[发明专利]一种基于模糊层次评价模型的浅水湖泊富营养化评价方法

说明书

本发明公开了一种基于模糊层次评价模型的浅水湖泊富营养化评价方法，包括以下步骤：步骤一、确定模型的评价标准；步骤二、构建模糊层次评价模型；步骤三、建立各层次判断矩阵；步骤四、建立评价因子与评价等级的模糊关系矩阵；步骤五、综合评价结果表达。本发明方法构建了基于模糊层次评价的浅水湖泊水质综合评价模型，将层次分析法(AHP)应用于模糊数学评价法构建有序递阶层次结构求取指标权重，克服了传统的模糊数学评价法权重集的确定具有主观因素影响大、缺乏对各指标间相互影响作用的考虑等缺陷，实现对浅水湖泊富营养化状态的可靠评价。

技术领域

本发明属于环境评价领域，具体涉及一种基于模糊层次评价模型的浅水湖泊富营养化评价方法。

背景技术

水体富营养化评价是对水体富营养化发展过程中某一阶段营养状况的定量描述，其主要目的是通过对具有水体富营养化代表性指标的调查，判断该水体的营养状态，了解其富营养化进程及预测其发展趋势，为水体水质管理及富营养化防治提供科学依据。近几年，我国许多浅水湖泊因富营养化而导致蓝藻水华爆发，极大的影响了人们的生活环境，甚至威胁人们的身体健康。由此，水体富营养化评价显得尤为重要。

浅水湖泊中的各个评价因子之间实际上存在着一定的联系，相互影响。因此，仅进行单因子评价具有片面性，不能准确的反应浅水湖泊的水质情况。水体富营养化综合评价通过不同的数学方法充分考虑了水体中不同指标之间的相互关系，制定不同的分类标准，能够更加明确地反映水体的真实水质状况，因此目前对水体富营养化评价的研究中，综合评价应用最为广泛。主要的水体富营养化综合评价方法有综合营养状态指数法、模糊数学法、灰色聚类法及人工神经网络等，在众多评价方法中，模糊数学评价法的应用相对广泛。

模糊数学评价法基于模糊数学理论及隶属度函数对构建指标体系中各因素进行量化，将权重集与模糊关系矩阵进行合成运算，实现对多因素共同影响下的目标层的综合评价。但是，传统的模糊数学评价法权重集的确定具有主观因素影响大、缺乏对各指标间相互影响作用的考虑等缺陷，导致无法实现对水体富营养化状态的可靠评价。

发明内容

针对现有技术中无法实现对水体富营养化状态的可靠评价，本发明提供一种基于模糊层次评价模型的浅水湖泊富营养化评价方法，将层次分析法应用于模糊数学评价法构建有序递阶层次结构求取指标权重，克服了传统的模糊数学评价法权重集的确定具有主观因素影响大、缺乏对各指标间相互影响作用的考虑等缺陷。

为实现上述目的，本发明采用以下技术方案：

本发明提供一种基于模糊层次评价模型的浅水湖泊富营养化评价方法，该方法包括以下步骤：

步骤一、确定模型的评价标准：

选取多个水体污染指标作为浅水湖泊富营养化程度的评价指标，并量化各评价指标与浅水湖泊富营养化程度之间的关系，以此确定浅水湖泊富营养化模型的评价标准；

步骤二、构建模糊层次评价模型：

根据层次分析法(AHP)的数学原理，构建划分为目标层V、准则层A、方案层B三个层次的有序递阶层次结构；

步骤三、建立各层次判断矩阵：

分别建立V-A层和A-B层判断矩阵，并利用方根法计算各单层次判断矩阵的最大特征根λ_max及其对应的正规化特征向量W，并进行一致性检验；再利用同一层次中所有层次单排序结果，进行层次总排序，同时也需检验一致性；最后计算得到A层相对于V层、B层相对于A层单排序权重集W’，继而得到B层总排序权重集W”；

步骤四、建立评价因子与评价等级的模糊关系矩阵：

采用模糊数学中隶属度来描述分级界限，根据评价因子i的监测值x_i与评价等级对应的标准值d_i之间的线性内插关系来确定隶属函数r_ij，由此构成评价因子与评价等级的模糊关系矩阵