CN114048973A - 一种基于组合赋权的河流水质等级评价方法 - Google Patents
一种基于组合赋权的河流水质等级评价方法 Download PDFInfo
- Publication number
- CN114048973A CN114048973A CN202111263133.4A CN202111263133A CN114048973A CN 114048973 A CN114048973 A CN 114048973A CN 202111263133 A CN202111263133 A CN 202111263133A CN 114048973 A CN114048973 A CN 114048973A
- Authority
- CN
- China
- Prior art keywords
- water quality
- evaluation
- index
- factor
- weight
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 87
- 238000011156 evaluation Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 claims abstract description 110
- 238000004364 calculation method Methods 0.000 claims abstract description 51
- 238000000556 factor analysis Methods 0.000 claims abstract description 22
- 238000013441 quality evaluation Methods 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims abstract description 14
- 239000002352 surface water Substances 0.000 claims abstract description 10
- 238000011160 research Methods 0.000 claims abstract description 9
- 238000002790 cross-validation Methods 0.000 claims abstract description 7
- 238000010801 machine learning Methods 0.000 claims abstract description 6
- 238000005259 measurement Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 26
- 238000012706 support-vector machine Methods 0.000 claims description 5
- 230000001427 coherent effect Effects 0.000 claims description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 9
- 239000001301 oxygen Substances 0.000 description 9
- 229910052760 oxygen Inorganic materials 0.000 description 9
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 8
- 238000012360 testing method Methods 0.000 description 6
- KRHYYFGTRYWZRS-UHFFFAOYSA-M Fluoride anion Chemical compound [F-] KRHYYFGTRYWZRS-UHFFFAOYSA-M 0.000 description 4
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 4
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 4
- 229910052757 nitrogen Inorganic materials 0.000 description 4
- 229910052698 phosphorus Inorganic materials 0.000 description 4
- 239000011574 phosphorus Substances 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 239000003344 environmental pollutant Substances 0.000 description 3
- 231100000719 pollutant Toxicity 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000003911 water pollution Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000005457 optimization 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
- G06Q10/0639—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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于组合赋权的河流水质等级评价方法，包括确定水质评价因子和河流评价断面；根据研究地区地表水用途划定地表水分类结果，选取各评价因子标准值，并测量研究地区河流水质各评价因子的实测数据；利用因子分析法对河流水质各评价因子进行客观权重计算；利用改进层次分析法对河流水质各评价因子进行主观权重计算；利用变异系数法对上述主观权重与客观权重进行组合权重计算；根据上述权重计算结果，采用改进内梅罗指数法进行综合污染指数计算；根据上述综合污染指数计算结果对河流水质进行评价并划分等级；利用机器学习方法对水质等级结果进行交叉验证。本发明为客观、真实评价河流断面水质等级提供了新的思路。
Description
技术领域
本发明涉及一种河流水质等级评价方法，尤其涉及一种基于组合赋权的河流水质等级评价方法。
背景技术
21世纪，我国正在以惊人的速度发展壮大，伴随而来的是前所未有的环境污染挑战。其中，水环境问题日益凸显，污染十分严重，形势也空前严峻。治理水环境污染是维护社会可持续发展的重要途径，因此，为了保护水资源健康，科学合理的治理水污染，社会各级正在落实开展水环境综合治理，积极响应国家政策。迫切需要通过水质评价的手段为河道环境治理做好准备工作。
关于水质评价的方法，国内外学者做了大量的研究，传统的水质评价方法有：TOPSIS法，模糊综合评价法，水污染指数法，内梅罗指数法等等，这些方法在不同地区不同评价因子数量条件下所评价的结果差异较大。通过对河流水质评价因子进行赋权，是为了体现评价因子的重要程度，凸显重要因子在水质评价方面的主导作用，为水质评价工作做好铺垫。传统的客观赋权法有熵权法，但由于熵权法受数据波动影响较大，往往不能得到相对较理想的结果。单单利用主观赋权法进行河流水质影响因子赋权，使得权重结果过于主观而未达到好的效果。因此，建立一套基于主客观相结合的组合赋权法用来改进传统的水质评价方法，对河流水质客观真实评价有重要的指导意义。
发明内容
发明目的：本发明目的是提供一种基于组合赋权的河流水质等级评价方法，以提高水质评价方法的准确性与适用性。
技术方案：本发明包括以下步骤：
步骤一：确定水质评价因子和河流评价断面；
步骤二：根据研究地区地表水用途划定地表水分类结果，选取各评价因子标准值，并测量研究地区河流水质各评价因子的实测数据；
步骤三：利用因子分析法对河流水质各评价因子进行客观权重计算；
步骤四：利用改进层次分析法对河流水质各评价因子进行主观权重计算；
步骤五：利用变异系数法对上述主观权重与客观权重进行组合权重计算；
步骤六：根据上述权重计算结果，采用改进内梅罗指数法进行综合污染指数计算；
步骤七：根据步骤六的综合污染指数计算结果对河流水质进行评价并划分等级；
步骤八：利用机器学习方法对水质等级结果进行交叉验证。
所述的步骤三具体包括：
(1)在因子分析前利用KMO检验和巴特利特球形检验对数据进行分析评判，评判其是否适合因子；
(2)因子分析进行参数估计的方法选用主成分法，假设变量是因子的线性组合，各主成分之间互不相干；
(3)因子旋转方法采取最大方差法，使得对每个因子有高负载的变量数目达到最小，该方法简化了因子的解释；
(4)根据上述操作计算出的总方差解释表以及旋转后的得分矩阵，对各评价因子进行客观权重计算。
所述的客观权重计算具体包括：
1)根据总方差解释表确定主成分的个数；
2)计算旋转载荷平方和下，各主成分的方差百分比在累计主成分百分比中的占比；
3)分别计算在各主成分下，各评价因子的得分在该主成分总得分下的占比；
4)累加各主成分下评级因子得分占比乘上各主成分的方差百分比的占比，即得到各个评价因子的客观权重。
所述的步骤四具体包括：
(1)设置梯形层状模型，将河流水质作为目标层，将水质各评价因子作为准则层；
(2)构建判断矩阵，并进行一致性检验；
(3)计算指标权重，采用几何平均法，算术平均法，特征值法相结合的平均权重作为主观权重。
所述的步骤(2)包括：
1)计算一致性指标CI：
式中，λmax为最大特征值，n为矩阵阶数；
2)查找对应的平均随机一致性指标RI；
3)计算一致性比例CR：
当CR＜1.0时，判断矩阵是否满足一致性检验，否则需对判断矩阵进行修正，直至满足要求。
所述步骤(3)中主观权重的计算公式包括：
式中，aij表示指标i的重要程度比上指标j的重要程度，akj表示指标k的重要程度比上指标j的重要程度；ωi为评价因子的计算权重。
所述步骤五的计算公式为：
ωz＝(1-α)ωj1+αωj2
式中，ωj1为改进层次法得到的指标权重，ωj2为因子分析法得到的指标权重，ωz为综合权重，α为因子分析法确定的权重在组合赋权中所占的比例，为了减少主观因素的影响，其值采用变异系数法进行赋权，计算公式如下：
式中，n为改进层次法的评价指标数，ω1，ω2，…，ωn为改进层次分析法确定的评价指标的权重依次递增重新排列。
所述步骤六的计算公式如下：
式中，maxF′i为修正的最大污染指数；maxFw为权重最大的污染指数；
修正的平均污染指数；P′为修正的内梅罗指数；maxFi为传统最大污染指数；Ci为实测数据；Si为标准值数据；wi为各评价因子权重。
所述的机器学习方法采用支持向量机模型。
有益效果：
(1)本发明采用因子分析法计算客观权重，解决了传统客观赋权方法，例如熵权法对数据特征依赖性高，受数据变动影响大的缺点；采用改进层次分析法计算主观权重，通过三种不同权重计算方法的平均权重，提高结果的稳健性；采用组合赋权的方法进行权重计算，平衡了客观赋权与主观赋权的优缺点；采用改进内梅罗指数法进行水质等级划分，考虑各污染物权重对水质的影响，解决了传统内梅罗指数法容易夸大某些污染物对水质的影响的缺点；采用支持向量机算法进行交叉验证，较全面的分析该评价方法在水质评价方面的稳健性与适用性；
(2)本发明既平衡了主观赋权与客观赋权在权重计算上的优缺点，又解决了传统内梅罗指数法易夸大某些污染物对水质的影响的缺点，为客观、真实评价河流断面水质等级提供了新的思路。
附图说明
图1为本发明的流程图；
图2为本发明的改进层次分析法关系图；
图3为本发明的交叉验证结果。
具体实施方式
下面结合附图对本发明作进一步说明。
如图1所示，本发明包括以下步骤：
(1)确定河流水质评价因子与评价断面，其中，河流水质评价因子包括：溶解氧，化学需氧量，高锰酸盐指数，氨氮，氟化物，总磷，总氮。
(2)根据研究地区地表水用途划定地表水分类结果，选取各评价因子标准值，并测量研究地区河流水质各评价因子的实测数据。
(3)通过因子分析法进行各评价因子客观权重计算，得到了评价因子的客观权重序列，因子分析的一般模型如下：
式中，f1，f2，…，fm被称为公共因子，εi(i＝1，2，…，p)为特殊因子。具体步骤包括：
1)在因子分析前利用KMO(一种用于比较变量间简单相关系数和偏相关系数的指标)检验和巴特利特球形检验对数据进行分析评判，评判其是否适合因子，其中：在KMO检验中，若KMO＞0.9，则数据非常适合因子；若0.8<KMO<0.9，则数据适合因子；若0.7<KMO<0.8，则数据一般适合因子；若0.6<KMO<0.7，则数据不太适合因子；若KMO<0.5，则数据不适合因子。在巴特利特球形检验中，其对应的p值若小于0.05，则拒绝原假设，即原始变量之间存在相关性，适合作因子分析。
2)因子分析进行参数估计的方法选用主成分法，假设变量是因子的线性组合，各主成分之间互不相干。
3)因子旋转方法采取最大方差法，使得对每个因子有高负载的变量数目达到最小，该方法简化了因子的解释。
4)根据上述操作计算出的总方差解释表以及旋转后的得分矩阵，对各评价因子进行客观权重计算，其操作包括：
①根据总方差解释表确定主成分的个数；
②计算旋转载荷平方和下，各主成分的方差百分比在累计主成分百分比中的占比；
③分别计算在各主成分下，各评价因子的得分在该主成分总得分下的占比；
④累加各主成分下评级因子得分占比乘上各主成分的方差百分比的占比，即得到各个评价因子的客观权重。
(4)通过改进层次分析法进行各评价因子主观权重计算，其操作包括：
1)设置梯形层状模型，将河流水质作为目标层，将水质各评价因子作为准则层。
2)构建判断矩阵，并进行一致性检验，其步骤包括：
①计算一致性指标CI：
式中，λmax为最大特征值，n为矩阵阶数；
②查找对应的平均随机一致性指标RI；
③计算一致性比例CR：
当CR＜1.0时，判断矩阵是否满足一致性检验，否则需对判断矩阵进行修正，直至满足要求。若CR<0.1，则可认为判断矩阵的一致性可以接受。
3)计算指标权重，本发明采用几何平均法，算术平均法，特征值法相结合的平均权重作为主观权重，其计算公式包括：
式中，aij表示指标i的重要程度比上指标j的重要程度，akj表示指标k的重要程度比上指标j的重要程度；ωi为评价因子的计算权重。
(5)利用变异系数法对上述因子分析法求得的客观权重与改进层次分析法求得的主观权重进行组合赋权，其计算公式如下：
ωz＝(1-α)ωj1+αωj2
式中，ωj1为改进层次法得到的指标权重，ωj2为因子分析法得到的指标权重，ωz为综合权重，α为因子分析法确定的权重在组合赋权中所占的比例，为了减少主观因素的影响，其值采用变异系数法进行赋权，计算公式如下：
式中，n为改进层次法的评价指标数，ω1，ω2，…，ωn为改进层次分析法确定的评价指标的权重依次递增重新排列。
(6)根据上述权重计算结果，采用改进内梅罗指数法，进行综合污染指数计算，计算公式如下：
式中，maxF′i为修正的最大污染指数；maxFω为权重最大的污染指数；
修正的平均污染指数；P′为修正的内梅罗指数；maxFi为传统最大污染指数；Ci为实测数据；Si为标准值数据；ωi为各评价因子权重。
(7)根据综合污染指数计算结果，参考水质类别表以及内梅罗污染等级，对河流水质情况进行评价并划分等级。
(8)对水质等级结果利用机器学习方法进行交叉验证，评价该方法的适用性，本发明使用支持向量机模型(Quadratic-SVM)对河流水质评价方法进行准确性验证。
实施例：以某地区为例，对本发明的操作步骤做进一步的阐述。
(1)确定评价因子：根据该地区的水质特性，选取溶解氧，化学需氧量，高锰酸盐指数，氨氮，氟化物，总磷，总氮为评价因子。
(2)获取水质评价基础数据
水质基础数据包括水质实测数据(见表1，共910组数据，本发明仅展示5组供举例使用)以及该地区所在水功能区各个评价因子的标准值数据(见表2)，根据水功能区及水质划分要求与该地区水质特性，评定该地区为Ⅲ类水标准。
表1某地区水质实测数据
表2各评价因子标准值数据(Ⅲ类水标准)
注：参考标准为地表水环境质量标准(GB 3838-2002)。
(3)利用因子分析法进行客观权重计算，得出各评价因子的客观权重系数，计算方法及说明见前述说明。
①使用因子分析法计算得到的总方差解释表如表3：
表3总方差解释表
由总方差解释表中可以得出，因子分析提取出三个主成分，其中第一主成分占所有主成分(第一、第二、第三之和)的39％，第二主成分占所有主成分的38％，第三主成分占所欲主成分的24％。
②使用因子分析法计算得到旋转后的得分矩阵如表4：
表4旋转后的得分矩阵
各个指标的客观权重即由各指标占各主成分的比重相加得到，例如溶解氧：其权重＝[0.167/(0.167+0.926+0.918+0.304+0.091+0.067+0.002)]*0.39+[0.036/(0.036+0.117+0.158+0.758+0.625+0.145+0.871)]*0.38+[0.779/(0.779+0.01+0.089+0.245+0.004+0.669+0.01)]*0.24＝0.13，其余各评价因子的权重计算过程同上。
③通过上述操作，计算的得到的客观权重结果如表5：
表5因子分析法计算客观权重结果
(4)利用改进层次分析法进行主观权重计算，得到各评价因子的主观权重系数，计算步骤如下：
首先将河流水质及其评价指标分成两个不同的层次，河流水质为上层，即目标层，下层为准则层，即溶解氧，化学需氧量，高锰酸盐指数，氨氮，氟化物，总磷，总氮，目标层与准则层关系图如图2所示。
①构造判断矩阵
对于准则层中各个指标关于目标层地重要性进行两两比较，构造出两两比较矩阵，如表6：
表6判断矩阵
②一致性检验
利用改进层次分析法判断矩阵的特征值，且由式
计算得到CI＝1.4803e-16。再查表7寻找对应的平均随机一致性指标RI为RI＝1.36，根据公式
计算得到CR＝1.0885e-16，因为CR<0.1，所以该判断矩阵通过了一致性检验。
表7一致性检验表
③计算权重
计算各指标权重时由于不同的计算方法可能会导致计算结果产生偏差，为保证结果的可靠性，采用算术平均法、几何平均法和特征值法三种方法分别求出权重再取平均值，有效避免了只采用单一方法带来的误差，使结果更全面可靠。
算术平均法求权重的结果为：(0.1364，0.1136，0.0909，0.2045，0.0455，0.1818，0.2273)。
几何平均法求权重的结果为：(0.1364，0.1137，0.0909，0.2045，0.0456，0.1818，0.2273)。
特征值法求权重的结果为：(0.1464，0.1136，0.0911，0.2045，0.0459，0.1878，0.2273)。
取三者的平均值，得出平均权重矩阵(0.1387，0.1126，0.0909，0.2035，0.0451，0.1828，0.2264)，具体结果见表8：
表8改进层次分析法计算主观权重
(5)采用变异系数法进行组合赋权计算
根据公式
计算得到变异系数α＝0.28，根据ωz＝(1-α)ωj1+αωj2，得到各评价因子的组合权重如表9：
表9组合权重表
(6)利用改进内梅罗指数法进行综合污染指数计算，计算结果如表10：
表10综合污染指数计算结果
(7)根据综合污染指数对河流水质进行评价并分级
本次水质计算指标选取地表水环境标准(GB 3838-2002)Ⅲ类为水质标准，计算得到的水质等级划分结果如表11：
表11水质等级划分表
根据综合污染指数以及水质等级划分表，将各断面水质结果进行等级划分，结果如表12：
表12某地区河流水质等级结果
(8)利用支持向量机进行交叉验证，并检测该方法的精度与适用性。
使用线性支持向量机模型对该910个样本进行交叉验证，将溶解氧，化学需氧量，高锰酸盐指数，氨氮，氟化物，总磷，总氮作为分类的依据，水质等级作为分类的结果进行验证，验证准确率达94.7％，如图3所示，方格内为斜线阴影则为预测错误，方格内呈灰色填充阴影则为预测正确。效果较为客观，说明该方法具有较高精度与适用性，可为河流水质等级客观、真实评价提供新的思路与方法。
Claims (9)
1.一种基于组合赋权的河流水质等级评价方法，其特征在于，包括以下步骤：
步骤一：确定水质评价因子和河流评价断面；
步骤二：根据研究地区地表水用途划定地表水分类结果，选取各评价因子标准值，并测量研究地区河流水质各评价因子的实测数据；
步骤三：利用因子分析法对河流水质各评价因子进行客观权重计算；
步骤四：利用改进层次分析法对河流水质各评价因子进行主观权重计算；
步骤五：利用变异系数法对上述主观权重与客观权重进行组合权重计算；
步骤六：根据上述权重计算结果，采用改进内梅罗指数法进行综合污染指数计算；
步骤七：根据步骤六的综合污染指数计算结果对河流水质进行评价并划分等级；
步骤八：利用机器学习方法对水质等级结果进行交叉验证。
2.根据权利要求1所述的一种基于组合赋权的河流水质等级评价方法，其特征在于，所述的步骤三具体包括：
(1)在因子分析前对数据进行分析评判，评判其是否适合因子；
(2)因子分析进行参数估计的方法选用主成分法，假设变量是因子的线性组合，各主成分之间互不相干；
(3)因子旋转方法采取最大方差法，使得对每个因子有高负载的变量数目达到最小，该方法简化了因子的解释；
(4)根据上述操作计算出的总方差解释表以及旋转后的得分矩阵，对各评价因子进行客观权重计算。
3.根据权利要求1或2所述的一种基于组合赋权的河流水质等级评价方法，其特征在于，所述的客观权重计算具体包括：
1)根据总方差解释表确定主成分的个数；
2)计算旋转载荷平方和下，各主成分的方差百分比在累计主成分百分比中的占比；
3)分别计算在各主成分下，各评价因子的得分在该主成分总得分下的占比；
4)累加各主成分下评级因子得分占比乘上各主成分的方差百分比的占比，即得到各个评价因子的客观权重。
4.根据权利要求1所述的一种基于组合赋权的河流水质等级评价方法，其特征在于，所述的步骤四具体包括：
(1)设置梯形层状模型，将河流水质作为目标层，将水质各评价因子作为准则层；
(2)构建判断矩阵，并进行一致性检验；
(3)计算指标权重，采用几何平均法，算术平均法，特征值法相结合的平均权重作为主观权重。
5.根据权利要求4所述的一种基于组合赋权的河流水质等级评价方法，其特征在于，所述的步骤(2)包括：
1)计算一致性指标CI：
式中，λmax为最大特征值，n为矩阵阶数；
2)查找对应的平均随机一致性指标RI；
3)计算一致性比例CR：
当CR＜1.0时，判断矩阵是否满足一致性检验，否则需对判断矩阵进行修正，直至满足要求。
6.根据权利要求1或4所述的一种基于组合赋权的河流水质等级评价方法，其特征在于，所述的主观权重计算公式包括：
式中，aij表示指标i的重要程度比上指标j的重要程度，akj表示指标k的重要程度比上指标j的重要程度；ωi为评价因子的计算权重。
7.根据权利要求1所述的一种基于组合赋权的河流水质等级评价方法，其特征在于，所述步骤五的计算公式为：
ωz＝(1-α)ωj1+αωj2
式中，ωj1为改进层次法得到的指标权重，ωj2为因子分析法得到的指标权重，ωz为综合权重，α为因子分析法确定的权重在组合赋权中所占的比例，为了减少主观因素的影响，其值采用变异系数法进行赋权，计算公式如下：
式中，n为改进层次法的评价指标数，ω1，ω2，…，ωn为改进层次分析法确定的评价指标的权重依次递增重新排列。
8.根据权利要求1所述的一种基于组合赋权的河流水质等级评价方法，其特征在于，所述步骤六的计算公式如下：
式中，maxF′i为修正的最大污染指数；maxFω为权重最大的污染指数；
修正的平均污染指数；P′为修正的内梅罗指数；maxFi为传统最大污染指数；Ci为实测数据；Si为标准值数据；ωi为各评价因子权重。
9.根据权利要求1所述的一种基于组合赋权的河流水质等级评价方法，其特征在于，所述的机器学习方法采用支持向量机模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111263133.4A CN114048973A (zh) | 2021-10-28 | 2021-10-28 | 一种基于组合赋权的河流水质等级评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111263133.4A CN114048973A (zh) | 2021-10-28 | 2021-10-28 | 一种基于组合赋权的河流水质等级评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114048973A true CN114048973A (zh) | 2022-02-15 |
Family
ID=80206278
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111263133.4A Pending CN114048973A (zh) | 2021-10-28 | 2021-10-28 | 一种基于组合赋权的河流水质等级评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114048973A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115619284A (zh) * | 2022-11-10 | 2023-01-17 | 国网江苏省电力有限公司扬州供电分公司 | 一种光伏配电网承载力评估方法及装置 |
| CN116362595A (zh) * | 2023-03-10 | 2023-06-30 | 中国市政工程西南设计研究总院有限公司 | 一种地表水氮污染的评价方法 |
| CN117078114A (zh) * | 2023-10-16 | 2023-11-17 | 水利部交通运输部国家能源局南京水利科学研究院 | 引水工程影响下受水湖泊水质评价方法和系统 |
-
2021
- 2021-10-28 CN CN202111263133.4A patent/CN114048973A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115619284A (zh) * | 2022-11-10 | 2023-01-17 | 国网江苏省电力有限公司扬州供电分公司 | 一种光伏配电网承载力评估方法及装置 |
| CN116362595A (zh) * | 2023-03-10 | 2023-06-30 | 中国市政工程西南设计研究总院有限公司 | 一种地表水氮污染的评价方法 |
| CN117078114A (zh) * | 2023-10-16 | 2023-11-17 | 水利部交通运输部国家能源局南京水利科学研究院 | 引水工程影响下受水湖泊水质评价方法和系统 |
| CN117078114B (zh) * | 2023-10-16 | 2023-12-22 | 水利部交通运输部国家能源局南京水利科学研究院 | 引水工程影响下受水湖泊水质评价方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114048973A (zh) | 一种基于组合赋权的河流水质等级评价方法 | |
| US10814448B2 (en) | Comprehensive performance evaluation method for CNC machine tools based on improved pull-off grade method | |
| CN111737642A (zh) | 基于模糊网络分析法的海底管道失效风险综合评价方法 | |
| CN112308360A (zh) | 一种基于熵权值法修正ahp法的岩质基坑安全评价方法 | |
| CN111914457B (zh) | 一种输电线路塔基边坡稳定性判别方法、装置和存储介质 | |
| CN113159162B (zh) | 一种基于信息融合与灰色关联度的故障诊断方法及系统 | |
| CN115879654B (zh) | 一种地下巷道稳定性预测和可靠性评价方法 | |
| CN112926893A (zh) | 基于模糊综合评判和层次分析的水平井调剖效果评价方法 | |
| CN113516396A (zh) | 基于模糊层次分析的城市动态风险指数评估方法 | |
| CN114580940A (zh) | 基于灰色关联度分析法的注浆效果模糊综合评价方法 | |
| CN111523796A (zh) | 非煤隧道有害气体危害评价方法 | |
| CN115270266A (zh) | 基于改进层次分析法的边坡监测状态风险判断方法 | |
| CN115171810A (zh) | 一种河流断面水质层次评价方法 | |
| CN112580078B (zh) | 一种针对电力数据指纹的评估方法 | |
| CN112488463A (zh) | 一种基于组合赋权法与优劣解距离法的滑坡评价方法 | |
| CN112085353A (zh) | 一种基于劣化度分析的锅炉低负荷稳燃能力评价方法 | |
| CN111310273A (zh) | 一种基于多源数据的全桥结构安全状态监测方法及系统 | |
| CN116681205A (zh) | 一种夯土遗址冲沟病害发育程度评价及预测方法 | |
| CN116362447A (zh) | 一种基于层次分析法的钻井施工难度评价方法 | |
| CN112132416A (zh) | 基于PageRank算法的工程勘察质量精细化评价方法 | |
| CN112183978A (zh) | 一种基于修正熵权法的油气管道土壤腐蚀分级评价方法 | |
| Yu et al. | Fuzzy comprehensive approach based on AHP and entropy combination weight for pipeline leak detection system performance evaluation | |
| CN111368379A (zh) | 一种改进hwpso-wphm模型的滚动轴承可靠度评估方法和系统 | |
| CN114486571B (zh) | 基于路面使用性能和结构性能的路面综合性能评价方法 | |
| CN111832145B (zh) | 一种油浸式电力变压器的故障诊断方法及系统 |
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 |