数模水资源短缺综合分析Word文件下载.docx

上传人:b****6 文档编号:18957633 上传时间:2023-01-02 格式:DOCX 页数:18 大小:119.88KB
下载 相关 举报
数模水资源短缺综合分析Word文件下载.docx_第1页
第1页 / 共18页
数模水资源短缺综合分析Word文件下载.docx_第2页
第2页 / 共18页
数模水资源短缺综合分析Word文件下载.docx_第3页
第3页 / 共18页
数模水资源短缺综合分析Word文件下载.docx_第4页
第4页 / 共18页
数模水资源短缺综合分析Word文件下载.docx_第5页
第5页 / 共18页
点击查看更多>>
下载资源
资源描述

数模水资源短缺综合分析Word文件下载.docx

《数模水资源短缺综合分析Word文件下载.docx》由会员分享,可在线阅读,更多相关《数模水资源短缺综合分析Word文件下载.docx(18页珍藏版)》请在冰豆网上搜索。

数模水资源短缺综合分析Word文件下载.docx

2.549E-005

.000

提取方法:

主成份分析。

表二

如表二,综合指数的个数为2时,所包含的信息量为原信息量的83.926%,由此可以判定综合指数的个数为2。

图1

图1为该数据分析结果的碎石图,碎石图的纵轴为特征根,横轴为特征根序号,特征根按大小顺序排列。

碎石图有明显的拐点,该点事与大成分连接的陡峭的折线,之后是与小成分连接的平缓的折线,可以看出前面两个点的特征值较大,之后下降迅速,因此可以更加肯定前两个作为主成分。

3.

成份矩阵a

水资源总

量(亿

方)

-.444

.769

总用水量

(亿立方米)

-.674

-.510

农业用水

(亿立方

米)

-.745

-.498

工业用水

-.873

.092

第三产业

及生活等

其他用水

.930

.015

降水量

(mm)

-.420

.844

城市绿化

覆盖率

(%)

.940

-.009

污水

处理率

.937

.001

常住人口数(万人)

.979

.056

提取方法:

主成份。

a.已提取了2个成份。

表三

如表三可知各成分的因子载荷值,第一主成分从正方向看,载荷值较大的是常住人口数,城市覆盖率,污水处理率,第三产业及生活等其他用水,分别为0.979、0.940、0.937、0.930。

第二主成分从正面看,载荷值较大的是降水量,水资源总量其值为0.844,0.796

综上可知,8中风险因子中有6中为主要风险因子,分别为常住人口数,城市覆盖率,污水处理率,第三产业及生活等其他用水,降水量,水资源总量。

由结果可知,主要因子过多,我们再进行检验,使得因子更加准确。

求出每个因子的风险度,从大小判断。

1.3风险度的计算:

风险度(即变异系数)计算模型方程式:

PD=

计算结果如下表

各项风险因子的风险度计算结果

 

均值

29.5327

40.4567

19.3570

11.4615

9.6502

535.2933

31.0603

25.3900

1203.4300

标准差

9.74954

5.26849

6.12272

3.19719

4.08037

150.86348

8.34426

23.77965

234.59480

风险度

0.33013

0.13023

0.31631

0.27895

0.42283

0.28183

0.268647

0.93658

0.194938

表四

根据各项风险因子的风险度值(如表四所示),以美国军用标准(MIL-STD-882)(如表五所示)作参照,可将数据按风险度划分为不同等级。

级别

风险度值

风险类别

风险描述

I

<

=8%

可接受风险

风险产生概率极微或破坏性极弱

II

8%-20%

约束性风险

要约束水资源使用来防范风险

III

20%-30%

损害性风险

发生或潜在存在会造成系统损害

IV

30%-43%

严重破坏性风险

风险极易发生并造成极大破坏

V

43%-50%

毁灭性风险

发生频繁且造成不易恢复迫害

表五

划分结果:

如表六所示,可得出各类风险因子的划分。

风险级别

由此可以看出,风险级别较大的是,水资源总量,农业用水,第三产业及生活等其他用水,污水处理率,降水量,城市绿化覆盖,综合两种方法,交叉的因子为污水处理率、降水量、绿化覆盖率、水资源总量、第三产业及生活等其他用水。

2.问题二:

水资源短缺风险等级划分

问题分析:

问题要求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,做出风险等级划分。

主要因子可以代表全部,将主要因子的数据进行归一化处理,再利用方法对各因子进行赋权,利用权值与数据之间的关系,求函数式值。

2.1主要因子数据:

年份

降水量(mm)

园林绿化覆盖率(%)

人口规模(万人)

污水处理率

水资源总量(亿方)

1979

718.4

22.3

897.1

10.2

38.23

1980

380.7

904.3

9.4

26

1981

393.2

20.1

919.2

10.8

24

1982

544.4

935

10.9

36.6

1983

489.9

950

34.7

1984

488.8

965

10

39.31

1985

721

981

38

1986

665.3

22.1

1028

8.9

27.03

1987

683.9

22.86

1047

7.7

38.66

1988

673.3

22.9

1061

7.4

39.18

1989

442.2

25

1075

6.6

21.55

1990

697.3

1086

7.3

35.86

1991

747.9

28

1094

42.29

1992

541.5

28.43

1102

1.2

22.44

1993

506.7

30.33

1112

3.1

19.67

1994

813.2

31.33

1125

9.6

45.42

1995

572.5

32.39

1251.1

19.4

30.34

1996

700.9

32.68

1259.4

21.2

45.87

1997

430.9

33.24

1240

22

22.25

1998

731.7

34.22

1245.6

22.5

37.7

1999

266.9

35.6

1257.2

14.22

2000

371.1

36.3

1363.8

39.4

16.86

2001

338.9

36.5

1385.1

42

19.2

2002

370.4

38.78

1423.2

45

16.1

2003

444.9

40.57

1456.4

50.1

18.4

2004

483.5

40.87

1492.7

53.9

21.4

2005

410.7

41.91

1538

62.4

23.2

2006

318

1581

73.8

24.5

2007

483.9

42.5

1633

76.2

23.8

2008

626.3

43

1695

78.9

34.2

2009

480.6

43.5

1703.2

80

21.84

(1)一致化处理:

在同一个综合评价问题中,必须先将不同类型的指标做一致化处理,即要化为同一类型指标。

这里,分析可知:

极大型指标:

人口规模、

极小型指标:

降雨量、园林绿化覆盖率、污水处理率、水资源总量

将极小型化为极大型:

Xj’=1/Xj;

(2)无纲量化处理:

对于n个被评价对象的m项指标的指标值Xij(i=1,2,3,…,n;

j=1,2,…,m),则新的指标为

为无纲量化的指标值。

(3)预处理后的指标值为:

园林绿化覆盖率

人口数量

水资源总量

0.064482

0.81661

0.10421

0.089774

0.55503

0.008932

0.11437

0.34337

0.52185

0.027416

0.097576

0.40942

0.24124

0.047016

0.09654

0.11378

0.32241

0.065625

0.14461

0.32424

0.084233

0.1066

0.074976

0.062495

0.10408

0.093051

0.10862

0.83178

0.16239

0.12166

0.31316

0.092372

0.77558

0.18596

0.14299

0.083797

0.10151

0.7727

0.20332

0.14941

0.076707

0.40989

0.63564

0.22069

0.16937

0.50705

0.081208

0.57817

0.23434

0.15166

0.12541

0.04267

0.47549

0.24426

0.038024

0.24513

0.45531

0.25419

0.46911

0.29555

0.37299

0.26659

0.37776

0.59845

0.33364

0.28272

0.11168

0.004452

0.2054

0.29463

0.43915

0.047569

0.22998

0.078268

0.2844

0.44945

0.042238

0.43345

0.26511

0.42538

0.040148

0.47696

0.05443

0.23294

0.43233

0.038917

0.097358

0.19061

0.44672

0.033503

0.58204

0.17035

0.57896

0.015693

0.77307

0.68375

0.16471

0.60538

0.013779

0.62409

0.58407

0.10451

0.65265

0.011844

0.83078

0.40445

0.062028

0.69383

0.009088

0.67077

0.33317

0.055265

0.73887

0.007374

0.51375

0.47882

0.032584

0.79506

0.004296

0.43902

0.76083

0.030678

0.84841

0.001279

0.39188

0.33246

0.020178

0.91291

0.000759

0.41664

0.14581

0.009977

0.98983

0.000212

0.15331

0.3381

0.49435

2.2熵值法赋权

熵值法是一种根据综合评价指标的数值所提供的信息量大小来确定权重系数的方法。

熵值越小,表明指标值的变异程度越大,提供的信息量越多,在综合评价中所起的作用越大,其权重也越大。

(1)计算第j项指标的熵值:

(i=1,2,…,m)

其中k>

0为常数,取k=1/ln(n),

=

各指数熵值为:

0.91555

0.89422

0.90958

0.77729

0.90666

(2)计算第j项指标的差异系数:

差异系数是反映综合评价指标作用的一个量,其值越大,指标的作用就越大,反之亦然。

各指标差异系数为:

0.084452

0.10578

0.090415

0.22271

0.093335

(3)计算第j项指标的权重系数:

,j=1,2,…,m.

各指标在北京市水资源短缺评价模型中的权重为:

0.141534

0.177277

0.151527

0.373241

0.156421

根据各因子所占权重,建立数学模型模型:

线性加权综合法是指应用线性模型

作为综合评价模型。

根据线性模型,将上表中所得的权重代入,得到数学模型:

注:

代入上式的数据x1-x6为经过预处理之后的数据

0.20683

0.3211

0.35575

0.2724

0.294

0.2874

0.25624

0.2818

0.24522

0.2499

0.3467

0.2257

0.1965

0.60055

0.38295

0.14437

0.20157

0.14536

0.2624

0.1443

0.4119

0.3271

0.32047

0.33446

0.281688

0.252024

0.26429

0.30345

0.254417

0.196452

0.27671

分析:

计算所得的数据越大,表明该年份的水资源短缺风险越大,反之,该年份的水资源短缺风险越小。

根据所得结果,结合实际情况,考虑各等级的分布情况,对北京市1979——2009年水资源短缺情况进行等级划分。

划分标准为:

水资源短缺

等级

极高风险

高风险

中等风险

较低风险

低风险

模型结果

p≥0.4

0.3≤p﹤0.4

0.2≤p﹤0.3

0.1≤p﹤0.2

p﹤0.1

问题三:

北京市水资源短缺的预测

为了预测北京市未来的水资源短缺的情况,我们采用灰色模型GM(1,1)预测未来两年的水资源供求关系,观察期差值的变化,从而判断未来水资源缺乏情况。

3.1灰色模型的建立

采用后20年的数据为代表,因为地球经济、自然环境不断的变化,过早的数据已经不具有代表性了。

将数据用excel进行处理,求出水资源总量与水资源用水总量,求出供求差值,再利用灰色模型的预测求出后两年的供求差值,进行比较。

供求差值表

供求差值

23.09

27.49

5.26

23.54

-0.26

19.7

23.99

18.5

25.55

17.4

0.45

13.2

14.54

11.3

-5.86

9.8

18.07

11

2.73

0.9

灰色模型建模步骤:

附件:

(1)

x0=[23.095.26-0.2623.9925.550.4514.54-5.8618.072.7327.4923.5419.718.517.413.211.39.8110.9];

n=length(x0);

xx=1:

20;

plot(xx,x0,'

o-'

holdon

disp('

级比'

lamda=x0(1:

n-1)./x0(2:

n)

range=minmax(lamda)

x1=cumsum(x0)

fori=2:

n

z(i)=0.4*x1(i)+0.6*x1(i-1);

end

B=[-z(2:

n)'

ones(n-1,1)];

Y=x0(2:

;

u=B\Y

x=dsolve('

Dx+a*x=b'

'

x(0)=x0'

);

x=subs(x,{'

a'

b'

x0'

},{u

(1),u

(2),x1

(1)});

yuce1=subs(x,'

t'

[0:

n-1]);

digits(6),y=vpa(x)

yuce=[x0

(1),diff(yuce1)]

残差'

epsilon=x0-yuce

相对误差'

delta=abs(epsilon./x0)

级比偏差值'

rho=1-(1-0.5*u

(1))/(1+0.5*u

(1))*lamda

yuce2=subs(x,'

n-1+2]);

digits

(2),y=vpa(x)

yuce3=[x0

(1),diff(yuce2)]

yy=1:

22;

plot(yy,yuce3,'

+-'

holdoff

级比

lamda=

Columns1through14

4.3897-20.2308-0.01080.938956.77780.0309-2.4812-0.32436.61900.09931.16781.19491.06491.0632

Columns15through19

1.31821.16811.15310.890912.2222

range=

-20.230856.7778

x1=

23.090028.350028.090052.080077.630078.080092.620086.7600104.8300107.5600135.0500158.5900178.2900196.7900

Columns15through20

214.1900227.3900238.6900248.4900259.4900260.3900

u=

-0.0027

12.1205

y=

4571.24*exp(0.00266492*t)-4548.15

yuce=

23.090012.198212.230812.263412.296112.329012.361912.394812.427912.461112.494312.527712.5611

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > 高中教育 > 其它课程

copyright@ 2008-2022 冰豆网网站版权所有

经营许可证编号:鄂ICP备2022015515号-1