CN106910024B - 一种利用结构方程模糊综合评估海洋溢油渔业损害的方法 - Google Patents
一种利用结构方程模糊综合评估海洋溢油渔业损害的方法 Download PDFInfo
- Publication number
- CN106910024B CN106910024B CN201710122710.5A CN201710122710A CN106910024B CN 106910024 B CN106910024 B CN 106910024B CN 201710122710 A CN201710122710 A CN 201710122710A CN 106910024 B CN106910024 B CN 106910024B
- Authority
- CN
- China
- Prior art keywords
- degree
- fishery resources
- factor
- factors
- pollution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000006378 damage Effects 0.000 title claims abstract description 79
- 239000003305 oil spill Substances 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims abstract description 73
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 8
- 238000013398 bayesian method Methods 0.000 claims description 5
- 230000009528 severe injury Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 230000009526 moderate injury Effects 0.000 claims description 2
- 230000008832 photodamage Effects 0.000 claims description 2
- 230000002265 prevention Effects 0.000 claims description 2
- 238000004445 quantitative analysis Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 claims 1
- 239000000203 mixture Substances 0.000 claims 1
- 230000007613 environmental effect Effects 0.000 abstract description 2
- 239000003208 petroleum Substances 0.000 description 7
- 241000238424 Crustacea Species 0.000 description 6
- 241000251468 Actinopterygii Species 0.000 description 5
- 230000005484 gravity Effects 0.000 description 4
- 150000004945 aromatic hydrocarbons Chemical class 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 125000004432 carbon atom Chemical group C* 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 235000013601 eggs Nutrition 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000013535 sea water Substances 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 239000010865 sewage Substances 0.000 description 2
- 231100000331 toxic Toxicity 0.000 description 2
- 230000002588 toxic effect Effects 0.000 description 2
- 231100000419 toxicity Toxicity 0.000 description 2
- 230000001988 toxicity Effects 0.000 description 2
- 230000003373 anti-fouling effect Effects 0.000 description 1
- 238000009360 aquaculture Methods 0.000 description 1
- 244000144974 aquaculture Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- PHTXVQQRWJXYPP-UHFFFAOYSA-N ethyltrifluoromethylaminoindane Chemical compound C1=C(C(F)(F)F)C=C2CC(NCC)CC2=C1 PHTXVQQRWJXYPP-UHFFFAOYSA-N 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 230000009525 mild injury Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009182 swimming Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Animal Husbandry (AREA)
- General Health & Medical Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Agronomy & Crop Science (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Farming Of Fish And Shellfish (AREA)
Abstract
一种利用结构方程模糊综合评估海洋溢油渔业损害的方法,本发明属于环境保护领域,首先提取决定海洋溢油污染对渔业资源的损害程度的因素,分析渔业资源受损程度与决定因素的关系,并建立海洋溢油污染对渔业资源损害评估的指标体系。然后构建结构方程模型确定决定受损程度的关键因素,受损程度与关键因素的权重,以及各关键因素与对应指标的权重。最后结合权重,对海洋溢油污染对渔业资源的损害程度进行模糊综合评价分析。本发明在模糊综合评价中引入结构方程模型,不仅解决了渔业资源的受损程度评估的“不确定”问题,同时准确影响因素间相互关系,使评价结果科学合理、符合客观实际。
Description
技术领域
本发明属于环境保护领域,具体地涉及一种利用结构方程模糊综合评估海洋溢油渔业损害的方法。
背景技术
2015年,中国已经超过美国成为全球最大石油进口国,全年进口规模接近3.4亿吨。海洋运输是中国石油运输的主要途径,目前呈持续上升趋势,油轮的数量和吨位也越来越大。由此导致的海上石油泄露和污染事件频频发生,据统计每年约有十多万吨的石油直接排入近海。
海洋溢油污染对渔业资源的损害主要来自物理和化学两方面的影响,物理影响包括石油覆盖在渔业生物体表,堵塞渔业生物的呼吸和进水系统,导致生物窒息、闷死,或者粘着于体表,使其丧失游泳、运动能力,或者沉降于潮间带和海底,使底栖生物失去合适的固着基质;化学影响主要是石油污染对生物的毒性作用。另外,石油在海面会形成油膜,隔绝大气与海水的气流交换,并减弱太阳光透入海水的能量,导致海洋生态平衡失调,从而损害渔业环境和渔业生物。因此,准确评估海洋溢油污染对渔业资源损害程度对于有效控制海洋溢油事故带来的污染损害,保护海洋沿岸生态环境是十分必要。
溢油污染对渔业资源的损害受多因素的影响,因而难以准确界定。模糊综合评价法是一种基于模糊数学的评价方法,它综合考虑评价事物的各个相关影响因素,依据模糊变换原理和最大隶属度原则,对评价对象进行综合评价,可以很好地解决渔业资源损害程度评估中的“不确定问题”。但是模糊综合评价无法分析这些因素间的关系,基于此,本发明引入结构方程模型,结构方程模型是分析变量间关系的有力工具,能通过路径分析理清因素间的相互影响关系,有效识别关键因素。本发明综合结构方程和模糊综合评价两种方法的优点,使评价结果更加科学合理、符合客观实际。
发明内容
本发明针对海洋溢油污染对渔业资源损害程度的评估技术,提出了基于结构方程模型的模糊综合评价算法。
本发明是通过如下技术方案来实现的:
一种海洋溢油污染对渔业资源的损害评估方法,它包括以下步骤:首先提取决定海洋溢油污染对渔业资源的损害程度的因素,分析渔业资源受损程度与决定因素的关系,并建立海洋溢油污染对渔业资源损害评估的指标体系;然后构建结构方程模型确定决定受损程度的关键因素、受损程度、关键因素的权重、以及各关键因素与对应指标的权重;最后结合权重,对海洋溢油污染对渔业资源的损害程度进行模糊综合评价分析。
所述的结构方程模型中内生潜变量为渔业资源受损程度,外源潜变量为决定损害程度的因素,内生观测变量为衡量渔业资源受损程度的指标,外源观测变量为衡量各决定因素对应的指标;
所述的模糊综合评价中因素集有两级,一级指标为决定因素,二级指标为各决定因素对应的指标;首先结构方程模型确定的因素与对应指标的权重,模糊综合评价的权重为结构方程模型确定的受损程度与因素的权重。
进一步,所述的基于结构方程模型的模糊综合评价算法具体步骤如下:
1)海洋溢油污染对渔业资源的影响因素分析首先从受损对象出发,提取渔业资源受损程度的指标,接着从物理、化学和生物3个方面确定溢油污染对渔业资源损害的影响因素及对应的指标;
2)结构方程模型分析首先构建以渔业资源受损程度为内生潜变量、影响因素为外源潜变量、各指标为观测变量的结构方程模型;接着使用贝叶斯方法估计该模型参数,评价拟合结果,修正模型直至模型达到检验标准;
3)模糊综合评价分析首先建立因素集、评价集及隶属函数,然后以结构方程模型确定的权重作模糊评价的权重作模糊综合评价。
本发明与现有技术相比的有益效果:
本发明在模糊综合评价中引入结构方程模型,不仅解决了渔业资源的受损程度评估的“不确定”问题,能通过路径分析理清因素间的相互影响关系,有效识别关键因素。综合结构方程和模糊综合评价两种方法的优点,使评价结果更加科学合理、符合客观实际。
附图说明
图1海洋溢油污染对渔业资源的损害评估的流程图;
图2海洋溢油污染对渔业资源损害的初始结构方程模型;
图3海洋溢油污染对渔业资源损害的修正后结构方程模型。
具体实施方式
下面结合附图和实施例对本发明的技术方案进行详细的说明。
实施例
图1给出了海洋溢油污染对渔业资源的损害评估过程,具体步骤如下:
步骤1:海洋溢油污染对渔业资源的影响因素分析。首先从受损对象出发,提取决定海洋溢油污染对渔业资源的损害程度的因素,分析渔业资源受损程度与决定因素的关系,并建立海洋溢油污染对渔业资源损害评估的指标体系(表1);
步骤2:结构方程模型分析。构建结构方程模型确定决定受损程度的关键因素,受损程度与关键因素的权重,以及各关键因素与对应指标的权重。首先构建以渔业资源受损程度为内生潜变量,影响因素为外源潜变量,各指标为观测变量的结构方程模型。接着使用贝叶斯方法估计该模型参数,评价拟合结果,修正模型直至模型达到检验标准。
步骤3:模糊综合评价分析。结合权重,利用模糊综合评价分析海洋溢油污染对渔业资源的损害程度;首先建立因素集、评价集及隶属函数,然后以结构方程模型确定的权重作为模糊评价的权重进行模糊综合评价。
所述的步骤1具体说明如下:
海洋溢油污染主要对天然渔业资源、渔业捕捞和养殖生产产生影响。因此可以用天然渔业资源损失量(y1)、渔业捕捞减少量(y2)和养殖生产减损量(y3)作为衡量渔业资源受损程度(eta)的指标。
决定渔业资源受损程度的因素有溢油污染程度、溢油位置、水文要素、应急系统和生物种群。
溢油污染程度是决定渔业资源受损程度最直接的因素。溢油污染程度包括溢油量、芳香烃含量、石油黏度和持久性等影响因素,其中溢油量是最基本、最重要的评价指标,溢油量越多,扩展范围越大,持续时间越久,溢油污染程度越严重。石油在水体中的毒性效应大多来自低分子量的芳香烃,芳香烃含量越多,石油的毒性越大,对海洋生物的损害越大,溢油污染程度越严重。石油的黏度越大,油污在水中越难扩散,溢油污染程度越严重。石油的持久性越强,溢油事故造成的影响越久,溢油污染程度越严重。油的持久性主要取决于油的挥发性,通常含碳原子少的要比含碳原子多的挥发性好。
溢油位置指标有离岸距离、海域敏感资源、海岸线类型。离岸越近,渔业资源分布越密集,受影响程度越大,溢油位置越差。海域敏感程度的高低体现了对溢油抵御能力的强弱,海域越敏感,溢油位置越差。油污接触不同类型的海岸地貌,清除的难易程度和经波浪冲刷后残留情况不同,表现为易损系数越大,溢油位置越差。
水文要素是决定渔业资源受损程度的重要因素。风速的大小决定了溢油的漂移扩散以及处理难度的大小,能见度主要影响应急反应措施的实施难度。海浪越大,油的扩展、分散、乳化就越迅速,乳化后的油对生物幼体和卵的危害较大。较高的温度可以加快溢油的蒸发,能降低遗留在海面上溢油的毒性。
溢油应急系统在一定程度上控制油污的运动行为,削弱污染影响。清污设备是溢油应急计划的实施基础,建立海区通讯和远程通讯保障系统,以保证各单位之间联络畅通,为防污、清污工作提供便利,应急人员的素质是开展应急工作的重要条件,快速的应急反应能力是开展应急工作的前提。
溢油对渔业资源的损害因种类的不同而不同,不同的生物对油的敏感程度不同,通常相对鱼类,底栖甲壳动物更容易受石油影响,同一种生物的幼体和卵比成体更容易受石油影响。因此可以用成鱼比重(鱼类成体数量与鱼类总数量的比重)、底栖甲壳动物成体比重(底栖甲壳动物成体数量占底栖甲壳动物总数量的比重)、鱼类与底栖甲壳动物比值(鱼类总数量与底栖甲壳动物总数量的比值)表示在溢油事故中生物种群的优劣。
渔业资源受损程度的影响因素和指标体系如下表1所示:
表1渔业资源受损程度的影响因素和指标体系
所述的步骤2具体说明如下:
步骤2的子步骤:
S2.1:模型假设。溢油污染程度、溢油位置、水文要素、应急系统对渔业资源受损程度产生一定的影响。根据步骤1的分析,本发明提出以下假设:
假设H1:溢油污染程度和渔业资源受损程度之间存在正相关关系。油污染能力越强,渔业资源受损程度就越严重;反之,溢油污染程度越弱,渔业资源受损程度就越轻。
假设H2:溢油位置和渔业资源受损程度之间存在反相关关系。溢油位置越优越,渔业资源受损程度就越轻;反之,溢油位置越差,渔业资源受损程度就越严重。
假设H3:水文要素和渔业资源受损程度之间存在反相关关系。水文要素越好,渔业资源受损程度就越轻;反之,水文要素越差,渔业资源受损程度就越严重。
假设H4:应急系统和渔业资源受损程度之间存在反相关关系。应急系统越强,渔业资源受损程度就越轻;反之,应急系统越弱,渔业资源受损程度就越严重。
假设H5:生物种群和渔业资源受损程度之间存在反相关关系。生物种群越优,渔业资源受损程度就越轻;反之,生物种群越差,渔业资源受损程度就越严重。
S2.2:模型设计。本文根据模型假设,以次溢油事故为样本,以渔业资源受损程度为内生潜变量,影响因素为外源潜变量,各指标为观测变量,构建渔业资源受损程度影响因素的结构方程模型。从图2中可以一目了然地看出各潜变量之间、潜变量与测量变量之间的结构关系及影响关系。
测量方程
结构方程
ηi=Bηi+Γξi+δi,i=1,2,…,n
其中xi=(x1i,x2i,…,x19i)′,ξi=(xi1i,xi2i,…,xi5i)′,ηi=etai
yi=(y1i,y2i,y3i)′,Λy=(Λy1,Λy2,Λy3)′,Γ=(Γ1,Γ2,Γ3,Γ4,Γ5)′,
S2.3:模型估计。本发明在理论假设基础上,导入样本数据,由于样本较小,用贝叶斯方法估计模型参数。
令可观测数据Y=((x′1,y′1)′,(x′2,y′2)′,…,(x′n,y′n)′)和潜在变量Ω=((ξ′1,η′1)′,(ξ′2,η′2)′,…,(ξ′n,η′n)′),并令θ表示包含Λx,Λy,B,Γ,∈i,
εi,δi,Ψ∈,Ψε和Ψδ中未知参数的向量。在贝叶斯方法中,借助MCMC方法抽样,通过Gibbs抽样从联合后验分布p(θ,Ω|Y)中抽取足够多的样本,样本收敛后利用经验分布近似后验分布。
Gibbs抽样实现如下:
在第t+1次迭代中,当前值为Ω(t)和θ(t)。
1.从p(Ω|θ(t),Y)中抽取Ω(t+1);
2.p(θ|Ω(t+1),Y)抽取θ(t+1)
令{(Ω(t),θ(t)):t=1,2,…,T}是给定Y时,通过Gibbs抽样从(θ,Ω)的联合后验分布中抽取的样本。θ的贝叶斯估计以及它们的方差估计可由下式计算得到:
S2.4:模型修正。贝叶斯估计显示潜变量间的标准化路径系数如下:
表2潜变量间的标准化路径系数
标准化路径系数反映各因素对渔业资源受损程度的影响程度。从表2中,可以很直观看出,对渔业资源受损程度影响最大的因素是“溢油污染程度”,其路径系数达到0.53,而“水文要素”而言,对渔业资源受损程度的影响是最小,路径系数只有0.03。因此剔除“水文要素”指标,而保留“溢油污染程度”、“溢油位置”、“应急系统”和“生物种群”四个因素。修正后的结构方程模型如图3所示。修正后的贝叶斯估计显示潜变量间的标准化路径系数和潜变量与观测变量的标准化路径系数如表3、4所示:
表3潜变量间的标准化路径系数
表4潜变量与观测变量的标准化路径系数
所述的步骤3的子步骤具体说明如下:
S3.1:海洋溢油污染对渔业资源的损害程度分级标准的确定
本发明在对众多实际海洋溢油事故案例广泛分析,以及征求相关专家意见的基础上,将海洋溢油污染对渔业资源的损害程度分为极轻损害、轻度损害、中度损害、重度损害、严重损害五个等级,分别取值为[0,0.1),[0.1,0.3),[0.3,0.6),[0.6,0.8),[0.8,1]。
S3.2:根据步骤2结构方程模型确定的关键因素,建立模糊综合评价的因素集,因素集分为二级指标,其中的一级指标在下文中常称为“因素”,二级指标常称为“指标”,因素集具体如表5所示:
表5模糊综合评价的因素集
S3.2:根据各指标的特征,拟定各隶属函数。
对定量指标通过隶属度函数曲线,采取定量的方法确定隶属度,其数学表达式为:
其中μ1j-μ5j分别为指标j对于极轻污染、轻度污染、中度污染、重度污染、严重污染的隶属度函数,V1j-V5j是指标j的5个分界点值,xj是指标j的观测值。
定性变量的隶属函数的确定则借鉴翁跃宗的相关研究,决策人员根据经验以及判断准则和方法所得到的各个指标的具体评价标准与五个危害程度等级建立对应关系,构造指标因素评价标准的隶属度模糊子集表来实现隶属函数的功能。
S3.3:将各指标的实际值带入隶属函数,因素为k的指标j的评价集为(Rkj1,…,Rkj5)′,单因素评价矩阵为:
S3.4:单因素模糊评价。由单因素评价矩阵和权重集,可得单因素的模糊评价为根据最大隶属度原则,得到单因素使这次溢油事故污染程度达到的等级。根据不同因素的污染程度评价结果可以针对性地提出溢油污染防治方案。
综合以上分析,本发明所述的基于本发明在模糊综合评价中引入结构方程模型评估海上渔业资源受损程度,既可以解决渔业资源受损程度评估中的“不确定”问题,又可以分析影响溢油污染因素的关系,综合结构方程和模糊综合评价两种方法的优点,使评价结果科学合理、符合客观实际。
Claims (1)
1.一种海洋溢油污染对渔业资源的损害评估方法,其特征在于它包括以下步骤:首先提取决定海洋溢油污染对渔业资源的损害程度的因素,分析渔业资源受损程度与决定因素的关系,并建立海洋溢油污染对渔业资源损害评估的指标体系;然后构建结构方程模型确定决定受损程度的关键因素、受损程度、关键因素的权重、以及各关键因素与对应指标的权重;最后结合两个权重,对海洋溢油污染对渔业资源的损害程度进行模糊综合评价分析;
所述的结构方程模型中内生潜变量为渔业资源受损程度,外源潜变量为决定损害程度的因素,内生观测变量为衡量渔业资源受损程度的指标,外源观测变量为衡量各决定因素对应的指标;
所述的模糊综合评价中因素集有两级,一级指标为决定因素,二级指标为各决定因素对应的指标;模糊综合评价中受损程度与决定因素的权重、决定因素与其对应指标的权重通过结构方程模型确定;
所述方法具体步骤如下:
1)海洋溢油污染对渔业资源的影响因素分析首先从受损对象出发,提取渔业资源受损程度的指标,接着从物理、化学和生物3个方面确定溢油污染对渔业资源损害的影响因素及对应的指标,具体如表1所示:
表1渔业资源受损程度的影响因素和指标体系
2)结构方程模型分析首先构建以渔业资源受损程度为内生潜变量、影响因素为外源潜变量、各指标为观测变量的结构方程模型;接着使用贝叶斯方法估计该模型参数,评价拟合结果,修正模型直至模型达到检验标准;具体步骤2)的子步骤:
(1)模型假设溢油污染程度、溢油位置、水文要素、应急系统对渔业资源受损程度产生一定的影响;根据步骤1)的分析,提出以下假设:
假设H1:溢油污染程度和渔业资源受损程度之间存在正相关关系;油污染能力越强,渔业资源受损程度就越严重;反之,溢油污染程度越弱,渔业资源受损程度就越轻;
假设H2:溢油位置和渔业资源受损程度之间存在反相关关系;溢油位置越优越,渔业资源受损程度就越轻;反之,溢油位置越差,渔业资源受损程度就越严重;
假设H3:水文要素和渔业资源受损程度之间存在反相关关系;水文要素越好,渔业资源受损程度就越轻;反之,水文要素越差,渔业资源受损程度就越严重;
假设H4:应急系统和渔业资源受损程度之间存在反相关关系;应急系统越强,渔业资源受损程度就越轻;反之,应急系统越弱,渔业资源受损程度就越严重;
假设H5:生物种群和渔业资源受损程度之间存在反相关关系;生物种群越优,渔业资源受损程度就越轻;反之,生物种群越差,渔业资源受损程度就越严重;
(2)模型设计根据模型假设,以溢油事故为样本,以渔业资源受损程度为内生潜变量,影响因素为外源潜变量,各指标为观测变量,构建渔业资源受损程度影响因素的结构方程模型:
测量方程
结构方程
ηi=Bηi+Γξi+δi,i=1,2,...,n,
其中
xi=(x1i,x2i,…,x19i)',ξi=(xi1i,xi2i,…,xi5i)',ηi=(η1i)'
yi=(y1i,y2i,y3i)’,Λy=(Λy1,Λy2,Λy3)’,Γ=(Γ1,Γ2,Γ3,Γ4,Γ5)’,
B表示内生潜变量η内服关系的系数矩阵;
是渔业资源受损程度与影响因素k的权重, 是因素k与各指标的权重,nk为因素k对应的指标数目,∈i、εi和δi是误差向量,服从和N(0,Ψδ),Ψe和Ψe为对角阵,参数Ψδ、Ψe、Ψδ分别表示误差向量∈i、εi和δi的方差,ξi和∈i、ηi和εi以及ξi和δi独立;
(3)模型估计在模型假设基础上,导入样本数据,由于样本较小,用贝叶斯方法估计模型参数;
令可观测数据Y=((x’1,y’1)’,(x’2,y’2)’,...,(x’n,y’n)’)和潜在变量Ω=((ξ’1,η’1)’,(ξ’2,η’2)’,...,(ξ’n,η’n)’)’,并令θ表示包含Λx,Λy,B,Γ,∈i,εi,δi,Ψe,Ψe和Ψδ中未知参数的向量;在贝叶斯方法中,借助MCMC方法抽样,通过Gibbs抽样从联合后验分布p(θ,Ω|Y)中抽取足够多的样本,样本收敛后利用经验分布近似后验分布;
Gibbs抽样实现如下:
在第t+1次迭代中,当前值为Ω(t)和θ(t);
1.从p(Ω|θ(t),Y)中抽取C(t+1);
2.p(θ|Ω(t+1),Y)抽取θ(t+1)
令{(Ω(t),θ(t):t=1,2,...,T}是给定Y时,通过Gibbs抽样从(θ,Ω)的联合后验分布中抽取的样本;θ的贝叶斯估计以及它们的方差估计可由下式计算得到:
(4)模型修正贝叶斯估计显示潜变量间的标准化路径系数如下:
表2潜变量间的标准化路径系数
标准化路径系数反映各因素对渔业资源受损程度的影响程度;从表2中,可以很直观看出,对渔业资源受损程度影响最大的因素是“溢油污染程度”,其路径系数达到0.53,而“水文要素”而言,对渔业资源受损程度的影响是最小,路径系数只有0.03;因此剔除“水文要素”指标,而保留“溢油污染程度”、“溢油位置”、“应急系统”和“生物种群”四个因素;修正后的贝叶斯估计显示潜变量间的标准化路径系数和潜变量与观测变量的标准化路径系数如表3、4所示:
表3潜变量间的标准化路径系数
表4潜变量与观测变量的标准化路径系数
3)模糊综合评价分析首先建立因素集、评价集及隶属函数,然后以结构方程模型确定的权重作模糊评价的权重作模糊综合评价;
所述的步骤3)的子步骤具体说明如下:
(1)海洋溢油污染对渔业资源的损害程度分级标准的确定
将海洋溢油污染对渔业资源的损害程度分为极轻损害、轻度损害、中度损害、重度损害、严重损害五个等级,分别取值为[0,0.1),[0.1,0.3),[0.3,0.6),[0.6,0.8),[0.8,1];
(2)根据步骤2)结构方程模型确定的关键因素,建立模糊综合评价的因素集,因素集分为二级指标,其中的一级指标在下文中常称为“因素”,二级指标常称为“指标”,因素集具体如表5所示:
表5模糊综合评价的因素集
(3)根据各指标的特征,拟定各隶属函数;
对定量指标通过隶属度函数曲线,采取定量的方法确定隶属度,其数学表达式为:
其中μ1j-μ5j分别为指标j对于极轻污染、轻度污染、中度污染、重度污染、严重污染的隶属度函数,V1j-V5j是指标j的5个分界点值,xj是指标j的观测值;
定性变量的隶属函数的确定:决策人员根据经验以及判断准则和方法所得到的各个指标的具体评价标准与五个危害程度等级建立对应关系,构造指标因素评价标准的隶属度模糊子集表来实现隶属函数的功能;
(4):将各指标的实际值带入隶属函数,因素为k的指标j的评价集为(Rkj1,...,Rkj5)′,单因素评价矩阵为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710122710.5A CN106910024B (zh) | 2017-03-03 | 2017-03-03 | 一种利用结构方程模糊综合评估海洋溢油渔业损害的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710122710.5A CN106910024B (zh) | 2017-03-03 | 2017-03-03 | 一种利用结构方程模糊综合评估海洋溢油渔业损害的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106910024A CN106910024A (zh) | 2017-06-30 |
CN106910024B true CN106910024B (zh) | 2021-03-26 |
Family
ID=59186341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710122710.5A Active CN106910024B (zh) | 2017-03-03 | 2017-03-03 | 一种利用结构方程模糊综合评估海洋溢油渔业损害的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106910024B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108983994B (zh) * | 2018-06-11 | 2021-10-29 | 山东省海洋资源与环境研究院 | 一种lims系统中海洋生物鉴定智能输入和标准化输出系统 |
CN109145951B (zh) * | 2018-07-23 | 2022-04-12 | 昆明理工大学 | 一种基于贝叶斯网络的隧道衬砌结构服役状况评价方法 |
CN112304815B (zh) * | 2020-10-26 | 2021-08-31 | 中国水产科学研究院黄海水产研究所 | 一种海洋沉积物微塑料污染水平的评估方法 |
CN114971345B (zh) * | 2022-06-08 | 2023-04-18 | 东南大学 | 一种建成环境品质测度方法、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102369459A (zh) * | 2009-04-01 | 2012-03-07 | 雪佛龙美国公司 | 用于执行地质盆地分析的方法和系统 |
CN103146805A (zh) * | 2013-03-07 | 2013-06-12 | 中国水产科学研究院黄海水产研究所 | 一种基于整合生物标志物法的海洋溢油污染的贝类监测方法 |
CN104750996A (zh) * | 2015-04-07 | 2015-07-01 | 中国水产科学研究院黄海水产研究所 | 一种渔业环境中石油类污染物环境风险评价方法 |
CN105389650A (zh) * | 2015-10-26 | 2016-03-09 | 国家海洋局北海环境监测中心 | 一种海洋岸滩溢油污染监测与评价系统及方法 |
CN105631198A (zh) * | 2015-12-22 | 2016-06-01 | 中国船舶重工集团公司第七一五研究所 | 一种基于模糊层次分析的海洋噪声场处理性能评估方法 |
CN106339796A (zh) * | 2016-08-17 | 2017-01-18 | 国家海洋局北海环境监测中心 | 一种海洋溢油风险评估方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096834B (zh) * | 2016-06-02 | 2020-07-24 | 安徽建筑大学 | 一种基于sem-fsvm的煤矿安全管理风险评价方法 |
CN106060077A (zh) * | 2016-07-05 | 2016-10-26 | 杨林 | 一种海洋网络安全风险评估系统 |
-
2017
- 2017-03-03 CN CN201710122710.5A patent/CN106910024B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102369459A (zh) * | 2009-04-01 | 2012-03-07 | 雪佛龙美国公司 | 用于执行地质盆地分析的方法和系统 |
CN103146805A (zh) * | 2013-03-07 | 2013-06-12 | 中国水产科学研究院黄海水产研究所 | 一种基于整合生物标志物法的海洋溢油污染的贝类监测方法 |
CN104750996A (zh) * | 2015-04-07 | 2015-07-01 | 中国水产科学研究院黄海水产研究所 | 一种渔业环境中石油类污染物环境风险评价方法 |
CN105389650A (zh) * | 2015-10-26 | 2016-03-09 | 国家海洋局北海环境监测中心 | 一种海洋岸滩溢油污染监测与评价系统及方法 |
CN105631198A (zh) * | 2015-12-22 | 2016-06-01 | 中国船舶重工集团公司第七一五研究所 | 一种基于模糊层次分析的海洋噪声场处理性能评估方法 |
CN106339796A (zh) * | 2016-08-17 | 2017-01-18 | 国家海洋局北海环境监测中心 | 一种海洋溢油风险评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106910024A (zh) | 2017-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106910024B (zh) | 一种利用结构方程模糊综合评估海洋溢油渔业损害的方法 | |
Azovsky | Species–area and species–sampling effort relationships: disentangling the effects | |
Karakassis et al. | Fish farming impacts in the Mediterranean studied through sediment profiling imagery | |
Cha et al. | Probabilistic prediction of cyanobacteria abundance in a Korean reservoir using a Bayesian Poisson model | |
Ellis et al. | Ecological survey of Tauranga harbour | |
Sikder et al. | Seasonal variations in colonization dynamics of periphytic protozoa in coastal waters of the Yellow Sea, northern China | |
Roura et al. | Short-term meso-scale variability of mesozooplankton communities in a coastal upwelling system (NW Spain) | |
Zhu et al. | A hybrid decomposition and Machine learning model for forecasting Chlorophyll-a and total nitrogen concentration in coastal waters | |
Lardicci et al. | Detection of stress on macrozoobenthos: evaluation of some methods in a coastal Mediterranean lagoon | |
Pagola-Carte et al. | Concordance degrees in macrozoobenthic monitoring programmes using different sampling methods and taxonomic resolution levels | |
Jupke et al. | Evaluating the biological validity of European river typology systems with least disturbed benthic macroinvertebrate communities | |
Kenitz et al. | Environmental and ecological drivers of harmful algal blooms revealed by automated underwater microscopy | |
Borden et al. | Phylogeography and postglacial dispersal of smallmouth bass (Micropterus dolomieu) into the Great Lakes | |
Bandelj et al. | Fuzziness and heterogeneity of benthic metacommunities in a complex transitional system | |
Moreira et al. | Distribution of the molluscan fauna in subtidal soft bottoms of the Ensenada de Baiona (NW Spain) | |
Liu | Water quality criteria green book of China | |
Dehghan Madiseh et al. | Benthic invertebrate community in Khur-e-Mussa creeks in northwest of Persian Gulf and the application of the AMBI (AZTI's Marine Biotic Index) | |
Frontalini et al. | Agglutinated vs. calcareous foraminiferal assemblages as bathymetric proxies | |
Li et al. | Application of a self-organizing map and canonical correspondence analysis in modern benthic foraminiferal communities: A case study from the Pearl River estuary, China | |
Chu et al. | Assessment of sediment quality in Jiangsu coastal ocean based on grey clustering method | |
Folkers et al. | Community analysis of sublittoral Harpacticoida (Copepoda, Crustacea) in the western Baltic Sea | |
Gogina | Investigation of interrelations between sediment and near-bottom environmental parameters and macrozoobenthic distribution patterns for the Baltic Sea | |
Kronvang | The Interactions between Sediments and Water: Proceedings of the 9th International Symposium on the Interactions between Sediments and Water, held 5–10 May 2002 in Banff, Alberta, Canada | |
Marziali et al. | Benthic macroinvertebrates as water quality indicators in Italian lakes | |
Guzman-Alvis et al. | Influence of a tropical lagoon discharge and depth on the structure of adjacent shelf macroinfauna (Southern Caribbean) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |