水资源短缺风险建模论文.docVIP

水资源短缺风险综合评价 摘要 关键词： 一、问题重述 水资源，是指可供人类直接利用，能够不断更新的天然水体。主要包括陆地上的地表水和地下水。 风险，是指某一特定危险情况发生的可能性和后果的组合。 水资源短缺风险，泛指在特定的时空环境条件下，由于来水和用水两方面存在不确定性，使区域水资源系统发生供水短缺的可能性以及由此产生的损失。 近年来，我国、特别是北方地区水资源短缺问题日趋严重，水资源成为焦点话题。 以北京市为例，北京是世界上水资源严重缺乏的大都市之一，其人均水资源占有量不足300m3，为全国人均的1/8，世界人均的1/30，属重度缺水地区，附表中所列的数据给出了1979年至2000年北京市水资源短缺的状况。北京 《北京2009统计年鉴》及市政统计资料提供了北京市水资源的有关信息。利用这些资料和你自己可获得的其他资料，讨论以下问题： 1评价判定北京市水资源短缺风险的主要风险因子是什么？ 影响水资源的因素很多,例如：气候条件、水利工程设施、工业污染、农业用水、管理制度，人口规模等。 2建立一个数学模型对北京市水资源短缺风险进行综合评价， 作出风险等级划分并陈述理由。对主要风险因子,如何进行调控，使得风险降低？ 3 对北京市未来两年水资源的短缺风险进行预测，并提出应对措施。 4 以北京市水行政主管部门为报告对象，写一份建议报告。 二、符号说明 三、评价判定水资源短缺风险因子 3.1问题的分析 3.1.1基于聚类分析的水资源短缺风险因子分类　 为了直观地说明水资源短缺风险程度,利用Quick Cluster过程(快速样本聚类) 对风险进行聚类。快速样本聚类需要确定类数,利用均值分类方法对观测量进行聚类,根据设定的收敛判据和迭代次数结束聚类过程,计算观测量与各类中心的距离,根据距离最小的原则把各观测量分派到各类中心所在的类中去。事先选定初始类中心,根据组成每一类的观测量,计算各变量均值,每一类中的均值组成第二次迭代的类中心,按照这种方法迭代下去,直到达到迭代次数或达到中止迭代的数据要求时,迭代停止,聚类过程结束。对于等间隔测度的变量,一般用Euclidean distance(欧式距离) 计算。 3.1.2基于因子分析与主成分分析的水资源短缺主要风险因子判定 因子分析 　 为了直观地突出主要的水资源短缺风险因子，方便控制和治理水资源短缺问题，利用因子分析这种降维、简化数据的技术。通过研究众多观测量之间的内部依赖关系，探求观测数据中的基本结构，并用少数几个“抽象”的观测量来表示其基本的数据结构。能反映原来众多变量的主要信息，原始的变量是可观测的显在变量，而因子一般是不可观测的潜在变量。 因子分析的模型 因子分析的数学模型，与一般的多元回归模型比较相似，即每个变量都可表示成各个因子的线性组合。例如“入境水量”的指标可以表示为 （1） 式（1）与一般多元回归方程式的不同之处是：括号内的这三个变量并非独立变量，而是由一组变量按其特征形成了新变量，这就是“共同因子”；而变量则称为“唯一因子”，它仅是（即入境水量）指标中的孤立的一个因子。式（1）中的为共同因子的常数（即因子载荷量） 一般的说，对于第个观测量的数学模型为 （2） 式（2）中，是共同因子，是共同因子的常数。 主成分分析 由于多个观测量之间往往存在着一定程度的相关性。我们自然希望通过线性组合的方式，从这些指标中尽可能地提取信息。当第一个线性组合不能提取更多的信息时，再考虑用第二个线性组合继续这个快速提取的过程，……直到所提取的信息与原指标相差不多为止。一般说来，在主成分分析适用的场合，用较少的主成分就可以得到较多的信息量。以各个主成分为分量，就得到一个更低维的随机向量；因此，通过主成分分析既可以降低数据“维数”，又保留了原数据的大部分信息。 主成分分析的模型 设个观测量构成的维随机向量为.对作正交变换，令,其中为正交阵，要求的个分量是不相关的，并且的第一个分量的方差是最大的，第二个分量的方差次之，……。为了保持信息不丢失，的各分量的方差和与的各分量的方差和相等。 3.2模型的假设 影响水资源短缺风险因子存在而且可以用来解释复杂变量。只要这个变量共同具有这个因子，便可观测到这些变量是相关的。 3.3模型的求解 年份 工业用水/ 亿立方米 生活用水/ 亿立方米 农业用水/ 亿立方米 水耗/ 立方米 全年水资 源总量 地下水资 源总量 地表水 资源总量 降水量 /毫米 2001 9.2 12.0 0.3 104.91 19.2 15.7 7.8 338.9 2002