CN101908182A - 一种鱼类生长适宜性同鱼类生长环境关联度分析技术 - Google Patents

Abstract

鱼类生长评价及鱼类生长同鱼类生长环境关联度分析是水体环境和生态综合整治的一个重要环节。对于河流湖泊中鱼类生长评价鱼类生长同鱼类生长环境关联度分析还没有统一标准的方法，以往鱼类生长速率的评价大多采用定性方法，并不能定量的分析鱼类的生长及鱼类生长同鱼类生长环境关联度分析。本方法基于模糊物元模型和灰色关联度分析的方法，达到鱼类生长评价及鱼类生长同鱼类生长环境关联度的定量分析，对于流域鱼类资源的管理具有重要的现实意义。

Description

一种鱼类生长适宜性同鱼类生长环境关联度分析技术

技术领域

本发明属于一种基于模糊物元模型和灰色关联度方法，对鱼类的生长适宜性同鱼类生长环境进行关联度分析，把鱼类的生长的适宜性同鱼类的生长环境进行定量化关联，分析各种鱼龄的鱼类生长同生长环境的定量化关系，为生态环境保护和渔业资源的管理提供技术支持。

背景技术

鱼类是湖泊生态系统中较高级的消费者，与湖泊环境存在着紧密的相互作用关系。随着环境不断恶化、尤其是富营养化程度的加重，许多湖泊的鱼类种类减少，出现了小型化、低龄化、杂鱼化现象(黄玉瑶，1993；张国华等，1997)。但研究鱼类组成变化规律常用的渔获物组成分析和渔获量统计方法不能解释鱼类组成年际间的连续变化规律，也不能简洁明了地反映鱼类组成的连续总体变化趋势，更不能定量的反映环境对于鱼类生长的影响。

检索文献发现，刘恩生(2007)等，就鱼类与水环境的相互关系的研究进展予以研究，并分析了设计具有环境保护功能的鱼类群落需解决的问题，定性的分析了鱼类同环境之间的响应关系。刘稳(2009)等，它以鲫鱼为研究对象，采用流速、流速梯度和动能梯度3个水动力学特征量进行量化分析，并结合鲫鱼相对目增长率，得到鱼类生长与水动力学特征量之间的定量关系。但是并没有考虑食物、水温、水质对鱼类生长的影响。刘恩生(2009)等，它通过渔获物调查并结合历年鱼类渔获统计资料，用Wilhm改进式计算鱼类组成的均匀度指数，研究了太湖鱼类群落组成变化的规律.用鱼类食物个数组成比例、体积组成比例及食物重叠指数等定量指标，分析了富营养化条件下太湖主要鱼类的食物组成特点及相互关系；并根据渔获物统计资料，分析了鲫鱼主要鱼类数量变化间可能存在的关系，探讨太湖鱼类群落演替的内部机制。但是仅以鱼类的数量和种类的变化来说明鱼类生长的适宜性并不全面。

鱼类生长同鱼类生长环境关联度分析是水体环境和生态综合整治的一个重要环节。对于河流湖泊中鱼类生长同鱼类生长环境关联度分析还没有统一标准的方法，并不能定量的分析鱼类生长适宜性同鱼类生长环境的关系，本方法基于模糊物元模型和灰色关联度分析的方法，解决了定性化分析的问题，扩展了模糊物元数学和灰色关联度方法在生态学中的应用。

由此可见，应用此方法达到鱼类生长评价及鱼类生长同鱼类生长环境关联度的定量分析，对于流域鱼类资源的管理具有重要的现实意义。

发明内容

利用模糊物元和灰色关联度数学方法，采用定性和定量相结合的方法构建了鱼类生长模糊评价模型及鱼类生长同鱼类生长环境关联度分析。解决了定性化的问题，扩展了模糊物元数学和灰色关联度方法在生态学中的应用。有助于分析各种鱼龄鱼类生长适宜性评价和鱼类生长同鱼类生长环境关联度分析，为制定合理的保护对策提供依据。以往，鱼类生长适宜性评价同鱼类生长环境关联度分析大多采用定性方法。所以，本技术解决了鱼类生长适宜性同鱼类生长环境关联度定量化分析问题，为渔业资源的管理和生态环境的保护提供了技术支持。

(1)采用多目标评价的方法，全面地分析鱼类生长适宜性同生长环境的关系，反映被评价对象的整体情况，更客观、全面地认识两者的关联度；

(2)建立了基于熵权的模糊物元评价，解决了主观判断造成的评价结果的不确定性，使得出的结果更为客观；

(3)本方法易于普遍推广，对于河流和湖泊的鱼类生长适宜性的评价都普遍可以应用。

(4)定量的分析了鱼类同鱼类生长环境的关联度，为渔业资源的管理和生态环境的保护提供了技术支持。

(5)采用灰色关联度的方法，具有计算简单，通俗易懂，可靠性、实用性强、评价结果客观准确等优点

附图说明

附图给出了本发明的流程图。

其中1为确定生长速率评价指标  2为构建模糊物元  3为从优隶属度模糊物元  4为熵值法确定权重系数  5为计算贴近度和综合评价  6为确定最优指标集  7为指标的规范化处理  8为计算综合评判结果。

具体实施方式

以下详细说明本发明的方法原理及操作步骤：

(1)鱼类生长指标的选取

根据鱼类生长的生物学特性和鱼类的生物学特性，选取一下指标为鱼类生长适宜性评价指标：体重、尾鳍长、头长、吻长、尾鳍高、眼径、体长围数。

(2)基于模糊物元方法的鱼类生长评价

1)模糊物元及复合模糊物元。对于给定事物的名称为M，其关于特征C有量值为V，以有序三元组R(M，C，V)作为描述事物的基本元，称之为物元即

$R=\left[\begin{array}{cc}& M\\ C& u\left(x\right)\end{array}\right]$

式中R元素表示模糊物元；M表示事物；C为事物M的特征；u(x)表示与事物特征C相对应的模糊量值，

2)从优隶属度原则。从优隶属度可由下式计算：对于越大越优型评价指标而言，则有u(x_ji)＝x_ji/maxx_ji。而对越小越优型评价指标而言，则有u(x_ji)＝minx_ji/x_ji。式中，x_ji表示第j个样本第i项评价指标对应的量值；maxx_ji，minx_ji分别为各评价样本中每一项评价指标所有量值x_ji中的最大值和最小值，即最优评价样本各评价指标相应的量值。

3)标准模糊物元与差平方复合模糊物元。若以Δ_ij(i＝1，2，…，n；j＝1，2，…，m)表示标准模糊物元R₀与复合从优隶属度模糊物元

中各项差的平方，则组成差平方复合模糊物元R_Δ，即Δ_ij＝(μ_0j-μ_ij)²

4)结合AHP法和熵值法对评价指标进行组合赋权

①利用AHP法构造评价指标的判断矩阵，并对判断矩阵进行一致性检验，进而确定指标的权重向量α＝(α₁，α₂，…，α_i，…，α_n)。

②将原始数据的决策矩阵标准化，利用熵值法确定评价指标权重向量β＝(β₁，β₂，…，β_i，…，β_n)。

③采用乘法合成法对评价指标进行组合赋权，即首先对上述主、客观赋权法确定的权重系数对应相乘，最后将乘法进行归一化处理。具体赋权公式为(i＝1，2，…，n)。其中α_i和β_i分别为利用AHP法和熵值法确定的第i个评价指标的权重，ω_i为第i个评价指标的组合权重。

5)贴近度和综合评价

采用欧氏贴近度ρH_j作为评价标准，运用(·，+)算法来计算和构建贴近度复合模糊物元R_ρH

$R_{\mathrm{\ρH}}=\left[\begin{array}{ccccc}& M_1& M_2& ...& M_m\\ {\mathrm{\ρH}}_j& {\mathrm{\ρH}}_1& {\mathrm{\ρH}}_2& ...& {\mathrm{\ρH}}_m\end{array}\right]$

式中： ${\mathrm{\ρH}}_j=1-\sqrt{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{K}_i{\mathrm{\Δ}}_{\mathrm{ij}}},(j=\mathrm{1,2},...,m)$

(2)鱼类生长同生长环境相关性分析

灰色综合评价主要是依据以下模型：R＝Y×W

(1)确定最优指标集

式中

为第k个指标的最优值。此最优序列的每个指标值是诸评价对象的最优值。然后可构造矩阵D。

(2)指标的规范化处理

设第k个指标的变化区间为[j_k1，j_k2]，j_k1为第k个指标在所有被评价对象中的最小值，j_k2为第k个指标在所有被评价对象中的最大值，则可以用下式将上式中的原始数值变成无量纲值

$C_k^i=\frac{j_k^i-j_{k1}}{j_{k2}-j_k^i},i=\mathrm{1,2},...m,k=\mathrm{1,2},...,n$

(3)计算综合评判结果

根据灰色系统理论，将作为参考数列，将

作为被比较数列，则用关联分析法分别求得第i个被评价对象的第k个指标与第k个指标最优指标的关联系数，即

${\mathrm{\ξ}}_i\left(k\right)=\frac{\underset{i}{\min }\underset{k}{\min }|C_k^{*}-C_k^i|+\mathrm{\ρ}\underset{i}{\max }\underset{k}{\max }|C_k^{*}-C_k^i|}{|C_k^{*}-C_k^i|+\mathrm{\ρ}\underset{i}{\max }\underset{k}{\max }|C_k^{*}-C_k^i|}$

式中ρ∈(0，1)，一般取ρ＝0.5。

这样综合评价结果为：R＝E*W

R为M个被评价对象的综合评价结果向量；W为N个评价指标的权重向量；E为各指标的评判矩阵；ξ_i(k)为第i个被评价对象的第K个指标与第K个最优指标的关联系数。根据R的数值，进行鱼类同生长环境关联度排序。

实施例

某湖泊主要鱼类为例评价结果如表1所示，利用本方法选取典型鱼类进行鱼类生长同生长环境关联度评价，分析结果如表1所示。

表1某北方浅水湖泊主要鱼类生长适宜性评价结果

Claims (1)

1.本发明属于一种基于模糊物元模型的鱼类生长评价，在鱼类生长的评价的基础上，对鱼类的生长同鱼类生长环境进行关联度分析，对鱼类的生长环境对鱼类的生长影响进行量化分析，并对识别数据自动存储和处理的技术，为渔业资源的管理和生态环境的保护提供了技术支持。

Images