水資源模糊評價方法的對比與研究

鄧智中

摘 要：如何評價并且良好的利用水資源是一個重要的話題，通過模糊層次分法可以將水資源模型進行分層的分析，對相關(guān)參數(shù)模糊處理得到目標層的權(quán)重。模糊神經(jīng)網(wǎng)絡(luò)是將各種不同類型的參數(shù)輸入，經(jīng)過隱含層處理，得到目標層的結(jié)果。兩種方法各有優(yōu)缺，但是都有很大的兼容性，可以解決很多問題。

關(guān)鍵詞：水資源評價;層次分析法;模糊神經(jīng)網(wǎng)絡(luò)

水資源的利用是關(guān)乎國家民生發(fā)展的大事，水資源評價就是必須要進行的一個環(huán)節(jié)，依靠計算機的強大計算能力可以很快速的得到計算預(yù)測的結(jié)果，其中又以神經(jīng)網(wǎng)絡(luò)和層次分析法應(yīng)用的較為廣泛[1]。通過幾年的發(fā)展，分支也逐漸增多，研究范圍也趨于融合化，大數(shù)據(jù)時代的到來也激化了水資源評價向快速有效的機器評價的時代[2]。更加智能和科學(xué)的評價方法也被更多的需要，信息的多元融合評價也在逐漸的發(fā)展。讓評價直接由機器來做，在直接規(guī)劃出發(fā)展的方向，中間省去了大量的人工的勞動，使得效率大幅度提高，只需要極少的后臺維護人員，就可以完成大量的工作。

1.模糊層次分析法與神經(jīng)網(wǎng)絡(luò)

這兩種評價方法都是利用的計算機強大的計算能力，層次分析法是利用計算機的計算能力，為神經(jīng)網(wǎng)絡(luò)就是利用了機器的學(xué)習(xí)能力，以極短的時間得出評價結(jié)果的方法。

1.1模糊層次分析法

層次分析法在很早就被人們提出，通過不斷的發(fā)展，不斷融合新的方法，新的理論，使這種方法一直保持著強大的活力與生命力。層次分析可以和多種方法結(jié)合，如主成分分析法、模糊數(shù)學(xué)、熵權(quán)法、神經(jīng)網(wǎng)絡(luò)等等方法。同時該方法應(yīng)用的十分的廣泛，如性能評價、工作等級評定、環(huán)境等級評價、安全等級評價等等。

模糊層次分析法[3-5]在水資源評價方面大致步驟為：先對研究區(qū)域進行界定，最好有詳細的歷史水文資料，對城市的人口，規(guī)模，植被覆蓋率等的數(shù)據(jù)進行收集和整理，并將收集到的數(shù)據(jù)整理并分組，并確定分層的層次，收集的資料全部設(shè)定為指標層，將指標進行歸類分組，比如水資的總量，人均占有量可以分為一類，水中微生物數(shù)量，氮磷鉀的量可以分為一類。這樣的一類就是準則層，最終設(shè)立一個目標層，如環(huán)境的可持續(xù)發(fā)展率等。形成以目標層、準則層、指標層三層一體化的層析分析法的模型。

邀請相關(guān)專家確定各層之間的權(quán)重系數(shù)，按重要程度將兩兩之間的重要性進行9個等級的劃分，并讓專家進行判斷，從而得到重要度判斷矩陣，對矩陣的一致性檢驗進行檢驗，當CI和CR的取值同時小于0.1時，則判斷矩陣的一致性較好。隨后是指標的評級，通過歷史資料和專家咨詢確定等級。通過半梯形函數(shù)模糊計算出隸屬度矩陣。通過一級二級評價得到最終的模糊評價結(jié)果。

1.2模糊神經(jīng)網(wǎng)絡(luò)

早在1943年神經(jīng)網(wǎng)絡(luò)就被人所提出[6]，經(jīng)過一代代的計算機的不斷革新，神經(jīng)網(wǎng)絡(luò)也不斷的煥發(fā)出新的活力與生命力。神經(jīng)網(wǎng)絡(luò)由于其的廣泛適用性也被應(yīng)用在各行各業(yè)，如林冰[7]將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于水資源的優(yōu)化配置問題的研究中;金鑫鑫等人[8]利用神經(jīng)網(wǎng)絡(luò)與遺傳算法的結(jié)合探究大體積混凝土的降溫過程;戴會超等人[9]將傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)增加了誤差修正功能，使模型更加的精細化和精確化?，F(xiàn)在時下流行的人工智能也是在神經(jīng)網(wǎng)路的框架下的研究。模糊數(shù)學(xué)的含義是通過一定模糊規(guī)則將數(shù)據(jù)進行一定的模糊化處理，這樣會使抽象的邏輯的比較，上升到數(shù)值，這樣往往會使結(jié)果更加的靠近準確值。

神經(jīng)網(wǎng)絡(luò)一般由輸入層、隱含層和輸出層的結(jié)構(gòu)組成，其中對于輸入層樣本進行模糊化，通過誤差反向傳播的方式可以得到修正過后的參數(shù)，進行反復(fù)的迭代可以得到收斂后的結(jié)果，使誤差在可控的范圍之內(nèi)或者迭代到規(guī)定的迭代次數(shù)。經(jīng)過反復(fù)的和真實值進行對比，不斷的修正模型的參數(shù)，使得誤差越來越小，最終確定神經(jīng)網(wǎng)絡(luò)的參數(shù)。神經(jīng)網(wǎng)絡(luò)計算的結(jié)果可以通過公式直接和真實值進行對比，可以通過下面的公式得到測試值的決定系數(shù)R2值。決定系數(shù)的值在0到1之間越接近于1則表示模型的預(yù)測效果越好。

2.神經(jīng)網(wǎng)絡(luò)與層次分析的異同

以上兩種水資源分析方法都可以科學(xué)的得到水資源評價的結(jié)果，可以給水資源的發(fā)展帶去一定指導(dǎo)意義，但是究其本質(zhì)，兩種方法還是有很大的差別的。

2.1兩種方法的共通之處

這兩種方法的輸入的值可以是一致的，輸出的值也具有一定的相同性質(zhì)，所以這兩種方法可以進行一定的相互驗證，這樣可以使兩個模型的輸出都具有較高的可信度。同時兩種方法都具有一定的兼容性，可以應(yīng)用于各種評價工作，同時可以結(jié)合各種其它的算法得到更加精確的評價結(jié)果。

2.2兩種方法的不同之處

雖然模型輸出的結(jié)果具有一定的可比性，但是模型中的計算過程具有很大的差異性，層次分析法的核心是專家的兩兩指標評價的等級的這個環(huán)節(jié)，專家的指標對結(jié)果具有很大的影響，但是由于是兩兩比較，所以模型具有一定的糾錯能力，而且一直性檢驗也減小的人為因素的誤差。神經(jīng)網(wǎng)絡(luò)的核心思想是學(xué)習(xí)的過程，本質(zhì)也是系數(shù)的確定，所以學(xué)習(xí)量、學(xué)習(xí)的廣度、學(xué)習(xí)的深度都對神經(jīng)網(wǎng)絡(luò)的結(jié)果有著巨大的影響。但是學(xué)習(xí)量也不是越大越好，越大的學(xué)習(xí)量反而會導(dǎo)致神經(jīng)網(wǎng)絡(luò)學(xué)到更多的錯誤信息，偏差較大的信息。從模型的計算時間和前期準備階段，神經(jīng)網(wǎng)絡(luò)占據(jù)了很大的優(yōu)勢，因為減少的專家評價這一個環(huán)節(jié)。所以神經(jīng)網(wǎng)絡(luò)只要有足夠的數(shù)據(jù)，就可以開始學(xué)習(xí)和計算。層次分析法則需要更多的時間。但是要說到模型的復(fù)雜程度，就會發(fā)現(xiàn)層析分析法思路比較清楚，參與運算的參數(shù)較少，對于簡單的層析分析法，可以手算就可以得到結(jié)果，但是神經(jīng)網(wǎng)絡(luò)更加的復(fù)雜，涉及到的參數(shù)較多。

3.結(jié)語

通過對廣泛應(yīng)用的兩種水資源評價的方法的簡述和分析，我們了解到現(xiàn)在的水資源評價在向著更加智能，簡便，科學(xué)，快速的方向發(fā)展。神經(jīng)網(wǎng)絡(luò)和層次分析都是很早之前提出的理論，但是由于計算機和其他學(xué)科的發(fā)展致使神經(jīng)網(wǎng)絡(luò)和層次分析都有了更加深層次的發(fā)展，這為今后的研究方向指出了

參考文獻：

[1] 歐建鋒， 程吉林. 基于AHP與BP神經(jīng)網(wǎng)絡(luò)的農(nóng)村水利現(xiàn)代化評價[J]. 中國農(nóng)村水利水電， 2010， 000（011）：94-97，100.

[2] 程學(xué)旗， 靳小龍， 王元卓，等. 大數(shù)據(jù)系統(tǒng)和分析技術(shù)綜述[J]. 軟件學(xué)報， 2014， 000（009）：1889-1908.

[3] 哈仙. 層次分析法在水利工程評標過程中的應(yīng)用探究[J]. 水電與新能源， 2019（8）.

[4] 顧延芊. 基于層次分析法和熵權(quán)法的堤防安全評價[J]. 黑龍江水利科技， 2019（10）.

[5] 張秀紅， 馬迎雪， 李延暉. 結(jié)合主成分分析法改進后的層次分析法及應(yīng)用[J]. 長江大學(xué)學(xué)報自然科學(xué)版：理工（上旬）， 2013（2）：30-32.

[6] 杜剛. 改進的BP神經(jīng)網(wǎng)絡(luò)在地下水質(zhì)評價中的應(yīng)用[D]. 上海師范大學(xué)， 2007.

[7] 林冰. 基于BP算法的阜新市水資源優(yōu)化配置研究[J]. 水資源開發(fā)與管理， 2019.

[8] 金鑫鑫， 劉江俠， 張國新. 基于神經(jīng)網(wǎng)絡(luò)與遺傳算法的大體積混凝土全過程智能通水模型[J]. 水電能源科學(xué)， 2019（8）.

[9] 戴會超， 何文社， 曹叔尤. 基于誤差修正的BP神經(jīng)網(wǎng)絡(luò)模型在河道洪水預(yù)報中的應(yīng)用[J]. 水電能源科學(xué)， 2006， 024（001）：69-71.