2023美赛O奖：E题论文翻译（6）.pdf

ProblemChosen2023TeamControlNumber

EMCM/ICM2314354

SummarySheet

局部光污染分析多层评价模型综述:

摘要：光污染是全球许多社区和生态系统日益关注的问题。为了衡量一个地区的光污染水

平，本文建立了一个型个相关指标来反映一个地区的光污染风险。对于

光污染系统模，通过选择几

四个不同的区域，我们的光污染系统模型很好地代表了它们的主要特征，这便于提出有针对性的

政策。

首先，我们确定了交通、生态、能源和社会四个主要指标，并在每个主要指标下设置了几个

次要指标，形成了光污染系统模型。最后，采用熵权法确定权重，建立各指标与光污染风险的关

联关系。

接下来，我们使用K-means聚类算法将收集到的数据分为四类，并总结了保护地、农村社

区、郊区社区和城市社区四个区域的指标数据分布。将这四类的聚类中心作为四个区域的数据代

表。然后，对4个区域的数据进行评价，得出保护地光污染得分为0.053，农村社区光污染得分为

0.174，郊区社区光污染得分为0.359，城市社区光污染得分为0.872。其中，城市社区的光污染程

度最高。最后，通过次要指标得分分析四个区域各自的光污染情况。

为了确定三种可能的干预策略，我们将每个区域的前10%作为理想愿景，将其与区域平均值

进行比较，并确定针对每个策略的一个或两个主要目标的策略，以降低光污染水平。然后，我们

使用一个量表量化了每种策略对目标的影响，该量表分为高(20%-50%)、中(10%-20%)和低(2%-

10%)。最后，我们得到了三个可行的策略:绿色基础设施策略(围绕生态指标)、能源策略(围绕能源

指标)和城市规划策略(围绕交通和社会指标)。

最后，我们将意大利托斯卡市区和塞浦路斯Latsia郊区作为应用目标。将我们设计的三种策

略替换为计算对该地区可能产生的最小和最大影响。对比三种策略的效果，得出能源策略最适合

托斯卡市区，光污染系数LPR降低水平为4.8%~11.65%;城市规划策略最适合Latsia郊区，光污

染系数LPR降低水平为3.26%~7.51%。然后，我们分析了策略对小指标的影响，并从详细的角度

总结了这两种策略影响区域的原因。最后，我们对本文提出的光污染系统模型进行了敏感性分

析，结果表明该模型在实践中达到了预期的效果，证明了本文提出的模型是可靠的。

关键词:光污染系统模型;K-means聚类算法熵权法;

目录

局部光污染分析:多层评价模型综述1

1介绍4

1.1问题背景4

1.2问题重述4

1.3我们的工作4

2假..

设和理由5

号

3记5

4光污染

系统模型6

4.1主要指标和子指标讨论6

4.

4.1交通6

4.1.2生态7

4.1.3能源7

4.1.4社会7

4.2各指标归一化9

4.3使用熵权法计算模型中各指标的权重9

5光污染系统模型在四地区的应用9

5.1利用K-means聚类获得代表性数据9

5.1.1K-means聚类算法步骤9

5.1.2算法调优10

5.1.3聚类结果10

5.2四个地点的光污染结果显示11

6三种可能的干预策略12

6.1确定目标指标12

6.1.1量化战略对各指标的影响13

6.2基于主要指标的三种干预策略14

6.2.1针对生态指标的绿色基础