基于區(qū)間直覺(jué)模糊集的流域初始排污權(quán)配置方案綜合評(píng)價(jià)

吳鳳平,周進(jìn)梅,張麗娜

(河海大學(xué)商學(xué)院,江蘇南京 211100)

基于區(qū)間直覺(jué)模糊集的流域初始排污權(quán)配置方案綜合評(píng)價(jià)

吳鳳平,周進(jìn)梅,張麗娜

(河海大學(xué)商學(xué)院,江蘇南京 211100)

針對(duì)初始排污權(quán)配置方案評(píng)價(jià)過(guò)程中存在的模糊性與不確定性問(wèn)題,構(gòu)建基于區(qū)間直覺(jué)模糊集的流域初始排污權(quán)配置方案綜合評(píng)價(jià)模型。首先,引入?yún)^(qū)間模糊數(shù)來(lái)表達(dá)專家判斷信息,通過(guò)多個(gè)專家的群體決策綜合量化影響配置的社會(huì)、經(jīng)濟(jì)、資源、環(huán)境等因素;其次,結(jié)合MYCIN不精確推理模型和灰色關(guān)聯(lián)方法構(gòu)建推理決策模型,利用證據(jù)推理決策對(duì)已知信息進(jìn)行挖掘和融合,并根據(jù)實(shí)質(zhì)確定性因子最大化原則選擇最佳方案;最后,以太湖流域初始排污權(quán)配置方案綜合評(píng)價(jià)為例進(jìn)行分析,結(jié)果表明該方法具有可行性與有效性。

初始排污權(quán)配置方案;區(qū)間直覺(jué)模糊集;灰色關(guān)聯(lián)分析;綜合評(píng)價(jià)

隨著我國(guó)流域人口的不斷增長(zhǎng)和經(jīng)濟(jì)社會(huì)的迅速發(fā)展,大量生活污水、工農(nóng)業(yè)生產(chǎn)污水和廢渣隨著地表徑流流入河湖中,導(dǎo)致流域水資源短缺與水質(zhì)惡化現(xiàn)象日趨嚴(yán)峻,同時(shí)也嚴(yán)重威脅著人們的身體健康[1]。為此,我國(guó)實(shí)行最嚴(yán)格水資源管理制度,明確指出要加強(qiáng)水功能區(qū)限制納污紅線管理、加強(qiáng)流域排污權(quán)管理機(jī)構(gòu)的宏觀調(diào)控作用,嚴(yán)格控制入河湖排污總量,提高流域初始排污權(quán)的配置效率[2]。在排污權(quán)管理中,初始排污權(quán)的配置是排污權(quán)交易的基礎(chǔ)和前提,明晰流域初始排污權(quán)是實(shí)現(xiàn)水資源在各區(qū)域及各用水行業(yè)之間進(jìn)行公平、合理、有效配置的重要途徑,是解決流域水資源短缺、水生態(tài)惡化的重要手段。因此,流域初始排污權(quán)配置方案綜合評(píng)價(jià)的理論與實(shí)踐必須適應(yīng)最嚴(yán)格水資源管理制度的新要求,以納污總量控制為基準(zhǔn),形成規(guī)模適度、結(jié)構(gòu)合理的有效配置方案[3]。

目前,國(guó)內(nèi)外學(xué)者根據(jù)各國(guó)的水資源實(shí)際狀況和社會(huì)體制差異等分別對(duì)初始排污權(quán)的科學(xué)配置做了相應(yīng)的研究。國(guó)外如Hahn和Malik[4-5]認(rèn)為排污權(quán)的初始分配會(huì)影響排污權(quán)市場(chǎng)交易的效率,但大多數(shù)學(xué)者在排污權(quán)管理領(lǐng)域的研究成果多集中在排污權(quán)交易理論方面,如Hung等[6]、Dafna等[7]。國(guó)內(nèi)一些學(xué)者結(jié)合我國(guó)的國(guó)情、水情對(duì)流域初始排污權(quán)配置決策也進(jìn)行了積極有效的探索,如于術(shù)桐等[8]、仇蕾等[9]采用多指標(biāo)決策法對(duì)流域初始排污權(quán)進(jìn)行了配置;王潔方[10]提出了總量控制下流域初始排污權(quán)的競(jìng)爭(zhēng)性混合分配方式,并重點(diǎn)研究了排污權(quán)的競(jìng)爭(zhēng)性分配決策;完善等[11]同時(shí)以經(jīng)濟(jì)最優(yōu)性和分配公平性為目標(biāo)對(duì)太湖流域的初始排污權(quán)進(jìn)行了分配;李昊等[1]采用環(huán)境基尼系數(shù)法對(duì)流域初始排污權(quán)進(jìn)行分配和優(yōu)化;李如忠等[12]結(jié)合Vague集理論同時(shí)考慮隸屬度與非隸屬度的特點(diǎn),將其應(yīng)用于區(qū)域水污染負(fù)荷的分配方案中。目前國(guó)內(nèi)已有的這些研究為流域初始排污權(quán)配置方案綜合評(píng)價(jià)提供了良好基礎(chǔ),但在最嚴(yán)格水資源管理制度規(guī)定的目標(biāo)和約束下,筆者認(rèn)為這些方法尚存在2點(diǎn)不足:①國(guó)內(nèi)已有研究主要集中于單人的多目標(biāo)決策,單人決策多目標(biāo)的問(wèn)題會(huì)使決策過(guò)程變得復(fù)雜,無(wú)法快速求出解;②流域初始排污權(quán)配置決策涉及的因素很多,具有模糊性和不確定性,已有研究在評(píng)價(jià)過(guò)程中多使用確定數(shù)來(lái)描述屬性值,Vague集理論雖然在解決初始排污權(quán)配置過(guò)程中的不確定性、復(fù)雜性問(wèn)題取得了階段性成果,但并未能細(xì)膩地描述出事物的不確定性且未能很好地利用并集成屬性值的信息用于決策,不能客觀靈活地反映事實(shí)。此外,上述已有多指標(biāo)決策模型在應(yīng)用時(shí)要求決策者給出各因素精確的權(quán)重,理論上可行,實(shí)際上難以保證客觀性且可信度不高。

Atanassov[13]提出直覺(jué)模糊集,直覺(jué)模糊集能夠較好地描述客觀世界以及人類認(rèn)識(shí)的模糊性。Atanassov等[14]又對(duì)直覺(jué)模糊集進(jìn)行推廣,提出了區(qū)間直覺(jué)模糊集,區(qū)間模糊數(shù)能夠更加細(xì)膩地描述和刻畫事物的不確定性,進(jìn)一步增強(qiáng)了不確定信息的表達(dá)能力。參與初始排污權(quán)配置方案綜合評(píng)價(jià)的主體來(lái)自不同領(lǐng)域,代表不同的利益訴求,在評(píng)價(jià)配置方案時(shí)由于知識(shí)背景不同往往不能直接提供確定的偏好信息,存在一定的模糊區(qū)間。此時(shí),用區(qū)間直覺(jué)模糊數(shù)來(lái)表達(dá)決策者的偏好信息更加合適。醫(yī)學(xué)專家系統(tǒng)MYCIN是由Shortliffe等[15]提出的不精確推理模型,能夠反映現(xiàn)實(shí)世界中許多具有模糊性、不確定性的知識(shí),該模型引入確定性因子 CF(Certainty Factor)或稱可信度來(lái)描述知識(shí)和證據(jù)的不確定性。徐澤水[16]闡述了區(qū)間直覺(jué)模糊數(shù)的概念,并通過(guò)引入?yún)^(qū)間直覺(jué)模糊數(shù)的得分函數(shù)和精確函數(shù)給出了一種基于區(qū)間直覺(jué)模糊信息的決策方法。李鵬等[17]提出一種區(qū)間直覺(jué)模糊決策方法,通過(guò)計(jì)算各方案在每個(gè)指標(biāo)下的確定性因子并對(duì)其進(jìn)行融合來(lái)確定最優(yōu)方案。

結(jié)合流域水資源的分布特點(diǎn)和利用現(xiàn)狀,從流域社會(huì)、經(jīng)濟(jì)和環(huán)境等的整體效益出發(fā),將多目標(biāo)的初始排污權(quán)分配決策問(wèn)題轉(zhuǎn)換為不同配置方案的評(píng)價(jià)、選擇問(wèn)題,使所選方案能夠令流域整體水資源可持續(xù)發(fā)展達(dá)到帕累托最優(yōu)。筆者在區(qū)間直覺(jué)模糊決策方法及區(qū)間直覺(jué)模糊信息集成方法相關(guān)研究成果的基礎(chǔ)上,針對(duì)初始排污權(quán)配置決策中存在的問(wèn)題設(shè)計(jì)了2個(gè)關(guān)鍵步驟予以解決:①引入?yún)^(qū)間模糊數(shù)來(lái)表達(dá)專家判斷信息,通過(guò)多個(gè)專家的群體決策綜合量化影響配置的各種因素,構(gòu)建基于區(qū)間直覺(jué)模糊集的初始排污權(quán)配置方案綜合評(píng)價(jià)模型;②提出基于確定性因子的非線性信息集成方式,將MYCIN不精確推理模型與灰色關(guān)聯(lián)方法相結(jié)合構(gòu)建證據(jù)推理決策模型,對(duì)已知信息進(jìn)行挖掘與融合,并以實(shí)質(zhì)確定性因子越大越優(yōu)為原則選擇最佳方案。

1 基本知識(shí)描述及模型構(gòu)建

鑒于流域初始排污權(quán)配置決策系統(tǒng)具有復(fù)雜性、不確定性的特點(diǎn),專家在各個(gè)屬性(指標(biāo))下對(duì)不同初始排污權(quán)配置方案進(jìn)行綜合評(píng)價(jià)時(shí)往往難以用精確的實(shí)數(shù)值來(lái)表達(dá),引入?yún)^(qū)間數(shù)表示屬性值。

1.1 基本知識(shí)及假設(shè)

1.1.1 基本知識(shí)

Chen等[18]引進(jìn)記分函數(shù),記分函數(shù)的記分值為支持程度與反對(duì)程度的差值,其實(shí)質(zhì)為凈支持程度,該值越大越好。對(duì)于區(qū)間直覺(jué)模糊數(shù)α=〈(x),(x)〉,定義為α的區(qū)間記分函數(shù),其中S(α)?[-1,1]為一區(qū)間數(shù)。因此,可將區(qū)間直覺(jué)模糊決策矩陣=()m×n轉(zhuǎn)化為區(qū)間記分函數(shù)矩陣S=(sij)m×n,其中分別為隸屬度與非隸屬度差值的下界與上界。

定義2[19]設(shè)h是假設(shè)隨機(jī)變量,e為證據(jù)隨機(jī)變量,則 CF(h/e)=MB(h/e)-MD(h/e)為MYCIN確定性因子(或可信度)。其中

式中:MB(h/e)和MD(h/e)分別為支持假設(shè)的程度與反對(duì)假設(shè)的程度,且滿足當(dāng)MB(h/e)＞0時(shí),MD (h/e)=0,當(dāng)MD(h/e)＞0時(shí),MB(h/e)=0,MB(h/ e)∈[0,1],MD(h/e)∈[0,1]。

由式(1)和式(2)可知,若P(h/e)=1,即當(dāng)證據(jù)e為真時(shí),假設(shè)h為真。

CF(h/e)表示當(dāng)證據(jù)e為真時(shí),它對(duì)假設(shè)h為真的信任度,取值范圍為[-1,1]。特別地,CF(h/e)=1表示假設(shè)h在證據(jù)e下為真;CF(h/e)=-1表示假設(shè)h在證據(jù)e下為假;CF(h/e)=0表示假設(shè)h在證據(jù)e下完全不確定。

令CFT(h/e)=CF(h/e)CF(e)為實(shí)質(zhì)確定性因子。CF(e)為證據(jù)e的信任度,CF(e)∈[-1,1],其值越大表示證據(jù)e的可信度越高;CFT(h/e)表示當(dāng)證據(jù)e的信任度為CF(e)時(shí),對(duì)假設(shè)h為真的信任度。要得到實(shí)質(zhì)確定性因子,必須先求得每個(gè)證據(jù)的可信度。

1.1.2 基本假設(shè)

假設(shè)1 為了利用確定性因子提取信息進(jìn)行證據(jù)推理決策,需將決策系統(tǒng)的指標(biāo)體系視為一組證據(jù)信息,將可行方案組視為不同假設(shè)。

假設(shè)2 因?yàn)镸YCIN確定性因子與直覺(jué)模糊數(shù)的記分函數(shù)實(shí)質(zhì)頗為相似,所以確定性因子可以用記分函數(shù)值來(lái)表示。因?yàn)閰^(qū)間直覺(jué)模糊數(shù)的區(qū)間記分函數(shù)是區(qū)間數(shù),不能直接用來(lái)表示確定性因子,故應(yīng)利用區(qū)間數(shù)點(diǎn)算子將區(qū)間數(shù)sij轉(zhuǎn)化為實(shí)數(shù)[17]。

假設(shè)3 指標(biāo)不確信度的提取方法應(yīng)根據(jù)具體情況予以選擇,一般來(lái)說(shuō),當(dāng)某個(gè)指標(biāo)的信息相對(duì)其他指標(biāo)而言越匹配于指標(biāo)體系的平均信息時(shí),表明該指標(biāo)包含的信息越有利于決策,從而該指標(biāo)的不確信度越低;反之亦然。

灰色系統(tǒng)理論適用于處理小樣本、貧信息的決策問(wèn)題,在初始排污權(quán)配置方案綜合評(píng)價(jià)問(wèn)題中,決策所涉及的方案和屬性數(shù)量一般不是很多,滿足灰色系統(tǒng)建模的條件。故筆者采用灰色關(guān)聯(lián)分析方法來(lái)求得各指標(biāo)的不確信度,以此來(lái)求得指標(biāo)的可信度。

1.2 模型的構(gòu)建

基于區(qū)間直覺(jué)模糊集的流域初始排污權(quán)配置方案綜合評(píng)價(jià)模型的思路是:①根據(jù)得到的初始排污權(quán)配置方案群體綜合加權(quán)評(píng)價(jià)矩陣和區(qū)間記分函數(shù)公式得到區(qū)間記分函數(shù)矩陣,進(jìn)而得到記分函數(shù)矩陣即確定性因子矩陣;②通過(guò)記分函數(shù)矩陣和指標(biāo)不確信度公式得到指標(biāo)的信任度,進(jìn)而得到實(shí)質(zhì)確定性因子矩陣;③對(duì)證據(jù)進(jìn)行信息融合,根據(jù)實(shí)質(zhì)確定性因子最大化原則,確定最優(yōu)方案,這樣可以充分表達(dá)屬性的不確定性和模糊性,并且很好地集成屬性信息用于推理決策。基于區(qū)間直覺(jué)模糊集的流域初始排污權(quán)配置方案綜合評(píng)價(jià)模型構(gòu)建的具體步驟如下:

式中:α為風(fēng)險(xiǎn)因子,α∈[-1,1]。當(dāng)α=0時(shí),說(shuō)明決策者為風(fēng)險(xiǎn)中性;α＞0時(shí),說(shuō)明決策者追求風(fēng)險(xiǎn); α＜0時(shí),說(shuō)明決策者規(guī)避風(fēng)險(xiǎn)。

步驟4 融合證據(jù)信息。要作出決策需要將各方案在不同證據(jù)(指標(biāo))下的實(shí)質(zhì)確定性因子進(jìn)行證據(jù)融合,融合方法如下[19]:

若e1,e2,…,em是關(guān)于h和條件獨(dú)立的,則

根據(jù)式(6)可完成多條證據(jù)下實(shí)質(zhì)確定性因子的融合。

步驟5 確定最佳方案。決策者對(duì)方案進(jìn)行優(yōu)先排序,選擇最優(yōu)方案,其排序原則是實(shí)質(zhì)確定性因子越大越優(yōu)。

2 算例分析

太湖流域?qū)儆诘湫偷乃|(zhì)型缺水區(qū),流域因水資源污染造成的水質(zhì)型缺水問(wèn)題最為突出。20世紀(jì)90年代以來(lái),隨著太湖流域城鎮(zhèn)化以及工農(nóng)業(yè)的加速發(fā)展,大量污水、廢渣隨地表徑流進(jìn)入湖泊,導(dǎo)致太湖流域水體污染形勢(shì)嚴(yán)峻,并引發(fā)一系列水資源問(wèn)題,如2007年的無(wú)錫供水危機(jī)等。2010年全年水期評(píng)價(jià)結(jié)果顯示,太湖流域各類水質(zhì)河長(zhǎng)所占比例分別為:Ⅱ類1.9%、Ⅲ類10.6%、Ⅳ類21.2%、Ⅴ類22.7%和劣于Ⅴ類43.6%。各水期水質(zhì)評(píng)價(jià)結(jié)果顯示,非汛期達(dá)到Ⅲ類水質(zhì)標(biāo)準(zhǔn)的河流總長(zhǎng)度要好于汛期,但非汛期劣于Ⅴ類水質(zhì)標(biāo)準(zhǔn)的河長(zhǎng)要遠(yuǎn)大于汛期。總體而言,流域河流水質(zhì)狀況堪憂,已經(jīng)嚴(yán)重影響到流域內(nèi)工農(nóng)業(yè)生產(chǎn)和居民生活。因此,合理的選擇初始排污權(quán)配置方案顯得尤為重要。筆者結(jié)合太湖流域的實(shí)際情況,建立基于區(qū)間直覺(jué)模糊集的初始排污權(quán)配置方案綜合評(píng)價(jià)模型,對(duì)太湖流域內(nèi)的初始排污權(quán)配置方案進(jìn)行評(píng)價(jià),得到最佳方案,為太湖流域初始排污權(quán)配置方案的優(yōu)選提供有效的決策支持。

由于初始排污權(quán)配置決策系統(tǒng)的復(fù)雜性和涉及利益主體多等特點(diǎn),初始排污權(quán)配置方案決策問(wèn)題應(yīng)轉(zhuǎn)化為尋求社會(huì)、經(jīng)濟(jì)、資源、環(huán)境、技術(shù)、管理多屬性下令流域整體發(fā)展帕累托最優(yōu)的方案。為了保證初始排污權(quán)配置方案的客觀合理性,本次決策選擇了3名領(lǐng)域問(wèn)題研究專家對(duì)已有的5種初始排污權(quán)配置方案(A1,A2,A3,A4,A5)進(jìn)行綜合評(píng)價(jià),3位專家(e1,e2,e3)根據(jù)自身知識(shí)和經(jīng)驗(yàn)分別對(duì)5個(gè)方案的社會(huì)、經(jīng)濟(jì)、資源、環(huán)境、技術(shù)和管理6個(gè)指標(biāo)進(jìn)行評(píng)價(jià)打分,給出各自的區(qū)間直覺(jué)模糊判斷矩陣,各個(gè)專家的權(quán)重分別為W=(0.32,0.37,0.31)。于是根據(jù)各個(gè)專家給出的區(qū)間直覺(jué)模糊判斷矩陣和各自的權(quán)重集結(jié)處理后得到群體綜合加權(quán)區(qū)間直覺(jué)模糊判斷矩陣,如表1所示。

基于區(qū)間直覺(jué)模糊集對(duì)太湖流域初始排污權(quán)配置方案進(jìn)行綜合評(píng)價(jià),具體計(jì)算步驟如下。

步驟1 計(jì)算記分函數(shù)矩陣。根據(jù)區(qū)間直覺(jué)模糊決策矩陣和區(qū)間記分函數(shù)公式計(jì)算得到區(qū)間記分函數(shù)矩陣:

取α=0(風(fēng)險(xiǎn)中性),由式(3)得到記分函數(shù)矩陣:

根據(jù)記分函數(shù)矩陣G和式(4)計(jì)算得各個(gè)指標(biāo)Ij的不確信度:DOI(I1)=0.325,DOI(I2)=0.352, DOI(I3)=0.342,DOI(I4)=0.344,DOI(I5)= 0.308,DOI(I6)=0.324,進(jìn)而得指標(biāo) Ij的信任度CF(ej)=1-DOI(Ij),j=1,2,…,n,即 CF(e1)= 0.675,CF(e2)=0.648,CF(e3)=0.658,CF(e4)= 0.656,CF(e5)=0.692,CF(e6)=0.676。

步驟3 計(jì)算實(shí)質(zhì)確定性因子矩陣。根據(jù)式(5)得到實(shí)質(zhì)確定性因子矩陣:

表1 群體綜合加權(quán)區(qū)間直覺(jué)模糊決策矩陣

表1 群體綜合加權(quán)區(qū)間直覺(jué)模糊決策矩陣

________________________________________________________________________________________________________________ ____________________________________________________指標(biāo)方案________________社會(huì)___________________________________________________________________________________________________ _____ ________________________________________________________________________________________________________ ________經(jīng)濟(jì)_資源_環(huán)境_技術(shù)_管理A1 ]) A2 ([0.71,0.83], [0.09,0.15]) ([0.47,0.56], [0.26,0.43]) ([0.46,0.58], [0.17,0.25]) ([0.46,0.51], [0.31,0.46]) ([0.34,0.40], [0.52,0.57]) ([0.35,0.57], [0.33,0.43 ([0.40,0.49], [0.37,0.47]) A3 ([0.54,0.63], [0.12,0.29]) ([0.57,0.71], [0.21,0.28]) ([0.58,0.70], [0.19,0.27]) ([0.41,0.49], [0.35,0.43]) ([0.57,0.63], [0.16,0.24]) ([0.51,0.59], [0.21,0.38]) A5) ([0.45,0.62], [0.13,0.28])_____ ([0.28,0.46], [0.34,0.44]) A4 ([0.65,0.68], [0.13,0.27]) ([0.44,0.52], [0.26,0.44]) ([0.26,0.35], [0.54,0.65]) ([0.47,0.53], [0.26,0.45]) ([0.51,0.59], [0.35,0.40]) ([0.38,0.45], [0.50,0.55]) ([0.48,0.59], [0.27,0.40]) ([0.45,0.56], [0.22,0.36]) ([0.53,0.67], [0.12,0.33]) ([0.44,0.58], [0.16,0.32]) ([0.25,0.34], [0.47,0.65])_____ ([0.42,0.53], [0.20,0.35])______ ([0.48,0.57], [0.22,0.39])_______ ([0.41,0.48], [0.17,0.38])______ ([0.50,0.68], [0.20,0.29])__

步驟4 融合證據(jù)信息。根據(jù)公式(6),利用Matlab 6.0軟件進(jìn)行證據(jù)信息融合,計(jì)算得

步驟5 確定最佳方案。根據(jù)實(shí)質(zhì)確定性因子最大化原則,得到太湖流域初始排污權(quán)配置方案的優(yōu)先排序?yàn)锳2＞A1＞A4＞A5＞A3,即A2為最佳方案。

結(jié)合太湖流域的實(shí)際情況,由于在工農(nóng)業(yè)加速發(fā)展過(guò)程中對(duì)流域水污染問(wèn)題的重視不夠,導(dǎo)致水污染問(wèn)題在一定程度上制約著太湖流域整體社會(huì)經(jīng)濟(jì)的發(fā)展。筆者從太湖流域社會(huì)、經(jīng)濟(jì)、資源和環(huán)境等整體效益出發(fā),選擇符合太湖流域發(fā)展模式的初始排污權(quán)配置方案,不僅可以提高太湖流域整體水資源可持續(xù)發(fā)展水平,加快流域整體社會(huì)發(fā)展,還能促進(jìn)流域社會(huì)、經(jīng)濟(jì)、資源、環(huán)境的協(xié)調(diào)可持續(xù)發(fā)展,同時(shí)也降低了太湖流域水危機(jī)事件發(fā)生的概率,有利于流域整體的和諧發(fā)展。因此,選擇方案A2為最終初始排污權(quán)配置方案。

3 結(jié) 論

a.構(gòu)建基于區(qū)間直覺(jué)模糊集的流域初始排污權(quán)配置方案綜合評(píng)價(jià)模型,用區(qū)間模糊數(shù)來(lái)描述事物的不確定性和模糊性更加客觀合理,應(yīng)用基于證據(jù)推理的決策方法,通過(guò)對(duì)已知信息進(jìn)行挖掘和融合,可以較好地解決因模糊性和動(dòng)態(tài)決策過(guò)程中的不確定性引起的精確性欠佳問(wèn)題,可信度高。

b.提出一種基于確定性因子的非線性的信息集成方式,使決策信息得到更加充分的利用,將MYCIN確定性因子與灰色關(guān)聯(lián)方法相結(jié)合建立推理決策模型,使決策結(jié)果更為科學(xué)。

c.實(shí)例分析結(jié)果表明,該方法能比較有效地對(duì)流域初始排污權(quán)配置方案進(jìn)行評(píng)價(jià)和選擇,優(yōu)選結(jié)果可為流域制定初始排污權(quán)配置方案提供有效的決策支持,從而為流域的可持續(xù)健康發(fā)展提供保障。

[1]李昊,南靈.基于環(huán)境基尼系數(shù)的流域排污權(quán)初始分配[J].人民黃河,2014,36(5):56-59.

[2]吳丹,吳芳.流域初始排污權(quán)配置機(jī)制及方法研究進(jìn)展[J].水利水電科技進(jìn)展,2011,31(6):85-90.

[3]吳鳳平,賈鵬,張麗娜.基于格序理論的水資源配置方案綜合評(píng)價(jià)[J].資源科學(xué),2013,35(11):2232-2238.

[4]HAHN RW.Market power and transferable property rights [J].Quarterly Journal of Economics,1984,99(10):753-765.

[5]MALIK A S.Further results on permitmarketswithmarket power and cheating[J].Journal of Environmental Economics and Management,2002,44(3):371-390.

[6]HUNGM F,SHAW D.A trading-ratio system for trading water pollution discharge permits[J].Journal of Environmental Economics and Management,2005,49(1):83-102.

[7]DAFNA M,DISEGNIE.Optimal allocation of tradable pollution rights and market structures[J].Journal of Regulatory Economics,2005,28(2):205-223.

[8]于術(shù)桐,黃賢金,程緒水.流域排污權(quán)初始分配模型構(gòu)建及應(yīng)用研究:以淮河流域?yàn)槔齕J].資源開(kāi)發(fā)與市場(chǎng), 2010,26(5):400-404.

[9]仇蕾,陳曦.淮河流域水污染物的初始排污權(quán)分配研究[J].生態(tài)經(jīng)濟(jì),2014,30(5):169-172.

[10]王潔方.總量控制下流域初始排污權(quán)分配的競(jìng)爭(zhēng)性混合決策方法[J].中國(guó)人口·資源與環(huán)境,2014,24 (5):88-92.

[11]完善,李壽德,馬琳杰.流域初始排污權(quán)分配方式[J].系統(tǒng)管理學(xué)報(bào),2013,22(2):278-288.

[12]李如忠,舒琨.基于Vague集的水污染負(fù)荷分配方法[J].水利學(xué)報(bào),2011,42(2):127-135.

[13]ATANASSOV K T.Intuitionistic fuzzy sets[J].Fuzzy Sets and Systems,1986,20(1):87-96.

[14]ATANASSOV K T,GARGOV G.Interval-valued intuitionistic fuzzy sets[J].Fuzzy Sets and Systems,1989,31(3): 343-349.

[15]SHORTLIFFE E H.BUCHANAN BG.A model of inexact reasoning in medicine[J].Mathematical Biosciences, 1975,23:351-379.

[16]徐澤水.區(qū)間直覺(jué)模糊信息的集成方法及其在決策中的應(yīng)用[J].控制與決策,2007,22(2):215-219.

[17]李鵬,劉思峰,方志耕.基于灰色關(guān)聯(lián)分析和MYCIN確定性因子的區(qū)間直覺(jué)模糊決策方法[J].控制與決策, 2012,27(7):1009-1014.

[18]CHEN SM,TAN JM.Handlingmulti-criteria fuzzy decision-making problems based on vague set theory[J].Fuzzy Sets and Systems,1994,67(2):163-172.

[19]張文修,梁怡,徐萍.基于包含度的不確定推理[M].北京:清華大學(xué)出版社,2007.

[20]劉思峰,黨耀國(guó),方志耕.灰色系統(tǒng)理論及其應(yīng)用[M]. 3版.北京:科學(xué)出版社,2004.

F407.9

A

1003 -9511(2015)01 -0027 -05

2014-09 -22 編輯:方宇彤)

10.3880/j.issn.1003 -9511.2015.01.007

國(guó)家自然科學(xué)基金(41271537);國(guó)家社會(huì)科學(xué)基金(12&ZD214)

吳鳳平(1964—),男,江蘇泰州人,教授,博士,主要從事水資源管理和有效配置研究。E-mail:wfp@hhu.edu.cn

周進(jìn)梅(1990—),女,江蘇東臺(tái)人,碩士研究生,從事規(guī)劃與決策研究。E-mail:zhoujinmei1990@163.com