本发明属于水质评价
技术领域：
，具体涉及一种基于改进的粗糙集-云模型的水质评价方法。
背景技术：
：工业废水、生活污水和其他废弃物进入江河湖海等水体，超过了水体的自净能力，导致其物理、化学、生物等方面特征的改变，从而影响水体的利用价值，制约社会经济的可持续发展；同时，自然过程包括侵蚀变化、地壳风化等也会削弱水体在饮用、工业、农业、娱乐以及其他方面的用途。因此，对水体进行质量评价是合理开发利用和保护水资源的一项基本工作，是社会持续发展稳定生产的重要保障。随着理论和技术的发展，水质评价方法日趋多样，目前在水质评价中应用较多的方法包括层次分析法、灰色系统评价法、模糊数学评价法和人工神经网络法。1、层次分析法(AHP)，能把复杂系统的决策思维进行层次化，把决策过程中定性定量的因素有机地结合起来，使复杂的问题简单化，但是定性成分多，定量数据较少，不易令人信服。用AHP法进行方案排序和科学决策都是应用两两比较的方式得到的，对于某些因素，各专家意见不一致时，就无法建立完全判断举证，且判断矩阵不具有绝对一致性。2、灰色系统评价法，能够用于分析不精确数据、短样本和不完全的水文数据，但是在聚类过程进行之前必须对变量值进行标准化，即消除量纲的影响，不同方法进行标准化会导致不同的聚类结果。3、模糊数学评价法，能够有效解决模糊边界问题以及控制监测误差对评估结果的影响，但在确定各个指标因子的权重时，通常是通过运用人的基本经验和知识，具有主观性。4、人工神经网络法，具有较强的适应性，评价结果客观，但对训练样本的要求高，实现过程复杂，具有局限性。BP神经网络和RBF神经网络是较为广泛使用的两种网络模型，BP神经网络极易出现局部极小化，收敛速度慢，网络结构选择不一等问题；RBF神经网络当数据不充分时，就无法工作，且对样本数据过于依赖。技术实现要素：发明目的：本发明的目的在于解决现有技术中存在的不足，提供一种基于改进的粗糙集-集对分析水质评价方法。技术方案：本发明一种基于改进的粗糙集-集对分析水质评价方法，依次包括如下步骤：(1)首先将集对分析理论的三元联系数ut＝a+bi+cj推广到六元联系数ut＝a+bi1+ci2+di3+ej1+fj2，分别对应Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ、Ⅵ等级；(2)初步计算各样本的联系度ut；(3)确定每个评价指标实测指标数值相对于指标等级分级标准的联系度utk，对于越大越优型指标，联系度utk表达式为：对于越小越优型指标，联系度utk表达式为：其中，Si(i＝1,2，…，6)表示等级数值。(4)确定权重：利用改进的粗糙集条件信息熵确定各评价指标的重要度sig和权重w；其中，粗糙集定义决策表S＝(U，A，V，f)中，U为论域，U＝{x1，x2，…，xk}，A＝C∪D，C为指标属性，D为决策属性，U/C＝{C1，C2，…，Cm}，U/D＝{D1，D2，…，Dn}，I(D|C)表示决策属性D相对于指标属性C的条件信息熵，a∈C，a(x)＝U/{a}，c∈C。(5)将w(c)与联系度utk结合起来，计算各个评价样本的联系度(6)将中同一、差异、对立各分量进行归一化处理即得到各样本的平均联系度以最大数值代表的等级作为该样本的营养化等级。有益效果：本发明通过集对分析计算各样本的联系度，改进的粗糙集条件信息熵作为权重的确定方法，与现方法下相比本发明具有以下优点：(1)解决水质分析中存在的确定性与不确定性。在水质分析过程中，存在确定性的评价标准，以及随机性和模糊性，集对分析是处理系统确定性与不确定性相互作用的数学理论，故可用集对分析对水质进行评价。(2)权重确定的客观性。改进的粗糙集条件信息熵权重确定方法，以客观存在数据为依据，不需要提供问题所需处理数据集合之外的任何先验知识，消除了人为主观的影响，同时，避免了权重为0、测定的评价指标被去掉的情况，保证了各个指标在决策中存在的意义。综上所述，本发明将集对分析和改进的粗糙集条件信息熵结合起来，既能解决水质评价中存在的确定性与不确定性，又能消除权重确定中人为主观的影响，具有合理性和有效性。附图说明图1为本发明的流程图；具体实施方式下面对本发明技术方案进行详细说明，但是本发明的保护范围不局限于所述实施例。为便于理解本发明，做以下说明：集对分析：定义1:：有一定联系的2个集合所作成的对子称为集对。集对分析是从同、异、反三个方面全面刻画两个不同事物之间的联系，其核心思想是把被研究的客观事物之确定性联系与不确定性联系作为一个确定不确定系统来分析处理。定义2：给定两个集合A和B，并设这2个集合组成集对H＝(A，B)，在某个具体问题W下，集对H共有N个特性，其中：有S个为集对H中两个集合A和B所共同具有；在P个特性上集合A和B对立，在其余的F＝N-S-P个特性上既不相互对立，又不为这2个集合所共同具有，则称比值：S/N为这2个集合在问题W下的同一度，记为a；P/N为这2个集合在问题W下的对立度，记为c；F/N为这2个集合在问题W下的差异度，记为b；并用式子表示A、B两个集合的联系度，也可写做u＝a+bi+cj。i和j分别作为差异度和对立度的系数，通常i在区间[-1,1]之间视不同情况取值，j＝-1；i和j也可以仅起标记的作用。在六元联系数u＝a+bi1+ci2+di3+ej1+fj2中，i1、i2、i3均表示差异度系数，j1、j2均为对立度系数，i、j仅起标记的作用。改进的粗糙集条件信息熵：定义1：在决策表S＝(U，A，V，f)中，U为论域，U＝{x1，x2，…，xk}，A＝C∪D，C为条件属性集，D为决策属性集，Va为a的条件属性集，V＝∪Va，f：U×C→V是一个信息函数。定义2：在决策表S＝(U，A，V，f)中，A＝C∪D，指标属性C，U/C＝{C1，C2，…，Cm}，决策属性D，U/D＝{D1，D2，…，Dn}，则决策属性相对于指标属性的条件信息熵为定义3：在决策表S＝(U，A，V，f)中，A＝C∪D，a∈C，x∈U，则条件属性c的重要度为其中a(x)＝U/{a}。定义4：在决策表S＝(U，A，V，f)中，A＝C∪D，则条件属性c的权重为实施例1：本实施例以我国12个代表性湖库的水质作为实际应用以我国12个代表性湖库的实测数据为例，以Chla、TP、TN、COD、SD作为评价因子，用改进的粗糙集-云模型进行水质评价。(1)湖库实测数据(2)我国湖库富营养化评价标准(3)各评价指标的重要度sig和权重wChla(mg/m3)TP(mg/m3)TN(mg/m3)COD(mg/L)SD(m)Sig0.20.20.20.20.2w0.1890.2220.1570.2540.178(4)最终评价结果当前第1页1 2 3