地下水环境质量评价

《地下水环境质量评价》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、地下水环境质量评价　　摘要：提出用粗糙集（RS）理论的属性约简筛选地下水环境质量评价指标，通过主客观组合赋权确定各评价指标的权重，再利用理想解法（TOPSIS）和灰色关联度相结合的方法确定各样本的相对贴近度，从而建立了地下水环境质量评价的RS-TOPSIS模型。将RS-TOPSIS模型应用于淮河流域某研究区的地下水环境质量评价，结果表明，13个采样点中水质为Ⅰ类、Ⅱ类、Ⅲ类的采样点各有两个，其余各采样点为Ⅳ类，与未约简指标通过理想解法和灰色关联度相结合的评价模型得出的结果是一致的。　　关键词：粗糙集；理想解法；灰色关

2、联度；水质评价；淮河流域　　中图分类号：P641文献标志码：A文章编号：1672-1683（2015）06-1097-04　　Abstract：Attributereductionofroughset（RS）theorywasappliedtoselecttheevaluationindexesofgroundwaterenvironmentquality.AHPandentropymethodswereusedtodecidetheweightofeachevaluationindex，andtherelative

3、similaritydegreeofeachsamplewasdeterminedbasedonthecombinationmethodofTOPSISandgraycorrelation.Then，theRS-TOPSISmodelwasdevelopedtoperformtheevaluationofgroundwaterenvironmentquality.TheevaluationmodelwasappliedtoassessgroundwaterenvironmentqualityintheHuaiheRi

4、verBasin.Theresultsshowedthatamong13groundwater9samplingsites，2samplingsitesbelongtolevelI，II，andIIIrespectivelyandtheremaining5samplingsitesbelongtolevelIV，whichisconsistentwiththeresultsobtainedfromtheevaluationmodelwithTOPSISandgraycorrelation.　　Keywords：rou

5、ghsettheory；TOPSIS；graycorrelation；waterqualityevaluation；HuaiheRiverBasin　　作为地下水环境保护和治理的一项基础性工作，地下水环境质量评价是进行地下水环境管理的重要手段之一。随着测试手段和计算技术的发展，水质评价的方法也在日益增多，如：灰色关联法、模糊评判法、层次分析法、人工神经网络法[1-6]。然而由于地下水环境质量评价指标繁多而带来的评价工作量大、计算复杂、评价主观性强；水质指标信息的如何最大利用以及水质评价中权重的确定，这些都是水质评价工

6、作过程中所要面临和解决的问题。　　针对上述问题，本文拟首先利用粗糙集理论中的属性约简方法对评价指标进行筛选，其次利用约简后的指标构成最初的评价矩阵并构造多指标问题的理想解，计算各方案与理想方案的灰色关联系数矩阵，以灰色关联系数矩阵作为新的决策矩阵，再利用TIOSIS法进行方案排序[7-12]。通过对淮河流域某研究区进行实证研究，得出了比较合理的评价结果。　　1评价指标的约简　　1.1约简思路　　水环境质量评价中多指标会导致评价工作的繁杂，因此需要在不影响评价结果的基础上，采用粗糙集理论对水质评价指标进行约简。9　　粗

7、糙集理论是建立在分类机制的基础上的，它将分类理解为在特定空间上的等价关系，而等价关系构成了对该空间的划分。知识约简是粗糙集理论的核心问题之一，它是基于知识的分类能力不变的前提下的约简[13]。具体的思路如下：　　步骤1建立评价指标信息系统。根据粗糙集理论，在做任何粗糙集计算之前，都应建立一个信息系统S={U，A，V，f}。其中U为对象的非空有限集合，称为论域；A=C∪D是属性集合，子集C和子集D分别称为条件属性和决策属性；V是对象属性的值域；f是信息函数，指定每个对象属性的属性值。具体到本次研究中，则是建立一个评价指

8、标信息系统，条件属性C在本次研究中为各指标，这里进行属性约简，不用建立决策属性。　　步骤2数值离散。粗糙集的数学基础是集合论，难以直接处理连续型的属性值，一般要求由实际数据构成的信息系统中各个属性值必须用离散值表达。因此粗糙集计算中需要对所有的数据进行离散后方能计算。目前对连续数据进行离散化的方法有多种：等距离划分、等频率划等，但是使用这些方法