CN109272182A - 一种基于可变模糊决策理论的水资源效益动态评价方法 - Google Patents

一种基于可变模糊决策理论的水资源效益动态评价方法 Download PDF

Info

Publication number
CN109272182A
CN109272182A CN201810683536.6A CN201810683536A CN109272182A CN 109272182 A CN109272182 A CN 109272182A CN 201810683536 A CN201810683536 A CN 201810683536A CN 109272182 A CN109272182 A CN 109272182A
Authority
CN
China
Prior art keywords
index
decision
benefit
water resources
model
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.)
Withdrawn
Application number
CN201810683536.6A
Other languages
English (en)
Inventor
吕素冰
赵衡
王富强
康萍萍
魏怀斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China University of Water Resources and Electric Power
Original Assignee
North China University of Water Resources and Electric Power
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by North China University of Water Resources and Electric Power filed Critical North China University of Water Resources and Electric Power
Priority to CN201810683536.6A priority Critical patent/CN109272182A/zh
Publication of CN109272182A publication Critical patent/CN109272182A/zh
Withdrawn legal-status Critical Current

Links

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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment

Abstract

本发明涉及一种基于可变模糊决策理论的水资源效益动态评价方法，它包括以下步骤：步骤1，构建水资源效益动态评价模型；步骤2，对步骤1中的指标值进行无量纲化处理；步骤3，确定定性指标和定量指标的权向量；步骤4，利用可变模糊决策理论评价水资源综合效益，得出各方案的相对优属度；本发明考虑定性指标对水资源效益评价的影响，构建同时包含定量和定性指标的水资源效益动态评价指标体系，运用可变模糊集理论中的可变模糊决策模型，通过模型的指标权重、指标标准值等重要模型参数的变化以及对模型集的求解，解决了目前水资源效益评价方法在选取评价指标难以量化、评价指标不完备以及评价模型单一化的问题，提高了优选决策的可信度和可靠性。

Description

一种基于可变模糊决策理论的水资源效益动态评价方法
技术领域
本发明专利属于水资源管理综合领域，具体涉及一种基于可变模糊决策理论的水资源效益动态评价方法。
背景技术
水资源是人类以及一切生物生存的先决条件，是促进社会发展、社会进步和生态环境改善必不可少的重要物质；因此，研究水资源利用可持续程度，对水资源综合规划实施后进行宏观经济社会效益评价，评价其与社会经济发展之间的协调程度具有重要意义。
水资源综合效益评价涉及经济、生态环境、社会、技术、资源等多个领域的相关指标，其中有些指标是定量的，如粮食产量和工业产值的增加，有些却是难以量化的定性指标，如水资源的综合利用提升当地人民的生活满意程度等，因此，水资源综合效益评价体系是一个多层次、既有定量指标又有定性指标的多目标半结构性评价体系；目前，黄土高原小流域、黑河中游梨园灌区等水资源利用效益评价体系已建立，并且利用层次分析法进行评价；但是现有评价存有以下两点不足：一是目前的评价方法多用层次分析法、构建一个数学模型，将复杂的多目标评价模型按单一的评价模型求解；二是评价指标体系中多涉及定量指标的分析，对于一些生态环境和社会效益中难以量化的定性指标很少提及或只是简单的文字叙述而没有列入指标体系，从而影响评价的可靠性；因此，提供一种考虑定性指标对水资源效益评价的影响、构建同时包含定量和定性指标的基于可变模糊决策理论的水资源效益动态评价方法是非常必要的。
发明内容
本发明的目的是为了克服现有技术的不足，而提供一种考虑定性指标对水资源效益评价的影响、构建同时包含定量和定性指标的基于可变模糊决策理论的水资源效益动态评价方法。
本发明的目的是这样实现的：一种基于可变模糊决策理论的水资源效益动态评价方法，它包括以下步骤：
步骤1，构建水资源效益动态评价模型
动态评价模型共分为三层结构，其中，最高层为目标层，即综合效益；中间层为准则层，包括经济效益、生态环境效益和社会效益；最底层为指标层，包括17个涵盖定量指标和定性指标反映效益的具体指标；具体如下表所示：
步骤2，对步骤1中的指标值进行无量纲化处理
1）定量指标
步骤1中的14个定量指标，只有地表水资源开发程度C1和地下水资源开发程度C2是越小越优，其余均为越大越优；
2）定性指标
通过二元对比计算定性指标的相对优属度；
步骤3，确定定性指标和定量指标的权向量
根据二元对比法，确定各指标的权向量，首先得到通过检验的指标重要性排序一致性标度矩阵，然后对指标做关于重要性程度的二元对比判断，并利用语气算子与相对隶属度之间的关系表，得到评价指标的权向量；
其中，语气算子与相对隶属度关系如下表所示：
语气算子 同样 稍稍 略为 较为 明显 显著
定量标度 0.50 0.55 0.60 0.65 0.70 0.75
相对隶属度 1.0 0.818 0.667 0.538 0.429 0.333
语气算子 十分 非常 极其 极端 无可比拟
定量标度 0.80 0.85 0.90 0.95 1.0
相对隶属度 0.250 0.176 0.111 0.053 0
步骤4，利用可变模糊决策理论评价水资源综合效益，得出各方案的相对优属度
在一定时空条件组合下的模糊概念常具有相对性或动态可变性，相应地，描述它们的隶属度、隶属函数也应是相对的、动态的，可变模糊集理论是在相对隶属度定义的基础上发展而来：
1）两级可变模糊决策模型
对于两级可变模糊决策，有：
（1）
其中，
式中：为决策集（j=1，2，…，n；n为决策数）综合相对优属度，为决策j对优的距离，为决策j对劣的距离，为指标权重，为优化准则，为距离；
2）可变模糊模式识别模型
两级可变模糊决策模型只是涉及优、劣两个极端，通过后续的实例分析发现，此模型对评价结果较为粗劣，同一方案不同模型指标的相对优的隶属度之间差异较大；并且水资源利用是一个连续动态、逐步发展的过程，不仅要对其效益评价优劣，还需要对利用方案进行等级评价；因此,在分析两级可变模糊模型的基础上，进一步分析可变模糊模式识别模型：
（2）
式中：h为级别，为决策集（j=1，2，…，n；n为决策数）综合相对优属度，为决策j的级别下限值，为决策j的级别上限值，为级别h指标i标准特征值的相对隶属度，为决策j与级别h之间差异的广义权距离，为指标权重。
所述的公式（1）中，α=1为最小一乘方准则，α=2为最小二乘方准则；p=1为海明距离，p=2为欧氏距离。
所述的步骤2中，地表水资源开发程度C1和地下水资源开发程度C2是利用公式进行无量纲化计算，其它定量指标是利用公式进行无量纲化计算。
所述的公式（1）中α和p有四种搭配：α=1，p=1；α=1，p=2；α=2，p=1；α=2，p=2，从而构成四个计算模型：
①α=1，p=1时，有，此时该式为线性的模糊综合评判模型；
②α=1，p=2时，有在和表达式中，取p=2，此时该式为理想点模型；
③α=2，p=1时，有
此时该式为Sigmoid型即S型函数，可用以描述神经网络系统中神经元的非线性特性或激励函数；
④α=2，p=2时，有
此时该式为模糊优选模型。
所述的公式（2）中α和p有四种搭配：α=1，p=1；α=1，p=2；α=2，p=1；α=2，p=2，从而构成四个计算模型：
①α=1，p=1时，有
其中，，；
②α=1，p=2，有
其中，，；
③α=2，p=1，有
其中，，；
④α=2，p=2，有
其中，，。
本发明的有益效果：水资源效益评价体系是一个综合经济效益、生态环境效益和社会效益，既有定量指标又有定性指标的多层次半结构性体系，目前水资源效益评价模型单一并且较少涉及定性指标的影响，降低了评价的可靠性，针对现有技术的缺点，本发明考虑定性指标对水资源效益评价的影响，构建同时包含定量和定性指标的水资源效益动态评价指标体系，运用可变模糊集理论中的可变模糊决策模型，通过模型的指标权重、指标标准值等重要模型参数的变化以及对模型集的求解，解决了目前水资源效益评价方法在选取评价指标难以量化、评价指标不完备以及评价模型单一化的技术问题，提高了优选决策的可信度和可靠性。
附图说明
图1是本发明一种基于可变模糊决策理论的水资源效益动态评价方法的流程图。
具体实施方式
下面结合附图对本发明做进一步的说明。
实施例1
如图1所示，一种基于可变模糊决策理论的水资源效益动态评价方法，它包括以下步骤：
步骤1，构建水资源效益动态评价模型
动态评价模型共分为三层结构，其中，最高层为目标层，即综合效益；中间层为准则层，包括经济效益、生态环境效益和社会效益；最底层为指标层，包括17个涵盖定量指标和定性指标反映效益的具体指标；具体如下表所示：
步骤2，对步骤1中的指标值进行无量纲化处理
1）定量指标
步骤1中的14个定量指标，只有地表水资源开发程度C1和地下水资源开发程度C2是越小越优，其余均为越大越优；
2）定性指标
通过二元对比计算定性指标的相对优属度；
步骤3，确定定性指标和定量指标的权向量
根据二元对比法，确定各指标的权向量，首先得到通过检验的指标重要性排序一致性标度矩阵，然后对指标做关于重要性程度的二元对比判断，并利用语气算子与相对隶属度之间的关系表，得到评价指标的权向量；
其中，语气算子与相对隶属度关系如下表所示：
语气算子 同样 稍稍 略为 较为 明显 显著
定量标度 0.50 0.55 0.60 0.65 0.70 0.75
相对隶属度 1.0 0.818 0.667 0.538 0.429 0.333
语气算子 十分 非常 极其 极端 无可比拟
定量标度 0.80 0.85 0.90 0.95 1.0
相对隶属度 0.250 0.176 0.111 0.053 0
步骤4，利用可变模糊决策理论评价水资源综合效益，得出各方案的相对优属度
在一定时空条件组合下的模糊概念常具有相对性或动态可变性，相应地，描述它们的隶属度、隶属函数也应是相对的、动态的，可变模糊集理论是在相对隶属度定义的基础上发展而来：
1）两级可变模糊决策模型
对于两级可变模糊决策，有：
（1）
其中，
式中：为决策集（j=1，2，…，n；n为决策数）综合相对优属度，为决策j对优的距离，为决策j对劣的距离，为指标权重，α为优化准则，p为距离；
2）可变模糊模式识别模型
两级可变模糊决策模型只是涉及优、劣两个极端，通过后续的实例分析发现，此模型对评价结果较为粗劣，同一方案不同模型指标的相对优的隶属度之间差异较大；并且水资源利用是一个连续动态、逐步发展的过程，不仅要对其效益评价优劣，还需要对利用方案进行等级评价；因此,在分析两级可变模糊模型的基础上，进一步分析可变模糊模式识别模型：
（2）
式中：h为级别，u hj 为决策集（j=1，2，…，n；n为决策数）综合相对优属度，为决策j的级别下限值，为决策j的级别上限值，为级别h指标i标准特征值的相对隶属度，为决策j与级别h之间差异的广义权距离，为指标权重。
本发明中的水资源效益的动态评价模型共包括17个涵盖有14个定量指标和3个定性指标的指标层，并分别对定量指标和定性指标进行无量纲化处理，然后再确定定性指标和定量指标的权向量，最后利用可变模糊决策理论评价水资源综合效益，进而得出各方案的相对优属度，本发明考虑定性指标对水资源效益评价的影响，构建同时包含定量和定性指标的水资源效益动态评价指标体系，运用可变模糊集理论中的可变模糊决策模型，通过模型的指标权重、指标标准值等重要模型参数的变化以及对模型集的求解，解决了目前水资源效益评价方法在选取评价指标难以量化、评价指标不完备以及评价模型单一化的技术问题，提高了优选决策的可信度和可靠性。
实施例2
如图1所示，一种基于可变模糊决策理论的水资源效益动态评价方法，它包括以下步骤：
步骤1，构建水资源效益动态评价模型
动态评价模型共分为三层结构，其中，最高层为目标层，即综合效益；中间层为准则层，包括经济效益、生态环境效益和社会效益；最底层为指标层，包括17个涵盖定量指标和定性指标反映效益的具体指标；具体如下表所示：
步骤2，对步骤1中的指标值进行无量纲化处理
1）定量指标
步骤1中的14个定量指标，只有地表水资源开发程度C1和地下水资源开发程度C2是越小越优，其余均为越大越优；
2）定性指标
通过二元对比计算定性指标的相对优属度；
步骤3，确定定性指标和定量指标的权向量
根据二元对比法，确定各指标的权向量，首先得到通过检验的指标重要性排序一致性标度矩阵，然后对指标做关于重要性程度的二元对比判断，并利用语气算子与相对隶属度之间的关系表，得到评价指标的权向量；
其中，语气算子与相对隶属度关系如下表所示：
语气算子 同样 稍稍 略为 较为 明显 显著
定量标度 0.50 0.55 0.60 0.65 0.70 0.75
相对隶属度 1.0 0.818 0.667 0.538 0.429 0.333
语气算子 十分 非常 极其 极端 无可比拟
定量标度 0.80 0.85 0.90 0.95 1.0
相对隶属度 0.250 0.176 0.111 0.053 0
步骤4，利用可变模糊决策理论评价水资源综合效益，得出各方案的相对优属度
在一定时空条件组合下的模糊概念常具有相对性或动态可变性，相应地，描述它们的隶属度、隶属函数也应是相对的、动态的，可变模糊集理论是在相对隶属度定义的基础上发展而来：
1）两级可变模糊决策模型
对于两级可变模糊决策，有：
（1）
其中，
式中：为决策集（j=1，2，…，n；n为决策数）综合相对优属度，为决策j对优的距离，为决策j对劣的距离，为指标权重，为优化准则，为距离；
2）可变模糊模式识别模型
两级可变模糊决策模型只是涉及优、劣两个极端，通过后续的实例分析发现，此模型对评价结果较为粗劣，同一方案不同模型指标的相对优的隶属度之间差异较大；并且水资源利用是一个连续动态、逐步发展的过程，不仅要对其效益评价优劣，还需要对利用方案进行等级评价；因此,在分析两级可变模糊模型的基础上，进一步分析可变模糊模式识别模型：
（2）
式中：h为级别，为决策集（j=1，2，…，n；n为决策数）综合相对优属度，为决策j的级别下限值，为决策j的级别上限值，为级别h指标i标准特征值的相对隶属度，为决策j与级别h之间差异的广义权距离，为指标权重；
所述的公式（1）中，α=1为最小一乘方准则，α=2为最小二乘方准则；p=1为海明距离，p=2为欧氏距离；
所述的步骤2中，地表水资源开发程度C1和地下水资源开发程度C2是利用公式进行无量纲化计算，其它定量指标是利用公式进行无量纲化计算；所述的公式（1）中α和p有四种搭配：α=1，p=1；α=1，p=2；α=2，p=1；α=2，p=2，从而构成四个计算模型：
①α=1，p=1时，有，此时该式为线性的模糊综合评判模型；
②α=1，p=2时，有，在和表达式中，取p=2，此时该式为理想点模型；
③α=2，p=1时，有
此时该式为Sigmoid型即S型函数，可用以描述神经网络系统中神经元的非线性特性或激励函数；
④α=2，p=2时，有
此时该式为模糊优选模型；
所述的公式（2）中α和p有四种搭配：α=1，p=1；α=1，p=2；α=2，p=1；α=2，p=2，从而构成四个计算模型：
①α=1，p=1时，有
其中，，；
②α=1，p=2，有
其中，，；
③α=2，p=1，有
其中，，；
④α=2，p=2，有
其中，，。
本发明中的水资源效益的动态评价模型共包括17个涵盖有14个定量指标和3个定性指标的指标层，并分别对定量指标和定性指标进行无量纲化处理，然后再确定定性指标和定量指标的权向量，最后利用可变模糊决策理论评价水资源综合效益，进而得出各方案的相对优属度，本发明考虑定性指标对水资源效益评价的影响，构建同时包含定量和定性指标的水资源效益动态评价指标体系，运用可变模糊集理论中的可变模糊决策模型，通过模型的指标权重、指标标准值等重要模型参数的变化以及对模型集的求解，解决了目前水资源效益评价方法在选取评价指标难以量化、评价指标不完备以及评价模型单一化的技术问题，提高了优选决策的可信度和可靠性。
例如：
步骤1，构建某灌区水资源综合效益动态评价指标体系，如下表所示：
步骤2，对步骤1中的指标值进行无量纲化处理
对于14个定量指标，只有和是越小越优，其余均为越大越优。越小越优指标利用和越大越优指标利用进行无量纲化计算。通过二元对比计算定性指标的优属度矩阵，然后将定量和定性指标综合，三种效益的指标相对优属度矩阵如下：
步骤3，确定指标权向量
根据二元对比法，确定各指标的权向量，首先得到通过检验的指标重要性排序一致性标度矩阵，然后对指标做关于重要性程度的二元比较判断，并利用语气算子与相对隶属度之间的关系表，得到评价指标的权向量：经济效益指标对于重要性的相对隶属度向量为，归一化即得子经济效益中7个指标的权向量为；同理：生态环境中4个指标的权向量为；社会效益中6个指标的权向量为；3个子系统的指标权向量为；
步骤4，计算水资源综合效益优属度
1）两级可变模糊决策模型
将数据代入各公式，计算出两级可变模糊决策模型四个模型的相对优属度，如下表所示：
通过上表，根据方案相对隶属度最大或特征值最小原则，可以明显看出方案3优于方案2优于方案1，但是模型α=1 p=1，α=1 p=2与模型α=2 p=1、α=2 p=2之间，同方案相对优属度计算结果横向比较相差较大，结果的说服力不够、可信度稍差；
2）可变模糊模式识别模型
为了更好的对方案进行评判，分析计算可变模糊模式识别模型，根据五级相对优属度标准值向量取值S=(1.0，0.8，0.6，0.3，0)对应的优、良、中、可、劣对方案进行评判，计算结果如下表所示：
与两级可变模糊决策模型相比较，同方案相对优属度横向比较，变动幅度较小，结果较稳定。根据五级相对优属度标准值向量取值S=(1.0，0.8，0.6，0.3，0)对应的优、良、中、可、劣，有方案1为中偏良，方案2为良，方案3为优，灌区规划年效益呈逐渐增长趋势。

Claims (5)

1.一种基于可变模糊决策理论的水资源效益动态评价方法，其特征在于：它包括以下步骤：
步骤1，构建水资源效益动态评价模型
动态评价模型共分为三层结构，其中，最高层为目标层，即综合效益；中间层为准则层，包括经济效益、生态环境效益和社会效益；最底层为指标层，包括17个涵盖定量指标和定性指标反映效益的具体指标；具体如下表所示：
步骤2，对步骤1中的指标值进行无量纲化处理
1）定量指标
步骤1中的14个定量指标，只有地表水资源开发程度C1和地下水资源开发程度C2是越小越优，其余均为越大越优；
2）定性指标
通过二元对比计算定性指标的相对优属度；
步骤3，确定定性指标和定量指标的权向量
根据二元对比法，确定各指标的权向量，首先得到通过检验的指标重要性排序一致性标度矩阵，然后对指标做关于重要性程度的二元对比判断，并利用语气算子与相对隶属度之间的关系表，得到评价指标的权向量；
其中，语气算子与相对隶属度关系如下表所示：
语气算子 同样 稍稍 略为 较为 明显 显著 定量标度 0.50 0.55 0.60 0.65 0.70 0.75 相对隶属度 1.0 0.818 0.667 0.538 0.429 0.333 语气算子 十分 非常 极其 极端 无可比拟 定量标度 0.80 0.85 0.90 0.95 1.0 相对隶属度 0.250 0.176 0.111 0.053 0
步骤4，利用可变模糊决策理论评价水资源综合效益，得出各方案的相对优属度
在一定时空条件组合下的模糊概念常具有相对性或动态可变性，相应地，描述它们的隶属度、隶属函数也应是相对的、动态的，可变模糊集理论是在相对隶属度定义的基础上发展而来：
1）两级可变模糊决策模型
对于两级可变模糊决策，有：
（1）
其中，
式中：为决策集（j=1，2，…，n；n为决策数）综合相对优属度，为决策j对优的距离，为决策j对劣的距离，为指标权重，为优化准则，为距离；
2）可变模糊模式识别模型
两级可变模糊决策模型只是涉及优、劣两个极端，通过后续的实例分析发现，此模型对评价结果较为粗劣，同一方案不同模型指标的相对优的隶属度之间差异较大；并且水资源利用是一个连续动态、逐步发展的过程，不仅要对其效益评价优劣，还需要对利用方案进行等级评价；因此,在分析两级可变模糊模型的基础上，进一步分析可变模糊模式识别模型：
（2）
式中：h为级别，为决策集（j=1，2，…，n；n为决策数）综合相对优属度，为决策j的级别下限值，为决策j的级别上限值，为级别h指标i标准特征值的相对隶属度，为决策j与级别h之间差异的广义权距离，为指标权重。
2.根据权利要求1所述的一种基于可变模糊决策理论的水资源效益动态评价方法，其特征在于：所述的公式（1）中，α=1为最小一乘方准则，α=2为最小二乘方准则；p=1为海明距离，p=2为欧氏距离。
3.根据权利要求1所述的一种基于可变模糊决策理论的水资源效益动态评价方法，其特征在于：所述的步骤2中，地表水资源开发程度C1和地下水资源开发程度C2是利用公式进行无量纲化计算，其它定量指标是利用公式进行无量纲化计算。
4.根据权利要求1所述的一种基于可变模糊决策理论的水资源效益动态评价方法，其特征在于：所述的公式（1）中α和p有四种搭配：α=1，p=1；α=1，p=2；α=2，p=1；α=2，p=2，从而构成四个计算模型：
①α=1，p=1时，有，此时该式为线性的模糊综合评判模型；
②α=1，p=2时，有，在和表达式中，取p=2，此时该式为理想点模型；
③α=2，p=1时，有
此时该式为Sigmoid型即S型函数，可用以描述神经网络系统中神经元的非线性特性或激励函数；
④α=2，p=2时，有
此时该式为模糊优选模型。
5.根据权利要求1所述的一种基于可变模糊决策理论的水资源效益动态评价方法，其特征在于：所述的公式（2）中α和p有四种搭配：α=1，p=1；α=1，p=2；α=2，p=1；α=2，p=2，从而构成四个计算模型：
①α=1，p=1时，有
其中，，；
②α=1，p=2，有
其中，，；
③α=2，p=1，有
其中，，；
④α=2，p=2，有
其中，，。
CN201810683536.6A 2018-06-28 2018-06-28 一种基于可变模糊决策理论的水资源效益动态评价方法 Withdrawn CN109272182A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810683536.6A CN109272182A (zh) 2018-06-28 2018-06-28 一种基于可变模糊决策理论的水资源效益动态评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810683536.6A CN109272182A (zh) 2018-06-28 2018-06-28 一种基于可变模糊决策理论的水资源效益动态评价方法

Publications (1)

Publication Number Publication Date
CN109272182A true CN109272182A (zh) 2019-01-25

Family

ID=65148077

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810683536.6A Withdrawn CN109272182A (zh) 2018-06-28 2018-06-28 一种基于可变模糊决策理论的水资源效益动态评价方法

Country Status (1)

Country Link
CN (1) CN109272182A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109948257A (zh) * 2019-03-21 2019-06-28 中海石油(中国)有限公司上海分公司 一种钻头选型方法及其装置、设备和存储介质
CN112945234A (zh) * 2021-01-25 2021-06-11 中国人民解放军63963部队 一种基于健康状态的野外条件下路径规划方法
CN113153229A (zh) * 2021-04-23 2021-07-23 河北工业大学 一种页岩气绿色开发方案的筛选方法及装置
CN114037332A (zh) * 2021-11-22 2022-02-11 济南大学 一种咸水资源安全利用效应评价的方法及系统
CN115186235A (zh) * 2022-09-13 2022-10-14 中国兵器科学研究院 一种目标价值排序方法、系统、设备及介质
CN117391861A (zh) * 2023-12-11 2024-01-12 广州市交通规划研究院有限公司 一种基于云平台的低碳积分的核算交易方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
吕素冰等: ""水资源效益综合评价的可变模糊决策理论及应用"", 《大连理工大学学报》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109948257A (zh) * 2019-03-21 2019-06-28 中海石油(中国)有限公司上海分公司 一种钻头选型方法及其装置、设备和存储介质
CN112945234A (zh) * 2021-01-25 2021-06-11 中国人民解放军63963部队 一种基于健康状态的野外条件下路径规划方法
CN113153229A (zh) * 2021-04-23 2021-07-23 河北工业大学 一种页岩气绿色开发方案的筛选方法及装置
CN114037332A (zh) * 2021-11-22 2022-02-11 济南大学 一种咸水资源安全利用效应评价的方法及系统
CN115186235A (zh) * 2022-09-13 2022-10-14 中国兵器科学研究院 一种目标价值排序方法、系统、设备及介质
CN117391861A (zh) * 2023-12-11 2024-01-12 广州市交通规划研究院有限公司 一种基于云平台的低碳积分的核算交易方法及系统

Similar Documents

Publication Publication Date Title
CN109272182A (zh) 一种基于可变模糊决策理论的水资源效益动态评价方法
Du et al. Multi-step ahead forecasting in electrical power system using a hybrid forecasting system
Peng et al. Urban economic structure, technological externalities, and intensive land use in China
Galperina et al. The concept of smart economy as the basis for sustainable development of Ukraine
CN104408562B (zh) 一种基于bp神经网络的光伏系统发电效率综合评估方法
CN106446478B (zh) 一种切削加工工艺优选方法
CN103514457A (zh) 生态约束条件下土地利用结构优化的多目标改进差分进化模型
Khan et al. Evaluating the performance of several data mining methods for predicting irrigation water requirement
CN109272179A (zh) 一种太阳能发电投资效益综合评价系统实现方法
Wang et al. A multivariate statistical input–output model for analyzing water-carbon nexus system from multiple perspectives-Jing-Jin-Ji region
CN109271424A (zh) 一种基于密度的参数自适应聚类方法
Niu et al. Improved TOPSIS method for power distribution network investment decision-making based on benefit evaluation indicator system
CN106022975A (zh) 一种水资源开发利用效率评价方法及其应用
Du et al. Selection of leading industries for coal resource cities based on coupling coordination of industry’s technological innovation
Wang et al. Review of evaluation on ecological carrying capacity: The progress and trend of methodology
Yu et al. Forecasting model of agricultural products prices in wholesale markets based on combined BP neural network-time series model
Liu et al. Evaluating the development efficiency of cultural industry by a bilateral SFA model.
CN108364136B (zh) 一种基于证据推理的水资源短缺风险分析方法及系统
de Almeida et al. A case study on environmental sustainability: A study of the trophic changes in fish species as a result of the damming of rivers through clustering analysis
Cong et al. New smart city clusters’ construction level evaluation under economic circles: the case of Shandong, China
Xie et al. Comprehensive evaluation of urban economic development in Yangtze river Delta based on Cluster-Principal Component analysis
Zhang et al. Research on Employment Efficiency Evaluation of financial graduates based on DEA Tobit two stage method
Wang et al. Spatiotemporal interactions and influencing factors for carbon emission efficiency of cities in the Yangtze River Economic Belt, China
HOSSEINZADEH et al. Calculating the Sustainable Supply Chain Performance in the Cement Industry (Application of Network Data Envelopment Analysis Model)
Cui et al. Exploring and predicting China’s consumer price index with its influence factors via big data analysis

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20190125