基于Vague值相似度量改进算法的城市湖库水华应急治理多目标多层次决策方法技术

本发明专利技术公开了一种基于Vague值相似度量改进算法的城市湖库水华应急治理多目标多层次决策方法，属于环境工程技术领域。所述方法的包括构建决策层次模型、获取决策矩阵、确定参考属性-目标Vague集矩阵、计算参考属性加权平均Vague值和备选方案决策排序的步骤，排序后相对贴近度越大的备选方案越理想。本发明专利技术实现了湖库水华的多目标多层次应急治理决策，最终达到高效治理水华的效果；对提高水华治理的针对性、科学性和高效性有着重要意义，对城市湖库水环境的保护和改善能够起到重要作用。

【技术实现步骤摘要】
基于Vague值相似度量改进算法的湖库水华应急治理决策方法
本专利技术涉及一种水华应急治理决策方法，属于环境工程
，具体地说，是指一种基于Vague值相似度量改进算法的城市湖库水华应急治理多目标多层次决策方法。
技术介绍
城市湖库水华是水体富营养化的一种典型表现，其危害性不仅在于严重污染稀缺的淡水资源，甚至严重破坏了生态环境而且由其产生的藻毒素会通过食物链直接威胁人类的健康。据不完全统计，我国六成以上的城市湖库都有比较严重的富营养化状况，水体质量严重下降。我国多个城市的淡水湖库在近些年来暴发了多次水华，作为饮用水的水库水源遭到严重污染，对人们的日常生活造成了很大的社会影响，因此，加强城市湖库水华治理已经成为我国保障经济发展和社会基础建设的重要任务。水华的暴发是由水体的物理、化学和生物过程等多种因素共同作用的结果，但各要素之间关系复杂，由于其存在随机性、不确定性和非线性等特征，目前虽然已有针对水华的多种治理方案，但对治理方案的选择缺乏理论性指导。由于水华发生的临界因素和机理尚不清楚，至今未能得出最切实有效的水华应急治理方法。应急决策已经在诸多领域得到研究和利用，但是在水华应急治理决策研究方面的研究极少，而常规应急决策面临数据信息匮乏、专家意见主观性强等问题，因此，需要针对这些常规应急决策所存在的问题以及城市湖库水华治理决策的多目标多层次特点给出相应的应急治理决策方法。多目标决策(multi-objectivedecisionmaking,MODM)是指在具有相互冲突、不可公度的多个目标情况下进行的决策。Hwang和Yoon提出逼近理想解的排序方法(techniquefororderpreferencebysimilaritytoidealsolution,TOPSIS)来求解多目标决策问题。由于在城市湖库水华治理决策中，具有治理方案对环境的影响程度和经济成本的多目标性，可采用多目标决策方法对城市湖库水华的治理方案进行决策。Vague集是对模糊集的扩展，模糊集把隶属概念扩大到了[0,1]区间，而Vague集的思想则同时考虑隶属与非隶属两方面的证据，用一个三元组来描述其隶属度的界，这个三元组同时表示了决策者对某一事物支持、反对和弃权三方面的信息，使得其在处理不确定信息时比传统的模糊集有更强的表示能力。因此，对于城市湖库水华的治理决策，凡决策者不能精确定义的参数、概念和事件等，都可被处理成Vague集。信息论之父克劳德.艾尔伍德.香农提出“信息熵”的概念，用数学语言阐明了概率与信息冗余度的关系。因此，在城市湖库水华治理决策过程中专家意见的表示采用Vague集，权重的获取运用信息熵方法，可最大程度地避免常规决策中存在的主观性强等缺陷。然而，将Vague集和信息熵方法应用于城市湖库水华应急治理的多目标决策中，仍然存在以下问题：1.现有的多目标决策仅在决策目标和备选方案两个层次上进行决策，然而在城市湖库水华的应急治理决策中，除了具有多目标的特点之外，在城市湖库水华生成过程中，各种水质、环境及社会因素等多个属性指标对城市湖库水华应急治理方案决策的影响也不可忽略，因此需研究城市湖库水华治理决策的多层次建模问题。2.针对不同决策层次，需要给出合理的形式来描述各层次间的关联。3.在多目标多层次决策时，针对多个目标，不仅需确定各目标对应的参考方案，并且需要确定参考方案下各目标对应的影响属性。4.如何根据参考方案下各目标的重要程度，综合给出参考方案下所有目标对应的影响属性，以便计算各备选方案与参考方案的距离，需要对综合的方法进行研究。5.现有的Vague值相似度量方法大多仅考虑了Vague值的区间两端距离、核距离，而未考虑未知度，因此需要研究综合考虑Vague值的区间两端距离、核距离及未知度的Vague值相似度量方法。6.如何根据备选方案的影响属性和参考方案的影响属性，以及各影响属性的重要程度，综合计算各备选方案与参考方案的相对贴近度，从而给出最终的备选方案决策排序，需要具体研究。
技术实现思路
本专利技术对城市湖库水华应急治理决策方法进行研究，目的是为环保部门提供有效决策参考依据，以决定在何种情况下选用何种治理方案，最终达到高效治理水华的效果。本专利技术构建了基于多目标多层次的决策模型，以决策目标作为备选方案的选择依据，以影响属性作为备选方案的评价指标，利用Vague集理论获取参考方案。在对Vague值相似度量方法改进的基础上对备选方案进行评价排序，进而针对城市湖库水华应急治理进行智能决策。本专利技术对提高水华治理的针对性、科学性和高效性有着重要意义，对城市湖库水环境的保护和改善能够起到重要作用。为便于说明，本专利技术中所有未经解释的字母含义由下述假设解释：假设a是备选方案集，a＝{a1,a2,…au}，c是目标集，c＝{c1,c2,…cv}，b是影响属性集，b＝{b1,b2,…bw}，其中u,v,w分别表示备选方案集、目标集和影响属性集的元素个数。本专利技术提供的基于Vague值相似度量改进算法的城市湖库水华应急治理多目标多层次决策方法主要包括以下五个步骤：步骤一、构建决策层次模型；以多目标为准则进行城市湖库水华应急治理决策，其核心是把决策问题层次化，即分别形成目标层、方案层和属性层。在城市湖库水华应急治理决策中，主要以治理方案对环境的影响程度和经济成本等决策目标为依据构建决策层次模型，以决策目标作为备选方案的选择依据，以影响属性作为备选方案的评价指标。步骤二、获取决策矩阵；对于方案层与目标层，由专家意见形成方案层中各备选方案对目标层中各决策目标的方案-目标决策矩阵。对于方案层与属性层，根据检测与调查结果可构造出属性层中各影响属性对方案层中各备选方案的方案-属性决策矩阵。层次间的优属度(可具体为满足度及影响度等)可以通过语言变量(语言术语集)来确定，根据研究问题可以选择一个合适的语言变量来表示决策者的偏好信息。本专利技术采用Vague集表示方案-目标决策矩阵和方案-属性决策矩阵，即方案-目标Vague集矩阵和方案-属性Vague集矩阵。步骤三、确定参考属性-目标Vague集矩阵；将方案-目标Vague集矩阵转换为方案-目标相对优属度矩阵。在方案-目标相对优属度矩阵中，将目标分为效益型和成本型两类，分别确定各目标的最优方案和最差方案作为参考方案，并根据方案-属性Vague集矩阵，得到相应方案的最优属性Vague值和最差属性Vague值，从而获得最优属性-目标Vague集矩阵和最差属性-目标Vague集矩阵作为参考属性-目标Vague集矩阵。步骤四、计算参考属性加权平均Vague值；采用Vague集的信息熵权计算法，针对最优属性-目标Vague集矩阵和最差属性-目标Vague集矩阵，分别计算得出参考方案下各目标的权重。再将TOPSIS方法的多目标问题的理想解(positive-idealsolution,PIS)和负理想解(negative-idealsolution,NIS)的思想运用于参考属性加权平均Vague值的获取中，用VPIS及VNIS表示基于Vague集的PIS和NIS，即最优属性加权平均Vague值及最差属性加权平均Vague值，作为参考属性加权平均Vague值。步骤五、备选方案决策排序；本专利技术对现有的Vague值相似度量方本文档来自技高网...

【技术保护点】
基于Vague值相似度量改进算法的城市湖库水华应急治理多目标多层次决策方法，其特征在于：步骤一、构建决策层次模型；所述的决策层次模型包括目标层、方案层和属性层；步骤二、获取决策矩阵；对于方案层与目标层，由专家意见形成方案层中各备选方案对目标层中各决策目标的方案?目标决策矩阵；对于方案层与属性层，根据检测与调查结果构造出属性层中各影响属性对方案层中各备选方案的方案?属性决策矩阵；层次间的优属度通过语言变量来确定，采用Vague集表示方案?目标决策矩阵和方案?属性决策矩阵，即方案?目标Vague集矩阵和方案?属性Vague集矩阵；步骤三、确定参考属性?目标Vague集矩阵；将方案?目标Vague集矩阵转换为方案?目标相对优属度矩阵；在方案?目标相对优属度矩阵中，将目标分为效益型和成本型两类，分别确定各目标的最优方案和最差方案作为参考方案，并根据方案?属性Vague集矩阵，得到相应方案的最优属性Vague值和最差属性Vague值，从而获得最优属性?目标Vague集矩阵和最差属性?目标Vague集矩阵作为参考属性?目标Vague集矩阵；步骤四、计算参考属性加权平均Vague值；采用Vague集的信息熵权计算法，针对最优属性?目标Vague集矩阵和最差属性?目标Vague集矩阵，分别计算得出参考方案下各目标的权重；再根据TOPSIS方法，用VPIS及VNIS分别表示基于Vague集的理想解和负理想解，得到最优属性加权平均Vague值及最差属性加权平均Vague值，作为参考属性加权平均Vague值；步骤五、备选方案决策排序；计算各备选方案到VPIS及VNIS的距离；再根据各备选方案到VPIS及VNIS的距离计算各备选方案的相对贴近度；根据相对贴近度大小对备选方案的优劣进行排序，得到相对贴近度最大的备选方案作为最终的决策方案。...

【技术特征摘要】
1.基于Vague值相似度量改进算法的湖库水华应急治理决策方法，其特征在于：步骤一、构建决策层次模型；所述的决策层次模型包括目标层、方案层和属性层；选取对周边环境影响、治理效果显现时间、资本或劳动力投入、对水体的二次污染作为目标层中的决策目标；选取内源营养盐法、牧食法、植物化感抑藻、引水冲刷、吸附法、人工曝气、机械除藻、混凝沉淀、氧化剂、特征除藻法、大麦秸秆叶、人工湿地作为方案层中的备选方案；选取蓝藻生物量、绿藻生物量、水生动物、叶绿素、其他藻类、总氮、总磷、溶解氧、PH值、高锰酸盐指数、温度、悬浮物、透明度和光照强度作为属性层中的影响属性；步骤二、获取决策矩阵；对于方案层与目标层，由专家意见形成方案层中各备选方案对目标层中各决策目标的方案-目标决策矩阵；对于方案层与属性层，根据检测与调查结果构造出属性层中各影响属性对方案层中各备选方案的方案-属性决策矩阵；层次间的优属度通过语言变量来确定，采用Vague集表示方案-目标决策矩阵和方案-属性决策矩阵，即方案-目标Vague集矩阵和方案-属性Vague集矩阵；步骤三、确定参考属性-目标Vague集矩阵；将方案-目标Vague集矩阵转换为方案-目标相对优属度矩阵；在方案-目标相对优属度矩阵中，将目标分为效益型和成本型两类，分别确定各目标的最优方案和最差方案作为参考方案，并根据方案-属性Vague集矩阵，得到相应方案的最优属性Vague值和最差属性Vague值，从而获得最优属性-目标Vague集矩阵和最差属性-目标Vague集矩阵作为参考属性-目标Vague集矩阵；步骤四、计算参考属性加权平均Vague值；采用Vague集的信息熵权计算法，针对最优属性-目标Vague集矩阵和最差属性-目标Vague集矩阵，分别计算得出参考方案下各目标的权重；再根据TOPSIS方法，用VPIS及VNIS分别表示基于Vague集的理想解和负理想解，得到最优属性加权平均Vague值及最差属性加权平均Vague值，作为参考属性加权平均Vague值；步骤五、备选方案决策排序；计算各备选方案到VPIS及VNIS的距离；再根据各备选方案到VPIS及VNIS的距离计算各备选方案的相对贴近度；根据相对贴近度大小对备选方案的优劣进行排序，得到相对贴近度最大的备选方案作为最终的决策方案。2.根据权利要求1所述的基于Vague值相似度量改进算法的湖库水华应急治理决策方法，其特征在于：步骤二中方案-目标Vague集矩阵用A表示，根据语言变量与Vague值的转换规则，u,v,w分别表示备选方案集、目标集和影响属性集的元素个数，备选方案在决策目标下的Vague值表示如下：其中表示备选方案ai对决策目标cj的满足度，表示备选方案ai对决策目标cj的不满足度，且令同理，方案-属性Vague集矩阵用B表示，影响属性在备选方案下的Vague值表示如下：其中表示影响属性bk对备选方案ai的影响度，表示影响属性bk对备选方案ai的不影响度，且将记为3.根据权利要求1所述的一种基于Vague值相似度量改进算法的湖库水华应急治理决策方法，其特征在于：所述的将方案-目标Vague集矩阵转换为方案-目标相对优属度矩阵，转换方法如下：设xpq表示由Vague集表示的决策矩阵中第p行元素对第q列元素的相对优属度，则其计算公式为其中tpq表示第p行元素对第q列元素的优属度，fpq表示第p行元素对第q列元素的非优属度，由此得出由相对优属度表示的决策矩阵：[xpq]m×n,1≤p≤m,1≤q≤n其中，m,n分别表示决策矩阵的行数和列数。4.根据权利要求1所述的一种基于Vague值相似度量改进算法的湖库水华应急治理决策方法，其特征在于：所述的参考方案如下：计算方案-目标Vague集矩阵A中第i行元素对第j列元素的相对优属度得到方案-目标相对优属度矩阵在方案-目标相对优属度矩阵中，设当目标cj为效益型时，所对应的备选方案ai为最优方案，其对应的属性Vague值为目标cj下的最...

【专利技术属性】
技术研发人员：王小艺，王立，许继平，刘载文，施彦，于家斌，白玉廷，
申请(专利权)人：北京工商大学，
类型：发明
国别省市：