水资源短缺风险综合评价(共32页)

1、 PAGE - 38 - PAGE - 16 -题目(tm)：水资源短缺(dunqu)风险综合评价队员(du yun)一：李 佳 测控0903队员二：李哲超 电气0902队员三：季志远 网络0902摘要(zhiyo)本文研究了北京市水资源短缺风险(fngxin)综合评价问题，其中共有三个主要问题需要讨论，它们分别是识别水资源风险的主要因子，对水资源风险进行综合评价(pngji)并划分风险等级和预测北京市未来两年水资源的短缺风险。针对这三个问题，我们分别采用了灰色关联度分析、模糊综合评价法、指数拟合和BP神经网络等知识建立模型进行解答，较好地解决了上述问题。针对第一个问题，我们采用灰色关联度分析

2、，以总用水量为参考数列，分别计算出各个风险因子对其关联度，关联度越高说明该因子与参考序列关系越密切。最后我们通过关联度比较，选出农业用水，工业用水，水资源总量和第三产业及生活等其它用水四个关系最为密切的因素作为主要风险因子，它们的关联度分别为0.8559,0.8158,0.8466,0.806。针对第二个问题，我们利用模糊综合评价法对水资源风险进行评判，把水资源风险划分成低，较低，中等，较高和高五个等级，选取第一个问题得出的四个主要风险因子为评价对象的因素。关于风险因子权重的确定问题，我们采用了熵值法，从而较好地避免主观因素的影响，得出农业用水，工业用水，水资源总量和第三产业及生活等其它用水的

3、权重分别为0.2128,0.2965,0.2659,0.2248。最后计算出水资源短缺风险的评判结果为中等。针对第三个问题，我们需要预测四个主要风险因子未来两年的数据，从而得出未来两年水资源短缺风险的情况。首先我们采用指数拟合的方法，通过分析残差图发现这种拟合方式有系统性偏差。于是我们改用BP神经网络进行预测，选取1979-2008的数据为训练样本，当训练达到预期效果之后，我们开始使用该网络进行预测，并将得到的主要风险因子未来两年的数据带入第二个问题中的风险评价体系中，得出北京市未来两年水资源短缺风险指数降低，短缺风险得到缓解的结论。关键词：灰色关联度分析 模糊综合评价 熵值法 指数拟合 BP

4、神经网络一 问题(wnt)的提出近年来，我国特别是北方地区水资源短缺(dunqu)问题日趋严重。其中(qzhng)，北京市人均水资源占有量不足300m3，是全国人均的1/8，世界人均的1/30，属重度缺水地区。水资源短缺已经成为影响和制约首都社会和经济发展的主要因素。政府采取了一系列措施, 如南水北调工程建设, 建立污水处理厂,产业结构调整等。但是，气候变化和经济社会不断发展，水资源短缺风险始终存在。为维护社会经济的稳定发展、保证可持续发展战略的实施，现需要我们解决以下问题：对北京市水资源短缺风险的主要风险因子进行评定建立一个数学模型对北京市水资源短缺风险进行综合评价，作出风险等级划分并说明如

5、何对主要风险因子进行调控使得风险降低。3.对北京市未来两年水资源的短缺风险进行预测，并提出应对措施。4.以北京市水行政主管部门为报告对象，写一份建议报告。二 问题的分析在第一个问题中，首先我们分析了影响北京市水资源短缺的原因：资源型缺水和水质型缺水，并分别列出各影响因素，按照逻辑关系将各影响因素进行层次分类，得出下图：接着对各风险因子选择的合理性进行定性分析，通过matlab绘图得出各风险因子与水资源短缺的大致关系。最后我们用灰色关联度模型，求出各风险因子(ynz)与短缺风险的关联程度，得出了四大主要风险因子：农业用水、工业用水、第三产业及生活用水、水资源总量。在第二个问题(wnt)中，我们运

6、用模糊数学中的综合评价模型，首先建立偏差矩阵，确定评价集合，根据风险度与偏差度的关系(gun x)建立隶属度矩阵，最后根据熵值法确定各主要风险因子的熵权值，并求出过去30年北京市总体的风险指标。在第三个问题中，我们对时间序列的各风险因素进行指数拟合，得出未来两年的各因素值并作出残差图，但是发现这种拟合方式存在系统性偏差，因此我们运用BP人工神经网络的预测模型对此进行改进，得出了较为理想的预测结果。三、 符号的说明序号符号含义1关联度系数2关联度3观测矩阵6相对偏差矩阵7评价论域8隶属度矩阵9归一化矩阵10各风险因子的熵值矩阵11各风险因子的熵权矩阵12水资源短缺风险的评判结果集13水资源短缺风

7、险值14转移函数15神经网络归一化矩阵 四、问题(wnt)的假设用水资源总量的影响来代替(dit)包括降水量等来水量的影响，将人口数的影响并入到第三产业及生活等其他用水的影响当中，并假设(jish)通过选择后的影响因素相互独立。假设未来两年中不会发生洪灾、旱灾等大型自然灾害，不会兴建水利工程，政府关于水利方面的政策不会有大的变动。 五、模型的建立及求解5.1水资源短缺风险的主要风险因子分析5.1.1定性分析通过查阅北京市统计年鉴，我们初步选取了农业用水，工业用水，第三产业及生活等其他用水，水资源总量，城市绿化覆盖率和污水处理率作为主要考虑的水资源短缺因子。为了防止风险因子无明显变化或者变化明显

8、、无规律影响分析结果，我们将六个风险因子进行简单作图分析：从图中不难看出，农业用水，工业用水分别在1989,1992年前波动比较大，但是在1990,1993年以后总体呈下降(xijing)趋势，通过查资料知道：农业(nngy)方面，我国逐渐抛弃了传统的漫灌方式，在全国范围内推广(tugung)使用滴灌及喷灌的灌溉方式，实现了对水资源的节约。此外，从90年代开始初步实现了工程技术、农业技术和管理技术的有机结合，因此农业用水自1990年一直处于下降态势。工业方面，自改革开放以来，我国的科技创新能力逐年增强，高科技产品也逐年增多，产业也在向高端科技发展。由此，在生产方面，拥有了很多节水的技术及产品。

9、从而，工业用水量在逐渐减小。第三产业及生活等其他用水，自1978年改革开放以后，北京市增加了诸如酒店、学校、医院等的很多机关单位，并且北京市的人口数目也大幅上升，尤其是这其中外来人口数的增加都使得第三产业及生活等其他用水量也随之大幅上升。通过简单的作图发现，农工业用水，第三产业及生活等其他用水，水资源总量，城市绿化覆盖率和污水处理率有着一定变化，可以从数据变化的角度对之加以分析，因此这些风险因子的选择是合理的。5.1.2灰色关联度分析灰色关联度是根据序列曲线几何形状的相似程度来判断其联系是否紧密的。曲线越接近，相应序列之间的关联程度就越大，反之越小。因此，灰色关联度分析对于一个系统发展变化态势

10、提供了量化的度量，非常适合动态的历程分析。灰色关联度可分成“局部性灰色关联度”与“整体性灰色关联度”两类。局部性灰色关联度有一参考序列，而整体性灰色关联度是任一序列均可为参考序列。这里我们采用整体性灰色关联度方法。其主要步骤如下：（1）数据的无量纲标准化处理因为系统中各因素的数据可能会由于计算单位及数量级的不同，在比较时难以得出正确的结果，因此我们在比较前先对数据进行无量纲标准化处理。具体做法为： 其中：（=1,2,30;j=1,2,，6）表示第年（以1979年作为第一年）在第个指标的数值，经过处理后的数据介于0和1之间。其中(qzhng)：（=1，2，30）表示(biosh)第年（以1979

11、年作为(zuwi)第一年）的总用水量的数值，经过处理后的数据介于0和1之间，具体数据见附录表二。选取总用水量为参考数列，得到对应的差数列表，见附录表三。利用下述公式计算比较序列的所有指标对应于参考序列所有指标的关联系数。式中为水资源短缺因素的绝对差，为分辨系数，在01之间变化。（这里我们取=0.5）由此，我们可得到所有指标的关联系数，具体数据见附录表四。 （4）由可以得出各项指标的关联度，如下图：风险因子 农业用水工业用水第三产业及生活等其它用水水资源总量城市绿化覆盖率污水处理率关联度0.85590.81580.8060.84660.57940.5565 （5）灰色关联度结果分析 关联度越大，

12、比较序列与参考序列关系越密切。从关联度表可以看出，关联度从大到小排序依次为：农业用水工业用水水资源总量第三产业及生活等其它用水城市绿化覆盖率污水处理率。因此，我们可以得出以下结论：农业用水对于北京市水资源短缺风险影响最大，关系最为密切，其次为工业用水，关系最小的是污水处理率，这里我们选取四个关系最为密切的因素作为主要风险因子，它们分别是农业用水，工业用水，水资源总量和第三产业及生活等其它用水。5.2 水资源短缺风险的模糊综合评价模糊综合评价法是应用模糊关系合成的原理，根据模糊数学的隶属度理论把定性评价转化为定量评价，对受到多种因素制约的事物或对象做出一个总体的评价。在评价过程中，它通过对各个影

13、响因素的考虑，对不同因素赋予不同的权重，再利用评价函数得到较理想的评判结果。这里我们采用熵值法来确定各个因素的权重，避免了层次分析法的主观性，使评价结果更符合实际。问题二中要求对北京市水资源短缺风险进行综合评价，并作出风险等级划分。这是一个非确定性问题的模糊划分，因此用模糊数学中的综合评价方法较为准确。5.2.1建立观测(gunc)矩阵根据5.1中求出的主要风险因子(ynz)，建立观测矩阵。其中水资源总量越多，水资源短缺风险就越小，因此水资源总量对于水资源短缺是负相关，在这里(zhl)我们对水资源总量数据进行取负处理。具体数据见下面矩阵 因子年份农业用水量（亿立方米）工业用水量（亿立方米）第三

14、产业及生活用水量（亿立方米）水资源总量（亿立方米）197924.1814.374.37-38.23198031.8313.774.94-26198131.612.214.3-24198228.8113.894.52-36.6198331.611.244.72-34.7198421.8414.3764.017-39.31198510.1217.24.39-38198619.469.917.18-27.0319879.6814.017.26-38.66198821.9914.046.4-39.18198924.4213.776.45-21.55199021.7412.347.04-35.86199

15、122.711.97.43-42.29199219.9415.5110.98-22.44199320.3515.289.59-19.67199420.9314.5710.37-45.42199519.3313.7811.77-30.34199618.9511.769.3-45.87199718.1211.111.1-22.25199817.3910.8412.2-37.7199918.4510.5612.7-14.22200016.4910.5213.39-16.86200117.49.212.3-19.2200215.57.511.6-16.1200313.88.413.6-18.42004

16、13.57.713.4-21.4200513.26.814.5-23.2200612.86.215.3-24.5200712.45.816.6-23.82008125.217.9-34.25.2.2建立(jinl)相对偏差矩阵建立(jinl)关于的相对偏差矩阵(j zhn)。经过5.2.1中对于水资源总量取负处理，农业用水量，工业用水量，第三产业及生活用水量和水资源总量都是负指标，即指标值越小方案越优的指标因素。因此采用如下的公式来计算相对偏差矩阵其中可知，越大，表示其偏差越大，可认为其风险较大。 因子 年份农业用水量工业用水量第三产业及生活用水量水资源总量19790.65460.76420.

17、02540.2414198010.71420.06650.627819810.98960.58420.02040.69119820.86370.72420.03620.292919830.98960.50330.05060.352919840.5490.764700.207319850.019910.02690.248719860.44150.39250.22780.5953198700.73420.23360.227819880.55580.73670.17160.211419890.66550.71420.17530.768419900.54450.5950.21770.316319910

18、.58780.55830.24580.113119920.46320.85920.50150.740319930.48170.840.40140.827819940.50790.78080.45760.014219950.43570.7150.55850.490719960.41850.54670.3805019970.3810.49170.51020.746319980.34810.470.58940.258119990.39590.44670.6254120000.30740.44330.67510.916620010.34850.33330.59660.842720020.26280.1

19、9170.54620.940620030.1860.26670.69030.867920040.17250.20830.67590.773120050.15890.13330.75510.716320060.14090.08330.81270.675220070.12280.050.90640.697320080.1047010.36875.2.3建立(jinl)评语论域水资源短缺(dunqu)风险为相对值，没有明显的界限,根据模糊数学理论可以(ky)将各评价指标分为若干级别。通过查资料,我们可以确定水资源短缺风险评论域为，我们选定其对应的区间分别为低，较低，中等，较高，高。对于隶属度矩阵的确

20、定，我们采用模糊统计的方法，将每个评价因素对应于各分级指标的次数除以总次数得出评价因素对应各等级的隶属度5.2.4熵值法确定权重系数：信息熵评价所获系统信息的有序度及其效用，即由评价指标值构成的判断矩阵来确定指标的权重，从而尽量消除各指标权重的人为干扰，使评价结果更符合实际。其具体计算如下：在5.2.3中通过计算得到了4个风险因子，5个评价指标的隶属度矩阵R： （2）将判断矩阵进行归一化处理，得到归一化矩阵，的元素为：将数据代入，构造归一化矩阵: （3）根据熵的定义(dngy)，4个评价对象5个评价指标，确定各风险(fngxin)因子的熵值： 其中(qzhng) 将数据代入，得到 为：通过上述

21、计算，得到各风险因子的熵矩阵： （4）利用熵值计算确定权重代入数据，得到各风险因子的权重矩阵：由上式可以看出，熵值越小时，熵权越大，表明相应的评价指标的信息量越有效，该评价指标越重要。反之，指标的熵越大，其熵权越小，该指标越不重要。5.2.5根据模糊数学原理进行综合评价： （1）水资源短缺风险评价的模糊综合评价模型为W与R的合成运算，即 S为水资源短缺风险的评判结果集： （2）根据模糊数学理论中的模糊评判向量处理办法，我们采用加权平均原则处理数据，根据加权平均原则的公式：我们(w men)将评论域分别(fnbi)赋予权值代入公式可以(ky)计算：即北京市水资源短缺风险评价结果为中等。5.2.6

22、根据评价结果调控风险因子 （1）农业用水：其所占权重系数较小，从5.1.1的图中看，其下降程度也比较明显，而且现在一些有效的喷灌滴灌等节水技术也已经推广，因此，只要对其简单调控，该风险因子的风险系数会进一步降低。 （2）工业用水：由权重矩阵可以看出，该风险因子所占权重为0.2965，处在一个比较高的水平，但由5.1.1的定性分析中可以看出，工业用水量正逐年减少可见北京市对工业用水的调控起到了比较好的作用，应当继续保持。 （3）第三产业及生活等其他用水：由权重矩阵，我们可以看出第三产业及生活等其他用水所占权重虽然较小，但是从5.1.1的曲线图可以知道这部分用水随年逐步增长。所以也应当得到重点调控

23、。在生活用水中，公共建筑用水占 55%，我们可以通过建立节水的规定制度来强化员工节水意识采取优惠政策鼓励节水行为大范围使用节水设施。其次，居民用水也占有相当大的比重。针对这一方面，我们通过适当控制人口的增长宣传并鼓励人们循环用水适当提高水价。水资源总量：针对北京市水来源主要包括:地下水、降水、南水北调工程地下水和降水。我们考虑通过南水北调工程来增加北京供水量。5.3 对北京市未来两年水资源短缺风险进行预测 为了预测未来两年北京市水资源短缺状况，我们首先对北京市未来两年工农业用水量、第三产业及生活等其他用水量、水资源总量的状况进行预测，继而采用模糊综合评价法评判出短缺风险等级。5.3.1 指数(

24、zhsh)拟合近年来，北京市调控(dio kn)水资源的措施多、范围广、时间(shjin)长，年代较远的数据对未来的预测没有太大的参考价值。因此，我们选取近10年来的数据进行分析，对时间序列上的用水量进行预测，自然情况下一个数据的变化应当满足的是指数拟合，而不是一次或者二次多项式拟合，因此我们采用指数方式拟合数据，得到以下各图：得到下表： 因素年份 农业用水量（亿立方米）工业用水量（亿立方米）第三产业及生活等其他用水（亿立方米）水资源总量（亿立方米）200911.38054.637216.6999 29.1776 201010.84824.288317.3536 31.5256201110.3

25、408 3.965818.0329 34.0626 20129.85723.667518.7389 36.80385.3.2 绘制各因素(yn s)与拟合度的残差图第三产业及生活用水残差图工业用水残差图水资源总量残差图农业用水残差图“残差图”以回归方程的自变量为横坐标，以残差为纵坐标，将每一个自变量的残差描在该平面坐标上。当描绘的点围绕残差等于0的直线上下随机散布，说明回归直线对原观测(gunc)值的拟合情况良好。观察以上四组图形，我们可以(ky)看出图中出现了规则性曲线图形，产生了系统性偏差。这说明用指数拟合的方法并不理想，所以我们改用BP神经网络进行(jnxng)预测。5.3.3 利用BP

26、神经网络对未来两年进行预测BP神经网络是利用误差反向传播（Error Back Propagation）算法进行训练的单纯的前馈型人工神经网络，由信息的正向传播和误差的反向传播两个过程组成。本文中我们利用BP神经网络进行预测，即使用BP神经网络来预测主要风险因子（农业用水量，工业用水量，水资源总量和第三产业及生活等其它用水量）在未来2009,2010,2011，2012年的预测值。在这里我们以农业用水量为例进行分析： （1）选取三层BP神经网络，经过(jnggu)多次测试，选择隐含层节点数为7，输出节点数为1，转移函数选择tan-sigmoid函数即。 （2）按每6年为一组织样本即训练集输入向

27、量矩阵X中，由于选用的传递函数变化范围在-1到1之间，因此(ync)我们需要对数据先进行归一化处理。归一化公式为： （3）当网络训练好后，我们(w men)以每6年来预测下一年的指标值，并做反归一化处理。得出了农业用水量的实际数据散点图和拟合曲线。 （4）绘出农业用水实际值与拟合值的残差图。图中，横坐标为年份（以1979年为第1年），纵坐标为实际值与拟合值的残差，分析得出，原始数据中有两个奇异点，它对于农业用水量的预测没有太大参考价值，应该剔除，从1988年往后，所描绘的点都在以0为横轴的直线上下随机散布，表明预测值与观测值的拟合情况是良好的，相对误差小，其对于2009,2010，2011,2

28、012年的预测也将真实可信。 （5）通过拟合得到预测值年份2009201020112012农业用水量（亿立方米）11.516711.417211.355511.323 （6）采用相同的方法得到其他(qt)影响因素的拟合曲线、残差图和预测值分别是： 年份2009201020112012工业用水量/亿立方米5.38495.29205.26005.2477第三产业及生活用水/亿立方米17.596617.808517.865917.8782水资源总量/亿立方米29.171932.142439.959244.51945.3.4 利用(lyng)模糊数学原理进行风险分析将5.3.2中得到的各因素的预测值进

29、行(jnxng)整理的到下表： 因素年份 农业用水量（亿立方米）工业用水量（亿立方米）第三产业及生活等其他用水（亿立方米）水资源量（亿立方米）200911.51675.384917.5966 29.1719 201011.41725.292017.8085 32.1424201111.3555 5.260017.865939.9592201211.3235.247717.8782 44.5194分别对2011年和2012年建立(jinl)相对偏差矩阵，得到： 由矩阵中各评价因素的实际数值对照各因素的分级指标可以得到2011年和2012年各影响因素对于对应各等级的隶属度相同，其隶属度矩阵为： 根

30、据5.2.4中得到的各主要风险因子的权重矩阵算出评价结果集： 通过加权平均原则的公式计算得到 。由预测值及计算结果可知，在未来两年内，工农用水量会有相对(xingdu)的上升，第三产业及生活等其他用水会持续升高，不过水资源总量也会有所提升。综合考虑，除第三产业及生活等其他用水量的升高外，其他因素都在向着良性方向发展。而对于总体的水资源短缺风险，虽然没有较大的改观但是从模糊评价中我们可以看出风险指数降低了，这说明北京市未来两年的水资源短缺风险会得到缓解。针对第三产业及生活等其他用水量持续走高的现象，我们可以采取如下措施：控制人口的大幅度增长和流入，倡导并鼓励市民的节水行为、强化节水意识。5.4

31、对北京市水行政(xngzhng)主管部门的建议(jiny)报告北京市水行政主管部门：北京市人均水资源占有量不足300m3，是全国人均的1/8，世界人均的1/30，是水资源严重缺乏的大都市之一。影响水资源的因素有很多，诸如气候条件、水利工程设施、工业污染、工农业用水、管理制度，人口规模、第三产业及生活等其他用水、水资源总量、降水量等等。我们根据1979年至2000年北京市水资源短缺状况的数据和北京2009统计年鉴及市政统计资料提供的北京市水资源的有关信息建立模型对这些影响因素进行分析，得出了影响水资源短缺的主要因素，判定了北京市水资源短缺风险的等级并对未来两年北京市水资源短缺风险进行了预测。分析

32、的结果显示，北京市现在的水资源短缺风险处于中等水平，在未来两年，北京市的水资源短缺风险有所缓解但是改善的情况并不大，仍然处于风险边缘。而影响水资源短缺风险的主要影响因素有工农业用水量、第三产业及生活等其他用水量和水资源总量。在解决水资源短缺的问题上，水行政主管部门应当着重处理以上四个因素。当然，仅仅从这四个方面入手是远远不够的，为更好缓解水资源短缺风险我们有如下建议：在政策上确定节水的优先地位。不管是在工农业还是生活中，都将节水放在第一位，并在政策上进行强制性执行。在工农业上，严格审批高耗水工业项目，严格控制石化、冶金、造纸等高耗水工业的发展；在生活方面，机关单位中要将节水列入工作规章制度当中

33、，控制如洗车行等高耗水个体私营单位的数量或强制其使用节水型设施等。此外，还可以适当提高水价，以此来帮助企业、单位和个人从主观上养成节约用水的意识。宣传、倡导单位和个体共建节约型社会。构建节约型社会，节约水资源是必不可少也是至关重要的一部分。加大宣传力度，让市民都能了解北京的水资源紧缺形势，从思想上认识到节水的重要性和必要性；采取鼓励性措施，对节水工作开展不错的单位和个人进行物质上和政策上的奖励。采用更好的节水型技术和设施。例如：在农业上，选择节水较好的滴灌和喷灌的灌溉方式，而抛弃传统的漫灌方式；在工业上，采用节水性较好的生产设备和生产方式；在生活上，同样也推广使用节水型的家用设施等。健全水循环

34、利用体系，将污水作为宝贵的资源，利用日益精进的净化技术实现污水的净化，并将其作为工业用水甚至是生活用水。比如，可以净化生活用水并将净化后的水用于冲洗公共厕所等。实现水资源的统一管理。水资料信息不统一，这样不利于节约用水，不利于水环境改善等措施的落实，影响到水资源的可持续(chx)发展。因此，必须建立统一管理水资源的管理机构。六 模型(mxng)的优缺点及改进1.模型(mxng)的优缺点：(1)在判定水资源短缺风险的主要风险因子时，我们利用灰色关联度分析的方法，避免了因为其他变量的影响不能真实反映相关关系的情况。(2)评定北京市水资源短缺风险级别时，我们利用熵值法来计算权重，尽可能地避免了人为主

35、观因素。(3)在对北京市未来两年水资源短缺风险预测中，我们建立了两个数学模型分别是：指数拟合模型和BP神经网络模型。通过两个网络的比较，使得预测结果更加可信。(4)考虑的影响因素不全面是模型的一个较大缺陷。我们用水资源总量来代替包括降水量等的来水量，将人口数并入了第三产业及生活等其他用水的影响当中，这些都会造成模型与实际的偏差。模型的改进： 在对水资源短缺模型建立数据处理的过程中，我们需要全面考虑具有代表性的影响因素。建立模型时我们可以提高对数据的获取能力，将更多的因素考虑进去，如：降水量、人口数等，使得模型的可信度更高。七 参考文献1 姜启源,数学模型,北京：高等教育出版社，19982 宋晓

36、秋，模糊数学原理与方法，徐州：中国矿业大学出版社，19993 李柏年，模糊数学及其应用，合肥：合肥工业大学出版社，20074王庚 王敏生，现代数学建模方法，北京：科学出版社，2008 附 录 表一 1979年至2008年北京市水资源短缺(dunqu)的状况 年份农业用水(亿立方米)工业用水(亿立方米)/X2第三产业及生活用水(亿立方米)/X3水资源总量（亿立方米）/X4城市绿化覆盖率（%）/X5污水处理率（%）/X6总用水量(亿立方米)/Y197924.1814.374.3738.2322.310.242.92198031.8313.774.942620.19.450.54198131.612

37、.214.32420.110.848.11198228.8113.894.5236.620.110.947.22198331.611.244.7234.720.110.247.56198421.8414.3764.01739.3120.11040.05198510.1217.24.393820.11031.71198619.469.917.1827.0322.868.936.5519879.6814.017.2638.6622.97.730.95198821.9914.046.439.18257.442.43198924.4213.776.4521.55266.644.64199021.741

38、2.347.0435.86287.341.12199122.711.97.4342.2928.436.642.03199219.9415.5110.9822.4430.331.246.43199320.3515.289.5919.6731.333.145.22199420.9314.5710.3745.4232.399.645.87199519.3313.7811.7730.3432.6819.444.88199618.9511.769.345.8733.2421.240.01199718.1211.111.122.2534.222240.32199817.3910.8412.237.735.

39、622.540.43199918.4510.5612.714.2236.32541.71200016.4910.5213.3916.8636.539.440.4200117.49.212.319.238.784238.9200215.57.511.616.140.574534.6200313.88.413.618.440.8750.135.8200413.57.713.421.441.9153.934.6200513.26.814.523.24262.434.5200612.86.215.324.542.573.834.3200712.45.816.623.84376.234.82008125

40、.217.934.243.578.935.1表二 标准化数据(shj)年份农业用水/X1工业用水/X2第三产业及生活等其它用水/X3水资源总量/X4城市绿化覆盖率/X5污水处理率/X6总用水量/Y19790.65460.76420.02540.75860.0940.11580.611198010.71420.06650.372200.1055119810.98960.58420.02040.30900.12360.87619820.86370.72420.03620.707100.12480.830519830.98960.50330.05060.647100.11580.847919840.

41、5490.764700.792700.11330.464519850.019910.02690.751300.11330.038819860.44150.39250.22780.40470.11790.09910.2859198700.73420.23360.77220.11970.0837019880.55580.73670.17160.78860.20940.07980.58619890.66550.71420.17530.23160.25210.06950.698819900.54450.5950.21770.68370.33760.07850.519119910.58780.55830

42、.24580.88690.3560.06950.565619920.46320.85920.50150.25970.437200.790219930.48170.840.40140.17220.47990.02450.728419940.50790.78080.45760.98580.52520.10810.761619950.43570.7150.55850.50930.53760.23420.711119960.41850.54670.380510.56150.25740.462519970.3810.49170.51020.25370.60340.26770.478319980.3481

43、0.470.58940.74190.66240.27410.483919990.39590.44670.625400.69230.30630.549320000.30740.44330.67510.08340.70090.49160.482420010.34850.33330.59660.15730.79830.52510.405820020.26280.19170.54620.05940.87480.56370.186320030.1860.26670.69030.13210.88760.62930.247620040.17250.20830.67590.22690.93210.67820.

44、186320050.15890.13330.75510.28370.93590.78760.181220060.14090.08330.81270.32480.95730.93440.17120070.12280.050.90640.30270.97860.96530.196520080.1047010.6313110.2118表三 差数(ch sh)列表年份农业用水/X1工业用水/X2第三产业及生活等其它用水/X3水资源总量/X4城市绿化覆盖率/X5污水处理率/X619790.04360.15310.58560.14760.5170.4952198000.28580.93350.627810

45、.894519810.11370.29180.85560.5670.8760.752419820.03310.10640.79430.12340.83050.705719830.14170.34450.79720.20080.84790.732119840.08450.30010.46450.32820.46450.351319850.01890.96120.01190.71250.03880.074519860.15570.10660.0580.11890.16790.1868198700.73420.23360.77220.11970.083719880.03030.15070.41440

46、.20260.37660.506219890.03340.01530.52360.46720.44670.629319900.02530.07590.30140.16460.18150.440619910.02220.00730.31980.32130.20960.496119920.3270.0690.28870.53050.3530.790219930.24670.11160.3270.55620.24850.70419940.25370.01920.3040.22420.23640.653519950.27540.00390.15260.20180.17350.476819960.044

47、0.08420.08190.53750.09910.205119970.09730.01340.03190.22460.12510.210619980.13580.01390.10550.25790.17850.209819990.15330.10260.07620.54930.1430.24320000.17490.03910.19280.3990.21850.009220010.05730.07250.19080.24850.39250.119320020.07640.00530.35990.12690.68850.377420030.06160.01910.44270.11550.640

48、.381820040.01390.0220.48950.04050.74570.491920050.02230.04790.57390.10250.75470.606420060.03010.08770.64170.15380.78630.763420070.07370.14650.70980.10620.78210.768720080.10710.21180.78820.41940.78820.7882表四 相关系数数列(shli)年份农业用水/X1工业用水/X2第三产业及生活等其它用水/X3水资源总量/X4城市绿化覆盖率/X5污水处理率/X619790.91980.76550.66060.

49、97210.49160.5024198010.63630.54880.64330.33330.358619810.81480.63150.56880.66860.36340.399219820.93790.82460.58630.9020.37580.414719830.77910.5920.58540.91350.3710.405819840.85550.62490.81840.80370.51840.587419850.96350.34220.97670.61240.9280.870419860.76260.82420.8960.80790.74860.7281198710.40510.8

50、8160.7930.80690.856719880.94290.76850.74680.91160.57040.496919890.93740.97020.68850.71690.52820.442719900.95180.86830.82390.95230.73360.531619910.95750.98570.80990.80880.70460.50219920.60460.87880.8340.68520.58620.387519930.66960.81760.80460.67340.6680.415319940.66340.9630.82190.89040.6790.433519950

51、.64480.99220.96610.91250.74240.511919960.91920.85590.95920.68190.83460.709119970.83710.9740.940.890.79990.703619980.78640.97290.82580.85970.73690.704419990.76530.82970.86780.67650.77750.67320000.74080.92750.92180.75620.69590.981820010.89720.87340.92380.8680.56020.807420020.86740.98940.88150.99760.42

52、070.569920030.89040.96320.73040.91230.43860.56720040.9730.95780.80530.9250.40140.504120050.95730.91260.66560.92990.39850.451920060.94310.85080.63790.96480.38870.395820070.87150.77340.61330.82490.390.394120080.82360.70240.58820.84380.38820.3882相关(xinggun)程序：%问题(wnt)一x1=24.18 31.83 31.6 28.81 31.6 21.

53、84 10.12 19.46 9.68 21.99 24.42 21.74 22.7 19.94 20.35 20.93 19.33 18.95 18.12 17.39 18.45 16.49 17.4 15.5 13.8 13.5 13.2 12.8 12.4 12 ;x2=14.37 13.77 12.21 13.89 11.24 14.376 17.2 9.91 14.01 14.04 13.77 12.34 11.9 15.51 15.28 14.57 13.78 11.76 11.1 10.84 10.56 10.52 9.2 7.5 8.4 7.7 6.8 6.2 5.8 5.2

54、;x3=4.37 4.94 4.3 4.52 4.72 4.017 4.39 7.18 7.26 6.4 6.45 7.04 7.43 10.98 9.59 10.37 11.77 9.3 11.1 12.2 12.7 13.39 12.3 11.6 13.6 13.4 14.5 15.3 16.6 17.9 ;x4=38.23 26 24 36.6 34.7 39.31 38 27.03 38.66 39.18 21.55 35.86 42.29 22.44 19.67 45.42 30.34 45.87 22.25 37.7 14.22 16.86 19.2 16.1 18.4 21.4

55、23.2 24.5 23.8 34.2 ;x5=22.3 20.1 20.1 20.1 20.1 20.1 20.1 22.86 22.9 25 26 28 28.43 30.33 31.33 32.39 32.68 33.24 34.22 35.6 36.3 36.5 38.78 40.57 40.87 41.91 42 42.5 43 43.5 ;x6=10.2 9.4 10.8 10.9 10.2 10 10 8.9 7.7 7.4 6.6 7.3 6.6 1.2 3.1 9.6 19.4 21.2 22 22.5 25 39.4 42 45 50.1 53.9 62.4 73.8 76

56、.2 78.9 ;y=42.92 50.54 48.11 47.22 47.56 40.05 31.71 36.55 30.95 42.43 44.64 41.12 42.03 46.43 45.22 45.87 44.88 40.01 40.32 40.43 41.71 40.4 38.9 34.6 35.8 34.6 34.5 34.3 34.8 35.1 ; %绘制主要(zhyo)风险因子的走势图year=linspace(1979,2008,30);hold onplot(year,x1,r-o)plot(year,x2,b-h)plot(year,x3,g-x)legend(农业(n

57、ngy)用水,工业用水,第三产业(d sn chn y)及生活等其它用水)hold offfigureplot(year,x4,r-*)legend(水资源总量)figureplot(year,x5,g-o)legend(城市绿化覆盖率)figureplot(year,x6,b-)legend(污水处理率) %矩阵标准化X1=(x1-min(x1)/(max(x1)-min(x1);X2=(x2-min(x2)/(max(x2)-min(x2);X3=(x3-min(x3)/(max(x3)-min(x3);X4=(x4-min(x4)/(max(x4)-min(x4);X5=(x5-min(

58、x5)/(max(x5)-min(x5);X6=(x6-min(x6)/(max(x6)-min(x6);Y=(y-min(y)/(max(y)-min(y); %灰色关联法D1=X1,X2,X3,X4,X5,X6n,m=size(D1);for i=1:m for j=1:n D2(j,i)=abs(D1(j,i)-Y(j); endenderror_min=min(min(D2);error_max=max(max(D2); %计算相关系数p=0.5;for i=1:m for j=1:n D3(j,i)=(error_min+p*error_max)/(D2(j,i)+p*error_m

59、ax); endendD3mean(D3(:,1),mean(D3(:,2),mean(D3(:,3),mean(D3(:,4),mean(D3(:,5),mean(D3(:,6) %问题(wnt)二 %建立(jinl)观测矩阵X4=-x4;X4=(X4-min(X4)/(max(X4)-min(X4);A=x1,x2,x3,-x4 %建立(jinl)相对偏差矩阵X1=X1;X2=X2;X3=X3;X4=X4;K=X1,X2,X3,X4 %建立隶属度矩阵RR=zeros(4,5);for i=1:30 if X1(i,1)=0.2 R(1,1)=R(1,1)+1; elseif X1(i,1)

60、=0.4 R(1,2)=R(1,2)+1; elseif X1(i,1)0.6 R(1,3)=R(1,3)+1; elseif X1(i,1)=0.8 R(1,4)=R(1,4)+1; elseif X1(i,1)=1 R(1,5)=R(1,5)+1; endendfor i=1:30 if X2(i,1)=0.2 R(2,1)=R(2,1)+1; elseif X2(i,1)=0.4 R(2,2)=R(2,2)+1; elseif X2(i,1)0.6 R(2,3)=R(2,3)+1; elseif X2(i,1)=0.8 R(2,4)=R(2,4)+1; elseif X2(i,1)=1