模糊综合评价法评价河水质量文献翻译讲解

1、用模糊综合评价法评价河水质量摘要：基于有限的观察方法来评价河水系统中水质量状况可以达到环境管理目标 的基本要求。各种各样的分类方法已经被应用到评价河水流域中状态改变及表层 水的可用性。 但是，在各种水使用方式、 质量标准使用的不确定性及决策输出值 的模糊性这些方面常常产生矛盾。 （水体环境中存在大量不确定因素 ,各个因子的 级别划分、 标准的确定都具有较强的模糊性） 由于原本的不确定性， 某些传统方 法在考虑到用各种化学组分、 生物方面、 营养物质和美学价值来描述整体水质量 状况存在一定的困难。 本文阐述了评价水质量的三种模糊综合评价技术与用传统 方法（例如水质指数 water quality

2、 index）得到输出值的方法对比。 从台湾曾文溪 中的七个采样点收集大量的数据可以证明这些方法的潜能。 研究表明这些技术可 以成功的化解原有的矛盾并解释复杂的情况。 文中描述的先进的、 新发展的模糊 综合评价法也可被用来测定不同水环境质量的日最大负荷总量， 同时对建设一套 有效的水质量管理对策也有一定的帮助。引言 ：许多国家已经引进河水质量监管和评价体制， 依据水质的化学、 生物和营 养成分以及整体美学状况等方面用来检测水质各种指标。 总指数是最早期管理机 构在应对污染控制问题时用评价现状来弄清楚监测优先顺序的综合评价方法 。在文献中有对水质的大量解释。霍尔顿做了一个对总指数、选择参数和加

3、权参数的创新性尝试。 水质指数是一个总所周知的评价方法， 由美国国家科学基 金会采用特尔非技术发明的， 主要用在正式评价程序中。 水质指数最初设计目的 是通过水中九种因子的测定对水质量状况进行整体评价 。在二十世纪八十、 九十 年代，这被视为非常有前景的一种方面。 在水质指数的基础上用轻微改进概念做 了相当多的改进。 但是，在不同水的使用方式、 质量标准使用的不确定性及决策 输出值的模糊性这些方面常常产生矛盾。 有时候，根据一定范围内不均匀的降水 及地表径流来评价季节性水质状况是非常困难的，而且分析时会出现冲突的状 况。因此，一种能够对模糊信息进行分类的先进技术的需求非常迫切。Sii等人最先探

4、讨在水质指数中用 01 的数值表示模糊区间来代替 0100 数 值范围表示的传统评级曲线， 这引起了广泛的探讨。 卢研究人员在台湾应用模糊 综合评价技术对水库富营养化现象进行评价。 本文展示了模糊综合评价法与水质 指数的对比研究， 主要强调两种新发展的技术， 即模糊信息强度法及模糊推理的 去模糊化法 。在台湾南部曾文溪水域中由于不均匀性季节降水导致的水污染影响 分析描述的问题将会被引用到评价该技术潜力的应用中去。水质指数方法 ：美国国家科学基金会在研究水质量总指数中曾经做出开拓性的尝试。 Ott 将这些指数分为四大类：常规的、特殊用途的、规划的、统计的。 水质指数由九 个参数组成，包括溶解氧、

5、粪大肠菌、 PH、生物化学需氧量、硝酸盐、磷酸盐、 温度、浊度、总固体量 。它的输出值在 0100之间， 100 表示非常好的水质量状 况，而 0表示水未经处理不适合直接使用 。如果成分很多， 每种成分将在决策过 程中根据相对应的权重进行分配，选中的指数可以通过以下方程进行计算： 公式（ 1）其中 qi表示涉及的水质参数， Wi 表示它分配到的权重。 尽管水质指数是最有前景的方法之一， 但是科学家们早就意识到需要发展一种统 一的方法来应对水污染控制问题。 事实上，由于公民要求政府能果断应对相关水 环境安全问题，美国环保局仍致力于改进检测水质变化的方法。模糊综合评价原理 ：模糊集合论自 1965

6、 年起已经发展并广泛应用，它原本设定是为用来补充解释用语言及测量的方法对现实生活中随机现象不确定性。 这些不确定性会在自然 中涉及到信息没有明显界限时引起非统计学特征。 然而，在大规模复杂的决策过 程中主要的不确定性来源可能通过模糊隶属函数得以描述出来。模糊聚类分析法和模糊综合评价法 是两种常用的技术。 与水质指数对考虑到的所有参数运用集合评价不同的是， 模糊聚类分析法是通过将原始数据通过选定运算符分成几类， 而且并不考虑每一类涉及的已有标准。模糊聚类分析法的大部分规则是通过对围绕因子或代表对象的所有观测值汇集在最低限度的研究为基础得来的。模糊综合评价法是为了将原始数据根据预定的质量标准分组到

7、不同的 类别，通常可以用一系列反应各种相近标准间模糊界限来描述它。 模糊综合评价 法比模糊聚类分析法对水质量评价更有用。 一个设计优秀的模糊综合评价法可以 涵盖在采样和分析过程中存在的不确定性， 能对比每个参数应用质量标准的样本 结果，概括所有单一参数值。而 WQI 中很少体现这些不确定性。模糊综合评价法通常包括一个输入的子系统，输出子系统和一个分类机制。 每个子系统包含各种不同尺度的不确定性。为了在实际中灵活运用，输入参数值可以根据情况用鲜明的或模糊的值来表示。早期的方法比较经常把用鲜明的值表示输入数据， 而近期的应用趋向于强调模糊 值。在现在，在输入子系统中普遍采用对称三角模糊隶属函数来描

8、述其不确定性。 显然的，不精确性越大，误差区间就越大。此外，分类机制对一个特定的模糊推理依据至关重要。 这种机制是由一组预先确定好的隶属函数所形成的， 隶属函数 是表示为了分类设计的不同种类之间的模糊性， 这种机制的设计兼顾了执行推理 功能和事后辩护生产输出值的功能。评价从这个机制的输出子系统中生成的所有输出值， 用隶属度来划分水质类 别（隶属度是用来描述水质模糊界限的参数 ,可用隶属函数表示） 。然而，输出子 系统在解释结果的时候可能会需要考虑模糊的含义。 水质指数从没特别考虑到这点。这些不确定因素很重要，因为它们可以影响政策决定。 评价程序可以分为三步“（1）将一系列隶属函数转换成综合分类

9、机制（2）建立标准要求和用隶属函数或者曲线值表示的观测值之间关系的模 糊关系矩阵（3）用特定的模糊算子整合所有代表水质量的值。 其他拓展后的方法可能在得到最后结论前使用稍有不同的框架。 接下来讨论四种不同的模糊综合评价法： （ 1）简单模糊分类法（ 2）模 糊相似度法（ 3）模糊信息强度法（ 4）去模糊化法 。通过这些方法的对比得 出结果。研究的例子可以证明这些新方法如何能成功解释不确信因素和使现 实社会问题的差异相和谐。模糊综合评价法：（1）简单模糊评价法 质量管理涉及到决定不同水的用途。 在重叠部分或者模糊边界经常发生复 杂的情况。 简单模糊评价法利用隶属函数来描述不同用途的标准。 水质成

10、分的测 量值直接转换成一系列清晰的数字 用来为最终的模糊综合评价法的相关隶属度 提供研究。如果质量标准分为五组， 如图二所示， 定义的模糊程度表示可能的重 叠范围。图二中的公差程度 dII或者 dIV反映了这个不精确程度。公差程度越大，过程中 生产的困难越多。 模糊隶属函数， 主观地得出了分类的目的， 主要是根据将从监 测系统监测相关用水时得到的监测值作图得出关系矩阵。 计算相应水质参数的隶 属值帮助完成矩阵。 输出值用评价矩阵列好用于之后的决策分析阶段。 剩下的程 序就是用几种分类方法分析矩阵， 确定监测状况与相关的使用模式之间的相似度 情况。为了合理的给出解释，各种模糊推理方法包括模糊算子

11、法、加权平均法、 误差法、相加运算法均能适用。模糊算子模糊算子法利用不等式符号完成模糊综合评价。 每个隶属值 ij 表述第 i 个参 数与第 j 个使用方式的模糊关系，必须通过模糊运算单独考虑。方程（ 2）和（3）所示，运算符 kj 表示所有相关参数中 ij 的最小值， kp 表示 kj 系列中的最大值。因此，模糊算子法的最终结果会被最有影响力的参 数控制。而且，评估最后将以主观分类程序而结束。加法运算 加法运算强调每个参数在分类过程中的影响是相同的，将之前方法中 原本存在的乘离率最小化。方程（ 4）和（ 5）表示了加法运算方法的主要思路。 加权平均法加权平均法由公式（ 6）到（ 8）表达，提

12、供了一系列表达每个参数相对 重要性的权重值，使与相应的使用方式更加一致。因此，wi 在方程（ 6）中是指每个相关参数的权重，是属于方程（ 7）的要 求。误差运算法 尽管加法运算和权重平均法可能可以提高评价的可靠性， 但这两种方法都无 法描述输入数据时测量误差的模糊性。 差均匀算法是一种用来减少评价、 每种使 用方式和观察参数值之间的相对误差的技术，在模糊综合评价中具有独特的潜 力。用方程（ 9）定义的式子计算相对误差，可以帮助认识整体观测值与每种水 质利用方式之间每种参数相应的影响。2）模糊相似度法模糊相似度法的第一步是先归一化所有的质量标准使每个标准都有独立的 隶属函数。在这步骤中，最高值设

13、定为 1，最低值设定为 0，其他的在 01 之间图三描述了一个建立综合隶属函数系统的典型例子。横坐标对应的是隶属 值。方程（ 10）（18）用来计算两种隶属值 A 和A之间的相似度。其中 A 是从实测值推导出的， A表示通过每种使用方式标准定义要求 t 中得到的值。 这个方法得到的输出值将水质分类为模式 A而不是模式 B。不管应 用哪个方程，最后的解释要求选择决策分析中的一种标准值或者界限值。（3）模糊信息强度法 模糊信息强度法强调在通过设定每种观察类型的耐受度（如隶属函数的低 值）包含输入数据方法误差。因此，耐受度越大，在采样和分析过程中的不确定 性越大。图四是一个说明了对比案例研究，其中

14、A 和B可以根据设定的耐受度相 联系的曲线值或者模糊化值定义的输入数据而不同。采用图四（b）可以反映方法误差固有的不确定性，可以为最终决策分析生产不同系列值。图五（ a）中表示两种使用方式 A和 B，其中?Ai和?Bi表示分化隶属度的比 较基础。在图五（ b）中的参数 f 代表输入信息中的方法误差或者耐受度。假设是一组监测数据，用来描述特定方程参数模糊化后的输入值，与 三个实测值相关的隶属值用相对模糊强 表示。 当确定 有多接近 A 模式时，相应的隶属度分别等价于图五（ b）相应的阴影面积。图六阐明了基于给定质量参数建立的 A 模型的模糊隶属函数。 在包括相对模糊强 度信息的模糊综合评价过程中

15、， 可以确定一个新的矩阵， 涵盖了用相同系列的监 测数据的五种使用模式，从而创造了一种可以应用的分类机制。（4）去模糊化法 去模糊化法是一个来自模糊控制理论的概念， 强调将复杂隶属函数分解成鲜 明的值，对是模糊分类或者模糊推理过程得到的输出值的解释和执行的相应。 鲜 明的值可以大概的表示用评价矩阵为基础的模糊推理的确定性特征， 在解决现实 问题时候有利于将不确定性转换成适用的行动。 各种去模糊化法经常在模糊控制领域中应用，其中重力法是最有前景的。重力法包括两个重要的步骤。 第一步通过确定所有使用方式标准已经用模糊 隶属函数表示， 确定输入数据的模糊性 。不然的话， 一套代表所有使用模式的合 理

16、公差间隔要产生， 而且类似于图二描述的分类机制要建立。 第二部是根据在方程（ 19）所示，用重心法计算重心坐标直接替代读出隶属值 。在图 7（b）中，分离机理要求得出所有从横坐标（ A,c 和 B,c）根据方 程（ 20）推导出的新的隶属值 A,c 和B,c，同时建立一个表示模糊推理的评 价矩阵。根据方程 （10）到（17）提到的方法， 模糊推理法适用于最后决策分析。总的来说， 文章中的两种改进后的模糊综合评价方案为 （1）模糊信息强度， 描述在表述模糊分类机理之前输入数据的不确定性（ 2）去模糊化法，补充了输 出信息的说明， 使其更适用于决策分析。 两种方法为了达到最终的分类目的， 仍 然要

17、求用加权平均法或者误差法来执行模糊推理。案例：背景： 曾文溪流域位于台湾南部，是一个狭窄陡峭的分水岭。流域的主流全长138km，通向台湾海峡。曾文溪水库是一个集防洪、水力发电、灌溉、供水、娱 乐和增大流量为一体的多功能水库。水库位于流域的上游部分，如图八所示整个流域面积 1176 km2 其中曾文溪水库流域占了 418 km2。水库设计用表明 的 17 km2 贮藏 7.08 亿 m3 的水量。这块流域的平均年降雨量接近 3000mm，比 整条流域的平均年降雨量 2600mm 高出了一点。现在，水库流域主要是森里和 农业用地。 Chang et al. (1996a, b在) 一个不确定环境中

18、评价非点源污染对水库水 质的影响。 Chang et al.等人充分讨论过一个水库水域中的土地利用要通过不精确 的优化方法达到同时满足经济和环境目标。 水域的平均坡度是 1/57。总人口接近 16 万人，而且大部分居民在中下游河段附近居住 。后堀溪、菜寮溪是两条相近 的支流，在附近有三个小型水库。 乌山头水库是通过一个河道连接到曾文溪的独 立蓄水，为台湾南部最大灌溉地区(嘉义市和台南市)农业灌溉提供短期储水。 由于不充足的溪流、不均匀降水、季节性径流和来自居民区及养猪场废水的污染， 沿海城市的水供应正面临严峻的挑战。 南华水库为高雄市和台南市提供水源。 水 是从紧邻高屏溪流域的河流堰中抽出汇成

19、一个河道， 然后在水库里暂时储藏。 荆 门水库是曾文溪水域中最小的水库，主要只用在当地灌溉。表一列出了水使用模式从 A到 E的官方分类，每一种分类都适用好几种用法。 在 D 和 E 中几个指数的不连续性会增加综合水质状况分类时的困难 。曾文溪水域 只分为 B和 C两种不同使用模式，如图 8所示。文中包含 3个观测站和 20个水 质监测点。 而在中段流域土地利用的增强具有优先权， 民众对饮用水质的关注增 加， 随着项目带来了许多类似的密集的辩论。在流域下游地区的最佳管理策略 是由陈先生和常先生评价的。 这项研究关注当面临低流量和在旱季从高污染地区 接受更多污染影响时，每个排水区域的污染负荷如何有

20、效降低，分析过程图 9 总结了分析过程。初始数据集是在曾文溪流域中下游的 20个监测站获得的，在 1997年 11月进行分析。从中挑选的 7 个监测站的数据最终被本文选用，列在表 2 中七个测量项目中的五个是 DO, BOD5 ,NH3-N, pH 和 SS。 水质指数利用每种质量参数选择的独立权重值来生成基本的输出值。每个 参数的归一化需要保持内部的一致性。 权重最终的评估是来自台湾常用的与基线 相关的权重信息。如表 3 所示，修正后的权重是将一种参数与五种质量参数归一化后的结果。 三种模糊综合评价法简单模糊分类法、 模糊信息强度法和去模糊化法在质量 分类中陆续被应用。图 10 所示的是隶属

21、函数。差距法在分离机制中运用。 五种质量参数、四种用法模式组成一个模糊关系矩阵， 在决策分析中含有 20 个元素。结果与讨论图 11 表明受流域中 RK30 到 RK40 之间的水域中段产生的污染影响。其中一 些位置点被归类为不符合的地区。四个季节中有三个季节的水质状况达到 D 级 由于只有少数监测站在夏天能达到官方要求，一些数据点落在 C和 D 级的边界， 使得理由变得模凌两可。 任何负责处理公众健康和安全的决策人都不能忽略这种 差异。任何可能任务的主管部门要加强污染控制和监督关键时段和地区的方法。为减少结果的误差，用三种模糊综合评价法技术分析相同的数据组。表 4 得出了最终输出值的整体图，表示流域管理的集成的或者可比较的解释。表 4 中在分类旁边的正负号分别表示向更好或者更坏的模式增加的趋势。 只有清 晰的识别问题症状是验证后不符合的， 并开始直接水污染控制行动。 由第三和第 四中方法得到的结果证明他们与采用简单模糊分类法和水质指数得到的结果有 相同的趋势。对比表 4 中最后两个垂直列表明， 这两种方法的预测不仅体现了外 部一致性而且也暗示着改进潜力是相等的 。一个详细对比四种方法预测关于季节 和位置的结果表明， 水质指数可能不容乐观。 这样的观察室很重要的， 特别是在 关键季节和位置方面。基于在 RK35.5的监测站