基于熵权灰色组合预测模型的区域能源需求预测
基于熵权法和灰色关联理论的企业财务竞争力模型的构建
（ 桂林 工学院 管理 学院会计 系， 广西 桂林 ５ １０ ） ４ ０ ４
［ 摘 要］ 在综合分析传统评价方法的基础上 ， 文提 出 了一种将熵权法与灰 色关联理论相结合 的财务竞争力评价 本
模 型 ， 好 地 克 服 了信 息 的 不 完全 性 和 不 确 定性 ， 示 了样 本 指 标 间的 隐性 关 系 ， 分析 评 价 企 业 的 财 务 竞 争 力提 较 揭 为
究 生 导 师。
（） ２ 传统 的财 务评判方法所选用财务指标的权重始终 是 固定 的， 这就决定 了评 判 的重点在评 判之 前就 已确定 下来 ， 而不 能根据具体 的评 判需要 作相应 调整 ， 因此 主观性 较强 。
如德 尔菲法是最 常用 的客观综 合多 数专家 经验与 主观判 断
项目
年 终 双 薪 ‘ ） 月 工蕞 ｛） 年 终 嬖 畚 ‘ ） Ｘ ｆＸ Ｙ
３ ｌ额 度
ｌ 贽 ｝ 扣 陵翱 ｝ ｛
５
一
ｌ ５．５ １３ ８ Ｉ ｊ．５ ｌ３ ８
ｌ８ ０ ｝ ９ ８
５ Ｓ Ｉ１３ ８
＝ ０ ｌ ［ Ｉ Ｏｊ ０
６ ＯＪ ｔ ０ ６ ｎ Ｏ ０ ０ ０
１ ｌ３ ８ ５
１８ ｎ ９
６ 税 负
规划求解 目标
８ 项Ｈ 金 辅
３ ７ １ ５ Ｏ ９ 辛 年 税 啦
１ ｏ
Ｉ ｌ
啦
约束 条件
项Ｈ
工受羹盒音计
计 算 公 式
杯 值
况影响较小的情 况下 ， 通过年初预计个 人该年度工 资奖金总 额， 然后利用模 型进行规 划 ， 就可 以设 计 出 当年 最佳 的工资
地方政府数据开放平台服务质量评价研究——基于群AHP-熵权法组合权重的TOPSIS实证分析
云南行政学院学报2021年第6期
·43·地方政府数据开放平台服务质量评价研究*——基于群AHP-熵权法组合权重的TOPSIS实证分析阮霁阳1，2（1.复旦大学 国际关系与公共事务学院，上海 杨浦 200433； 2.云南中医药大学 人文与管理学院，云南 昆明 650500）
摘 要：地方政府数据开放平台充分、优质、高效的数据开放服务，对推进科学治理、协同治理、高效治理等方面的作用日益凸显。建构科学实用的平台服务质量评价指标体系，既是促进服务质量提升的“指挥棒”，也是规范地方政府数据开放平台建设的关键环节。本文在SERVOUAL理论模型的基础上构建了一个中国地方政府数据开放服务质量评价指标体系，选取更加严谨的群AHP-熵权组合赋值法进行权重判断，结合TOPSIS法对10个具有代表性的省级地方政府数据开放平台进行实证研究。结果表明，功能性与可靠性成为影响地方政府数据开放平台的关键因素，10个省级地方政府数据开放平台服务质量存在较为明显的差距。推进省级平台平衡协调发展，重视以功能性、可靠性为主的平台优化建设，是不断提高地方政府数据开放平台服务质量的必然选择。关键词：数据开放平台；服务质量；群AHP-熵权法；TOPSIS；评价指标中图分类号：D63 文献标识码：A 文章编号：1671-0681（06）-043-010作者简介：阮霁阳，复旦大学国际关系与公共事务学院博士研究生，云南中医药大学人文与管理学院讲师，主要研究方向为公共政策、数字治理。
一、文献综述与问题的提出大数据时代，数字政府治理成为实现国家治理体系与治理能力现代化目标的关键举措，数字政府治理的关键是发挥数字赋能的效用，政府数据开放进一步释放政府数据的社会价值与经济价值，搭建了公众和政府信息沟通的重要桥梁，是数字赋能的重要体现。自2012年我国首个政府数据开放平台——“上海市政府数据服务网”正式上线运行以来，截至2020年10月已有142个省级、副省级和地级政府上线了数据开放平台，与2019年下半年相比，新增了4个省级平台和36个地级（含副省级）平台，平台总数增长近4成a。
安徽省区域经济高质量发展综合评价——基于熵权TOPSIS法的分析
Value Engineering・1・安徽省区域经济高质量发展综合评价——基于熵权TOPSIS法的分析Comprehensive Evaluation of the High-quality Development of Regional Economy in Anhui Province:Analysis Based on the Entropy Weight TOPSIS Method朱晨ZHU Chen；武云亮WU Yun-liang(安徽财经大学国际经济贸易学院，蚌埠233030)(Institute of Finance and Trade Economics,Anhui University of Finance&Economics,Bengbu233030,China)摘要：以安徽省16个市为研究对象，以五大发展理念构建经济高质量发展综合评价体系，利用熵权改进的TOPSIS法分析比较2012-2018年安徽省经济发展水平的变化，通过Moran's I指数法对安徽省经济高质量发展进行了空间相关性检验。
结果表明：安徽省各地区经济高质量发展水平差距较大，整体经济高质量发展有着上升的趋势，经济高质量发展水平较高的皖中地区在绿色生态建设方面仍有较大潜力；各地区的经济发展水平呈现出逐渐减弱的正向集聚。
Abstract:Taking16cities in Anhui Province as the research object,the comprehensive evaluation system of high-quality economic-development is constructed with five development concepts.The paper analyzes and compares the changes of Anhui province's economic-development level from2012to2018by using TOPSIS method of entropy weight improvement.The spatial correlation test of high-quality economic development in Anhui Province is carried out by moran's I index method.The results show that the gap between the high-quality development level of economy in Anhui Province is large,the overall economic high-quality development is rising,and the middle Anhui area with high economic quality still has great potential in green ecological construction;the economic development level of each region is gradually weakening and positive agglomeration.关键词：经济高质量发展;熵权TOPSIS法；综合评价体系；空间相关性检验Key words:high-quality economic development；entropy TOPSIS method；comprehensive evaluation system；spatial correlation test 中图分类号:F127文献标识码：A文章编号：1006-4311(2021)10-0001-050引言我国经济已由高速增长阶段转向高质量发展阶段，长久以来，我们只关注了经济的高速发展，而忽略了经济高质量发展的必要性，由于我国经济呈现不平衡不充分发展，特别是区域经济表现出明显的差异，因而经济如何平衡有效的高质量发展是我国如今面临的首要问题。
基于组合权-改进灰色关联度理论的矿井突水水源识别
㊀第５０卷第４期煤炭科学技术Ｖｏｌ ５０㊀Ｎｏ ４㊀㊀２０２２年４月ＣｏａｌＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ㊀Ａｐｒ．２０２２㊀移动扫码阅读朱赛君，姜春露，毕㊀波，等．基于组合权－改进灰色关联度理论的矿井突水水源识别［Ｊ］．煤炭科学技术，２０２２，５０（４）：１６５－１７２ＺＨＵＳａｉｊｕｎ，ＪＩＡＮＧＣｈｕｎｌｕ，ＢＩＢｏ，ｅｔａｌ．Ｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｍｉｎｅｗａｔｅｒｉｎｒｕｓｈｓｏｕｒｃｅｂａｓｅｄｏｎｃｏｍｂｉｎａｔｉｏｎｗｅｉｇｈｔ－ｔｈｅｏｒｙｏｆｉｍｐｒｏｖｅｄｇｒｅｙｒｅｌａｔｉｏｎａｌｄｅｇｒｅｅ［Ｊ］．ＣｏａｌＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，２０２２，５０（４）：１６５－１７２基于组合权－改进灰色关联度理论的矿井突水水源识别朱赛君１，姜春露１，２，毕㊀波３，谢㊀毫３，安士凯３（１．安徽大学资源与环境学院，安徽合肥㊀２３０６０１；２．安徽省矿山生态修复工程实验室，安徽合肥㊀２３０６０１；３．平安煤炭开采工程技术研究院有限责任公司，安徽淮南㊀２３２００１）摘㊀要：基于组合权和改进灰色关联理论，针对潘谢矿区４个含水层中提取的３５个学习样本，建立了矿井突水水源识别模型，并利用该模型对７个检验样本进行了水源识别㊂结果表明：相同含水层的学习样本和检验样本中Ｎａ＋＋Ｋ＋，Ｃａ２＋，Ｍｇ２＋，Ｃｌ－，ＳＯ２－４和ＨＣＯ－３等６项化学指标值的含量变化趋势更为接近，符合灰色关联理论㊂组合权重综合考虑了主客观权重，避免人为因素的干扰，同时考虑了识别指标的实际情况㊂组合权方法计算的６项识别因子中，Ｃａ２＋，Ｍｇ２＋，ＨＣＯ－３的权重分别为０．２３１，０．３８３，０．２０３，且３者的权重值相加占总值的８１．７％，说明３项指标在矿井突水水源识别中起主要作用㊂采用建立的组合权－改进灰色关联度模型对７个检验水样进行识别，除１个水样外，其余均与实际结果一致，识别准确率达到８６％，表明该模型在矿井水源识别中具有一定的适用性㊂关键词：矿井突水；突水水源识别；组合权法；改进层次分析法；熵权法；改进灰色关联度理论中图分类号：ＴＤ７４２㊀㊀㊀文献标志码：Ａ㊀㊀㊀文章编号：０２５３－２３３６（２０２２）０４－０１６５－０８Ｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｍｉｎｅｗａｔｅｒｉｎｒｕｓｈｓｏｕｒｃｅｂａｓｅｄｏｎｃｏｍｂｉｎａｔｉｏｎｗｅｉｇｈｔ－ｔｈｅｏｒｙｏｆｉｍｐｒｏｖｅｄｇｒｅｙｒｅｌａｔｉｏｎａｌｄｅｇｒｅｅＺＨＵＳａｉｊｕｎ１，ＪＩＡＮＧＣｈｕｎｌｕ１，２，ＢＩＢｏ３，ＸＩＥＨａｏ３，ＡＮＳｈｉｋａｉ３（１．ＳｃｈｏｏｌｏｆＲｅｓｏｕｒｃｅａｎｄＥｎｖｉｒｏｎｍｅｎｔＥｎｇｉｎｅｅｒｉｎｇ，ＡｎｈｕｉＵｎｉｖｅｒｓｉｔｙ，Ｈｅｆｅｉ㊀２３０６０１，Ｃｈｉｎａ；２．ＡｎｈｕｉＥｎｇｉｎｅｅｒｉｎｇＬａｂｏｒａｔｏｒｙｏｆＭｉｎｅＥｃｏｌｏｇｉｃａｌＲｅｓｔｏｒａｔｉｏｎ，Ｈｅｆｅｉ㊀２３０６０１，Ｃｈｉｎａ；３．ＰｉｎｇａｎＭｉｎｉｎｇＥｎｇｉｎｅｅｒｉｎｇＴｅｃｈｎｏｌｏｇｙＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅＣｏ．，Ｌｔｄ．，Ｈｕａｉｎａｎ㊀２３２００１，Ｃｈｉｎａ）收稿日期：２０２１－１０－０２㊀㊀㊀责任编辑：常㊀琛㊀㊀㊀ＤＯＩ：１０．１３１９９／ｊ．ｃｎｋｉ．ｃｓｔ．２０２０－０６８７作者简介：朱赛君（１９９５ ），女，安徽安庆人，硕士研究生㊂Ｅ－ｍａｉｌ：１０１２１１６３９２＠ｑｑ．ｃｏｍ通讯作者：姜春露（１９８４ ），男，安徽阜阳人，副教授，博士㊂Ｅ－ｍａｉｌ：ｃｕｍｔｃｌｊ＠ｃｕｍｔ．ｅｄｕ．ｃｎＡｂｓｔｒａｃｔ：Ｂａｓｅｄｏｎｃｏｍｂｉｎａｔｉｏｎｗｅｉｇｈｔｓａｎｄｉｍｐｒｏｖｅｄｇｒｅｙｒｅｌａｔｉｏｎａｌｔｈｅｏｒｙ，ａｍｏｄｅｌｆｏｒｉｄｅｎｔｉｆｙｉｎｇｗａｔｅｒｓｏｕｒｃｅｓｏｆｍｉｎｅｗａｔｅｒｉｎｒｕｓｈｗａｓｅｓｔａｂｌｉｓｈｅｄｆｏｒ３５ｌｅａｒｎｉｎｇｓａｍｐｌｅｓｅｘｔｒａｃｔｅｄｆｒｏｍ４ａｑｕｉｆｅｒｓｉｎＰａｎｘｉｅＭｉｎｉｎｇＡｒｅａ，ａｎｄｔｈｅｍｏｄｅｌｗａｓｕｓｅｄｔｏｉｄｅｎｔｉｆｙｗａｔｅｒｓｏｕｒｃｅｓｆｏｒ７ｔｅｓｔｓａｍｐｌｅｓ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈｅｃｏｎｔｅｎｔｃｈａｎｇｅｓｏｆｓｉｘｃｈｅｍｉｃａｌｉｎｄｅｘｖａｌｕｅｓ，ｓｕｃｈａｓＮａ＋＋Ｋ＋，Ｃａ２＋，Ｍｇ２＋，Ｃｌ－，ＳＯ２－４ａｎｄＨＣＯ－３ｉｎｔｈｅｌｅａｒｎｉｎｇｓａｍｐｌｅｓａｎｄｔｅｓｔｓａｍｐｌｅｓｏｆｔｈｅｓａｍｅａｑｕｉｆｅｒａｒｅｍｏｒｅｓｉｍｉｌａｒ，ｗｈｉｃｈｃｏｎｆｏｒｍｓｔｏｔｈｅｇｒｅｙｒｅｌａｔｉｏｎａｌｔｈｅｏｒｙ．Ｔｈｅｃｏｍｂｉｎｅｄｗｅｉｇｈｔｃｏｍｐｒｅｈｅｎｓｉｖｅｌｙｃｏｎｓｉｄｅｒｓｔｈｅｓｕｂｊｅｃｔｉｖｅａｎｄｏｂｊｅｃｔｉｖｅｗｅｉｇｈｔｓ，ａｖｏｉｄｓｔｈｅｉｎｔｅｒｆｅｒｅｎｃｅｏｆｈｕｍａｎｆａｃｔｏｒｓ，ａｎｄｃｏｎｓｉｄｅｒｓｔｈｅａｃｔｕａｌｓｉｔｕａｔｉｏｎｏｆｔｈｅｉｄｅｎｔｉｆｉｃａｔｉｏｎｉｎｄｉｃａｔｏｒｓ．Ａｍｏｎｇｔｈｅｓｉｘｉｄｅｎｔｉｆｉｃａｔｉｏｎｆａｃｔｏｒｓｃａｌｃｕｌａｔｅｄｂｙｔｈｅｃｏｍｂｉｎｅｄｗｅｉｇｈｔｍｅｔｈｏｄ，ｔｈｅｗｅｉｇｈｔｓｏｆＣａ２＋，Ｍｇ２＋ａｎｄＨＣＯ－３ａｒｅ０．２３１，０．３８３ａｎｄ０．２０３，ｒｅｓｐｅｃｔｉｖｅｌｙ，ａｎｄｔｈｅｃｏｍｂｉｎｅｄｗｅｉｇｈｔｖａｌｕｅｓｏｆｔｈｅｔｈｒｅｅｆａｃｔｏｒｓａｃｃｏｕｎｔｆｏｒ８１．７％ｏｆｔｈｅｔｏｔａｌｖａｌｕｅ，ｉｎｄｉｃａｔｉｎｇｔｈａｔｔｈｅｓｅｔｈｒｅｅｉｎｄｉｃａｔｏｒｓｈａｖｅａｇｒｅａｔｉｍｐａｃｔｏｎｔｈｅｉｄｅｎｔｉｆｉｃａｔｉｏｎｒｅｓｕｌｔｏｆｍｉｎｅｉｎｒｕｓｈｗａｔｅｒｓｏｕｒｃｅ．Ｔｈｅｅｓｔａｂｌｉｓｈｅｄｃｏｍｂｉｎａｔｉｏｎｗｅｉｇｈｔ－ｉｍｐｒｏｖｅｄｇｒｅｙｒｅｌａｔｉｏｎａｌｄｅｇｒｅｅｍｏｄｅｌｗａｓｕｓｅｄｔｏｉｄｅｎｔｉｆｙｔｈｅｔｅｓｔｗａｔｅｒｓａｍｐｌｅｓｏｆ７ｄｉｆｆｅｒｅｎｔａｑｕｉｆｅｒｓ．Ｅｘｃｅｐｔｆｏｒｏｎｅｗａｔｅｒｓａｍｐｌｅ，ｔｈｅｏｔｈｅｒｓｗｅｒｅｃｏｎｓｉｓｔｅｎｔｗｉｔｈｔｈｅａｃｔｕａｌｒｅｓｕｌｔｓ，ａｎｄｔｈｅｒｅｃｏｇｎｉｔｉｏｎａｃｃｕｒａｃｙｒａｔｅｒｅａｃｈｅｄ８６％，ｉｎｄｉｃａｔｉｎｇｔｈａｔｔｈｅｍｏｄｅｌｈａｓｃｅｒｔａｉｎａｃｃｕｒａｃｙａｎｄａｐｐｌｉｃａｂｉｌｉｔｙｉｎｍｉｎｅｗａｔｅｒｓｏｕｒｃｅｉｄｅｎｔｉｆｉｃａｔｉｏｎ．Ｋｅｙｗｏｒｄｓ：ｍｉｎｅｗａｔｅｒｉｎｒｕｓｈ；ｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｗａｔｅｒｉｎｒｕｓｈｓｏｕｒｃｅｓ；ｃｏｍｂｉｎａｔｉｏｎｗｅｉｇｈｔｍｅｔｈｏｄ；ｉｍｐｒｏｖｅｄａｎａｌｙｔｉｃｈｉｅｒａｒｃｈｙｐｒｏｃｅｓｓ；ｅｎｔｒｏｐｙｗｅｉｇｈｔｍｅｔｈｏｄ；ｉｍｐｒｏｖｅｄｇｒｅｙｒｅｌａｔｉｏｎａｌｄｅｇｒｅｅｔｈｅｏｒｙ５６１２０２２年第４期煤炭科学技术第５０卷０㊀引㊀㊀言煤矿突水是煤矿灾害之一㊂快速精确的识别突水水源，是防治突水水害的关键工作之一㊂针对矿井突水水源识别问题，陈红江［１］㊁黄平华［２］基于Ｆｉｓｈｅｒ判别分析理论，对不同含水层的水样进行判别分析；宫凤强［３］㊁王心义等［４］采用距离判别分析的方法建立了突水水源识别模型；徐星［５－６］㊁李垣志等［７］依据常规水化学离子浓度，建立以人工神经网络为基础的矿井水源识别模型；张瑞刚等［８］利用水质指标作为判别因子，结合可拓识别方法，建立了突水水源识别模型；ＤＵＡＮ［９］㊁胡伟伟等［１０］基于矿区的水文地质条件建立了以水文地球化学和同位素分析为基础的矿井水源识别模型㊂此外，判别突水水源的方法还有水温水质识别方法㊁聚类分析方法㊁灰色关联理论㊁支持向量机识别等［１１－１７］㊂其中灰色关联度理论主要通过序列的几何关联度来分析各因素之间的关联程度，对于矿井突水水源识别有一定的效果㊂目前，灰色关联理论已经在灾害预测与评价㊁工程管理等领域成功运用［１８－２０］㊂虽然灰色关联理论的应用取得了一定的成果，但也有不足之处㊂一方面由于灰色关联度的计算中分辨系数ρ的值通常按照经验取０ １，分辨系数ρ的取值不同会造成灰色关联度的差异；另一方面灰色关联理论一般按照单一赋权法确定各指标权重，无法综合考虑主客观情况，导致赋权结果具有偏向性，从而影响了模型的识别精度㊂为了克服上述不足，采用方差法对分辨系数ρ进行改进；利用熵权法确定客观权重，改进层次分析法确定主观权重，结合改进灰色关联度理论，建立组合权－改进灰色关联度理论的突水水源识别模型，从而提高水源识别模型的准确性与适用性，为矿井突水水源的识别提供了新的方法㊂１㊀灰色关联理论研究方法１．１㊀灰色关联度分析灰色系统理论所研究的对象是带有不确定性质的系统，可用来处理一些模糊集㊁概率论难以解决的不确定问题㊂它通过描述㊁分析㊁综合已知的信息，从而确切描述和认识问题［２１］㊂其中灰色关联分析是灰色系统理论的主要内容之一，其基本原理是利用因素之间发展趋势的相似程度来衡量因素间的密切程度，随着相似程度的增大，则因素间关系的密切度增大，关联度就越大㊂水源识别中的水样化学组分是由多个指标来组成的，每个水样的多个化学指标就构成了一个有序的序列，通过建立模型，构建了一个已知序列，待判的突水样品通过与已知进行比较，从而得到判别效果㊂假定学习样本中有ｎ种水样含水层，有ｍ个识别指标，矩阵Ｄ＝（ｘｉｊ）ｍˑｎ由各类型含水层的平均值组成㊂由于含水层背景值中各个指标的数量级差较大，故需进行无量纲化，指标的均值计量变换计算式Ｘｉᶄ为Ｘｉᶄ＝６ｘｉｊð６ｋ＝１ｘｉｊ（１）式中：ｘｉｊ为各类含水层类型的均值（ｉ＝１，２， ，ｎ；ｊ＝１，２， ，ｍ）㊂关联系数ｌｉ（ｋ）的计算公式为ｌｉ（ｋ）＝Δｍｉｎ＋ρΔｍａｘΔｉ（ｋ）＋ρΔｍａｘ（２）式中，Δｉ（ｋ）为ｋ点ｘ０与ｘｋ的绝对差值，Δｉ（ｋ）＝Ｘ０（ｋ）－Ｘｉ（ｋ）；Ｘ０（ｋ）为检验水样的标准化序列；Δｍｉｎ＝ｍｉｎ１ɤｉɤＭｍｉｎΔｉ（ｋ），ｋ＝１，２， ，ｎ[]{}为两级最小绝对差值；Δｍａｘ＝ｍａｘ１ɤｉɤＭ｛ｍａｘΔｉ（ｋ），ｋ＝１，２， ，ｎ］｝为两级最大绝对差值㊂由于在实际计算过程中，式（２）中的分辨系数ρ的取值一般根据经验取０ １，且关联系数会随着ρ的变化而变化㊂为了避免分辨系数ρ取值不同而产生的误差，通过方差法对分辨系数进行了改进［２２］㊂将标准化后的背景值作为研究对象，求出每一列水化学指标的标准差σｉ（ｉ＝１，２， ，６）㊂比较得出标准差最大值σｍａｘ以及最小值σｍｉｎ，利用方差法来确定分辨系数ρ，降低了两级最大绝对差的影响㊂改进后的关联系数公式为ｌｉ（ｋ）＝ｃΔｍｉｎ＋ｄΔｍａｘΔｉ（ｊ）＋ｄΔｍａｘ（３）式中：ｃ＝σｍｉｎσｍｉｎ＋σｍａｘ；ｄ＝σｍａｘσｍｉｎ＋σｍａｘ；Δｉ（ｊ）为Δｉ（ｋ）的任意一个数㊂１．２㊀组合权值的确定组合权重方法综合考虑了客观权重与主观权重，使各识别因子的权重更加合理［２３］㊂客观权重由熵权法确定，通过计算某个指标的信息熵，将待评价指标的信息进行量化，可以反映该指标提供的信息量的多少以及信息的效用，从而确定该指标在综合评价中的作用大小［２４－２５］㊂熵权法的基本思想［２６］是６６１朱赛君等：基于组合权－改进灰色关联度理论的矿井突水水源识别２０２２年第４期依据各指标所提供的信息量的多少来决定相应指标的权重系数的大小，其优点在于最大程度地减小了主观确定权重带来的人为干扰㊂对评价指标进行标准化，消除量纲的影响，标准化公式如下：ｒｉｊ＝ｘｉｊðｎｉ＝１ｘｉｊ（４）式中，ｒｉｊ为对ｘｉｊ进行标准化之后得出的结果㊂计算评价指标的熵值，如果指标的信息熵越小，该指标提供的信息量越大，在综合评价中所起作用越大，权重就应该越高㊂熵值计算公式如下：Ｅｉ＝ðｎｉ＝１ｒｉｊｌｎｒｉｊｌｎｎ（５）式中，当ｒｉｊ＝０时，Ｅｊ＝０；Ｅｉ为对ｒｉｊ求熵值得出的结果㊂熵权法中确定客观权重τｉ公式为τｉ＝１－Ｅｉðｎｉ＝１（１－Ｅｉ）（６）主观权重由改进层次分析法确定［２７］，比较６个识别因子的重要性，得出判断矩阵Ｐ：Ｐ＝ａ１１ａ２１︙ａｉ１ａ１２ａ２２︙ａｉ２ ︙ ａ１ｊａ２ｊ︙ａｉｊéëêêêêêùûúúúúú（７）其中，若ａｉｊ＝１，则说明ｉ比ｊ重要；若ａｉｊ＝－１，则说明ｊ比ｉ重要；若ａｉｊ＝０，则说明两者同样重要㊂Ｐ的最优传递矩阵Ａ：Ａ＝ｇ１１ｇ２１︙ｇｉ１ｇ１２ｇ２２︙ｇｉ２ ︙ ｇ１ｊｇ２ｊ︙ｇｉｊéëêêêêêùûúúúúú（８）式中，ｇｉｊ＝１ｍðｎｋ＝１（ａｉｋ－ａｊｋ）㊂Ａ的判断矩阵为Ｂ：Ｂ＝ｂ１１ｂ１２ ｂ１ｊｂ２１ｂ２ｉ ｂ２ｊ︙︙︙︙ｂｉ１ｂｉ２ｂｉｊéëêêêêêùûúúúúú（９）式中，ｂｉｊ＝ｅｘｐ（ｇｉｊ）㊂识别因子的主观权重值δｉ为δｉ＝ｎᵑｎｋ＝１ｂｉｊðｎｋ＝１ｎᵑｎｋ＝１ｂｉｊ（１０）确定组合权值ωｉ：ωｉ＝τｉδｉðｎｉ＝１τｉδｉ（１１）最后求出灰色加权关联度Ｗｉ：Ｗｉ＝ðｎｉ＝１ωｉζｉｊ（１２）ωｉ为得出的组合权值；ζｉｊ为灰色关联系数，２㊀矿井突水水源识别２．１㊀研究区概况潘谢矿区隶属于淮南煤田，位于阜东矿区与淮南矿区之间，自西端阜阳境内延伸，至东部滁州市内，区内主要水系为淮河（图１）㊂图１㊀研究区地理位置Ｆｉｇ．１㊀Ｇｅｏｇｒａｐｈｉｃａｌｌｏｃａｔｉｏｎｏｆｔｈｅｓｔｕｄｙａｒｅａ研究区自上而下主要含水层包括：新生界松散层孔隙含水层㊁二叠系砂岩裂隙含水层㊁石炭系太原组灰岩裂隙岩溶含水层㊁奥陶系灰岩裂隙岩溶含水层等（图２）㊂其中，二叠系和石炭系的富水性较弱，而奥陶系与寒武系的富水性不均一㊂收集潘谢矿区的３５个水样来自下含水（Ⅰ类水）㊁砂岩水（Ⅱ类水）㊁太灰水（Ⅲ类水）㊁奥灰水（Ⅳ类水），其中包括下含水１０个，砂岩水１０个，太灰水１０个，奥灰水５个作为学习样本（表１）㊂选用Ｋ＋＋Ｎａ＋㊁Ｃａ２＋㊁Ｍｇ２＋㊁ＳＯ４２－㊁Ｃｌ－㊁ＨＣＯ－３等６项指标作为识别指标进行突水水源识别，并测定各个指标浓度㊂收集另外７组矿井水样信息作为检验样本，用于检验模型的准确性㊂７６１２０２２年第４期煤炭科学技术第５０卷图２㊀研究区主要含水层Ｆｉｇ．２㊀Ｍａｉｎａｑｕｉｆｅｒｓｏｆｓｔｕｄｙａｒｅａ２．２㊀突水水源识别模型的建立将学习样本不同含水层的水样指标浓度均值分别与检验样本的水样指标浓度的均值进行比较㊂由图３可以看出，相同含水层的学习样本与检验样本的水样指标浓度变化程度更为相近，关联程度也更高㊂符合灰色关联理论即：在系统发展过程中，如果２个因素变化的趋势具有一致性，两者同步变化程度较高，即可谓２者关联程度较高，两者为一类的几率也越高㊂以４类水３５组潘谢矿区的水样作为学习样本，建立识别区间，水样进行均值变换后的数据见表２㊂根据式（１）可得学习样本均值计量变换值，结果见表３㊂根据表１学习样本的数据及上述的熵权法㊁层次分析法，得出了各含水层水样判别指标对应的组合权重，见表４，Ｃａ２＋，Ｍｇ２＋，ＨＣＯ－３的权重明显高于其他离子，分别为０．２３１，０．３８３，０．２０３，且３者的权重值相加占总值的８１．７％，说明该３项指标对突水水源的识别中起主要作用㊂２．３㊀突水水源识别结果取潘谢矿区的７个已知含水层水样作为水源识别模型的检验样本，其主要的水化学指标见表５，检验样本的均值计量变换结果见表６㊂表１㊀潘谢矿区水样主要水化学成分Ｔａｂｌｅ１㊀ＭａｉｎｈｙｄｒｏｃｈｅｍｉｃａｌｃｏｍｐｏｓｉｔｉｏｎｏｆｗａｔｅｒｓａｍｐｌｅｓｉｎＰａｎｘｉｅｍｉｎｉｎｇａｒｅａ编号含水层水中各离子的质量浓度／（ｍｇ㊃Ｌ－１）Ｎａ＋＋Ｋ＋Ｃａ２＋Ｍｇ２＋Ｃｌ－ＳＯ２－４ＨＣＯ－３１下含水８３９．０６４１．４２３．６４２９２．１７１０３１．９３０５．４２下含水８５７．６３５．１５１７．７２２９．９５７１００９．２１３２９．０１３下含水７４１．６４２６．５１１１．７２７４．５７７８６．９３３４．８１４下含水８６０．１３１．９８１４．２３２９３．４３９９６．３４３２７．４３︙︙︙︙︙︙︙︙１８砂岩水４１１．４３１７８．３６１０３．３２２６４．１７８２４．２１３１１．２０１９砂岩水５３５．２２１６０．３２８７．５２３２１．８０８７２．０７３１１．２０２０砂岩水１６９７．１２８．０２０１２．０１５２８．２１２９５９．４７２１太灰水９１４．９１２５．６５３．８９１９５．９６７９７．６３６５９．０２２２太灰水１０７８．０４８．０２４．８６０．００５５３．０２１６９０．２５︙︙︙︙︙︙︙︙３５奥灰水９２８．１２８９．６４３３．８８５７６．３６１１４４．７４２００．１５８６１朱赛君等：基于组合权－改进灰色关联度理论的矿井突水水源识别２０２２年第４期图３㊀学习样本与检验样本各指标含量变化比较Ｆｉｇ．３㊀Ｃｏｍｐａｒｉｓｏｎｏｆｃｈａｎｇｅｓｉｎｔｈｅｃｏｎｔｅｎｔｏｆｅａｃｈｉｎｄｅｘｂｅｔｗｅｅｎｔｈｅｌｅａｒｎｉｎｇｓａｍｐｌｅａｎｄｔｈｅｔｅｓｔｓａｍｐｌｅ表２㊀学习样本标准化后背景值Ｔａｂｌｅ２㊀Ｂａｃｋｇｒｏｕｎｄｖａｌｕｅｓａｆｔｅｒｓｔａｎｄａｒｄｉｚａｔｉｏｎｏｆｌｅａｒｎｉｎｇｓａｍｐｌｅｓ水样类别含水层学习样本标准化后背景值Ｋ＋＋Ｎａ＋Ｃａ２＋Ｍｇ２＋ＳＯ２－４Ｃｌ－ＨＣＯ－３Ⅰ类水下含水９５２．８２３３．８７１８．８１３９６．５１９５４．４８４２９．２０Ⅱ类水砂岩水８３２．４０７１．７４３９．１４１９０．６８６３５．４４１０２４．２２Ⅲ类水太灰水１０４６．３０１７．８０９．５３１７０．９９８７８．１０８７３．５０Ⅳ类水奥灰水７２８．２７４４．８３２０．５７４１６．１９８９２．５１２３３．５７表３㊀含水层学习样本背景值均值计量变换结果Ｔａｂｌｅ３㊀Ｍｅａｓｕｒｅｍｅｎｔｔｒａｎｓｆｏｒｍａｔｉｏｎｒｅｓｕｌｔｓｏｆｍｅａｎｂａｃｋｇｒｏｕｎｄｖａｌｕｅｓｏｆａｑｕｉｆｅｒｌｅａｒｎｉｎｇｓａｍｐｌｅｓ水样类别含水层含水层学习样本背景值均值Ｋ＋＋Ｎａ＋Ｃａ２＋Ｍｇ２＋ＳＯ２－４Ｃｌ－ＨＣＯ－３Ⅰ类水下含水２．０５０．０７０．０４０．８５２．０６０．９２Ⅱ类水砂岩水１．７９０．１５０．０８０．４１１．３６２．２０Ⅲ类水太灰水２．１００．０４０．０２０．３４１．７６１．７５Ⅳ类水奥灰水１．８７０．１２０．０５１．０７２．２９０．６０表４㊀学习样本判别指标权重Ｔａｂｌｅ４㊀Ｌｅａｒｎｉｎｇｓａｍｐｌｅｄｉｓｃｒｉｍｉｎａｎｔｉｎｄｅｘｗｅｉｇｈｔｓ指标Ｋ＋＋Ｎａ＋Ｃａ２＋Ｍｇ２＋ＳＯ２－４Ｃｌ－ＨＣＯ－３客观权重０．０１８０．２４００．２５５０．１６７０．０２００．２９５主观权重０．３７６０．１２４０．１９３０．０７９０．１３９０．０９组合权值０．０５３０．２３１０．３８３０．１０３０．０２６０．２０３９６１２０２２年第４期煤炭科学技术第５０卷表５㊀检验样本水化学信息及识别结果Ｔａｂｌｅ５㊀Ｗａｔｅｒｃｈｅｍｉｃａｌｉｎｆｏｒｍａｔｉｏｎａｎｄｉｄｅｎｔｉｆｉｃａｔｉｏｎｒｅｓｕｌｔｓｏｆｔｅｓｔｓａｍｐｌｅｓ序号水中各离子质量浓度／（ｍｇ㊃Ｌ－１）Ｎａ＋＋Ｋ＋Ｃａ２＋Ｍｇ２＋Ｃｌ－ＳＯ４２－ＨＣＯ－３水样识别结果水样实际结果１９８２．６８３０．６６１４．８８６４４．６６５９．７５６４２．２２Ⅰ类水Ⅰ类水２９２３．８４８．１８４．９６２７２．００６２１．２３２６５．５４Ⅰ类水Ⅰ类水３８３０．５２５５．２３１８．６６２１９３．２１６８０．０８１０００．７８Ⅱ类水Ⅱ类水４１０２３．６３１１．９５６．２１３２６．４８８００．０９８６３．０３Ⅲ类水Ⅲ类水５９８２．６８３０．６６１４．８８６４４．６０６５９．７５６４２．２２Ⅲ类水Ⅲ类水６８６８．３６９．８５１２．１４１２６．７９４７２．０６４９９．１０Ⅲ类水Ⅳ类水７９８２．６８３０．６６１４．８８６４４．６６５９．７５６４２．２２Ⅳ类水Ⅳ类水表６㊀检验样本背景值均值计量变换结果Ｔａｂｌｅ６㊀Ｍｅａｓｕｒｅｍｅｎｔｔｒａｎｓｆｏｒｍａｔｉｏｎｒｅｓｕｌｔｓｏｆｓａｍｐｌｅｍｅａｎｂａｃｋｇｒｏｕｎｄｖａｌｕｅｓ序号含水层检验样本背景值Ｋ＋＋Ｎａ＋Ｃａ２＋Ｍｇ２＋ＳＯ２－４Ｃｌ－ＨＣＯ－３１下含水１．９８０．０６０．０３１．３０１．３３１．３０２下含水２．６４０．０２０．０１０．７８１．７８０．７６３砂岩水１．７９０．１２０．０４０．４２１．４７２．１６４太灰水２．０３０．０２０．０１０．６５１．５８１．７１５太灰水２．４１０．０２０．０２０．１０２．２１１．２４６奥灰水２．７６０．０３０．０４０．３１１．６０１．２６７奥灰水１．６７０．１２０．０５０．８８２．６００．６９㊀㊀按照灰色关联度理论，对表１中的学习样本与检验样本进行关联度分析，计算得出各个含水层不同指标的关联系数ｌｉ（ｋ）：ｌｉ（ｋ）＝０．９５５０．９９３０．９９３０．７７００．６７３０．８０１０．８８５０．９４２０．９６５０．６２６０．９７８０．６２２０．９２９０．９８３０．９９３０．６０９０．７７７０．７６６０．９３００．９６６０．９８５０．８６６０．６０８０．６８２０．７１５０．９６８０．９８３０．９５２０．８４３０．９０１０．６３５０．９１９０．９５５０．８０１０．７８３０．５０９０．７３００．９９２０．９９７０．７７３０．９８７０．６０１０．６５８０．９４２０．９７５０．８３７０．７４４０．９０３０．８５２０．９７０１．００００．７７３０．７１７０．５４６０．９９６０．９７７０．９７１０．９９５０．９３５０．９７５０．８３２０．９４７０．９８６０．９５２０．８３７０．７８３０．９５１０．９９７０．９９２０．６９６０．６４４０．４８８０．９８３０．９６８０．９８１０．８７８０．７５９０．６５５０．８６２０．９１９０．９５４０．８６３０．８７２０．７５２０．９５６０．９９２０．９９５０．８３１０．８９５０．９７３０．９０６０．９４２０．９７４０．７７９０．６７８０．５７３０．８０５０．９６８０．９８４０．６６３０．９０８０．８２４０．７０４０．９１９０．９５７０．８２７０．６３９０．６０９０．８２４０．９９２０．９９８０．８５９０．７６９０．７４６０．７３３０．９４２０．９７６０．６０５０．９４６０．６９９０．６７９０．９７２１．００００．７３４０．７６５０．８１５０．６０６０．９２３０．９７１０．９４００．８６５０．６１４０．６９２０．９９６０．９８６０．９８２０．９０２０．７５３０．６７９０．９４６０．９９１０．６６４０．６８２０．６９２０．７９６０．９７００．９９５０．９８４０．７３４０．８６４０．９２７０．９７７０．９７６０．７６１０．５４８０．４９７０．７７８０．９４７０．９８１０．７３５０．６４００．５８５０．８８１０．９９８０．９９６０．８８７０．８３１０．９４３éëêêêêêêêêêêêêêêêêêêêêêêêêêêêêêêêêêêêùûúúúúúúúúúúúúúúúúúúúúúúúúúúúúúúúúúúú㊀㊀（１３）由表２可知含水层各个指标的权重，利用式（１２）可以得出不同类型含水层的加权关联度结果（表７），综合计算和分析可知，７个检验样本的加权关联度最高分别是０．９２０，０．９４１，０．９７５，０．９６７，０．９１５，０．９２２，０．９６３，即判别结果显示检验样本分别属于Ⅰ㊁Ⅰ㊁Ⅱ㊁Ⅲ㊁Ⅲ㊁Ⅲ㊁Ⅳ类水㊂应用组合权－改进灰色关联度理论水源识别模型对７组检验样本进行识别，有６组与实际完全相符，只有检验样本６被误判为太灰水，其准确率为８６％㊂导致水样识别不准的原因可能是奥灰水与太灰水含水层相近，水样在天然导水通道发生了混合，且两个含水层的水化学特征相似，从而导致了模型产生误判㊂因此在后续工作中应该进一步丰富水样的数据资料，增强模型在奥灰水和太灰水识别方面的适用性，提高模型的识别精度㊂３㊀结㊀㊀论１）在６项水化学指标中，组合权法所确定的Ｃａ２＋㊁Ｍｇ２＋㊁ＨＣＯ－３的权重分别是０．２３１㊁０．３８３㊁０．２０３，远大于其他化学指标的权值值，且３者的权重值相加占总值的８１．７％，说明这３项指标对突水水源识别影响的效果比较大㊂２）引用新的样本对模型进行检验，结果表明，７组检验样本中，有６组水样的识别结果与实际情况完全相同，该水源识别模型的准确率达到８６％，说明该模型具有一定的准确性㊁适用性㊂０７１朱赛君等：基于组合权－改进灰色关联度理论的矿井突水水源识别２０２２年第４期表７㊀学习样本与检验样本关联度Ｔａｂｌｅ７㊀Ｃｏｒｒｅｌａｔｉｏｎｄｅｇｒｅｅｂｅｔｗｅｅｎｌｅａｒｎｉｎｇｓａｍｐｌｅｓａｎｄｔｅｓｔｓａｍｐｌｅｓ水样类别加权关联度ａｂｃｄｅｆｇⅠ类水０．９２００．９４１０．８６１０．８９５０．９０２０．９０４０．９４３Ⅱ类水０．８５００．８１８０．９７５０．８８８０．８４１０．８６１０．８４２Ⅲ类水０．８９５０．８７７０．９１９０．９６７０．９１５０．９２２０．８４７Ⅳ类水０．８９３０．９１５０．８４８０．８５３０．８５９０．８６１０．９６３㊀㊀注：ａ ｇ为不同的７组检验样本㊂㊀㊀３）模型出现误判的原因可能是由于奥灰水和太灰水的含水层相近，水样在天然导水通道发生了混合，且两组水样的水化学特征较为相似，模型难以区分㊂因此在后续工作中应该丰富水样信息，提高模型的精度㊂参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：［１］㊀陈红江，李夕兵，刘爱华，等．用Ｆｉｓｈｅｒ判别法确定矿井突水水源［Ｊ］．中南大学学报，２００９，４０（４）：１１１４－１１２０．ＣＨＥＮＨＪ，ＬＩＸＢ，ＬＩＵＡＨ，ｅｔａｌ．Ｆｉｓｈｅｒｄｉｓｃｒｉｍｉｎａｎｔｍｅｔｈｏｄｆｏｒｄｅｔｅｒｍｉｎａｔｉｏｎｏｆｗａｔｅｒｓｏｕｒｃｅｏｆｍｉｎｅｉｎｒｕｓｈ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｅｎｔｒａｌＳｏｕｔｈＵｎｉｖｅｒｓｉｔｙ，２００９，４０（４）：１１１４－１１２０．［２］㊀黄平华，陈建生．基于多元统计分析的矿井突水水源Ｆｉｓｈｅｒ识别及混合模型［Ｊ］．煤炭学报，２０１１，３６（１）：１３１－１３６．ＨＵＡＮＧＰＨ，ＣＨＥＮＪＳ．Ｆｉｓｈｅｒｉｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄｈｙｂｒｉｄｍｏｄｅｌｏｆｍｉｎｅｉｎｒｕｓｈｗａｔｅｒｓｏｕｒｃｅｂａｓｅｄｏｎｍｕｌｔｉｖａｒｉａｔｅｓｔａｔｉｓｔｉｃａｌａｎａｌｙｓｉｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｈｉｎａＣｏａｌＳｏｃｉｅｔｙ，２０１１，３６（１）：１３１－１３６．［３］㊀宫凤强，鲁金涛．基于主成分分析与距离判别分析法的突水水源识别方法［Ｊ］．采矿与安全工程学报，２０１４，３１（２）：２３６－２４２．ＧＯＮＧＦＱ，ＬＵＪＴ．Ｉｄｅｎｔｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｏｆｉｎｒｕｓｈｗａｔｅｒｓｏｕｒｃｅｂａｓｅｄｏｎｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓａｎｄｄｉｓｔａｎｃｅｄｉｓｃｒｉｍｉｎａｎｔａ⁃ｎａｌｙｓｉｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＭｉｎｉｎｇａｎｄＳａｆｅｔｙＥｎｇｉｎｅｅｒｉｎｇ，２０１４，３１（２）：２３６－２４２．［４］㊀王心义，徐㊀涛，黄㊀丹．距离判别法在相似矿区突水水源识别中的应用［Ｊ］．煤炭学报，２０１１，３６（８）：１３５４－１３５８．ＷＡＮＧＸＹ，ＸＵＴ，ＨＵＡＮＧＤ．Ａｐｐｌｉｃａｔｉｏｎｏｆｄｉｓｔａｎｃｅｄｉｓｃｒｉｍｉ⁃ｎａｔｉｏｎｉｎｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｗａｔｅｒｉｎｒｕｓｈｓｏｕｒｃｅｓｉｎｓｉｍｉｌａｒｍｉｎｉｎｇａｒ⁃ｅａｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｈｉｎａＣｏａｌＳｏｃｉｅｔｙ，２０１１，３６（８）：１３５４－１３５８．［５］㊀徐㊀星，郭兵兵，王公忠．人工神经网络在矿井多水源识别中的应用［Ｊ］．中国安全生产科学技术，２０１６，１２（１）：１８２－１８５．ＸＵＸ，ＧＵＯＢＢ，ＷＡＮＧＧＺ．Ａｐｐｌｉｃａｔｉｏｎｏｆａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔ⁃ｗｏｒｋｉｎｍｕｌｔｉ－ｓｏｕｒｃｅｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｍｉｎｅ［Ｊ］．ＪｏｕｒｎａｌｏｆＳａｆｅｔｙＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，２０１６，１２（１）：１８２－１８５．［６］㊀徐㊀星，田坤云，王公忠，等．Ｅｌｍａｎ神经网络在矿井突水水源判别中的应用［Ｊ］．安全与环境学报，２０１７，１７（４）：１２５７－１２６１．ＸＵＸ，ＴＩＡＮＫＹ，ＷＡＮＧＧＺ，ｅｔａｌ．ＡｐｐｌｉｃａｔｉｏｎｏｆＥｌｍａｎｎｅｕｒａｌｎｅｔｗｏｒｋｉｎｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｗａｔｅｒｉｎｒｕｓｈｓｏｕｒｃｅｉｎｍｉｎｅ［Ｊ］．ＪｏｕｒｎａｌｏｆＳａｆｅｔｙａｎｄＥｎｖｉｒｏｎｍｅｎｔ，２０１７，１７（４）：１２５７－１２６１．［７］㊀李垣志，牛国庆，刘慧玲．改进的ＧＡ－ＢＰ神经网络在矿井突水水源识别中的应用［Ｊ］．中国安全生产科学技术，２０１６，１２（７）：７７－８１．ＬＩＹＺ，ＮＩＵＧＱ，ＬＩＵＨＬ．ＡｐｐｌｉｃａｔｉｏｎｏｆｉｍｐｒｏｖｅｄＧＡ－ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｉｎｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｍｉｎｅｗａｔｅｒｉｎｒｕｓｈｓｏｕｒｃｅ［Ｊ］．ＪｏｕｒｎａｌｏｆＳａｆｅｔｙＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，２０１６，１２（７）：７７－８１．［８］㊀张瑞刚，钱家忠，马㊀雷，等．可拓识别方法在矿井突水水源判别中的应用［Ｊ］．煤炭学报，２００９，３４（１）：３３－３８．ＺＨＡＮＧＲＧ，ＱＩＡＮＪＺ，ＭＡＬ，ｅｔａｌ．Ａｐｐｌｉｃａｔｉｏｎｏｆｅｘｔｅｎｓｉｏｎｉ⁃ｄｅｎｔｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｉｎｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｍｉｎｅｗａｔｅｒｉｎｒｕｓｈｓｏｕｒｃｅ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｈｉｎａＣｏａｌＳｏｃｉｅｔｙ，２００９，３４（１）：３３－３８．［９］㊀ＤＵＡＮＸＬ，ＭＡＦＳ，ＺＨＡＯＨＪ，ｅｔａｌ．Ｄｅｔｅｒｍｉｎｉｎｇｍｉｎｅｗａｔｅｒｓｏｕｒｃｅｓａｎｄｍｉｘｉｎｇｒａｔｉｏｓａｆｆｅｃｔｅｄｂｙｍｉｎｉｎｇｉｎａｃｏａｓｔａｌｇｏｌｄｍｉｎｅ，ｉｎＣｈｉｎａ［Ｊ］．ＥｎｖｉｒｏｍｅｎｔＥａｒｔｈＳｃｉｅｎｃｅ，２０１９，７８（１０）：１－１６．［１０］㊀胡伟伟，马致远，曹海东，等．同位素与水文地球化学方法在矿井突水水源判别中的应用［Ｊ］．地球科学与环境学报，２０１０，３２（３）：２６８－２７１．ＨＵＷＷ，ＭＡＺＹ，ＣＡＯＨＤ，ｅｔａｌ．Ａｐｐｌｉｃａｔｉｏｎｏｆｉｓｏｔｏｐｅｓａｎｄｈｙｄｒｏｇｅｏｃｈｅｍｉｃａｌｍｅｔｈｏｄｓｉｎｔｈｅｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｓｏｕｒｃｅｓｏｆｗａｔｅｒｉｎｒｕｓｈｉｎｍｉｎｅｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＥａｒｔｈＳｃｉｅｎｃｅｓａｎｄＥｎｖｉｒｏｎｍｅｎｔ，２０１０，３２（３）：２６８－２７１．［１１］㊀袁文华，桂荣和．任楼煤矿地温特征及在水源判别中的应用［Ｊ］．安徽理工大学学报，２００５，２５（４）：９－１１．ＹＵＡＮＷＨ，ＧＵＩＲＨ．ＣｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｇｒｏｕｎｄｔｅｍｐｅｒａｔｕｒｅｉｎＲｅｎｌｏｕｃｏａｌｍｉｎｅａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎｉｎｗａｔｅｒｓｏｕｒｃｅｉｄｅｎｔｉｆｉｃａｔｉｏｎ［Ｊ］．ＪｏｕｒｎａｌｏｆＡｎｈｕｉｕｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，２００５，２５（４）：９－１１．［１２］㊀徐楼英．基于水化学特征的聚类分析对矿井突水水源判别［Ｊ］．煤炭科学技术，２０１０，３８（３）：９７－１００，１２４．ＸＵＬＹ．Ｃｌｕｓｔｅｒａｎａｌｙｓｉｓｂａｓｅｄｏｎｈｙｄｒｏｃｈｅｍｉｃａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓｔｏｄｉｓｔｉｎｇｕｉｓｈｍｉｎｅｗａｔｅｒｉｎｒｕｓｈｓｏｕｒｃｅ［Ｊ］．ＣｏａｌＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，２０１０，３８（３）：９７－１００，１２４．［１３］㊀钱家忠，潘㊀婧，赵卫东，等．基于ＳＶＭ的潘三矿Ｂ８组与Ｃ１３组媒开采中突水水源判别模型［Ｊ］．系统工程理论与实践，２０１１，３１（１２）：２４２５－２４３０．ＱＩＡＮＪＺ，ＰＡＮＪ，ＺＨＡＯＷＤ，ｅｔａｌ．ＳＶＭｂａｓｅｄｉｄｅｎｔｉｆｉｃａｔｉｏｎｍｏｄｅｌｏｆｗａｔｅｒｉｎｒｕｓｈｓｏｕｒｃｅｉｎＰａｎｓａｎｍｉｎｅｇｒｏｕｐＢ８ａｎｄｇｒｏｕｐＣ１３ｃｏａｌｍｉｎｉｎｇ［Ｊ］．ＳｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇ－Ｔｈｅｏｒｙ＆Ｐｒａｃｔｉｃｅ，２０１１，３１（１２）：２４２５－２４３０．［１４］㊀马㊀雷，钱家忠，赵卫东．基于ＧＩＳ和水质水温的矿井突水水源快速判别［Ｊ］．煤田地质与勘探，２０１４，４２（２）：４９－５３．ＭＡＬ，ＱＩＡＮＪＺ，ＺＨＡＯＷＤ．ＲａｐｉｄｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｍｉｎｅｗａｔｅｒｉｎｒｕｓｈｓｏｕｒｃｅｂａｓｅｄｏｎＧＩＳａｎｄｗａｔｅｒｑｕａｌｉｔｙａｎｄｔｅｍｐｅｒａｔｕｒｅ［Ｊ］．ＣｏａｌＧｅｏｌｏｇｙ＆Ｅｘｐｌｏｒａｔｉｏｎ，２０１４，４２（２）：４９－５３．［１５］㊀张淑莹，胡友彪，邢世平，等．基于独立性权－灰色关联度理论１７１２０２２年第４期煤炭科学技术第５０卷的突水水源识别［Ｊ］．水文地质工程地质，２０１８，４５（６）：３６－４１．ＺＨＡＮＧＳＹ，ＨＵＵＢ，ＹＡＮＳＰ，ｅｔａｌ．Ｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｗａｔｅｒｉｎ⁃ｒｕｓｈｓｏｕｒｃｅｂａｓｅｄｏｎｔｈｅｉｎｄｅｐｅｎｄｅｎｃｅ－ｇｒｅｙｒｅｌａｔｉｏｎａｌｄｅｇｒｅｅｔｈｅｏｒｙ［Ｊ］．ＨｙｄｒｏｇｅｏｌｏｇｙａｎｄＥｎｇｉｎｅｅｒｉｎｇＧｅｏｌｏｇｙ，２０１８，４５（６）：３６－４１．［１６］㊀闫志刚，白海波．矿井涌水水源识别的ＭＭＨ支持向量机模型［Ｊ］．岩石力学与工程学报，２００９，２８（２）：３２４－３２９．ＹＡＮＺＧ，ＢＡＩＨＢ．ＭＭＨｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｍｏｄｅｌｆｏｒｍｉｎｅｉｎｒｕｓｈｗａｔｅｒｓｏｕｒｃｅｉｄｅｎｔｉｆｉｃａｔｉｏｎ［Ｊ］．ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＲｏｃｋＭｅｃｈａｎｉｃｓａｎｄＥｎｇｉｎｅｅｒｉｎ，２００９，２８（２）：３２４－３２９．［１７］㊀李㊀锋，杨胜利，李政岱，等．薄基岩顶板工作面突水溃砂及切顶灾害试验研究［Ｊ］．煤炭科学技术，２０２１，４９（１１）：１２５－１３３．ＬＩＦｅｎｇ，ＹＡＮＧＳｈｅｎｇｌｉ，ＬＩＺｈｅｎｇｄａｉ，ｅｔａｌ．Ｅｘｐｅｒｉｍｅｎｔａｌｓｔｕｄｙｏｎｄｉｓａｓｔｅｒｏｆｗａｔｅｒ－ｓａｎｄｉｎｒｕｓｈａｎｄｒｏｏｆｃｕｔｔｉｎｇｉｎｗｏｒｋｉｎｇｆａｃｅｗｉｔｈｔｈｉｎｂｅｄｒｏｃｋｒｏｏｆ［Ｊ］．ＣｏａｌＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，２０２１，４９（１１）：１２５－１３３．［１８］㊀吕擎峰，李军鹏，赵本山，等．基于灰色关联度法的可拓理论在霍尔古吐水电站坝址区泥石流危险性评价中的应用［Ｊ］．工程地质学报，２０１６，２４（２）：２１１－２１９．ＬＹＵＱＦ，ＬＩＪＰ，ＺＨＡＯＢＳ，ｅｔａｌ．Ａｐｐｌｉｃａｔｉｏｎｏｆｔｈｅｅｘｔｅｎｓｉｏｎｔｈｅｏｒｙｂａｓｅｄｏｎｔｈｅｇｒｅｙｒｅｌａｔｉｏｎａｌｄｅｇｒｅｅｍｅｔｈｏｄｉｎｔｈｅｄｅｂｒｉｓｆｌｏｗｒｉｓｋａｓｓｅｓｓｍｅｎｔｏｆｔｈｅｄａｍｓｉｔｅａｒｅａｏｆｈｏｌｇｕｔｕｈｙｄｒｏｐｏｗｅｒｓｔａｔｉｏｎ［Ｊ］．ＪｏｕｒｎａｌｏｆＥｎｇｉｎｅｅｒｉｎｇＧｅｏｌｏｇｙ，２０１６，２４（２）：２１１－２１９．［１９］㊀浦㊀海，郭世儒，刘德俊，等．基于ＬＢＭ－ＤＥＭ耦合方法的突水溃砂运移规律研究［Ｊ］．煤炭科学技术，２０２１，４９（２）：２０６－２１６．㊀ＰＵＨａｉ，ＧＵＯＳｈｉｒｕ，ＬＩＵＤｅｊｕｎ，ｅｔａｌ．ＳｔｕｄｙｏｎｌａｗｓｏｆｗａｔｅｒｉｎｒｕｓｈａｎｄｓａｎｄｂｕｒｓｔｍｉｇｒａｔｉｏｎｂａｓｅｄｏｎＬＢＭ－ＤＥＭｃｏｕｐｌｉｎｇｍｅｔｈｏｄ［Ｊ］．ＣｏａｌＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，２０２１，４９（２）：２０６－２１６．［２０］㊀尹尚先，徐㊀维，尹慧超，等．深部开采底板厚隔水层突水危险性评价方法研究［Ｊ］．煤炭科学技术，２０２０，４８（１）：８３－８９．ＹＩＮＳｈａｎｇｘｉａｎ，ＸＵＷｅｉ，ＹＩＮＨｕｉｃｈａｏ，ｅｔａｌ．Ｓｔｕｄｙｏｎｒｉｓｋａｓ⁃ｓｅｓｓｍｅｎｔｍｅｔｈｏｄｏｆｗａｔｅｒｉｎｒｕｓｈｆｒｏｍｔｈｉｃｋｆｌｏｏｒａｑｕｉｆｕｇｅｉｎｄｅｅｐｍｉｎｉｎｇ［Ｊ］．ＣｏａｌＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，２０２０，４８（１）：８３－８９．［２１］㊀苏㊀欣．基于前景理论和灰色关联分析的决策方法［Ｄ］．南宁：广西民族大学，２０１６．ＳＵＸ．Ｄｅｃｉｓｉｏｎｍａｋｉｎｇｍｅｔｈｏｄｂａｓｅｄｏｎｐｒｏｓｐｅｃｔｔｈｅｏｒｙａｎｄｇｒｅｙｃｏｒｒｅｌａｔｉｏｎａｎａｌｙｓｉｓ［Ｄ］．Ｎａｎｎｉｎｇ：ＧｕａｎｇＸｉＵｎｉｖｅｒｓｉｔｙｆｏｒＮａ⁃ｔｉｏｎａｌｉｔｉｅｓ，２０１６．［２２］㊀张㊀妹，刘启蒙，张宇通．基于改进灰色可拓关联法的煤层顶板砂岩富水性评价［Ｊ］．矿业安全与环保，２０１８，４５（５）：６４－６８．ＺＨＡＮＧＭ，ＬＩＵＱＭ，ＺＨＡＮＧＹＴ．Ｅｖａｌｕａｔｉｏｎｏｆｔｈｅｗａｔｅｒｒｉｃｈ⁃ｎｅｓｓｏｆｃｏａｌｓｅａｍｒｏｏｆｓａｎｄｓｔｏｎｅｂａｓｅｄｏｎｔｈｅｉｍｐｒｏｖｅｄｇｒｅｙｅｘ⁃ｔｅｎｓｉｏｎｃｏｒｒｅｌａｔｉｏｎｍｅｔｈｏｄ［Ｊ］．ＭｉｎｉｎｇＳａｆｅｔｙ＆ＥｎｖｉｒｏｎｍｅｎｔａｌＰｒｏｔｅｃｔｉｏｎ，２０１８，４５（５）：６４－６８．［２３］㊀李㊀聪，申思然，刘㊀江，等．基于动态权重的土质岸坡稳定性模糊评价方法［Ｊ］．长江科学院院报，２０１３，３０（１）：１５－２０．ＬＩＣｏｎｇ，ＳＨＥＮＳｉｒａｎ，ＬＩＵＪｉａｎｇ，ｅｔａｌ．Ａｐｐｌｉｃａｔｉｏｎｏｆｓｔｅｐｗｉｓｅｒｅ⁃ｇｒｅｓｓｉｏｎａｌｇｏｒｉｔｈｍｔｏｓｌｏｐｅｓａｆｅｔｙｍｏｎｉｔｏｒｉｎｇ［Ｊ］．ＪｏｕｒｎａｌｏｆＹａｎ⁃ｇｔｚｅＲｉｖｅｒＳｃｉｅｎｔｉｆｉｃＲｅｓｅａｒｃｈＩｎｓｔｉｔｔｕｔｅ，２０１３，３０（１）：１５－２０．［２４］㊀王心义，赵㊀伟，刘小满，等．基于熵权－模糊可变集理论的煤矿井突水水源识别［Ｊ］．煤炭学报，２０１７，４２（９）：２４３３－２４３９．ＷＡＮＧＸＹ，ＺＨＡＯＷ，ＬＩＵＸＭ，ｅｔａｌ．Ｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｗａｔｅｒｉｎ⁃ｒｕｓｈｓｏｕｒｃｅｉｎｃｏａｌｍｉｎｅＷｅｌｌｓｂａｓｅｄｏｎｅｎｔｒｏｐｙｗｅｉｇｈｔ－ｆｕｚｚｙｖａｒｉａｂｌｅｓｅｔｔｈｅｏｒｙ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｈｉｎａＣｏａｌＳｏｃｉｅｔｙ，２０１７，４２（９）：２４３３－２４３９．［２５］㊀ＤＥＬＧＡＤＯＡ，ＲＯＭＥＲＯＩ．Ｅｎｖｉｒｏｎｍｅｎｔａｌｃｏｎｆｌｉｃｔａｎａｌｙｓｉｓｕｓｉｎｇａｎｉｎｔｅｇｒａｔｅｄｇｒｅｙｃｌｕｓｔｅｒｉｎｇａｎｄｅｎｔｒｏｐｙ－ｗｅｉｇｈｔｍｅｔｈｏｄ：ＡｃａｓｅｓｔｕｄｙｏｆａｍｉｎｉｎｇｐｒｏｊｅｃｔｉｎＰｅｒｕ［Ｊ］．Ｅｎｖｉｒｏｎ．Ｍｏｄｅｌｌ．Ｓｏｆｔｗ．，２０１６，７７：１０８－１２１．［２６］㊀周㊀薇，李筱菁．基于信息熵理论的综合评价方法［Ｊ］．科学技术与工程，２０１０，１０（２３）：５８３９－５８４３．ＺＨＯＵＷ，ＬＩＸＪ．Ｃｏｍｐｒｅｈｅｎｓｉｖｅｅｖａｌｕａｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｉｎ⁃ｆｏｒｍａｔｉｏｎｅｎｔｒｏｐｙｔｈｅｏｒｙ［Ｊ］．ＳｃｉｅｎｃｅＴｅｃｈｎｏｌｏｇｙａｎｄＥｎｇｉｎｅｅｒ⁃ｉｎｇ，２０１０，１０（２３）：５８３９－５８４３．［２７］㊀王甜甜，靳德武，刘㊀基，等．动态权－集对分析模型在矿井突水水源识别中的应用［Ｊ］．煤炭学报，２０１９，４４（９）：２８４０－２８５０．㊀ＷＡＮＧＴＴ，ＪＩＮＤＷ，ＬＩＵＪ，ｅｔａｌ．Ａｐｐｌｉｃａｔｉｏｎｏｆｄｙｎａｍｉｃｗｅｉｇｈｔ－ｓｅｔｐａｉｒａｎａｌｙｓｉｓｍｏｄｅｌｉｎｍｉｎｅｗａｔｅｒｉｎｒｕｓｈｄｉｓｃｒｉｍｉｎａｔｉｏｎ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｈｉｎａＣｏａｌＳｏｃｉｅｔｙ，２０１９，４４（９）：２８４０－２８５０．２７１。
基于熵权TOPSIS模型的四川省资源环境承载力评价实证研究
15EXPERIENCE区域治理作者简介：蒲远婕，生于1995年，硕士，工程师，研究方向为土地制度与政策。
基于熵权TOPSIS 模型的四川省资源环境承载力评价实证研究四川大学公共管理学院 蒲远婕摘要：资源环境承载力是统筹国土空间规划建设的重要依据之一。
本文从经济社会子系统、资源子系统和环境子系统选取25个指标构建了评价指标体系，并采用熵权TOPSIS 模型对四川省2008-2018年的区域资源环境承载力及三个子系统内部承载力进行了评价。
结果表明，四川省2008-2018年资源环境承载力总体呈现上升的趋势，其中2008-2013年属于平稳上涨阶段，2013-2018年属于快速上涨阶段。
关键词：资源环境承载力；熵权；TOPSIS 模型；四川省中图分类号：X171.1文献标识码：A 文章编号：2096-4595（2021）31-0015-0002一、引言2017年1月，国务院印发了《全国国土规划纲要（2016—2030年）》，提出“优化国土空间开发格局需要以资源环境承载能力为基础，要坚持国土开发与资源环境承载能力相匹配”。
资源环境承载力评价已成为当前国土空间规划编制前期工作中非常重要的环节之一。
随着对资源环境承载力研究的深入，当前学界越来越侧重于资源环境综合承载力的研究。
余茹等（2019）基于熵权法的面板数据研究了2003-2017年京津冀资源环境承载力，结果表明京津冀总体资源环境承载状况缓慢趋好[1]。
张小刚等（2015）运用AHP 评价了长株潭城市群资源环境承载力，结果表明2005-2010年长株潭城市群资源环境承载力呈波浪式发展[2]。
刘东等（2012）应用生态足迹模型，评价了我国县域尺度生态承载力供需平衡状况，结果表明我国生态承载力供需已严重失衡[3]。
四川省是我国西部地区的资源和产业大省，《纲要》提出要在“中西部地区，培育长江中游、成渝等经济基础良好、资源环境承载力强、发展潜力较大的地区成为新的经济增长极。
基于AHP—熵权模糊赋值组合模型的煤炭企业总图运输设计方案评价研究
［ 关键词］ 熵权模糊赋权模型
层 次分析法
煤炭企业 总图运输设计方案
评价指标 体 系
ＤｏＩ ： １ ０． ３ ９ ６ ９ ｉ ｓ ｓ ｎ． １ ０ ０ ４一ｇ Ｉ Ｏ Ｘ． ２ ０ １ ３． ０ ３． Ｏ Ｄ ７
［ 中图分类号）Ｆ ２ ７ ９ ． ２ １ ［ 文献标识码 ］Ａ
对煤炭企业 总图运输设计 方案进行科 学合 理的评 价 ，选 出最优的布 置方案 。论 文 以 Ａ Ｈ Ｐ法和熵权模 糊赋
值模型为基础 ，建立评价 指标体 系，对指标层 进行判 断矩 阵以及熵权模 糊赋 值模 型构 建 ，并进 行权 重计 算 ；对准则层 的权 重计 算进行 了改善 ：采用在 准则层进行 判断矩阵与熵权模 糊赋值模 型相 结合的权重计 算
Ｍａ ｒ ． ２ Ｏ １ ３
１ ． １ 建立 Ａ Ｈ Ｐ —熵权 模糊 赋值 组合模 型
理 。该模 型使准 则 层 的评 价 指 标权 重更 加 科 学 合
Ａ ⅢＬ熵权模糊赋值模型运用的步骤为 ：（ １ ） 建立评价指标体系 ；（ ２ ）构建 Ａ Ｈ Ｐ法中的判断矩 阵以及熵权模糊赋值模 型，并对指标层 的评价指 标进行权重的计算 ； （ ３ ）利用判断矩阵对准则层 进行权重的计算 ； （ ４ ）对权重进行综合得 出总 目 标 的权重值 。但在准则层仅仅运用判断矩阵存在 很大的主观性 ，甚至影响总 目标权重 的精确性 。
所 以本 文 建 立 了 Ａ ⅢＬ墒 权 模 糊 赋 值 组 合 模 型 ， 在 准则层 的权 重 计 算 上 进行 了改善 ：在计 算 准则 层 评 价指 标 的权重 时 ，运用 Ａ Ｈ Ｐ法 中 的判 断矩 阵
业 干旱 进行 了识 别 与评 价 研 究 ［ 川，杨 开 云 等 人 同
基于DPSIR-灰色TOPSIS模型的旅游城市生态安全评价
基于DPSIR-灰色 04 TOPSIS模型的旅游城
市生态安全评价流程
数据收集与预处理
数据来源：收 集相关数据， 包括环境质量、 社会经济等方
面的指标
数据筛选：对 收集到的数据 进行筛选，去 除异常值和缺
失值
数据预处理： 对筛选后的数 据进行标准化 处理，将不同 量纲的数据统 一到同一尺度
上
数据转换：将 原始数据转换 成DPSIR模型 所需的指标体
系
指标权重确定
确定DPSIR模型中各指标的权重，采用熵权法进行计算 根据灰色TOPSIS模型的特点，确定各指标的权重，采用层次分析法进行计算 将两种方法的权重进行组合，得到最终的权重值 根据最终的权重值，对旅游城市生态安全进行评价
旅游城市生态安全评价结果
生态安全问题与对策建议 未来研究方向与展望
对策建议
优化产业结构，提高生态保护意识
推广绿色旅游，促进生态可持续发 展
添加标题
添加标题
添加标题
添加标题
加强环境治理，改善生态环境质量
加强政策引导，完善生态安全保障 体系
研究不足与展望
模型应用范围有限 数据来源可能存在误差 缺乏长期跟踪研究 需要进一步优化模型参数
评价过程与结果呈现
数据收集与处理
DPSIR模型构建与权重确定
灰色TOPSIS方法的应用
评价结果综合分析
结果分析与讨论
旅游城市生态安全评价结果 DPSIR-灰色TOPSIS模型的有效性分析 生态安全影响因素分析 政策建议与展望
06 结论与建议
结论总结
DPSIR-灰色TOPSIS模型的 有效性
基于熵权灰色关联的开放式基金综合评价模型Matlab程序
基于熵权灰色关联的开放式基金综合评价模型Matlab程序详细算法流程请见我的文库-《Garch-Var开放式基金风险度量及综合评价体系》的第二部分，综合评价体系，程序中的变量请对应文章的算法涉及变量。
输入的表格字段如下：其中第一个变量代表基金的名称（这里总共选取了100只基金，只截取了部分数据），后面的变量根据影响基金表现的因素分别建立模型并收集数据计算得到。
输出是一系列的基金的权重，按照大小排序既可以得到基金的综合评分：程序：function FuzzyEvalue(FileName)clc;fid = fopen(FileName);head_ = textscan(fid, '%s %s %s %s %s %s',1,'delimiter', ',');head = {{zeros(length(head_) - 1)}};for i = 2:length(head_)head{i-1}(1) = head_{i}(1);endclear head_%for i = 1:length(head)% head{i}(1)% end%headinputMatrix_ = textscan(fid, '%s %f32 %f32 %f32 %f32 %f32','delimiter', ','); fclose(fid);for j = 2:length(inputMatrix_)inputMatrix(:,j - 1) = double(inputMatrix_{:,j});endalpha = 0.5;[n,m] = size(inputMatrix);optimalMat = zeros(1,m);for i = 1:m%inputMatrix(:,i)if isempty(cell2mat(strfind(head{i}(1), 'max'))) == 0optimalMat(i) = max(inputMatrix(:,i));elseif isempty(cell2mat(strfind(head{i}(1), 'min'))) == 0optimalMat(i) = min(inputMatrix(:,i));endendoptimalMat;D = [optimalMat;inputMatrix];R = zeros(n+1,m);for i = 1:mif isempty(cell2mat(strfind(head{i}(1), 'max'))) == 0R(:,i) = 1.0*(D(:,i) - min(D(:,i)))/(max(D(:,i)) - min(D(:,i)));elseif isempty(cell2mat(strfind(head{i}(1), 'min'))) == 0R(:,i) = 1.0*(max(D(:,i)) - D(:,i))/(max(D(:,i)) - min(D(:,i)));endendclearvars D inputMatrix;R;F = zeros(n+1,m);H = zeros(1,m);W = zeros(1,m);for i = 1:mF(:,i) = R(:,i)/sum(R(:,i));endF;F(F == 0) = 1;for j = 1:mH(j) = -1/log(n)*sum(F(:,j).*log(F(:,j)));endH;W = (1 - H)/(m - sum(H));%sum(W)clearvars F H;Eps = zeros(n,m);for j = 1:mEps(:,j) = (min(abs(R(1,j) - R(2:n+1,j))) + alpha*max(abs(R(1,j) - R(2:n+1,j))))./(abs(R(1,j) - R(2:n+1,j)) + alpha*max(abs(R(1,j) - R(2:n+1,j))));endEps;FundsWeight = Eps*W';fileId = fopen('weight.csv','w');fprintf(fileId,'%s \n','FundsWeight');fprintf(fileId,'%f \n',FundsWeight);fclose(fileId);end。
基于熵权和灰色理论的继电保护设备状态检修评估
基于熵权和灰色理论的继电保护设备状态检修评估摘要:本文针对浙江省电力公司的检修现状,论述了继电保护设备实施状态检修的重要意义。
首先介绍了继电保护设备状态评估的侧重点,确立了以继电保护设备组件以及工作环境、外部情况等因素作为评价运行状态的主要指标;最后针对性提出了综合评判值班体系,然后根据灰色推理进行权重拓展,结合各评判指标自身特性,从继电保护设备状态检修的实际出发,对高压断路器运行状态进行了评估。
关键词:继电保护设备检修评估1 研究目的和意义继电保护设备是电力系统中重要的电气设备之一,在电力系统起着控制和保护的作用,使用数量多、范围广,继电保护设备的正常运行直接关系到电网稳定和安全运行。
目前对继电保护设备维护基本上采取定期维修制度。
定期检修主要是根据设备的运行周期编制大修和小修计划,贯彻预防为主的方针,做到“到修必修,修必修好”。
一旦设备运行到预先规定的时间周期,无论是否出现故障,都要停电维修,以做到防患于未然。
但是定期检修并不能实时捕捉到继电保护设备潜在隐患,为了解决定期检修的不足,目前提出状态检修的理念。
本文通过对继电保护设备的运行状态进行评估,为继电保护设备实施状态检修提供理论依据和实践指导。
2 继电保护设备状态检修评估体系的建立继电保护设备运行状态评估涉及到多个指标。
目前并没有一个统一的、科学的继电保护设备状态综合评估指标体系,因此必须建立系统的评估指标体系并对之进行量化。
所选继电保护设备指标应能有效反映继电保护设备状态某一方面的运行情况,不确定的影响因素也能根据经验和合适的数学模型予以定量或定性表示,使指标体系能真实、全面地反映继电保护设备的运行状态。
目前对继电保护设备运行状态评估主要集中在继电保护设备本身微机装置、二次回路、继电保护设备环境数据。
2.1 继电保护设备环境数据状态评估继电保护设备环境数据主要包含继电保护设备运行时温度、湿度数据。
主要采集数据是继电保护设备运行时温度数据。
基于熵值法和GM(1
ｉｆｒ ｔ ｎｅ ｒｐ ． ａ ｅ ｎｔｅｅ ａ ａ ｏ ｓ ｌ ｎ ｔｅ ｔ ａ ｍｏ ｅ ｎ ｅ ｒ， Ｍ （ ， ｇ ｅ ｒｄｃｉｎｍｏ ｅ ｎ ｏｍａｉ ｎ ｏ ｙ Ｂ ｓｄ ｏ ｖ ｌ ｔ ｎｒ ｕｔ ａ ｄｍａｈ ｍａｉ ｌ ｄ ｌ ｇｔ ｏｙ Ｇ ｏ ｔ ｈ ｕ ｉ ｅ ｓ ｃ ｉ ｈ １ ） ｒｙ ｐｅ ｉ ｏ ｄ ｌ １ ｔ
中 国环境科学
２ １，２６ ：ｌ４ ～ ２ ０ ２ （） ８ １ ５ ３ １ １
Ｃ ｉａ Ｅ ｖｒｎ ｎａ ｃｅｃ ｈｎ ｎ ｉ ｍｅｔｌ ｉｎｅ ｏ Ｓ
基于熵值法和 Ｇ １ ） Ｍ（， 模型的重庆城市生态系统健康评价 １
郭 锐利 ， 郑钦 玉 ， ， 刘 娟 李 美荣 。 １ ， （． 南方山地农业教育部工程研究中心， 重庆 ４０１ ； ． ０７６ ２ 西南大学农学与
数 ；００ ２ １ 年 期 间， 城市 生态 系统 健康 综合 评价值 将 以 ｅ ２ １～ ０５ 重庆 的增速 保持 良好 发展 态势 ． ， 以熵权 综 合 评价为 基础 的 Ｇ １ ） 此外 建立 Ｍ（， １
Байду номын сангаас
灰 色预 测模 型对 城市 生态 系统 健康 进行 评价 ， 得 出更客 观 、更全 面 的评价 结果 ． 能够
ｉ ｄ ｃ ｔｄ ｔ ａ ｈ ｖ ｒ ｌ ｌｖ ｌｏ ｒ ａ ｃ ｓ ｓｅ ｈ ａ ｔ ｓ ｏ ｉ ｕ ｕ ｌ ｍｐ ｏ ｅ ｏ ２ ０ ｏ ２ ０ ． ｈ ｌｍｅ ｔ ｎ ｉ ａｅ ｈ ｔ ｅ ｏ ｅ ａ ｌ ｅ ｅ ｆｕ ｂ ｎ ｅ ｏ ｙ ｔ ｍ ｅ ｌ Ｗａ ｃ ｎ ｎ ｏ ｓｙ ｉ ｒ ｖ ｄ ｆ ｍ ０ ５ ｔ ０ ９ ｔ ｅ ｅ ｅ ｎｓ ｔ ｈ ｔ ｒ ｉ ｄ ｘ ａ ｒ ｎ ｅ ｎ ｏ ｄ ｒ ｏ ｖ ｌ ａｉ ｎ ｖ ｌ ｅ ｓｚ ｗｅ ｅ ｖ ｇ ｒ ｉ ｄ ｘ ｅ ｓｌ ｎ ｅ ｉ ｄ ｘ ｎ ｅ ｒａ ｇ ｄ ｉ ｒ ｅ ｆ ｅ ａｕ ｔｏ ａｕ ｉ ｅ ｒ ｉ ｏ ｎ ｅ ，ｒ ｉ ｅ ｃ ｎ ｅ ，ｏ ｇ ｉａ ｉｎ ｓｒ ｃ ｕ ｅ ｉ ｄ ｘ ｉ ｒ ａ ｚ ｔ ｔｕ ｔ ｒ ｎ ｅ ， ｎ ｏ
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Value Engineering 0引言随着低碳经济时代的来临，以低能耗、低污染、低排放为特征的低碳经济模式已成为转变经济发展方式，实现经济可持续发展的必然选择。
低碳经济模式的核心是降低能源的消耗，减少由传统化石能源消耗所产生的温室气体，实现经济增长与能源消耗的脱钩。
从本质上看，低碳经济实质上就是能源经济的的革命。
众所周知，能源是社会经济发展的重要物质基础，是国民经济的重要支撑，因此科学、合理、准确的对区域能源需求进行预测，对科学制定区域能源发展战略、推动区域能源创新体系建设、带动相关能源产业协调发展，加快区域能源体系建设，实现区域低碳经济的发展有着重要的理论和现实意义。
灰色系统理论[1]是由我国学者创立的系统科学理论，以少数据、贫信息的不确定系统为研究对象，通过对少量原始数据的累加生成，最大限度的挖掘系统的内在运行规律，实现灰色系统的“白化”。
灰色预测模型作为灰色系统理论的核心，自提出以来得到了广泛的应用，成为运用最为广泛的预测模型，随着研究的深入，许多学者针对传统灰色预测模型所存在的缺陷，对GM （1，1）模型进行了改进，相继提出了基于残差优化、新陈代谢、离散DGM 模型等的新灰色预测模型，从一定程度上解决了传统灰色预测模型的病态性问题。
本文从信息集成的角度出发，提出基于传统GM （1，1）模型、新陈代谢模型、离散DGM 三种单项灰色模型的组合预测模型，最大限度的减少信息的损失，提高预测的精度，为区域能源规划的制定提供科学的决策参考。
1灰色预测模型1.1灰色GM （1，1）预测模型GM （1，1）模型[2]是灰色预测模型中最为经典、也是应用最为广泛的模型，其建模原理简单、计算简便，长期以来一直是灰色预测理论研究的核心和热点。
其具体建模步骤如下：①设X 0=（x 0（1），x 0（2），…x 0（n ））为原始数据序列，构造一阶累加生成序列X 1=（x 1（1），x 1（2），…x 1（n ）），其中x 1（k ）=k i=1Σx 0（i ）。
②构造均值生成序列Z 1=（z 1（1），z 1（2），…，z 1（n ）），其中z 1（k ）=（x 1（k ）+x （k-1）），k=1，2，3，…，n 。
③建立生成序列矩阵B 和数据向量Y B=-z 1（2）1-z 1（3）1……-z 1（n ）ΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣ1，Y=x 0（2）x 0（3）…x 0（n ΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣ）④计算参数列α赞=a ΣΣb =（B T B ）-1B T Y （1）⑤构造灰色微分方程并求解dx （1）+ax （1）=b （2）x赞（1）（k+1）=x （0）（1）-b ΣΣe -ak +b ，k=1，2，…，n ⑥累减还原得到预测方程x 赞（0）（k+1）=x 赞（1）（k+1）-x 赞（1）（k ）（3）1.2新背景值优化的GM （1，1）预测模型（新陈代谢模型）1.2.1设X 0=（x 0（1），x 0（2），…x 0（n ））为原始数据序列，选取前k 个分量所组成的新序列X 0=（x 0（1），x 0（2），…x 0（k ））（k<n ），建立GM （1，1）模型。
1.2.2设x 0（k+1）为所得的最新信息，将x 0（k+1）放入原始序列X 0中，并置换出原始序列中的第一个信息x 0（1），得到新的数据序列X 0=（x 0（2），x 0（3），…x 0（k+1）），以新序列X 0为基础建立GM （1，1）模型，不断重复步骤二，使每一次得到的新数据替换掉原来的老数据，完成“新陈代谢”的过程。
1.3离散DGM 模型传统GM （1，1）模型中，模型预测的精度的不稳定性常常困扰着从事灰色系统理论研究的工作者，也有学者将这种现象称作灰色预测模型的病态性问题。
针对这种情况，谢乃明[3]博士提出了离散DGM 模型，极大地提高了灰色预测模型的精度，并从理论上证明了离散DGM 模型与GM（1，1）模型是同一种模型的不同表达形式，其模型方程为：x （1）（k+1）=m 1x （1）（k ）+m 2（4）建模步骤：1.3.1对原始序列X 0=（x 0（1），x 0（2），…x 0（n ））进行一阶累加生成，得到X 1=（x 1（1），x 1（2），…x 1（n ））1.3.2设m=（m 1，m 2），构造序列矩阵B 和参数向量Y ，其中B=x （1）（1）1x （1）（2）1……x （1）（n-1）ΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣ1，Y=x 1（2）x 1（3）…x 1（n ΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣΣ）1.3.3运用最小二乘法对离散序列的灰微分方程x （1）（k +1）=m 1x （1）（k ）+m 2进行求解，得到m 的最小二乘估计为m=m 1m 2ΣΣ=（B T B ）-1B T Y 。
1.3.4取原始序列的初值作为累加生成序列的初值，即x 1（1）=x 0（1），则x 赞（1）（k+1）=m 1k x 0（1）+1-m k 1m 2（5）1.3.5还原得到预测方程x 赞（0）（k+1）=x 赞（1）（k+1）-x 赞（1）（k ）。
2组合预测模型构建———————————————————————作者简介：秦晋栋（1984-），男，湖北武汉人，研究生在读，主要研究方向为系统建模与决策分析、灰色系统理论。
基于熵权灰色组合预测模型的区域能源需求预测研究Regional Energy Demand Forecast Research Based on Entropy Weight Grey Combination Forecasting Model秦晋栋Qin Jindong（武汉理工大学管理学院，武汉430070）（School of Management ，WHUT ，Wuhan 430070，China ）摘要：本文在充分考虑传统GM （1，1）模型所存在缺陷的基础上，结合灰色预测模型的最新理论成果，提出了基于GM （1，1）模型，新陈代谢模型，离散DGM 模型三种灰色预测模型的组合预测模型，采用熵值法来确定组合预测模型中各单项方法的权重，并以湖北省为例，对湖北省2001-2010年能源需求总量进行实证研究，结果表明基于灰色组合预测模型的预测精度明显高于三种单项预测方法的精度，证明了该模型用于区域能源需求预测的科学性和有效性，在此基础上对2011-2015年湖北省能源需求进行了预测。
Abstract:Taking the defects of the traditional GM (1,1)model into consideration,combined with the latest theoretical achievement of grey prediction model,this paper puts the combined forecast model of the GM (1,1)model,information renewal model,and discrete DGM model,determines the combination forecast model using entropy method.Taking Hubei Province as an example,it makes an empirical research on the total energy demand of Hubei province from 2001to 2010.The results show that the forecasting accuracy based on the grey combination forecast model is significantly higher than three kinds of single forecast model;it is proved that the model for the regional energy demand forecast is scientific and effective,and forecasts the energy demand of Hubei province from 2011to 2015.关键词：能源需求；灰色系统；组合预测；熵权Key words:energy demand ；grey system ；combination forecast ；entropy weight中图分类号：N945文献标识码：A文章编号：1006-4311（2012）04-0289-03·289·价值工程组合预测中各单项预测方法的权重确定尤为重要，权重设置的精确与否将直接影响模型的预测精度。
本文采用基于熵值法[4][5]的组合权重方法，对各单项预测方法的权重进行确定，充分依赖数据本身所提供的信息，排除主观因素的影响，是一种基于数据驱动的客观赋权方法。
具体步骤如下：2.1计算各单项方法在t 时刻的相对误差p it p it=e it t=1Σeit，t=1，2，…N （6）2.2计算第i 种预测方法相对误差的熵值h i h i =-1mt=1Σp it l n p it i=1，2，…m（7）2.3计算第i 种预测方法得变异系数d i d i =1-h i ，i=1，2，…m（8）2.4计算各单项预测方法的权重ωi ωi =1m-1（1-d i m i=1Σd i），i=1，2，…m（9）2.5计算组合预测值x 赞tx赞t =Ni=1Σw i x it （10）3实证研究选取2001-2010年湖北省能源消费量进行实证研究，并对2011-2015年湖北省能源需求进行预测。
将表1中的数据分别代入三种单项灰色预测模型，得到各单项模型的预测值和预测精度，具体结果如表2所示。
将原始数据及表2中的结果代入熵权求解模型，分别计算权重模型的相关参数，计算结果如表3所示。
3.1根据公式计算三种单项预测方法的相对误差熵h i h 1=-1mt=1Σp1tl n p 1t =0.90996h 2=-1ln Nmt=1Σp2tl n p 2t =0.924007h 3=-1ln N mt=1Σp 3t l n p 3t =0.9060153.2计算第i 种预测方法得变异系数d i d 1=1-h 1=0.09004d 2=1-h 2=0.075993d 3=1-h 3=0.0939853.3计算各单项预测方法的权重ωi ω1=1m-1（1-d 1m i=1Σd i）=0.333948ω2=1m-1（1-d 2m i=1Σd i）=0.331384ω3=1m-1（1-d 3m i=1Σdi）=0.334668将上面计算得结果分别代入组合预测公式x Λt ＝Ni=1Σw i x it =0.333948×x 1t =0.331384×x 2t +0.334668×x3t ，得到组合预测结果如表4所示。