论文部分内容阅读
区域水资源可持续利用评价是可持续水资源管理的基础和前提,是水资源可持续利用研究的主要方式之一,水资源可持续利用评价指标体系(Indicators System for Sustainability Assessment of Water Resources Use, ISSAWRU)构建和评价方法则是评价过程中的两大核心内容。本论文主要开展了3方面研究：(1)基于区域水资源可持续利用评价指标体系(Indicators System for Sustainability Assessment of Water Resources Use, ISSAWRU)构建的一般方法与步骤,提出围绕初始、优化和检验三个过程进行ISSAWRU构建的新思路、理论与方法；针对ISSAWRU中的指标信息重复和干扰问题,提出相关分析与粗糙集(Rough Set, RS)属性约简相结合的方法实现指标体系的优化,并采用灰色关联度评价与RS属性重要度耦合的综合指数模型检验优化结果。以福建省为例,9个设区市为研究单元,依据可持续发展理论,从水资源条件、开发利用状况、生态环境和社会经济4个方面,构建由30项指标组成的初始ISSAWRU,通过筛选得到由12项指标构成的优化ISSAWRU,进而对这两套指标体系进行评价并检验优化效果。(2)基于福建省ISSAWRU,提出区域水资源可持续利用评价的RS-SVM模型,并与单一SVM模型的应用效果进行对比分析。(3)基于福建省优化ISSAWRU,在评价指标体系不变的条件下,对比研究两类7种典型评价方法的特点及其应用效果,即综合指数型的主成分分析法(Principal Conponent Analysis, PCA)、层次分析法(Analytic Hierarchy Process, AHP)、灰色关联度法、改进序关系法和等级分类型的模糊综合评判法、BP神经网络和支持向量机(Support Vector Mechine, SVM)。研究结果表明：(1)基于相关分析与Horafa属性约简相结合的指标信息优化方案是可行的,能够筛除重复和干扰信息,简化繁杂的指标体系,降低后续评价的计算复杂度及输入的属性维度,并且信息筛选后的优化ISSAWRU能够获得与初始ISSAWRU效果同等或更合理的评价结果。(2)通过RS-SVM和单一SVM模型的对比可知,优化ISSAWRU剔除了干扰指标信息,但并没有降低SVM的分类精度,却减少了样本输入的属性维度,降低了模型的计算复杂度,并且RS-SVM模型在区域水资源可持续利用评价中具有可行性,可获得与单一SVM模型效果同等或更合理的评价结果。(3)在相同评价指标体系条件下,两类7种不同方法所得评价结果有一定差别。PCA法和AHP法的评价结果一致性最高,且综合指数型方法中这两种评价方法的应用结果更为可靠；改进序关系法高估了泉州市的水资源可持续利用水平,而灰色关联度法存在高估水资源可持续利用水平较低区域的评价值,且综合评价指数分布范围小、区域间分辨间隔小的不足之处；等级分类型的模糊综合评判、BP神经网络和SVM评价结果差异较大,规律性不明显。从评价过程的复杂性来看,传统的PCA、AHP、灰色关联度和模糊综合评判法的评价过程相对简单稳定,而BP神经网络和SVM则需要进行模型的复杂训练。由于受指标等级标准划分、训练样本生成和模型参数设置等因素的影响,BP神经网络和SVM应用于水资源可持续利用评价的稳定性相对差。(4)通过综合指数型方法评价指数和等级分类型方法评价等级综合平均的方式,得到福建省9设区市的水资源可持续利用水平排序为：三明>龙岩>南平>宁德>泉州>漳州>福州>莆田>厦门,水资源可持续利用等级分类结果为：可持续利用程度Ⅰ级的设区市有三明、龙岩和宁德,南平为Ⅱ级,泉州、漳州、福州和莆田为Ⅲ级,而厦门则是唯一为Ⅳ级的设区市,整体呈现西北山区高、东南沿海低的空间分布格局。