数学建模-水资源短缺.docVIP

水资源短缺风险评价模型及应用 摘要:本文基于模糊矩阵评价法，首先用主成分分析法求得各个风险因子的权重值，再结合构造的隶属函数水资源短缺风险进行纵向和横向评价，并根据纵向评价对未来几年水资源短缺风险进行指数平滑预测并进行回归分析。作为实例北京市 1979—2008年水资源总量、总量、农业用水量生活用水量北京市水资源短缺风险研究表明,水资源总量、总量、农业用水量生活用水量是北京市水资源短缺的主要致险因子致险模糊; 主成分分析；回归分析预测；水资源短缺风险敏感因子这一定程度上就能水资源风险情况，所以，为了计算的方便我们只考虑水资源短缺风险度这一个指标，并且假设这种考虑是正确的。 模型的建立及应用 本文基于模糊矩阵法，首先用主成分分析法求得各个风险因子的权重值，再结合三角形隶属函数水资源短缺风险进行纵向和横向评价，并根据纵向评价对未来几年水资源短缺风险进行回归分析预测。 1 模糊矩阵法步骤： ①确定因素集与权重集 因素集是影响评价对象各个因素组成的集合，表示为，其中，元素代表各影响因素。 一般的，因素集上的各个元素具有不同的重要程度，因而必须对各元素按其重要程度给出不同的权重，组成集合。是因素集上的模糊子集，表示为：。 ②确定评价集 评价集由评价对象可作出的评价结果组成，表示为：，其中，元素是若干可能作出的评价结果。 ③单因素评价 从单个因素出发进行评价，以确定评价对象的隶属程度，即单因素模糊评价，其中隶属程度由隶属函数得出。设评价对象按因素集中第个元素进行评价，对评价集第个元素的隶属程度为，则第个元素评价结果可表示为，是评价集上的模糊子集，称为单因素评价集。 由模糊映射可以导出从评价集到评价集的模糊关系。因此，可由模糊矩阵来表示： 即为单因素评价矩阵，模糊关系可以导出到的模糊线性变换。 ④整体矩阵评价 单因素模糊评价仅反映了某个因素对评价对象的影响，而模糊矩阵则可以综合考虑所有因素，从而得出正确的评价结果。 若已知因素集权重集以及评价矩阵，按照模糊矩阵运算法则，可得模糊矩阵集，即，表示在综合考虑所有影响因素的情况下，评价对象对评价集中第个元素的隶属度。 2 主成分分析法筛选指标并求得权重 2.1 影响北京水资源短缺风险的因素可归纳为以下两个方面:自然因素:①人口数;②入境水量;③水资源总量;④地下水位埋深;社会经济环境因素:①工业用水量;②污水排放量;③COD排放总量;④第三产业及生活用水量;⑤农业用水量。 将成本型指标（越小越好型指标）正向化。由于主成分分析发默认的指标体系要求具有单调性，如果指标体系中同时存在效益型指标（越大越好型）和成本型指标，将会影响主成分分析筛选结果的准确性，因此，需要将指标体系中的成本型指标（或效益型指标）正向化为效益型指标（或成本型指标）。 ②样本矩阵标准化 计算各指标的样本均值和样本标准差，计算公式如下： 对用公式进行标准化处理得标准化矩阵。 ③求标准化矩阵的特征值及特征向量 通过正交换使 则几位的个特征值。 ④建立主成分 按累积方差贡献率 的准则，确定，从而建立个主成分： 其中为标准化指标变量。 ⑤计算载荷量筛选主因素 计算各指标在主成分上的载荷量，载荷量越大，说明指标对评价结果的影响越大。利用SPSS统计软件中的主成分分析功能由附表（1）数据对指标体系进行分析，结果见表（1）： 表（1）指标在主成分上的载荷矩阵 序 号 指 标 主 成 分 1 2 3 4 1 人口数 0.32 0.21 0.2 0.2 2 入境水量 -0.2 -0.2 -03 -0.2 3 水资源总量 1.0 -0.8 -0.7 -0.8 4 地下水位埋深 0.12 0.23 0.22 0.31 5 工业用水量 0.56 1.0 0.64 0.71 6 污水排放量 0.11 0.16 0.24 0.32 7 COD排放总量 0.09 0.13 0.21 0.3 8 第三产业及生活用水量 0.81 0.76 1.0 0.8 9 农业用水量 0.945 0.923 0.8 1.0 由表（1）可知，在水资源短缺风险评价水资源短缺风险评水资源总量、总量、农业用水量、生活用水量 相对权重 水资源总量 0.5