立\个模糊互补判断矩阵匕.，用基 于加速遗传算法的模糊层次分析法解得凡组评价指标的权重，其中： {Wjkr |j= 1，2, ? ??，m;k= 1，2, ? ? ?，nj;r= 1，2, ? ??，Ne} (12)其中，为第r组数据的评价指标的权重，St为凡组评价指标的权重的平均值。4. 根据权利要求2~3中任意一项所述的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：采用所述基于加速遗传算法的模糊层次分析法计算互补判断 矩阵的评价指标权重的具体过程为： 第1步，随机产生P组m维单位投影方向向量a，分别计算得到p组投影特征值向量z; 其中，p彡300 ; 第2步，依据所述z分别计算ss (a)和dd (a)，进而计算得到p个投影指标Qq (a); 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； 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； 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。5. 根据权利要求4所述的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：所述基于加速遗传算法的模糊层次分析法中用第一、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，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。
【专利摘要】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。
【IPC分类】G06Q50/06, G06Q10/04
【公开号】CN104992245
【申请号】CN201510400221
【发明人】赵君, 徐进超, 朱节中, 杭庆丰, 曹莉莉, 陈雅倩, 战建, 陈秀英
【申请人】南京信息工程大学
【公开日】2015年10月21日
【申请日】2015年7月9日