[发明专利]基于梯形云模型的水体富营养化评价方法

权利要求书

1.基于梯形云模型的水体富营养化评价方法，其特征在于：所述方法包括如下步骤，

第一步：收集所要评价河湖的历史评价结果，采用阿塔纳索夫区间值直觉语言数的方法得出模糊的评价结果；

第二步：建立语言标度函数；通过国家水体评价等级范围，将模糊的评价结果中的水质等级h_k映射为数字参数θ_k，这个映射过程就是建立语言标度函数的过程；

第三步：通过第二步得到的数字参数θ_k结合国家水体评价等级的具体范围得到梯形云模型的参数和并得出五个影响因子分别在六个水质等级的梯形云模型参数；其中，k＝1,2,3,4,5,6，表示六个水质等级；i＝1,2,3,4,5，分别对应五个影响因子，叶绿素浓度chl_a、总磷浓度TP、总氮浓度TN、需氧量COD和水体透明度SD；

所述梯形云模型参数公式如下：

其中，X_k,max、X_k,min为国家水体评价等级第k级的最大值和最小值；

第四步：通过主客观权值的融合得到五个影响因子的融合权重f_i；

采用主观CFPP法和客观Critic法相结合的方法确定影响因子的权重，具体如下，

(4.1)根据三角模糊数重要度标度构造如下模糊判断矩阵：

其中，影响因子X_i对比影响因子X_j的相对重要度的取值范围为(l_ij,u_ij)，m_ij表示最可能的相对重要度，n为5；根据CFPP法，首先给出函数minJ和约束条件如下：

其中，x_i为第i个影响因子X_i的权重，x_i＝lnw_i，i＝1,…,n；x_j为第j个影响因子X_j的权重，w_i为模糊判断矩阵a_ij的重要度；M为一个规定的大数值，用来保证权重的合理性；为保证非线性优化不等式组一定有解，引入了非负误差参数δ_ij和η_ij，λ为最小隶属度，根据上述方程求得影响因子X_i的权重最优解记为x_i^*和最小隶属度最优解λ^*，最后根据下述公式求得每一个影响因子的主观权重

(4.2)客观法即Critic法，权重计算公式如下：

其中，r_ij为影响因子X_i和影响因子X_j之间的相关系数，i＝1,…,n；i≠j；δ_i为标准差，c_i表示第i个影响因子的权重，设为第i个影响因子归一化后的客观权重，计算如下公式：

(4.3)融合CFPP主观权重和Critic客观权重得到最终的融合权重f_i，融合权重公式如下：

第五步：确定每一影响因子属于水质等级k的隶属度，并选择最大的隶属度所属等级作为该影响因子的最终水质等级；

所述的隶属度μ_k确定公式如下：

其中，x_i为河湖影响因子的具体数据；

第六步，把待评价河湖具体的水质数据输入到梯形云模型当中得出多个影响因子在同一个水质等级的隶属度，通过比较将隶属度最大的所属等级作为最终的评价结果；

所述的梯形云模型，以影响因子叶绿素浓度x_{Chl_a}和总磷浓度x_TP为例，给出第k个水质等级二维梯形云模型的算法生成过程如下：

步骤6.1：判断影响因子所属的影响区间，如果x_{Chl_a}和x_TP同时满足执行步骤6.2；如果执行步骤6.4；如果执行步骤6.3；

其中，Ex^k_{Chl_a}表示叶绿素浓度在第k个水质等级的取值下限，表示叶绿素浓度在第k个水质等级的取值上限，k＝1,2,3,4,5,6；Ex^k_TP表示总磷浓度在第k个水质等级的取值下限，表示总磷浓度在第k个水质等级的取值上限；

步骤6.2：直接使隶属度μ＝1；

步骤6.3：如果则使否则使与影响因子叶绿素浓度有关的梯形云模型参数中，以为期望，为标准差，产生随机数执行步骤6.5；

步骤6.4：如果则使否则使与影响因子总磷浓度有关的梯形云模型参数中，以为期望，为标准差，产生随机数执行步骤6.5；

步骤6.5：根据上述得到的数据使用隶属度如下公式来得到上述两个影响因子在当前水质等级的隶属度：

其中，f_{Chl_a}表示叶绿素浓度的融合权重，f_TP表示总磷浓度的融合权重；

对k个水质等级的隶属度的大小进行比较判断，选择最大的隶属度所在的水质等级作为最终的评价结果。